CV muhandis kundaligi

Yangi, dasturlash bo‘yicha benchmark paydo bo‘ldi — LLM modellar unda 0% natija ko‘rsatmoqda 😐 LiveCodeBench Pro — bu eng so‘nggi va murakkab dasturlash masalalaridan tashkil topgan yangi test to‘plami bo‘lib, Codeforces, ICPC va IOI (Informatika bo‘yicha Xalqaro Olimpiada) kabi platformalardan olingan. Ushbu masalalarni bevosita o‘zlari olimpiyadalarda g‘olib yoki sovrindor bo‘lganlar tanlagan va belgilagan. Natijalar: hattoki eng kuchli til modeli hisoblangan o4-mini-high ham taxminan 2100 reyting atrofida to‘xtab qolmoqda. Bu esa inson grossmeysteri darajasidan (taxminan 2700) ancha past. Model faqat oddiy va ayrim o‘rta darajadagi masalalarni hal qila oladi. Haqiqiy murakkab masalalarga kelganda esa — barchasi nol, butunlay hech qanday yechim yo‘q. Model kombinatorika va dinamik dasturlash bo‘yicha muammolarni nisbatan yaxshi yechadi. Ammo strategik fikrlash va edge-case (noyob chegara holatlari) bilan ishlashda ular oddiy ekspert yoki hatto maktab o‘quvchisi darajasida. Yana bir qiziq fakt: insonlar odatda xatoni algoritmda emas, balki uni implementatsiya (realizatsiya) qilishda, ya'ni e'tiborsizlik yoki sintaksis nuqtai nazaridan qiladi. Modellar esa, aksincha, ko‘pincha xatoni asosiy g‘oyaning o‘zida qiladi — ya'ni masalaga qanday yondashish kerakligini tushunmaydi. Xulosa: hozircha olimpiyadachilar o‘rnini hech bir LLM model bosa olmayapti.😁 Gazini bosamiz olimpiadachilar, You're irreplaceable — we checked, even AI gave up.

ChatGpt ga qiziq mem yasab ber degandim😁

🎥Lex Fridman matematikadagi zamonaviy daholardan biri — Terens Tao bilan suhbatlashdi. Bu odam — zamonamizning eng kuchli matematiklaridan biri. 📌Terens Tao mashxurligi nimada? Avstraliyalik bolalar dahosi: 10 yoshida Xalqaro matematika olimpiadasida qatnashgan, 21 yoshida doktorlik dissertatsiyasini himoya qilgan. 2006-yilda matematikadagi eng nufuzli mukofot — Fields medalini olgan. U harmonik tahlil, differensial tenglamalar, ergodik nazariya, Kombinatorika, Ehtimollar nazariyasi, Collatz muammosi, Navye-Stoks tenglamalari kabi murakkab masalalarda ishlagan. 📌 Podkastdan asosiy fikrlar: Qanday qilib u murakkab muammolarni hal qiladi? Tao “imkonsiz” muammoni kichik bo'laklarga bo‘ladi: 1. Dastlab barcha to‘siqlarni olib tashlab, eng sodda versiyani hal qiladi. 2. So‘ng bosqichma-bosqich murakkablikni oshirib boradi. Bu yondashuv tufayli odam “tupa-tupa yurish”da emas, balki doimo oldinga qarab harakatda bo‘ladi. Katta yutuqlar — turli sohalar birlashganda yuzaga keladi: Geometriya + algebra, dinamikalar + energiya, diskret matematika + murakkab tenglamalar. AI va matematikaning kelajagi AI hozir maktab darajasidagi geometriyani yecha oladi, ammo haqiqiy kashfiyotlarga hali qodir emas — unga “matematik sezgi” yetishmaydi. Tao fikricha, eng katta yutuqlar “inson + AI” tandemi orqali bo‘ladi: inson strategiyani belgilaydi, AI esa hisob-kitob va tekshirish ishlarini bajaradi. Kelajak matematikasi — bu g‘oyalar sintezi, formal isbotlar va sun’iy intellekt bilan yaqindan hamkorlikdir. Asosiy kashfiyotlar hanuz insonlar tomonidan qilinadi, ammo AI ularni ancha tezlashtiradi. P.S : Terens Taoning fikrlash uslubi — bu biz, Computer Vision muhandislari uchun ham dars: murakkablikni boshqarish, turli metodlarni uyg‘unlashtirish, natijalarni formal nazorat qilish va sun’iy intellektdan kuchli yordamchi sifatida foydalanish. Kelajak — bu inson tafakkuri va AI hisoblash quvvatining uyg‘unligida. Biz o‘sha kelajakni bugun qurmoqdamiz.

