AMEA İnformasiya Texnologiyaları İnstitutunun 10 saylı şöbəsinin növbəti onlayn elmi seminarı keçirildi. Şöbənin əməkdaşı Gülarə Məmmədova “Elektron təhsil mühitinin intellektuallaşdırılması üzrə Data mining imkanlarının araşdırılması” mövzusunda məruzə ilə çıxış etdi.
Öncə məruzəçi “Data mining” anlayışı haqqında məlumat verdi. Bildirdi 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. Data mining metodlarının tətbiqi prosesində tapılan məlumatlar əvvəllər əhəmiyyətsiz və bilinməmiş olmalıdır. Bilik xüsusiyyətlər arasındakı yeni əlaqələri təsvir etməlidir.
Sonra G. Məmmədova təhsildə Data mining texnologiyalarının (EDM - Education Data Mining) tətbiqindən söhbət açdı. Qeyd etdi ki, bu metodlar təhsil prosesinin təkmilləşdirilməsində istifadə oluna bilər.
O, qarşıya qoyulmuş məqsədə çatmaq üçün bəzi məsələlərin həllinin vacibliyini vurğuladı. Data mining-ə daxil olan metod və alqoritmləri də sadaladı. Diqqətə çatdırdı ki, onlar arasında süni neyron şəbəkələri, k-means metodları, bayes şəbəkələri, xətti regresiya, klaster analizinin iyerarxik üsulları və s. də var. Data mining metodlarının əsas xüsusiyyət və xassələrinə dəqiqlik, çeviklik, sürət və populyarlıq aiddir.
Data Mining metodlarının 3 növə ayrıldığını söyləyən G.Məmmədova bildirdi ki, bunlar statistik analiz, texnoloji və kibernetik metodlardır. Texnoloji metodlara klaster analizi, məntiqi metodlar, vizualizasiya metodları, tənliklərə əsaslanan metodlar və s., kibernetik metodlara isə süni neyron şəbəkələr, təkamül proqramlaşdırılması, genetik alqoritmlər, qeyri-səlis məntiq və s. daxildir.
Sonra tədqiqatçı Data mining vasitəsilə həll oluna bilən məsələlərə aydınlıq gətirdi. Bildirdi ki, bunlara klassifikasiya, reqressiya, klasterizasiya, asosiyasiya və sıralama daxildir.
Klassifikasiya haqqında məlumat verən məruzəçi qeyd etdi 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: neyronşəbəkələri, qərar ağacları, k-means və s.
“Qərar ağacları metodu 50-ci illərdə yaradılıb. Bu üsul ilə qərar qaydalarını iyerarxiya ardıcıl strukturda təqdim olunur. K-means metodunun üstünlüklərinə alınmış nəticələrin istifadə rahatlığı, xüsusi situasiyaya görə unikal olmayan həllər daxildir. Onun mənfi cəhətləri arasında isə yaxınlıq ölçüsünün (metrik) seçilməsinin mürəkkəbliyi, təsnifat nəticələrinin seçilmiş metrikadan yüksək asılılığı və s. daxildir”, - deyə o, əlavə etdi.
Tədqiqatçı Data mining vasitəsilə həll oluna bilən digər məsələlərdən biri olan klasterizasiyadan bəhs etdi. Qeyd etdi ki, klasterizasiya 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”.
Məruzəçi diqqətə çatdırdı 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 verdi. Bildirdi ki, bu vəsaitlərdən biri olan “Mathlab” bir çox statistik funksiyadan istifadə etmək və neyron şəbəkələri ilə işləmək qabiliyyətinə malikdir. Digər sistem “Rapidminer” açıq paylanmış sistemdir, maşın öyrənmə və verilənlərin təhlili üçün verilənlərin yüklənməsi və transformasiyası, verilənlərin əvvəlcədən işlənməsi və vizualizasiyası, modelləşdirməsi və qiymətləndirməsi prosedurlarını həyata keçirir.
“Oracle Data Mining” sistemi isə Oracle verilənlər bazasına daxil olunmuş, verilənlərin intellektual analiz sistemidir. ODM alqoritmlər relyasiya cədvəllərdən verilənlər ilə birbaşa əlaqəlidir, verilənlərin proqnozlaşdırıcı və təsviri təhlil üsullarını dəstəkləyir.
Sonra məruzə ətrafında fikir mübadiləsi aparıldı, suallar cavablandırıldı.
© Bütün hüquqlar qorunur. Xəbərlərdən istifadə edərkən www.ict.az saytına istinad zəruridir.
