جلسه 2 پروپوزال نویسی: آموزش نحوه نگارش بیان مسئله تحقیق
آموزش نحوه نگارش بیان مسئله تحقیق
ما در این بخش بیان مسئله را به چندین تقسیم می کنیم مطرح شود، در ابتدای بحث می بایست مقدماتی را در رابطه با موضوع مورد نظر مطرح شود. بعد از مقدمه بایدچالش و مشکلاتی که در آن حیطه ی مورد نظر مطرح است را استخراج کنیم و در ادامه ی مقدمه نوشته شود بعد از اینکه چالش ها و مشکلات مورد نظر در موضوع پژوهش مشخص شد شما باید در ادامه با بررسی مقاله های جدید و جدید ترین کارهایی که در این حوزه انجام شده است را از طریق Google Scholar را تحقیق کنید، و جدیدترین روشهایی که در حیطه ی کاری شما مشخص شده است را استخراج کنید و به عنوان مثال ذکر کنید که در زمینه ی تحقیق فعلی _ پژوهش های ( نامگذاری کنید پژوهش را ) مثلا (1) و (2) و(3) به منظور موضوع مورد نظر مطرح شده اند و بعد از اینکه شما پژوهش های را که در آن زمینه مطرح شده است را مشخص کردید باید بگویید روشی که ما مطرح کردیم ، برای این پروپوزال تا چه میزان و به چه صورت می تواند مشکلات و چالش ها را مطرح کند . بنابراین شما در مرحله اول بیانیه مسئله مدماتی را در حد 2 الی سطر3 و یا یک صفحه د رابطه با موضوع اصلی و موضوع کلی تحقیقتان بیان کنید. حال اگر موضوع شما در یکی از زمینه های فنی مهندسی یا علوم انسانی یا در زمینه ی مدیریت و ... است باید بدانید که موضوع شما دارای چندین کلید واژه است که شما باید در رابطه با آن کلید واژه ها تحقیق کنید و مقالاتی را استخراج کنید و از بخش مقدمه ی این مقالات که شامل موارد نوشتاری فارسی و لاتین است استفاده کنید و بتوانید مقدمه ی بیان مسئله خود را مطرح کنید.
به عنوان مثال: اگر موضوع تحقیق شما دانشجویان عزیز طبق جلسه ی اول که ارائه رویکرد مبتنی بر تشخیص سرطان سینه بود پیش برویم، موضوع ما شامل چندین کلید واژه میباشد که شامل سرطان سینه ویادگیری عمیق میباشد. پس شما باید در ابتدا با این موضوع شروع کنید که سرطان سینه از چه زمانی تمرکزات بیشتری توسط پزشکان روی آن گذاشته شده است و اینکه عوامل ایجاد سرطان سینه و... را مورد بررسی و بحث قرار دهیم و در قالب یک یا دو پاراگراف همراه با رفرنس بیان کنید.
دومین کلید واژه ی ما که از آن به عنوان یادگیری عمیق ماشین یاد میشود، که شما باید هنگامی که میخواهید کلید واژه ی ماشین را مورد بررسی قرار دهید باید به صورتی ذکر شود که تناسب و تناوب متن ها کاملا چشمگیر باشد به بیان دیگر باید جملات را مرتبط کنید که این تناوب را میتوانید با استفاده از واژه هایی نظیر یکی از متغیر های و... بکارببریم. پس ما آموختیم که مقدمه ی بیان مسئله ما با استفاده از کلید واژه های شما مشخص شود. در ادامه ما باید چالش ها و مشکلات موجود در تشخیص سرطان سینه را بیان کنید.
برای استخراج چالش ها مورد بحث مورد نظر باید مقالات Survey را جست و جو کنید که در زمینه ی تشخیص سرطان سینه مطرح شده است را استخراج کنید از طریق Google Scholar هنگامی که این مقالات استخراج شدند شما باید روش های مطرح شده در زمینه ی تشخیص سرطان سینه آن را دارند استخراج کنیم. به عنوان مثال یکی از چالش های مهم در زمینه ی بیان مسئله (دقت) میباشد، عدم وجود دقت کافی در تشخیص سرطان سینه با استفاده از تکنیک های یادگیری ماشین و یکنیک های دیگر ...
برای توضیح چالش و مشکل اصلی سرطان توضیح دهید بعد از مشخص کردن چالش و مشکل اصلی باید روش های که اخیرا در این زمینه استفاده شده است را مشخص کنیم. برای این کار کافی است که از Google Scholar استفاده کنید.
