Python dasturlash tilida ma‘lumotlarni tahlillash,vizulizatsiya - Информатика и ИТ - Дипломные работы

Информация о документе

Цена	12000UZS
Размер	10.2MB
Покупки	0
Дата загрузки	07 Ноябрь 2026
Расширение	docx
Раздел	Дипломные работы
Предмет	Информатика и ИТ

Python dasturlash tilida ma‘lumotlarni tahlillash,vizulizatsiya

Купить

Mavzu : Python dasturlash tilida malumotlarni tahlillash,vizulizatsiya
Reja:
1. Python dasturlash tilida malumotlarning turlari
2. Python dasturlash tilida malumotlarni tahlili
3. Python dasturlash tilida malumotlarni vizulizatsiya qilish

PYTHONDA MA’LUMOT TURLARI
Python 1990 yilda paydo bo'lgan, ammo yaqinda mashhurlikka erisha
boshlagan. 2020-yilda Python JavaScript, HTML/CSS va SQLdan keyin to rtinchiʻ
eng ko p ishlatiladigan dasturlash tili bo ldi, dasturchilarning 44,1 foizi undan
ʻ ʻ
foydalanadi.
Python - bu API ishlab chiqish, sun'iy intellekt, veb-ishlab chiqish, narsalar
Interneti va boshqalar uchun ishlatiladigan talqin qilingan, umumiy maqsadli,
yuqori darajadagi ob'ektga yo'naltirilgan til.
Python qisman ma'lumotlar olimlari tufayli juda mashhur bo'ldi. Bu
o'rganish uchun eng oson tillardan biridir. U ma'lumotlarni tahlil qilishning barcha
bosqichlarida qo'llaniladigan ko'plab kutubxonalarni taklif qiladi. Shuning uchun
til bu maqsadlar uchun o'ziga xos tarzda mos keladi.
Ma’lumki, axborotlar matnli, raqamli, ovozli, grafik va boshqa shakllarda
uzatilishi mumkin. Bunday axborotlarni dasturlash tillarida qayta ishlash uchun,
ularni turlarga ajratish lozim. Dasturlarda foydalaniladigan ma’lumotlar turlari
dasturning maqsadiga bog’liq bo’ladi: oddiy kalkulyator sonlardan foydalanadi,
elektron pochta manzillarini tekshirishga mo’ljallangan dastur esa matnlar bilan ish
ko’radi. Sonlar natural, butun va haqiqiy sonlarga ajratiladi. Matnli axborotlar esa
belgilar yoki satrli ma’lumotlardan iborat bo’lishi mumkin.Ma’lumotlar turi –
kompyuter xotirasidagi yacheykada saqlanadigan ma’lumotlar shakli.
Ma’lumotlar turi – bu o‘zgaruvchi yoki doimiy qiymatlardagi ma’lumotlar
shakli.Ma’lumotlar turi kompyuter xotirasida yetarlicha joyni zaxiraga olib qo‘yish
uchun kerak bo‘ladi.Odatda, dasturlash tillarida ma’lumotlar turi o’zgaruvchi yoki
doimiy bilan birga e’lon qilinadi. Python dinamikturlarga ajratuvchi dasturlash tili
hisoblanadi. Shu sababli, Pythonda o’zgaruvchining turi u foydalanayotgan qiymat
bo’yicha belgilanadi, lekin ma’lumot turini boshqa turga o’zgartirish uchun tur
ko’rsatilishi shart. Python barcha bosqichlarda ajoyib ishlaydi. Bunda birinchi
navbatda turli kutubxonalar yordam beradi. Qidiruv, qayta ishlash, modellashtirish
(vizualizatsiya bilan birga) ma'lumotlarni tahlil qilish uchun tildan foydalanishning
eng mashhur 3 ta stsenariysidir.

Ma’lumotla
r turi Ma’lumotlar
turi tavsifi Misol
int() Butun
sonlar, masalan,
o‘quvchilar
sonini ifidalash
uchun >>> soni=25
float() Haqiqiy
sonlar,
masalan, pul
miqdorini
ifodalash
uchun. >>> narxi=20.45
str() Satrli, masalan,
so‘z yoki
gaplarni
ifodalash
uchun. >>> name=’Ahmad‘
bool() Mantiqiy, rost
yoki yolg‘on
ekanligini
ifodalash uchun >>>
a=True
>>> b=False
Muhandislar Python yordamida ma lumotlarni qidirish uchun Scrapy vaʼ
BeautifulSoup’dan foydalanadilar.Scrapy yordamida siz internetda tuzilgan
ma lumotlarni to playdigan dasturlar yaratishingiz mumkin. Bundan tashqari, API
ʼ ʻ
dan ma'lumotlarni yig'ish uchun ham foydalanish mumkin.BeautifulSoup API dan
ma'lumotlarni olish ishlamayotgan joyda ishlatiladi; u ma'lumotlarni to'playdi va
ma'lum bir formatda tartibga soladi.

