AMEA İnformasiya Texnologiyaları İnstitutunun 1 və 2 saylı şöbələrinin “Maşın təlimi metodları” mövzusuna həsr olunmuş növbəti birgə elmi seminarı keçirildi.

Mövzuya dair çıxış edən 1 saylı şöbənin əməkdaşı Adilə İmamverdiyeva maşın təliminin əsas məsələləri, tətbiq sahələri, müxtəlif maşın təlimi metodları haqqında geniş məlumat verdi.

Maşın təliminin tarixindən danışan A.İmamverdiyeva onun termin kimi (machine learning) ilk dəfə 1959-cu ildə A.Samuel tərəfindən elmi ədəbiyyata daxil edildiyini diqqətə çatdırdı. Məruzəçi maşın təliminin klassifikasiya, klasterizasiya və reqressiya məsələlərini ətraflı izah etdi.

Maşın təliminin multidissiplinar sahə olduğunu vurğulayan məruzəçi onun riyazi statistika, kompüter elmləri, tətbiqi riyaziyyat, psixologiya, fiziologiya və s. sahələrlə qarşılıqlı əlaqədə olduğunu qeyd etdi. Maşın təlimi alqoritm və metodlarına Naive Bayes, qərar ağacları (Decision Tree), k ən yaxın qonşu (k-Nearest Neighbor), dəstək vektorları maşını (SVM-Support Vector Machine), Bayes şəbəkələri, neyron şəbəkələri və s. aid olduğunu qeyd etdi.

A.İmamverdiyeva maşın təlimi metodları ilə məsələlərin həllinin verilənlərin toplanması, verilənlər üzərində əməliyyatların aparılması, verilənlərin analizi, təlim və test mərhələlərindən ibarət olduğunu nəzərə çatdırdı.

O, maşın təliminin kompüter görməsi (Computer Vision), nitqin tanınması (Speech Recognition), təsvirlərin tanınması (Image Recognition), kompüter linqvistikası və təbii dillərin emalı (Natural Language Processing), tibbi diaqnostika, texniki diaqnostika, informasiya axtarışı (Information Retrieval) və s. sahələrdə tətbiq olunduğunu qeyd etdi.

Məruzəçi maşın təliminin əsasını təşkil edən klassifikasiya və klasterizasiya məsələlərindən bəhs etdi. O, klassifikasiyanın obyektlər çoxluğunun oxşarlıq və yaxınlıq əlamətlərinə görə siniflər üzrə bölünməsi prosesi, klasterizasiyanın yaxın obyektləri bir klasterdə, uzaq obyektləri isə müxtəlif klasterlərdə yerləşdirməklə obyektlərin verilmiş çoxluğunun qruplara bölünməsi prosesi olduğunu vurğuladı.

A.İmamverdiyeva, həmçinin klassifikasiyanın qiymətləndirilməsinə tətbiq olunan k-dəfə çarpaz validasiya (k-Fold Cross Validation) metodu, səhvlər matrisi (Confusion Matrix), qiymətləndirmə metrikaları, eləcə də KNN (k-nearest neighbor) alqoritmi, qərar ağacları, Bayes klassifikasiya metodu, neyron şəbəkələr, dəstək vektorları maşını (SVM-support vector machine) alqoritmi və digər klassifikasiya alqoritmləri haqqında ətraflı məlumat verdi.

Daha sonra A.İmamverdiyeva maşın təliminin klassifikasiya məsələsinin həllində tətbiq olunan KNN alqoritminin “bir-birinə yaxın olan obyektlər ehtimal ki, eyni sinfə aiddir“ məntiqinə əsaslandığını vurğuladı. Bu kimi obyektlərin məsafə baxımından yaxınlığının təyin edilməsində istifadə edilən Evklid, Manhetten, Minkovski, Çebışev metrikaları barədə danışdı. O, KNN alqoritminin klassifikasiya alqoritmləri arasında ən sadəsi olduğundan klassifikasiyanın başa düşülməsi üçün digər alqoritmlərə nisbətən daha çox istifadə edildiyini qeyd etdi.

Məruzəçi KNN alqoritminin çatışmazlıqlarını da qeyd edərək, onun dəqiqliyinin az olmasını və hər bir nümunə üçün məsafə hesablandığından daha çox zaman itkisinə səbəb olduğunu diqqətə çatdırdı.

A.İmamverdiyeva klasterizasiya metodları, strukturlarının tipləri, mövcud yanaşmaları və klasterizasiya keyfiyyətinin qiymətləndirilməsi haqqında geniş məlumat verdi. O, klasterizasiya məsələsinin həllində tətbiq olunan k-ortalar (k-means) alqoritmini xüsusi vurğuladı. Məruzəçi, k-means alqoritminin ideyasının klasterdaxili obyektlər arasındakı məsafəni minimallaşdırmaq, klasterlərarası məsafəni isə maksimallaşdırmaq olduğunu qeyd etdi.

Məruzəçi, həmçinin reqressiyanın qiymətləndirilməsinə tətbiq olunan xətti reqressiya, loqistik reqressiya, Lasso reqressiyası, daraq reqressiyası haqqında ətraflı məlumat verdi.

Sonda məruzəyə dair fikir mübadiləsi aparıldı, suallar cavablandırıldı. İnstitutun baş mühəndisi, texnika üzrə fəlsəfə doktoru, dosent Məkrufə Hacırəhimova busahədə tədqiqatların davam etdirilərək dərinləşdirilməsini, maşın təlimi sinfindən olan əsas metod və alqoritmlərin tədqiq olunaraq şöbə seminarlarında mütəmadi müzakirə olunmasını tövsiyə etdi.