فیلم مستر کلاس آموزش یادگیری ماشین در محیط زیست با زبان R منتشر شد!
در این آموزش شما با تکنیک های کاربردی مباحث یادگیری ماشین در مطالعات و کاربردهای زیست محیطی آشنا می شوید.
این آموزش، تمامی روش های مهم یادگیری ماشین در مطالعات محیط زیست را تشریح کرده و زمینه لازم برای یادگیری یک تکنیک بسیار مهم در انجام پژوهش های علوم زمین را به شما می آموزد.

آموزش یادگیری ماشین در محیط زیست
عناوین آموزشی
- مقدمه ای بر یادگیری ماشین
- معرفی زبان برنامه نویسی R و بسته های مورد نیاز
- بصری سازی در R
- الگوریتم های یادگیری ماشین (نظارت شده و نظارت نشده)
- رگرسیون های ساده و چندگانه (Simple and Multiple Linear Regression)
- مدل های خطی تعمیم یافته (رگرسیون لوجستیک و رگرسیون پواسون) (Generalized Linear Model)
- مدل های جمعی تعمیم یافته (Generalized Additive Model)
- الگوریتم نزدیک ترین همسایه (KNN)
- ماشین بردار پشتیبان (Support Vector Machine)
- درخت تصمیم (Decision Tree)
- الگوریتم های ترکیبی (Ensemble Algorithm)
- درخت رگرسیون تقویت شده (Boosted Regression Tree or Gradient Boosting Machine )
- الگوریتم XGBoost
- تحلیل خوشه ای (Cluster Analysis)
- تحلیل مولفه اصلی (Principal Component Analysis)
- اعتبارسنجی متقابل و مقایسه الگوریتم های یادگیری ماشین
روش های آموزشی مذکور با استفاده از داده های زیست محیطی در زمینه های تنوع گونه های گیاهی، وجود و عدم وجود آن ها، بارندگی، آتش سوزی، زمین لغزش تدریس شده است. در حقیقت این دوره آموزش کاربرد Machine Learning در محیط زیست است.
بخش کوتاهی از تدریس مدرس
معرفی نرم افزار
زبان R ریشه در زبان S دارد که به منظور تحلیل دادهها و مدل سازی پیشرفته توسعه یافته است. در دهه 1990، پروژه تحقیقاتی R توسط دو آماردان به نام های Ross Ihaka و Robert Gentleman در گروه آمار دانشگاه Auckland کشور نیوزلند کلید خورد. با توجه به اینکه اسم هر دو نفر با R شروع می شود، این نرم افزار به نام R نامگذاری گردید. R همانند بسیاری از زبان های محاسباتی، یک زبان کامپیوتری است که این امکان را برای کاربر فراهم می نماید تا الگوریتم ها را برنامهنویسی کرده و از ابزارهایی که توسط دیگران برنامهنویسی شده است، استفاده کند.
با نرم افزار و زبان برنامه نویسی R، هر کاری که تصور کنید را می توان انجام داد. با R می توانید توابع بنویسید، محاسبات را انجام دهید، از بیشتر تکنیک های آماری موجود استفاده کنید، نمودارهای ساده یا پیچیده ای ترسیم نمایید و حتی توابع کتابخانه ای خود را بنویسید.
R یک زبان برنامهنویسی و همچنین نرم افزاری رایگان برای محاسبات آماری و گرافیکی است که یک جامعه پژوهشی بین المللی بزرگ و فعال از آن حمایت می کند. Rیک محیط کامل برای متخصصان داده است. R پرکاربردترین زبان برای آمار و علوم داده است و در سال 2021 توسط مؤسسه مهندسان برق و الکترونیک IEEE آمریکا (Institute of Electrical and Electronics Engineers) در رتبه ششم محبوب ترین زبان علوم داده رتبه بندی شده است. زبان R هر نوع داده، دستکاری دادهها، مدل ها و تحلیل های اماری و نمودار را شامل می شود که متخصصین دادههای مدرن میتواند به آن نیاز داشته باشند.
