در این درسنامه به سرفصل های زیر خواهیم پرداخت:
*حل مسئله داده محور (کیس طبقه بندی) منطبق با مدل CRISP-DM (فاز آماده سازی داده)
*حل مسئله داده محور (کیس طبقه بندی) منطبق با مدل CRISP-DM (فاز مدلسازی)
*معرفی و آموزش Classification
*حل مسئله داده محور (کیس طبقه بندی) منطبق با مدل CRISP-DM (فاز ارزیابی)
*حل مسئله داده محور (کیس طبقه بندی) منطبق با مدل CRISP-DM (فاز استقرار)
*Deployment چیست و اشاره به دو مثال عملی برای استقرار مدل ساخته شده در گام های قبل
*مثال1: استقرار مدل ساخته شده برای مدل پیش بینی با استفاده از اکسل و رپیدماینر
مثال2: ایجاد App ساده برای مدل پیش بینی با استفاده از PMML و کتابخانه customtkinter
تحلیل هوش مصنوعی از ویدیو
این ویدیو یک آموزش جامع و گامبهگام در مورد ساخت و پیادهسازی مدلهای یادگیری ماشین با استفاده از نرمافزار RapidMiner است که با مثال پروژه پیشبینی دیابت، مفاهیم کلیدی را توضیح میدهد. مدرس ابتدا منابع مطالعاتی مهمی مانند کتابهای جیسون براونلی، کتاب دادهکاوی هان و وبسایت Chisoo را معرفی میکند تا دانشجویان هم در مباحث برنامهنویسی پایتون و هم در مبانی ریاضی و مفاهیم دادهکاوی تسلط پیدا کنند. سپس مراحل اصلی پروژه شامل درک داده، پیشپردازش (حذف دادههای پرت، مدیریت دادههای گمشده، تبدیل دادههای کیفی به عددی، نرمالسازی)، تقسیم دادهها به مجموعههای آموزش و ارزیابی، انتخاب و پیادهسازی مدل (مانند درخت تصمیم) و ارزیابی مدل با معیارهایی مثل ماتریس آشفتگی و دقت، به شکلی عملی ارائه میشود.
در ادامه، نکات مهمی درباره تفسیرپذیری مدلها، اهمیت انتخاب ویژگیها و روشهای افزایش دقت (مثل مدلهای تجمعی و استکینگ) مطرح میشود. بخش پایانی ویدیو به آموزش روشهای استقرار مدل اختصاص دارد؛ هم در قالب کار با خروجی اکسل داخل RapidMiner و هم با ذخیرهسازی مدل به فرمت PMML و ساخت رابط کاربری اپلیکیشن پایتونی با کتابخانههایی مانند CustomTkinter و PyPMML، به کمک ChatGPT.
هدف ویدیو این است که بیننده بتواند از مرحله بارگذاری داده تا پیادهسازی و انتشار یک مدل کاربردی یادگیری ماشین را بیاموزد و در پروژههای واقعی، بهویژه حوزه حساس سلامت، بهصورت مؤثر و مسئولانه استفاده کند. ارزش ویدیو در ارائه آموزش عملی، ترکیب ابزارهای نرمافزاری با تکنیکهای علمی، و معرفی منابع یادگیری تکمیلی برای توسعه مهارتهای تخصصی است.
برای دیدن نسخه کامل فایل، پست را
خریداری کنید