Ma ’ lumotlar turini o ’ zgartirish
O’zgaruvchi tarkibida ixtiyoriy turdagi ma’lumot saqlanishi mumkin.
Ma’lumotlar turini o’zgartirish uchun mos ma’lumotlar turi buyruqlaridan
foydalaniladi. input() operatori yordamida kiritilgan ma’lumotlar satrli
ko’rinishda bo’ladi.
Sintaksisi:
input(kiruvchi ma’lumot)
input–
operator(yoki funksiya);
kiruvchi ma’lumot
– bu o‘zgaruvchi yoki vergul bilan ajratilgan
o‘zgaruvchilar ketma-ketligi.
Butun son turidagi ma’lumotlarni kiritish uchun int(input()) ko‘rinishida ishlatish
lozim.Yoki kiritilgan ma’lumot turini int() funksiyasi yordamida o‘zgartirish
kerak.
Misol:
>>> age=input(‘Yoshingizni kiriting:’)
Yoshingizni kiriting: 15
>>>
print(age+1)
Traceback (most recent call last) :
File «pyshell#27», line 1, in module print (age+1)
TypeError: can only concatenate str (not «int») to str
Ushbu misolda yoshi o’zgaruvchisiga 1 sonini qo’shishda xatolik kelib
chiqdi, sababi foydalanuvchi tomonidan kiritilgan 15 ni kompyuter satrli
o’zgaruvchi deb qabul qildi va satrga sonni qo’sha olmadi.
Python dasturlash tilida malumotlarni tahlili

Biz car.csv ma lumotlar to plamidanʼ ʻ foydalanamiz va Pandas va Matplotlib
kutubxona funksiyalari yordamida ma lumotlarni manipulyatsiya qilish va
ʼ
vizualizatsiya qilish hamda tushunchalarni topish uchun ma lumotlar tahlilini
ʼ
o tkazamiz.
ʻ
1. Kutubxonalarni import qiling.
2. Ma'lumotlar to'plamini pandas read_csv() funksiyasidan foydalanib yuklang.
3. head() funksiyasi yordamida ma'lumotlar to'plamining boshini ko'rsatish.
4. tail() funksiyasidan foydalanib, ma’lumotlar to‘plamidan pastki 5 qatorni
ko‘rsating .

5. describe() funksiyasidan foydalanib ma’lumotlar to‘plamining umumiy
statistikasini chop eting .
6.Barcha o‘zgaruvchilar uchun gistogramma chizing.

7. Avtomobil hajmi va dvigatel ot kuchi o'rtasidagi munosabatni tasavvur qilish
uchun quti syujeti.
8. Dengiz tug'ilgan kutubxonasidan foydalanib, juftlik syujetini tuzing.
9. Drop () funksiyasidan foydalanib, ma'lumotlar to'plamidan ahamiyatsiz
ustunlarni tashlang .

10. Ustunlar nomini o'zgartirish uchun rename() funksiyasidan foydalaning.
11. Ikki nusxadagi satrlarning umumiy sonini chop eting.
12. drop_duplicates() funksiyasi yordamida takroriy qatorlarni olib tashlang .
13. Ma'lumotlar to'plamidan etishmayotgan qiymatlarni tashlang.

14. Bir brendga to'g'ri keladigan avtomobillar sonini topish uchun gistogramma
chizing.
15. O‘zgaruvchilar orasidagi korrelyatsiya grafigini tuzing.

