گزارش: کارگاه آشنایی با علم داده

1- مقدمه

کارگاه یادگیری ماشین در تاریخ 29 تیرماه 1397 به مدت ۴ ساعت با تدریس مهندس مهدی محمدی و مهندس مسعود طاهری برگزار گردید،

هدف اصلی این کارگاه آشنایی کامل دانشجویان با مباحث مهم در هوش مصنوعی، یادگیری ماشین و علم داده‌ها بود. در این کارگاه که در سه بخش اصلی ارائه شد ابتدا مباحث تئوری یادگیری ماشین توسط مهدی محمدی توضیح داده شد و پس از آن جناب آقای مسعود طاهری به ارائه راهکارهای SQL SERVER برای مباحث یادگیری ماشین پرداختند. در بخش آخر نیز آقای محمدی یک ارائه عملی از اجرا یک روش شناخت مشتریان برگزار کردند.

2- یادگیری ماشین

در این بخش که توسط آقای محمدی برگزار گردید توضیحات کاملی از روش شکل گیری یادگیری ماشین از شروع هوش مصنوعی و تفاوت آن (یادگیری ماشین) با مباحث دیگری همچون هوش تجاری و بیگ دیتا ارائه گردید.

یادگیری ماشین به طور کلی شامل چهار دسته اصلی یادگیری راهنماییده، نا راهنماییده، نیمه راهنماییده و یادگیری تقویتی می‌باشد.

از نظر وسعت مسائل نیز در بسیاری از بخش‌های زندگی و صنعت نظیر استفاده‌های پزشکی، امنیتی، کسب و کارها و حتی خودرو ها نیز بسیار کاربرد دارد. در این کارگاه مثل‌هایی از برخی از کاربردهای یادگیری ماشین ارائه گردید.

3- پایتون

پایتون به عنوان یک زبان کاملا شی‌گرا توانسته سهم زیادی را از پروژه‌های یادگیری ماشین کسب کند و بسیاری از فریم ورک‌ها و پکیج‌های مطرح یادگیری ماشین با استفاده از این زبان برنامه‌نویسی گسترش یافته‌اند.

در ادامه مباحث کارگاه توضیحات کاملی در مورد پکیج‌های مطرح پایتون برای بحث یادگیری ماشین ارائه گردید. پکیج‌هایی مانند Numpy – Pandas – Matplotlib و …

4- یادگیری ماشین در سطح پایگاه داده

در ارائه بعدی که توسط آقای مسعود طاهری برگزار گردید. توضیحاتی در مورد نحوه رویکرد SQL SERVER با بحث یادگیری ماشین ارائه شد. در این پایگاه داده امکان این وجود دارد که کدها و مدل‌ها مستقیما در سطح پایگاه داده و بدون واسطه اجرا شوند.

آقای طاهری ابتدا به توضیح روند انجام این فرایند اقدام نمودند و پس از آن چندین مثال ساده ولی کاربردی را اجرا کرده و توضیحات آن‌ها را ارائه کردند.

5- خوشه‌بندی مشتریان

در ارائه آخر که به صورت عملی و تئوری برگزار گردید آقای محمدی ابتدا موضوع خوشه‌بندی (شناخت) مشتریان را به دانشجویان توضیح دادند و فواید این کار را برای کسب و کارهای گوناگون تشریح کردند.

پس از بخش‌های تئوری و صورت مسئله، با استفاده از یک دیتا واقعی مسئله را مرحله به مرحله در پایتون اجرا کرده و توضیحات هر بخش را ارائه کردند. در این بخش به دو صورت دیدگاه کلاسیک و دیدگاه یادگیری ماشین مسئله تشریح شد.

نهایتا در انتهای هر بخش نیز پرسش و پاسخ برگزار گردید.

برای دانلود ویدئوی کارگاه آشنایی با علم داده کلیک کنید.

شاید این موضوعات هم برات جالب باشه:

علم داده، تحلیل داده و یادگیری ماشین چه تفاوت‌هایی باهم دارند بررسی عملی سه روش پردازش داده‌های آفلاین‌ در اسپارک [بخش اول] قسمت ششم میکروسرویس: مدیریت داده‌ها در میکروسرویس مهندسی داده: نیاز امروز شرکت‌های داده محور ایرانی