OLIY TA’LIMNING RAQAMLI ARXITEKTURASI: IQTISODIY MODELLARDA BIG DATA VA SUN’IY INTELLEKT ALGORITMLARI
DOI:
https://doi.org/10.5281/zenodo.23300073Abstract
Tadqiqotning maqsadi oliy ta’lim muassasalarining iqtisodiy modellarida katta ma’lumotlar (Big Data) va sun’iy intellekt algoritmlaridan foydalanishga mo‘ljallangan raqamli arxitekturani asoslashdan iborat. Metodologiya sifatida korxona arxitekturasi yondashuvi, HEMIS tizimi va unga integratsiyalashgan davlat axborot tizimlarini institutsional tahlil qilish hamda algoritmlarni iqtisodiy vazifalar bo‘yicha tasniflash qo‘llanildi. Natijada besh qatlamli raqamli arxitektura, OTM katta ma’lumotlarining “5V” tavsifi, ma’lumot manbalari va algoritmlarning iqtisodiy vazifalarga moslik matritsasi ishlab chiqildi. Xulosada HEMISni tahliliy qatlam bilan to‘ldirish va ma’lumotlarni boshqarish tizimini joriy etish zarurligi asoslandi.Keywords
raqamli arxitektura, katta ma’lumotlar, sun’iy intellekt algoritmlari, HEMIS, ma’lumotlar ombori, mashinali o‘qitish, oliy ta’lim iqtisodiyotiReferences
1. O‘zbekiston Respublikasi Vazirlar Mahkamasining 2025-yil 30-iyundagi 403-son qarori.
2. O‘zbekiston Respublikasi Prezidentining 2020-yil 5-oktyabrdagi “Raqamli O‘zbekiston - 2030”
strategiyasini tasdiqlash va uni samarali amalga oshirish chora-tadbirlari to‘g‘risida”gi PF-6079-son Farmoni.
3. O‘zbekiston Respublikasi Prezidentining 2024-yil 14-oktyabrdagi “Sun’iy intellekt texnologiyalarini 2030
yilga qadar rivojlantirish strategiyasini tasdiqlash to‘g‘risida”gi PQ-358-son qarori.
4. “Oliy ta’limni boshqarish va monitoringi…” (HEMIS axborot tizimini ishlab chiqish va joriy etish to‘g‘risida) //
UMFT ilmiy jurnali. - 2024. - №. 1(1). - URL: journalapi.umft.uz/files/article/1717480648759-MFT_journal_1(1)_
article_1.pd
5. Laney D. 3D Data Management: Controlling Data Volume, Velocity, and Variety. - META Group Research
Note, 2001.
6. Gandomi A., Haider M. Beyond the hype: Big data concepts, methods, and analytics // International
Journal of Information Management. - 2015. - Vol. 35. - №. 2. - P. 137-144.
7. Kimball R., Ross M. The Data Warehouse Toolkit: The Definitive Guide to Dimensional Modeling. 3rd
ed. - Indianapolis: Wiley, 2013. - 564 p.
8. Daniel B. Big Data and analytics in higher education: Opportunities and challenges // British Journal of
Educational Technology. - 2015. - Vol. 46. - №. 5. - P. 904-920.
9. Siemens G., Long P. Penetrating the fog: Analytics in learning and education // EDUCAUSE Review. -
2011. - Vol. 46. - №. 5. - P. 30-40.
10. Hastie T., Tibshirani R., Friedman J. The Elements of Statistical Learning. 2nd ed. - New York: Springer,
2009. - 745 p.
11. Chen T., Guestrin C. XGBoost: A Scalable Tree Boosting System // Proceedings of the 22nd ACM
SIGKDD International Conference on Knowledge Discovery and Data Mining. - 2016. - P. 785-794.
12. hemis.uz - Oliy ta’lim jarayonlarini boshqarish axborot tizimi.
13. www.edu.uz - O‘zbekiston Respublikasi Oliy ta’lim, fan va innovatsiyalar vazirligi.
14. www.stat.uz - O‘zbekiston Respublikasi Milliy statistika qo‘mitasi.
15. www.lex.uz - O‘zbekiston Respublikasi Qonunchilik ma’lumotlari milliy bazasi.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2026 GREEN ECONOMY AND DEVELOPMENT
This work is licensed under a Creative Commons Attribution 4.0 International License.
