SUN'IY INTELLEKT ASOSIDA LOYIHA RISKLARINI BOSHQARISH METODLARI: MACHINE LEARNING YORDAMIDA RISK PROGNOZI
Keywords:
sun'iy intellekt, machine learning, loyiha risklari, risk prognozi, neyron tarmoqlar, regression tahlili, raqamli texnologiyalar.Abstract
Ushbu maqolada sun'iy intellekt va machine learning texnologiyalari asosida loyiha risklarini boshqarish metodlari tadqiq etilgan. Tadqiqotning asosiy maqsadi - loyiha jarayonlarida yuzaga keladigan risklarni oldindan aniqlash va prognoz qilishda zamonaviy algoritmlardan foydalanish imkoniyatlarini asoslashdan iborat. Tadqiqotda regression tahlili, neyron tarmoqlar va klassifikatsiya modellari qo'llanilgan. Natijalar shuni ko'rsatdiki, machine learning modellari an'anaviy usullarga nisbatan risk prognozining aniqligini sezilarli darajada oshiradi. Maqolada O'zbekiston sharoitida ushbu metodlarni qo'llash bo'yicha amaliy tavsiyalar ham keltirilgan.
References
Qodirov, A. (2024). O‘zbekistonda raqamli iqtisodiyotni rivojlantirish yo‘nalishlari. Toshkent: Iqtisodiyot nashriyoti.
Qodirov, A., & Allanazarova, D. (2025). Raqamli boshqaruv tizimlari va institutsional samaradorlik. Iqtisodiyot va innovatsiyalar jurnali, 3(1), 45–53.
Qodirov, A. (2025). Ekonometrik modellashtirish asosida mintaqaviy rivojlanishni prognozlash. Statistika va iqtisodiyot, 2(4), 28–36.
Qodirov, A. (2025). Qashqadaryo viloyatida bandlik darajasini ekonometrik baholash. Hududiy iqtisodiyot jurnali, 1(2), 15–22.
Qodirov, A., & Murodulloyeva, S. (2024). O‘zbekistonda raqamli iqtisodiyot rivojlanish tendensiyalari. Innovatsion rivojlanish, 6(3), 60–68.
Qodirov, A., & To‘rayeva, N. (2025). IoT va sun’iy intellekt asosida sanoat samaradorligini oshirish. Texnologiya va boshqaruv, 4(1), 72–80.
Kubayev, B., et al. (2024). Hybrid deep learning and fuzzy logic for adaptive islanding detection in microgrids. IEEE Access, 12, 12345–12358.
Bishop, C. M. (2006). Pattern Recognition and Machine Learning. New York: Springer.
Goodfellow, I., Bengio, Y., & Courville, A. (2016). Deep Learning. Cambridge: MIT Press.
Hastie, T., Tibshirani, R., & Friedman, J. (2009). The Elements of Statistical Learning. New York: Springer.
Breiman, L. (2001). Random forests. Machine Learning, 45(1), 5–32.
Friedman, J. H. (2001). Greedy function approximation: A gradient boosting machine. Annals of Statistics, 29(5), 1189–1232.
Project Management Institute (PMI). (2021). A Guide to the Project Management Body of Knowledge (PMBOK Guide) (7th ed.).
Kotu, V., & Deshpande, B. (2019). Data Science: Concepts and Practice. Morgan Kaufmann.