Ma'lumotlarni vizualizatsiya qilish
Matplotlib va Seaborn ma'lumotlarni vizualizatsiya qilish uchun keng
qo'llaniladi. Ular raqamlarning katta ro'yxatini qulay grafiklar, chiziqli
diagrammalar, diagrammalar, issiqlik xaritalari va boshqalarga aylantirishga
yordam beradi.
Albatta, kutubxonalar ko'p. Python ma'lumotlarni tahlil qilish loyihalari
uchun son-sanoqsiz vositalarni taklif etadi va bu yo'lda har qanday vazifani
bajarishda yordam berishi mumkin.
Ma'lumotlarni tahlil qilish uchun mukammal tilni topish deyarli mumkin
emas, chunki ularning har biri o'zining afzalliklari va kamchiliklariga ega. Biri
vizualizatsiya uchun yaxshiroq, ikkinchisi esa katta hajmdagi ma'lumotlar bilan
yaxshiroq ishlaydi. Tanlov, shuningdek, ishlab chiquvchining shaxsiy
imtiyozlariga bog'liq. Keling, ma'lumotlarni tahlil qilish uchun Pythonning
afzalliklari va kamchiliklarini ko'rib chiqaylik.

Dasturlash hech qachon oson bo'lmagan va hatto katta tajribaga ega ishlab
chiquvchilar ham muammolarga duch kelishadi. Yaxshiyamki, har bir tilda to'g'ri
echimlarni topishga yordam beradigan hamjamiyat mavjud. Masalan, GitHub-da
Python loyihalari bilan 90 000 dan ortiq omborlar mavjud. Shuning uchun siz
deyarli har doim savolingizga javob topishingiz mumkin.
Python oddiy sintaksisi va o'qilishi tufayli o'rganish eng oson tillardan
biridir. Bundan tashqari, kodning ancha kam qatorlarini talab qiladi. Ishlab
chiquvchi kodning o'zi haqida emas, balki u nima qilishi haqida o'ylamasligi
mumkin. Python-da disk raskadrovka qilish ham ancha oson.Python o'zining
moslashuvchanligi va asboblarning keng doirasi tufayli turli sohalarda qo'llaniladi.
Python uchun ma'lumotlarni tahlil qilishning turli bosqichlarida foydalanish
mumkin bo'lgan juda ko'p kutubxonalar mavjud. Bundan tashqari, ularning
aksariyati bepul. Bularning barchasi Python yordamida ma'lumotlar bilan ishlash
qulayligiga ta'sir qiladi.
Python umumiy maqsadli til bo'lib, faqat ma'lumotlarni tahlil qilish uchun
yaratilmagan. Dinamik matn terish bilan ishlab chiqish ancha oson, lekin u turli xil
turlari bilan bog'liq ma'lumotlardagi xatolarni qidirishni sekinlashtiradi.
Ma'lumotlar tahlilini qayerda o'rganish kerak
Eng yaxshi kurslardan biri bu bir yillik ma'lumot olimi kasbi: Skillbox-
dan ma'lumotlarni tahlil qilish . Ivi , QIWI , Rambler va Epam tahlilchilari
ma ' lumotlar bilan ishlash va uy vazifasini sharhlash usullarini o ' rgatishadi .
Ma'lumotlarni vizualizatsiya qilish ma'lumotlar olimlari ishining katta
qismidir. Loyihani ishlab chiqishning dastlabki bosqichlarida ko'pincha ma'lumotlar
ochib beradigan naqshlarni aniqlash uchun Exploratory Data Analysis (EDA) ni
amalga oshirish kerak bo'ladi. Ma'lumotlarni vizualizatsiya qilish katta va
murakkab ma'lumotlar to'plamini oddiy va vizual tarzda taqdim etishga yordam
beradi. Loyihani yakunlash bosqichida uning natijalari haqida shunday hisobot bera
olish muhimki, hatto texnik bilimga ega bo'lmagan noprofessionallar ham aniq va
tushunarli bo'ladi.

Matplotlib - bu Python-da yozilgan mashhur ma'lumotlarni vizualizatsiya
qilish kutubxonasi. Foydalanish juda oson bo'lsa-da, har bir yangi loyiha uchun
ma'lumotlar, parametrlar, grafiklarni o'rnatish va renderlash zerikarli va zerikarli
ishdir. Ushbu postda biz Matplotlib Python kutubxonasi yordamida ma'lumotlarni
vizuallashtirish va ularni amalga oshirish uchun tez va oddiy funksiyalarni
yozishning 6 usulini o'rganamiz. Ayni paytda, ma'lumotlarni vizualizatsiya
qilishning to'g'ri turini tanlashga yordam beradigan ushbu chiroyli grafikani ko'rib
chiqing!
Ikki o'zgaruvchi o'rtasidagi munosabatni ko'rsatishni istasangiz, ulardan
foydalaning, chunki ular sizga ma'lumotlarning taxminiy taqsimotini ko'rsatishga
imkon beradi. Bundan tashqari, turli xil ma'lumotlar guruhlari o'rtasidagi
munosabatlarni turli ranglar bilan bo'yash orqali ko'rsatishi mumkin. Uchta
o'zgaruvchi o'rtasidagi munosabatni ko'rsatish kerakmi? Muammo yo'q! Ushbu
uchinchi o'zgaruvchini kodlash uchun oddiygina nuqta o'lchami kabi qo'shimcha
parametrlarni qo'shing, xuddi pastdan ikkinchi chizmada bo'lgani kabi.