پس از بررسی مقالات شما متوجه میشوید که این مقالات چه روش هایی برای تشخیص سرطان استفاده کرده اند. که پاراگراف را باید این چنین شروع کرد{ با توجه به بررسی صورت گرفته از سوابق پیشین...} که شما باید این ساختار ها را رعایت کنید.
سپس با جمع آوری اطلاعات شما با ذکر این که به عنوان مثال (با توجه به چنین چالش های مطرح شده اخیر در تشخیص سرطان سینه داشتند ما در این رساله به ارائه یک رویکرد مبتنی بر یادگیری ماشین جهت تشخیص سرطان سینه بکار خواهیم برد.)
نکته ی مهم در رابطه با گفته های اخیر این است که شما باید روش های را حتما مطرح کنید.
لازم به ذکر است که پروپوزال ها یک سری کلید واژه های یکسان دارند. که در آخر پروپوزال باید ذکر کنید که محقق خواستار تشخیص مشکل و چالش ها با استفاده از این متدها میباشد. و سپس بایستی رویکرد را توضیح دهید.
پس به صورت خلاصه بیان میکنیم که مقدمه شامل کلید واژه هایی است که آن ها را به زبان مورد نیاز سرچ کنید و در نهایت یک الی دو پاراگراف تشریح کنید که این قسمت بستگی به نظر استاد دارد.
مورد دوم شامل چالش های مطرح شده میباشد و در آخر رویکرد های مورد انتخابی که شما بایستی آن را در رساله های استفاده کنید.
-
رایگانجلسه۲۲ رپیدماینر: آموزش یک پروژه عملی درجهت پردازش تصویر در رپیدماینر
-
رایگانجلسه ۲۱ رپیدماینر: آموزش پردازش تصویر در رپیدماینر
-
رایگانجلسه ۲۰ رپیدماینر: آموزش یک پروژه عملی جهت تحلیل احساسات افراد در پیام ها با استفاده از متن کاوی در رپید ماینر
-
رایگانجلسه ۱۹ رپیدماینر: آموزش متن کاوی یا Text Mining در نرم افزار داده کاوی رپیدماینر
-
رایگانجلسه۱۸ رپیدماینر: آموزش اضافه نمودن پلاگین در نرم افزار داده کاوی رپیدماینر
-
رایگانجلسه ۱۷ رپیدماینر: آموزش انتخاب ویژگی با کنترل Optimization و الگوریتم های طبقه بندی در رپیدماینر
-
رایگانجلسه۱۶ رپیدماینر: آموزش انتخاب ویژگی های بهینه از مجموعه ی داده ها با استفاده از الگوریتم pso_svm در رپیدماینر
-
رایگاندوره آموزشی رپیدمانیر
-
رایگانجلسه۱۴ رپیدماینر: آموزش طبقه بندی داده های سرطان سینه با استفاده از روش voting در رپیدماینر
-
رایگانجلسه۱۳ رپیدماینر: آموزش طبقه بندی داده ها با الگوریتم Deep learning در رپیدماینر
-
رایگانجلسه۱۲ رپیدماینر: آموزش طبقه بندی مجموعه داده ها با کمک الگوریتم یادگیری عمیق در نرم افزار داده کاوی در رپیدماینر
-
رایگانجلسه۱۱ رپیدماینر: آموزش یک پروژه عملی پیش بینی میزان برق مصرفی باکمک الگوریتم های پیش بینی کننده در رپیدماینر
-
رایگانجلسه ۱۰رپیدماینر: آموزش پیش بینی با الگوریتم های شبکه عصبی و SVM در رپیدماینر
-
رایگانجلسه ۹ رپیدماینر: آموزش یک مدلسازی عملی جهت طبقه بندی مجموعه ای از داده ها در رپیدماینر
-
رایگانجلسه ٨ رپیدماینر: آموزش الگوریتم های طبقه بندی (Classification) در رپیدماینر
-
رایگانجلسه۷ رپیدماینر: آموزش یک پروژه عملی جهت خوشه بندی دیتاست حملات در رپیدماینر
-
رایگانجلسه۶ رپیدماینر: آموزش خوشه بندی داده ها در نرم افزار داده کاوی رپیدماینر
-
رایگانجلسه ۵ رپیدماینر: آموزش کنترل های تبدیل داده در رپیدماینر
-
رایگانجلسه ۴ رپیدماینر: آموزش تبدیل انواع داده ها به یکدیگر و اعمال پیش پرداز بر روی داده ها در رپیدماینر
-
رایگانجلسه ۳ رپیدماینر: آموزش ورود انواع دیتاست ها به رپیدماینر
مشاهده همه مطالب