MA'LUMOTLARNI TO'PLASH VA ULARNING ZAMONAVIY YONDASHUVLARI VA AMALIY JIHATLARI
Keywords:
Kalit so'zlar: ma'lumotlarni to'plash, ma'lumotlar sifati, validatsiya, anomaliya aniqlash, ma'lumotlarni tozalash, FAIR tamoyillari, DAMA-DMBOK, sun'iy intellekt, reproduktivlik.Abstract
Annotatsiya: Ushbu maqolada zamonaviy ilmiy tadqiqotlar, biznes-analitika va sun'iy intellekt tizimlari uchun ma'lumotlarni to'lash hamda ularning sifatini tekshirish metodlari tizimli tahlil qilinadi. Tadqiqotda ma'lumot to'lashning birinchil va ikkilamchi manbalari, avtomatlashtirilgan va qo'lda boshqariladigan yondashuvlar, shuningdek, ma'lumot sifatini baholashning xalqaro standartlari (ISO 8000, DAMA-DMBOK, FAIR tamoyillari) ko'rib chiqiladi. Sifat nazorati jarayonida qo'llaniladigan statistik, qoidaga asoslangan va mashinaviy o'qitishga asoslangan anomaliya aniqlash usullari solishtirma tahlil qilingan. Maqolada ma'lumotlarni tozalash, dublikatlarni yo'qotish, yetishmayotgan qiymatlarni to'ldirish va validatsiya quvurlarini (data pipelines) avtomatlashtirish bo'yicha amaliy tavsiyalar keltirilgan. Natijalar shuni ko'rsatadiki, sifatli ma'lumot bazasini shakllantirish nafaqat texnik jarayon, balki metodologik intizom, etik me'yorlar va uzluksiz monitoringni talab qiladigan kompleks tizimdir.
References
1. DAMA International. (2017). DAMA-DMBOK: Data Management Body of Knowledge (2nd ed.). Technics Publications.
2. ISO 8000-1:2023. Data quality — Part 1: Vocabulary. International Organization for Standardization.
3. Wilkinson, M. D., et al. (2016). The FAIR Guiding Principles for scientific data management and stewardship. Scientific Data, 3, 160018.
4. OECD. (2025). AI and Data Governance: Guidelines for Quality, Trust and Accountability. OECD Publishing.
5. Barr, A., & Moore, M. (2024). Data Observability in Modern ML Pipelines. Journal of Data Science & Engineering, 12(3), 45–67.
6. Creswell, J. W., & Guetterman, T. C. (2019). Educational Research: Planning, Conducting, and Evaluating Quantitative and Qualitative Research (6th ed.). Pearson.
7. Sculley, D., et al. (2015). Hidden Technical Debt in Machine Learning Systems. Advances in Neural Information Processing Systems, 28.
8. O'zbekiston Respublikasi OAK. (2023). Ilmiy ma'lumotlarni boshqarish va ochiq kirish siyosati bo'yicha tavsiyanoma. Toshkent.
9. Suyarov A.M. Tarjima qiluvchi dasturlar va ularning qiyosiy tahlili. Journal of Theory, Mathematics and Physics Vol. 4, No. 12, 2025 ISSN: 2181-4376, -C. 47-49. https://jtmp.innovascience.uz/index.php/journal/issue/view/72
10. Suyarov A.M. Elektron imzo haqida tushuncha va unga ega boʻlish. Journal of iqro – iqro jurnali – volume 19, issue 01, 2025.-B. 955-957. Issn: 2181-4341, impact factor (research bib) – 7,245, sjif – 5,431. http://www.wordlyknowledge.uz
11. Suyarov A.M. Ijtimoiy tarmoq xavfsizligi va ularda ishlash texnologiyasi. Tamaddun nuri jurnali ISSN 2181-8258 IF-9.347 DOI 10.69691 2025-yil, 12-son, 1-qism (75). –B.244-248.
12. Suyarov A.M. Internetdagi tadbirkorlik faoliyatini amalga oshirishdagi asosiy muammolar. Международный современный научно-практический журнал «Научный Фокус» № 31 (100), часть1. Декабрь, 2025. –C. 320-324.