کاربرد Machine Learning
به طور کلی در تمامی رشتهها و حوزه هایی که روشهای آماری و یادگیری ماشین بخشی از محاسبات و اهداف پروژه های تحقیقاتی می باشد میتوان از یادگیری ماشین استفاده نمود. امروزه، در اکثر صنایع، کسب و کارها و پروژههای تحقیقاتی، یادگیری ماشین به وفور مورد استفاده قرار می گیرد که نقش بسیار مهم و اساسی را در این زمینه ایفا میکند. می توان اظهار داشت، حل مسائل و مشکلات در صنایع و کسب و کار و فعالیت های مختلف با بهره گیری از دانش یادگیری ماشین، آسان تر بوده و استفاده از آن، به ایجاد یک تفکر خاص منجر می شود که منجر به خلاقیت در پیدا کردن راه حل مشکلات میشود.
با فراگیری مباحث الگوریتمی، نسبت به حوادث و وقایع پیرامون خود، تفکر منطقیتری خواهیم داشت. با این توصیف، یادگیری ماشین می تواند به افزایش بهره وری درصنعت تولید و بازاریابی محصولات آن ها کمک شایانی نماید و میزان فروش را با دقت قابل قبولی پیش بینی نماید. یادگیری ماشین پیش بینی های پزشکی و تشخیص ها را آسان سازی می نماید، باعث بهبود دقت در قوانین و مدل های مالی گردد. به سیستم های توصیه گر، الگوریتم های فرا ابتکاری و حرکت ربات ها کمک خواهد نمود. در حوزه فروش محولات، یادگیری ماشین می تواند محصولات مناسب تری را به مشتری پیشنهاد دهد.
با توجه به گسترده بودن حوزه کاربرد الگوریتم های یادگیری ماشین، در این دوره آموزشی، تلاش می شود تا با مثال های کاربردی مرتبط با حوزه محیط زیست و علوم زمین، همانند مدل سازی پراکنش گونه ای، پیش بینی بارندگی، پیش بینی آب و هوا، مدل سازی حساسیت به وقوع سیل، مدل سازی آتش سوزی و زمین لغزش، نحوه انجام تحلیل های یادگیری ماشین آموزش داده شود.
مخاطبان
نرم افزار و زبان بسیار قدرتمند R در تمام حوزه هاي علمي به طور اختصاصي قابل استفاده می باشد. نرم افزار R را مي توان در تمام حوزه هاي علمي از علوم انساني گرفته تا مهندسي به طور اختصاصي استفاده نمود. اين اختصاصي بودن وابسته به بستههایي است كه از آنها استفاده مي شود. در سالهای اخیر، بسیاری از موسسات تحقیقاتی، شرکت ها و دانشگاه ها به سوی R مهاجرت کرده اند و کتاب های بسیار زیادی در خصوص R و نحوه انجام محاسباتو تحلیل های یادگیری ماشین با استفاده از توابع موجود در این نرم افزار انتشار یافته است.
از جمله رشتههایی که نرمافزار R در آنها کاربردهای بسیاری دارد می توان به رشته بیوانفورماتیک اشاره داشت که در آن از علوم کامپیوتر و آمار و احتمالات در شاخه بیولوژی یا زیستشناسی استفاده می گردد. به صورت کلی در رشتههای آمار و احتمالات، آمار زیستی، زیستشناسی و گرایش های مرتبط، علوم پزشکی و داروسازی، فناوری زیستی، علوم محیطی، منابع طبیعی، کشاورزی، شیمی، علوم اجتماعی و روان شناسی، بیوانفورماتیک، علوم کامپیوتر و … میتوان از زبان برنامه نویسی و نرمافزار R به منظور تجزیه و تحلیل آماری داده ها و تحلیل های یادگیری ماشین استفاده نمایند.
در این آموزش، سعی ما بر این است تا با ساده ترین زبان، مطالب به گونه ای ارائه شود تا به چگونگی انجام تحلیل های یادگیری ماشین در نرم افزار و زبان بسیار قدرتمند R به اندازه ای مسلط گردید تا بتوانید هر پروژه ای را در این نرم افزار پیاده سازی نمایید.