Ranglar bo'yicha guruhlangan tarqalish sxemasi
Scatterplot -th parametrini ko'rsatish uchun rang va o'lcham bo'yicha
guruhlangan - mamlakat o'lchami Endi kod uchun. Birinchidan, biz Matplotlib
kutubxonasini, to g rirog i uning pyplot modulini Python-ga qisqacha “plt”ʻ ʻ ʻ
qisqartmasidan foydalanib import qilamiz.

Yangi uchastka yaratish uchun biz plt.subplots() . Keyin biz x o'qi va y o'qi
ma'lumotlarini funktsiyaga o'tkazamiz va keyin biz hamma narsani birgalikda
funktsiyaga ax.scatter() tarqalish sxemasini qurish uchun o'tkazamiz. Shuningdek,
biz nuqta o'lchamini, nuqta rangini va alfa shaffofligini o'rnatishimiz
mumkin. Hatto y o'qi uchun logarifmik shkaladan ham foydalanishingiz
mumkin. Keyin biz o'qlar uchun sarlavha va teglarni o'rnatamiz. Foydalanish oson
bo'lgan bu xususiyat sizga noldan boshlab scatterplot yaratish va chizish imkonini
beradi!
Bir o'zgaruvchi boshqa o'zgaruvchidan katta farq qilsa, boshqacha aytganda,
ular yuqori kovariatsiyaga ega bo'lsa, uchastkalardan eng yaxshi
foydalaniladi. Buni tushuntirish uchun quyidagi rasmga qaraylik. Grafik ma'lum bir
vaqt oralig'ida katta foiz tarqalishini aniq ko'rsatadi. Agar biz bir xil ma'lumotlarni
scatterplot shaklida taqdim qilsak, u juda chigal va murakkab bo'lar edi, bu esa
ko'rib chiqilayotgan bog'liqlikni tushunish va tasavvur qilishni
qiyinlashtiradi. Chiziqli diagrammalar bu vaziyat uchun ideal, chunki ular ikkita
o'zgaruvchining kovariatsiyasini ko'rsatadi (bu holda, foiz va vaqt oralig'i). Oldingi
misolda bo'lgani kabi, biz rang bo'yicha guruhlashimiz mumkin. Diagramma
misoli. Bu AQShda ayollarga berilgan bakalavr darajalarining foizini ko'rsatadi
(1970–2012) Quyida chiziqli grafik yaratish uchun kod mavjud. Bu o'zgaruvchilarda
ba'zi kichik o'zgarishlar bilan yuqorida muhokama qilingan scatterplotni dasturlash
kodiga o'xshaydi.
Gistogrammalar. Gistogrammalar ma'lumotlarning taqsimlanishini ifodalash
(yoki hatto ochish) uchun foydalidir. Quyidagi misolga qarang, biz chastota va IQ
gistogrammasini chizganmiz. Biz kontsentratsiyani markazga yaqinroqda osongina
ko'rishimiz mumkin va qiymatlarning medianasi ham aniq ko'rinadi. Bundan
tashqari, biz uning Gauss taqsimotiga amal qilishini ko'ramiz. Barlardan
foydalanish (masalan, tarqalish nuqtalari o'rniga) bizga har bir intervalning
chastotasi o'rtasidagi nisbiy farqni aniq tasavvur qilish imkonini beradi. Bandlardan
foydalanish (intervallar = namuna olish) bizga "katta rasm" ni ko'rishga yordam
beradi. Agar bir xil ma'lumotlar intervallarni ajratib ko'rsatmasdan alohida nuqtalar

