AMEA İnformasiya Texnologiyaları İnstitutunun 8 saylı şöbəsində keçirilən növbəti elmi seminar “Education 4.0 platformasında elektron təhsil mühitinin təşkili və intellektual idarə olunması proseslərinin modelləşdirilməsi” mövzusuna həsr olunmuşdu.

Mövzu üzrə çıxış edən şöbənin əməkdaşı Gülarə Məmmədova öncə “Data mining” haqqında məlumat verib. Bildirib ki, bu, əvvəllər bilinməyən və əhəmiyyətsiz görünən informasiyalardan insan fəaliyyətinin müxtəlif sahələrində qərar qəbul etmək üçün lazım olan biliklərin, praktik olaraq, faydalı və əlçatan şəkildə şərh edilməsi prosesidir. 

Sonra o, təhsildə Data mining (Education Data Mining – EDM) texnologiyalarının tətbiqindən söhbət açıb. Söyləyib ki, EDM metodları tədris prosesində məlumatların analiz  metodlarının tədbiqinə, eləcə də inkişafına xidmət edir. EDM çox böyük həcmdə verilənlərin elektron formada olması səbəbindən geniş istifadə olunur.

Data mining-ə daxil olan metod və alqoritmləri diqqətə çatdıran G.Məmmədova buraya süni neyron şəbəkələri, qərar ağacları, k-means metodları, Bayes şəbəkələri və s. aid olduğunu bildirib: “Bu metodların əsas xüsusiyyət və xassələrinə isə dəqiqlik, çeviklik, sürət və populyarlıq daxildir”.

Tədqiqatçı Data mining metodlarının statistik analiz metodları, texnoloji və kibernetik metodlar olmaqla 3 növünü qeyd edib. Onun sözlərinə görə, texnoloji metodlara klaster analizi, məntiqi metodlar, vizualizasiya metodları, tənliklərə əsaslanan metodlar, kibernetik metodlara isə süni neyron şəbəkələr, təkamül proqramlaşdırılması, genetik alqoritmlər, qeyri-səlis məntiq və s. daxildir.

Daha sonra o, Data mining vasitəsilə həll oluna bilən məsələlərə aydınlıq gətirib. Bildirib ki, bunlara klassifikasiya, reqressiya, klasterizasiya, asosiyasiya və sıralama daxildir.

Klassifikasiyadan bəhs edən məruzəçi söyləyib ki, formal olaraq, klassifikasiya xüsusiyyət sahəsinin bölgələrə bölünməsinə əsaslanır, hər birinin daxilində çoxölçülü vektorlar eyni sayılır. Data mining-də klassifikasiya üçün bir çox fərqli modellərdən istifadə olunur: neyron şəbəkələri, qərar ağacları, k-means və s.

“Data mining vasitəsilə həll oluna bilən digər məsələlərdən biri olan qərar ağacları (decision tree) metodu 50-ci illərdə yaradılıb. Bu üsul ilə qərar qaydaları iyerarxiya ardıcıl strukturda təqdim olunur. Bu metod oxşar verilənlər toplanana qədər ilkin məlumatların qruplara bölünməsi üçün istifadə olunur. Klasterizasiya metodu isə obyektlərin və ya müşahidələrin atributlarının yaxınlığına əsaslanaraq üst-üstə düşməyən, klaster adlanan qruplara birləşdirilməsidir. Klasterizasiya məsələsinin həlli, məsələn, oxşar psixoloji, fizioloji, davranış və intellektual xüsusiyyətlərə malik olan tələbələri aşkar etməyə imkan verir. Bu, tədris prosesində tələbələrə fərdi yanaşma üçün geniş imkanlar yaradır”.

O, diqqətə çatdırıb ki, bu məsələlərdən biri də reqressiyadır. Reqressiya çıxış parametrlərinin giriş dəyişkənlərindən asılılığının qurulmasıdır. Reqressiyanın köməyilə müxtəlif ixtisas və təhsil sahələri üzrə tələbələrin təhsil və elmi işinin trayektoriyasını, tələbələrin tədris və elmi işinin keyfiyyətininin artırılması üçün tədbirləri proqnozlaşdırmaq da mümkündür.

Sonda G.Məmmədova verilənlərin intellektual analizi üçün proqram vəsaitləri barədə məlumat verərək bu vəsaitlərdən biri olan “Mathlab”ın bir çox statistik funksiyadan istifadə etmək və neyron şəbəkələri ilə işləmək qabiliyyətinə malik olduğunu nəzərə çatdırıb. Qeyd edib ki, digər sistem “Rapidminer” isə açıq paylanmış sistemdir. Maşın öyrənmə və verilənlərin təhlili üçün verilənlərin yüklənməsi, transformasiyası, əvvəlcədən işlənməsi, vizualizasiyası, modelləşdirilməsi və qiymətləndirilməsi prosedurlarını həyata keçirir.

Məruzə ətrafında fikir mübadiləsi aparılıb, mövzuya dair suallar cavablandırılıb.

© Bütün hüquqlar qorunur. Xəbərlərdən istifadə edərkən www.iсt.az saytına istinad zəruridir.