Mem ni tushunganlar kommentda yozamiz Go go go 😁

📘 «Kompyuter ko‘rish: qisqa va ravshan» — bu siz albatta o‘qib chiqadigan kitob Bu kitob kompyuter ko‘rish (Computer Vision) sohasidagi asosiy tushunchalarni sodda va tushunarli tarzda yoritadi. Unda tasvirlarni qayta ishlash va mashinaviy o‘rganish asoslari orqali kompyuter ko‘rishga kirish osonlashtirilgan. Maqsad — faqat tushuntirish emas, balki o‘quvchining ichki intuitsiyasini shakllantirish. 📷 Kitobning asosiy yondashuvi: iloji boricha kam so‘z, ko‘proq mazmun va ko‘zni quvontiradigan vizual izohlar. Har bir bob atigi 5 sahifadan iborat bo‘lishi kerak edi — ammo bu ham yetarli bo‘lmadi, chunki bu soha juda keng. 👥 Kimlar uchun: Bakalavriat va magistratura talabalari, kompyuter ko‘rish sohasiga yangi kirayotganlar uchun Amaliyotchi muhandislar, qisqa vaqt ichida mustahkam nazariy tayyorgarlik olishni istovchilar uchun 📏 Natijada — bu kompyuter ko‘rish bo‘yicha siqiq, lekin kuchli, vizual jihatdan boy va o‘qishga yengil kitob bo‘lib chiqdi. Qo‘rquvsiz boshlaysiz, zavq bilan oxirigacha yetasiz. P.S: Shaxsan men, kompyuter ko‘rish sohasida tajribali muhandis sifatida, bunday yondashuvni juda qadrlayman. Ko‘p hollarda texnik adabiyotlar yoki haddan ziyod quruq bo‘ladi, yoki foydasiz. Bu kitob esa aynan o‘rta yo‘lni topgan — nazariya bor, lekin faqat keraklisi. Vizual misollar esa, ayniqsa, o‘zlashtirishni osonlashtiradi. Agar siz CV sohasiga yangi kirayotgan bo‘lsangiz yoki bilimlaringizni tezda tiklamoqchi bo‘lsangiz — bu kitob aynan siz uchun. Foundations of Computer Vision

📚 Har bir daqiqasi foydali loyihaga marhamat! 📌 “Mutolaa” marafonida siz turli xil sohalarning eng kuchli mutaxassislari bilan olib boriladigan manfaatli suhbatlarda qatnashasiz. ••• Qolaversa, bir dona kitob oʻqib 5 million soʻmgacha, eng faol targʻibotchi bo’lib 4 million so’mlik pul mukofotlari yutib olishingiz, yuzlab sovgʻalar, kitoblar va bonuslarga ega boʻlishingiz mumkin. 🔥 Eng qizig'i - loyihada ishtirok etish mutlaqo BEPUL👇 https://t.me/mutolaamarafon_bot?start=68036311 https://t.me/mutolaamarafon_bot?start=68036311

🚀 Qiziqarli Loyihadan Yangilik: 2D Videodan Uzoqlikni Baholash 🎥➡️🧠📏 So‘nggi haftalarda computer vision sohasidagi eng qiziqarli muammolardan birini hal qilishga qaratilgan loyiha ustida ishladim: oddiy 2D videodan uzoqlikni baholash. Hech qanday stereo kamera yoki LiDAR yo‘q — faqat bitta RGB kamera. Chuqlik va fazoviy tuzilmani oddiy video orqali aniqlash uchun biz deep learning texnikalari va vaqt bo‘yicha izchillikdan foydalanmoqdamiz. Bu quyidagi sohalarda kuchli imkoniyatlar yaratadi: 🎮 AR/VR: Faqat smartfon videosidan foydalanib immersiv muhitlar yaratish 🚗 Avtonom boshqaruv: Minimal sensorlar yordamida chuqurlik haqida ko'proq ma'lumotga ega bo'lish 🏗 Raqamli egizaklar: Oddiy video uskunasi orqali haqiqiy hayot muhitining egizaklarini yaratish Yaqin kunlarda batafsil ma’lumot bilan o’rtoqlashaman. Kuzatishda davom eting.