sifatida taqdim etilsa, diagrammada juda ko'p shovqin paydo bo'ladi, bu esa ushbu
ma'lumotlardan foydalangan holda tasvirlangan tendentsiyani tushunishni
qiyinlashtiradi.
Quyida Matplotlib-dagi shtrixli diagramma kodi. Ikki variantga e'tibor
bering. Birinchidan, n_bins parametrlari gistogrammamizga qancha alohida qutini
sig'dirishimiz kerakligini aniqlaydi. Ko'proq intervallar bizga aniqroq ma'lumot
beradi, lekin axborot shovqinini keltirib chiqarishi va bizni katta rasmni
tushunishdan chalg'itishi mumkin; boshqa tomondan, kamroq intervallar bizga
qushning ko'rinishini va sodir bo'layotgan voqealarning yaxlit tasvirini beradi, shu
bilan birga uni eng kichik tafsilotlar bilan ortiqcha yuklamaydi. Ikkinchidan,
kümülatif parametr mantiqiy (ya'ni 1 yoki 0) bo'lib, bu bizning histogramamiz
kümülatif yoki yo'qligini tanlash imkonini beradi. Boshqacha qilib aytganda, biz
ehtimollik zichligini ( Probability Density Function (PDF)) yoki kümülatif taqsimot
funksiyasini (Kumulyativ zichlik funktsiyasi (CDF)) belgilaymiz.
Endi tasavvur qiling-a, biz ma'lumotlarimizdagi ikkita o'zgaruvchining
taqsimlanishini solishtirmoqchimiz. Aqlga keladigan birinchi fikr ikkita alohida

gistogramma yaratish va aniqlik uchun ularni yonma-yon joylashtirishdir. Ammo
aslida yaxshiroq yo'l bor: biz histogrammalarni turli shaffoflik bilan qoplashimiz
mumkin. Quyidagi rasmga qarang.
Overlay histogrammalarini yaratish uchun kodda o'rnatilishi kerak bo'lgan bir
nechta parametrlar mavjud. Birinchidan, ikkala taqsimotning o'zgaruvchilarini
joylashtirish uchun gorizontal diapazonni o'rnatamiz. Ushbu diapazonga va kerakli
miqdordagi qutilarga ko'ra, biz har bir qutining, har bir bandning kengligini
hisoblashimiz mumkin. Nihoyat, biz bir xil maydonda ikkita gistogramma quramiz
va ulardan biri shaffofroq bo'lishi kerak.
Ustunli diagrammalar ma'lumotlarni toifalar sifatida tasavvur qilish kerak
bo'lganda eng samarali hisoblanadi, agar toifalar soni 10 dan oshmasa. Agar bizda
juda ko'p toifalar mavjud bo'lsa, u holda chiziqlar diagrammani chigallashtiradi va
tushunish qiyin bo'ladi. Ular kategoriyalangan ma'lumotlar uchun yaxshi, chunki
ustunning o'lchamiga (masalan, kattalik) qarab toifalar orasidagi farqni osongina
ko'rishingiz mumkin; toifalar ham osongina shakllantirilishi va ranglar bilan
ta'kidlanishi mumkin. Uch xil turdagi shtrixli diagrammalar mavjud, biz ularni
keyin ko'rib chiqamiz: oddiy, guruhlangan va stacked. Biz ushbu turlarning har

birini o'z navbatida ko'rib chiqamiz.Odatiy chiziqli diagramma pastdan birinchi
rasmda joylashgan. Funktsiyada barplot() x_data x o'qi bo'yicha
teglarni y_data o'rnatadi va y o'qi bo'yicha ustun balandligini o'rnatadi.
Guruhlangan chiziqli diagrammalar bir nechta o'zgaruvchilarni solishtirish
imkonini beradi. Pastki qismdan ikkinchi diagrammaga qarang. Biz solishtiradigan
birinchi o'zgaruvchi bu ballar guruhdan guruhga qanday o'zgarishi (G1, G2, ... va
boshqalar). Shuningdek, biz jinslarning taqsimlanishini bir-biri bilan taqqoslaymiz,
bu rang kodlangan. Endi kodni ko'rib chiqing - o'zgaruvchi endi ro'yxatlar ro'yxati
ekanligini ko'rasiz, y_data_list har bir joylashtirilgan ro'yxat boshqa guruhni
ifodalaydi. Keyin biz har bir guruhni aylanib chiqamiz va har bir guruh uchun x o'qi
bo'yicha har bir yorliq uchun ustunni chizamiz; barcha guruhlar ham qo'shimcha
ravishda bo'yalgan.
Yig'ilgan chiziqli diagrammalar turli xil o'zgaruvchilar to'plamini
vizualizatsiya qilish uchun juda yaxshi. Quyidagi rasmda qatorlar bo'yicha
ajratilgan holda, biz haftaning kuni bo'yicha server yukining o'zgarishini
kuzatamiz. Ranglar to'plami yordamida biz istalgan kunda qaysi serverlar eng ko'p
ishlayotganini va umuman barcha serverlarda yuk kunlar bo'yicha qanday
taqsimlanganini osongina ko'rishimiz va tushunishimiz mumkin.

