Data Mining - 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 olmalı, bilik isə xüsusiyyətlər arasındakı yeni əlaqələri təsvir etməlidir.
Bu barədə İnformasiya Texnologiyaları İnstitutunun 8 saylı şöbəsinin əməkdaşı Rəna Məlikova “Elektron təhsildə tələbələrin qiymətləndirilməsində Data Mining metodlarının tətbiqi məsələləri” mövzusuna həsr olunmuş elmi seminarda məlumat verib. Bildirib ki, təhsildə Data Mining texnologiyaları (EDM - Education data mining) tədrislə bağlı məlumatların analiz metodlarının tətbiqinə və inkişafına xidmət edir. “Knowledge Discovery” (böyük həcmdə verilənlərdən məlumatların çıxarılması) prosesi kimi də tanınan EDM metodları təhsil prosesinin təkmilləşdirilməsində istifadə olunur.
Məruzəçi qeyd edib ki, Data Mining metodlarına və alqoritmlərinə süni neyron şəbəkələri, qərar ağacları, k-means metodları, Bayes şəbəkələri, xətti reqressiya, təkamüllü proqramlaşdırma, genetik alqoritmlər və s. aiddir. Bu metodların əsas xüsusiyyətləri dəqiqlik, çeviklik, populyarlıq, sürət və şərh edilə bilməkdir.
Sonra R.Məlikova Data Mining-in statistik analiz, texnoloji və kibernetik növlərinin olduğunu diqqətə çatdırıb. Onun sözlərinə görə, texnoloji metodların klaster analizi, k-means, məntiqi, vizualizasiya və s. kibernetik vizualizasiyanın isə süni neyron şəbəkələri, təkamül proqramlaşdırılması, genetik alqoritmlər, eləcə də, ekspert biliklərinin emalı sistemləri və s. növləri var.
Data Mining vasitəsilə həll oluna bilən məsələlər haqqında danışan tədqiqatçı söyləyib ki, buraya klassifikasiya, reqressiya, klasterizasiya, asosiasiya və sıralanma daxildir: “Klassifikasiya, formal olaraq xüsusiyyət sahəsinin bölgələrə bölünməsinə əsaslanır. Data Mining-də klassifikasiya üçün neyron şəbəkələri, qərar ağacları, k-means kimi fərqli modellər istifadə olunur”.
Daha sonra R.Məlikova qeyd edib ki, reqressiya çıxış parametrlərinin giriş dəyişkənlərindən asılılığının qurulmasını nəzərdə tutur. Bildirib ki, onun 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 məruzəçi 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. Söyləyib ki, digər sistem “Rapidminer” isə açıq paylanmış sistemdir. Sistem maşın öyrənmə və verilənlərin təhlili üçün verilənlərin yüklənməsi, transformasiyası, əvvəlcədən işlənməsi, vizualizasiyası, modelləşdirilməsi və qiymətləndirilməsi prosedurlarını həyata keçirir. Oracle Data Mining (ODM) — isə “Oracle” verilənlər bazasına daxil olunmuş, verilənlərin intellektual analizi sistemidir. ODM alqoritmlər verilənlər ilə birbaşa əlaqəlidir.
© Bütün hüquqlar qorunur. Xəbərlərdən istifadə edərkən www.iсt.az saytına istinad zəruridir.
