جلسه۱۲: آموزش طبقه بندی مجموعه داده ها با کمک الگوریتم یادگیری عمیق در نرم افزار داده کاوی در رپیدماینر

در این جلسه آموزشی از مجموعه جلسات دوره داده کاوی با نرم افزار رپیدماینر(rapidminer)، به طبقه بندی یا دسته بندی مجموعه ای از داده ها با استفاده از الگوریتم محبوب Deep Learning یا یادگیری عمیق پرداخته شده است. الگوریتم یادگیری عمیق که یک تکنیک جدید است در نسخه ۷ رپیدماینر اخیرا اضافه شده که جهت طبقه بندی مجموعه از داده های با نظارت استفاده می گردد. بطور کلی در این جلسه خواهید آموخت که با کمک الگوریتم یادگیری عمیق می توان به صورت پویا هر نوع داده ای را طبقه بندی نموده و این الگوریتم را از جنبه های میزان دقت، صحت، فراخوانی و خطا مورد سنجش قرار داد.

از مهمترین جلسات پیش نیاز این جلسه آموزشی، جلسه شماره ۱ تا ۵ از دوره های آموزشی رپیدماینر می باشد زیرا در جلسه آموزشی شماره ۱ ضمن اشاره نمودن به نحوه تفکیک نمونه های Test و Train، یک نمونه عملی نیز مثال زده شده است. در سایر جلسات نیز به کنترل های بکار برده شده در این جلسه اشاره شده و به صورت کامل تحلیل شده است.

در این جلسه آموزشی یک نوع مدل تولید می گردد یکی مدلی که میلیارهای مثل دقت (Accuracy )، صحت (Precision)، فراخوانی (Recall) و خطا را با کمک اپراتورهای Performance را محاسبه کرده و نمایش می دهد.

سرفصل ها و رئوس مطالب بحث شده در این جلسه از دوره های آموزشی رپیدماینر عبارتند از:

• معرفی مختصر دیتاست سرطان سینه در خانم ها
• معرفی الگوریتم طبقه بندی یادگیری عمیق بصورت کامل همراه با پارامترهای مهم آن
• معرفی کنترل Validation جهت ارزیابی عملکرد الگوریتم ها
• معرفی کنترل Apply Model جهت تولید مدل برای الگوریتم های یادگیری ماشین
• معرفی کنترل Performance Classification جهت محاسبه معیارهای دقت، فراخوانی، صحت و خطا
• تشریح کامل خروجی های ارزیابی

در جلسات آتی تحت عنوان جلسات فوق العاده بصورت خاص به تدریس و آموزش اختصاص الگوریتم های پرکاربردی مثل Boosting و Voting  پرداخته خواهد شد که می توانید در جلسات آینده ملاحظه نمائید.

این آموزش برای رشته های زیر مفید است:

دوره های آموزشی نرم افزار داده کاوی رپیدماینر(Rapidminer) از جلسات مقدماتی تا سطوح متوسطه و پیشرفته برای رشته هایی ذیل مناسب و مفید می باشد.

- رشته کامپیوتر گرایش های نرم افزار، سخت افزار و معماری

- رشته تجارت الکترونیک

- رشته برنامه نویسی

- رشته فناوری اطلاعات

- و سایر رشته های مرتبط