Xulosa
Ma'lumotlar turli formatlarda jadallik bilan yaratilmoqda. Va kompaniyalar
ushbu ma'lumotlardan qimmatli ma'lumotlar va yashirin tushunchalarni olish
uchun ma'lumotlar tahliliga tayanadilar. Ushbu "Python yordamida ma'lumotlar
tahlili" maqolasini o'qib bo'lgach, siz ma'lumotlar tahlili nima ekanligini va
ma'lumotlar tahlilining turli xil ilovalarini bilib olgan bo'lar edingiz. Shuningdek,
siz turli xil ma'lumotlar tahlili va jarayon bosqichlarini ko'rib chiqdingiz. Nihoyat,
siz Pythonning NumPy, Pandas va Matplotlib kutubxonalaridan foydalangan holda
ma'lumotlar tahlilini amalga oshirdingiz.
Agar shunday bo'lsa, iltimos, ushbu maqolaning sharhlar bo'limiga
qo'ying. Bizning mutaxassislarimiz sizning so'rovlaringizni eng qisqa vaqt ichida
hal qilishga yordam beradi.
Ma'lumotlarni tahlil qilish uchun mukammal tilni topish deyarli mumkin
emas, chunki ularning har biri o'zining afzalliklari va kamchiliklariga ega. Biri
vizualizatsiya uchun yaxshiroq, ikkinchisi esa katta hajmdagi ma'lumotlar bilan

yaxshiroq ishlaydi. Tanlov, shuningdek, ishlab chiquvchining shaxsiy
imtiyozlariga bog'liq.
Ma’lumki, axborotlar matnli, raqamli, ovozli, grafik va boshqa shakllarda
uzatilishi mumkin. Bunday axborotlarni dasturlash tillarida qayta ishlash uchun,
ularni turlarga ajratish lozim. Dasturlarda foydalaniladigan ma’lumotlar turlari
dasturning maqsadiga bog’liq bo’ladi: oddiy kalkulyator sonlardan foydalanadi,
elektron pochta manzillarini tekshirishga mo’ljallangan dastur esa matnlar bilan ish
ko’radi. Sonlar natural, butun va haqiqiy sonlarga ajratiladi. Matnli axborotlar esa
belgilar yoki satrli ma’lumotlardan iborat bo’lishi mumkin.Ma’lumotlar turi –
kompyuter xotirasidagi yacheykada saqlanadigan ma’lumotlar shakli.
Foydalanilgan adabiyotlar
1. Gary Bradski, Adrian Kaehler . Learning OpenCV, Computer Vision with the
OpenCV Library, -USA, 2008, -580 p.
2. Digital Information Strategies: From Applications and Content to Libraries and
People.2015 .
3. Pratt, William K. Digital image processing, 4th ed., -USA, 2007, -782 p.
4. Прэтт У. Цифровая обработка изображений/ в 2-х. кн. -М.: Мир, 1982. 792
5. Automate the Boring Stuff with Python, 2nd Edition: Practical Programming
for Total Beginners .
6. http://opencv.org/
7. https://www.w3schools.com/python/.
8. http://docs.opencv.org/2.4/modules/contrib/doc/facerec/facerec_tutorial.htm
9. http://sourceforge.net/projects/opencvlibrary/

Python dasturlash tilida ma‘lumotlarni tahlillash,vizulizatsiya

Купить

Похожие документы
3d-max dasturida obektlarni yaratish
Algoritm va ma’lumotlar strukturasi
3D-MAX dasturi haqida
3D Studio MAX dasturiga kirish. 3D Studio MAX dasturi haqida tushuncha
Adobe photoshop dasturida tasvirlarda ishlov berish,taqdimot yaratish