🚀 Loyiha yangilanishi: Chakana savdo do‘konlari uchun aqlli mijozlar tahlil tizimi Men hozirda savdo do‘konlarida mijozlar harakatini real vaqt rejimida kuzatish va tahlil qilishga yordam beradigan kompyuter ko‘rish (computer vision) asosidagi tizim ustida ishlayapman. 🎯 Loyihaning asosiy maqsadlari: - 📊 Do‘konga kirgan mijozlar sonini hisoblash - 🔁 Qayta tashrif buyurgan mijozlarni aniqlash (yagona mijozlarni kuzatish) - 🧠 Yoshi va jinsini aniqlash ✅ Hozirgacha bajarilgan ishlar: Real vaqt rejimida yoshi va jinsini aniqlash — Tizim video oqim orqali mijozning taxminiy yoshi va jinsini aniqlay oladi. Mijozlarni kuzatish va takroriy tashriflarni aniqlash — Endi bu imkoniyat NVIDIA DeepStream orqali amalga oshirilmoqda, bu esa real vaqtli, samarali ob’ektlarni kuzatishni ta’minlaydi. 🔐 Maxfiylik ustuvor: Hech qanday yuzni aniqlash yoki shaxsiy ma’lumotlarni saqlash yo‘q. Tizim faqat anonim demografik va xulqiy statistikani taqdim etadi. 🛠 Texnologiyalar: - Python, OpenCV - NVIDIA DeepStream SDK - TensorRT - YOLO - CNN asosidagi modellar (yosh va jins aniqlash uchun) Navbatdagi bosqich: Takroriy tashriflarni aniqlash va tahlillarni ko‘rsatish uchun vizual panel (dashboard) ustida ishlash. Bizni kuzatib boring!

Zamonaviy narkotiklar Birinchi telefonlar chiqdi. Keyin Facebook, Instagram, TikTok, Telegram lar. Bular odamlardagi attention spam, ya’ni diqqatni saqlash qobiliyatini qisqartirib tashladi. Oldin soatlab diqqat bilan dars qila olgan, ishlay olgan, kitob o‘qiy olgan bo‘lsak, hozir bu narsa daqiqalarda o‘lchanadi. Kimdirlarda hatto sekundlarda. Lekin hech bo‘lmaganda shu daqiqalarda qilgan ishimizni o‘zimiz tushunib qilar edik. Kichikroq bo‘lsa-da foyda ola olar edik. Yaqinda esa ChatGPT va boshqa AI instrumentlar chiqdi. Ana endi odamlar o‘ylashni ham shu instrumentlarga topshirishni boshladi. Critical thinking degan narsa kamayib bormoqda. Menga ishonmaysizmi? Microsoftda qilingan tadqiqotga ishonarsiz: https://www.microsoft.com/en-us/research/wp-content/uploads/2025/01/lee_2025_ai_critical_thinking_survey.pdf O‘zingizni himoya qiling. 100% fikrlashni AIga topshirib qo‘ymang. Biror sohada mukammallikka intiling. Qiyin mavzularga chuqur kiring. Fundamental ko‘nikmalar ustida ishlang. Bu gaplarimga hamma ham qo‘shilmasligi mumkin. Lekin bir narsa aniq. Miya ham mushaklarga o‘xshaydi. Ishlatmasa atrofiyaga uchraydi. Ishlating. @jakhonrakhmonov

https://t.me/boost/learncvuz

https://t.me/boost/learncvuz

🚀 Jetson Orin Nano (15W Power Mode)da LLaMA 3.2 ishlashi Ollama LLaMA 3.2 modelini Jetson Orin Nano**da **15W quvvat rejimi**da sinab ko‘rdim, natijalar quyidagicha: 🔹 **Model yuklanish vaqti: ~200ms 🔹Token baholash tezligi: ~1.81 token/s (boshlang‘ich so‘rov) 🔹Matn generatsiya tezligi: ~12-14 token/s 🔹Javob shakllanish vaqti: ~25-30s ✅Muvaffaqiyatli ishlaydi, ammo kechikish sezilarli. Quvvat rejimini oshirish natijalarni yaxshilashi mumkin. Yengil inference uchun mos, ammo real vaqtda ishlashga unchalik mos emas. 💡Optimallashtirish variantlari: - TensorRT bilan tezlashtirish 🏎 - Samaradorlik uchun kvantizatsiya 📉 - Yuqori quvvat rejimi bilan yaxshiroq natija ⚡️ - Ko‘p so‘rovlarni parallel qayta ishlash 📊 Bizni kuzatib boring. Qiziqarlilari hali oldinda!