سیدعرفان –
سلام استاد، در این دوره رگرسیون های لاسو ، ریج و مولفه های اصلی و الستیک نت هم آموزش داده می شود؟
سید جلیل علوی –
با عرض سلام. ضمن تشکر از سوال به جای شما، در این دوره تحلیل مولفه اصلی (نه رگرسیون مولفه اصلی) خدمت شما ارائه می شود. امیدوارم که فرصت شود رگرسیون های لاسو، ریج ارائه شود. اگر فرصت نشد بعد از یادگیری تحلیل رگرسیون خطی، به راحتی شما می توانید از بسته های glmnet، caret و حتی h2o این نوع تحلیل ها را اجرا نمایید. با توجه به این که در تحلیل های آماری در حوزه محیط زیست معمولا مشاهدات بیشتر از تعداد متغیرهای مستقل می باشد و متغیرهای هم خط در ابتدای تحلیل، از مدل کنار گذاشته می شوند، این مدل ها نسبت به مدل های دیگر کاربرد کمتری دارند. هر چند این نوع مدل ها بسیار بسیار ارزشمند هستند.
سیدعرفان –
سلام مجدد خدمت استاد گرامی
مفاهیمی مانند طبقه بندی svm و درخت تصمیم، علاوه بر نوع طبقه بندی آن ها، رگرسیون آن ها نیز در این دوره شرح داده شده و اجرا می شود؟
سید جلیل علوی –
در این دوره، به یاری خدا الگوریتم های یادگیری ماشین (Classification و Regression ) بر اساس داده هایی که خدمت شما ارسال می شود، در R پیادی سازی خواهد شد. به عنوان مثال هم Regression Random Forest تشریح خواهد شد و هم Classification Random Forest.
علیرضا –
با سلام و وقت بخیر خدمت آقای دکتر
عذرمیخوام میخواستم از حضور شما جویا شوم که آیا پس از اتمام دوره گواهی نامه هم داده می شود؟
با تشکر و احترام
احمدنجفی –
با سلام و وقت بخیر
لطفا با پشتیبانی سایت مکاتبه نمایید
girs.academy@gmail.com
امیرحسین احراری –
با سلام و احترام
متاسفانه ما برای دوره ها مجوز صدور گواهی نداریم. با عرض پوزش از خدمت شما.
موفق باشید
دریا –
سلام وقتتون بخیر
این دوره برای مدلسازی تصاویر ماهوارهای با یادگیری ماشین هم کاربرد دارد؟
سید جلیل علوی –
به نام خدا
با سلام.
این دوره برای تمامی حوزه های علمی کاربرد دارد. مقالات بسیار خوبی در خصوص کاربرد الگوریتم های یادگیری ماشین در سنجش از دور به چاپ رسیده است.
امیرحسین احراری –
با سلام و احترام
در این دوره آموزشی عموما از داده های زیست محیطی استفاده شده و روش مدل سازی با تصاویر ماهواره ای در آن تدریس نمی شود.
موفق باشید
خدایار قلانی –
سلام. کد تخفیف روز مادر چرا اعمال نمیشه؟
احمدنجفی –
سلام
قیمت این آموزش با تخفیف نوشته شده و بنابراین امکان تخفیف مجدد وجود ندارد.
ممنون –
با سلام
تخفیف ذکر شده در سایت روی آموزی مستر کلاس کاربرد Machine Learning در محیط زیست با استفاده از زبان برنامه نویسی R اعمال نمی شود.
تا مرحله آخر پرداخت همان مبلغ اصلی 350000 تومان باید پرداخت شود.
احمدنجفی –
با عرض سلام
تخفیف بر روی این محصول اعمال شده و امکان تخفیف استفاده از تخفیف مجدد نیست.
امیرحسین احراری –
با سلام و احترام
مستر کلاس ماشين لرنینگ قبلا شامل تخفیف ۲۰۰ هزارتومانی شده است و در صفحه محصول به آن اشاره شده. به همین دلیل امکان استفاده از تخفیف مجدد نیست.
موفق باشید
محمد –
درود بر شما
بهتر بود پروژه های انجام شده در رزومه مدرس محترم هم قید می شد!
بدون تردید خود نیز بهتر از هر شخص دیگری به این موضوع واقف هستید که کیفیت تدریس رابطه ی مستقیمی با میزان بروز بودن و انجام پروژه های متعدد را دارد.
با احترام; در دنیای نرم افزار صرفاً سابقه ی تدریس ملاک کیفیت دوره و تضمین آن نخواهد بود!
به عبارتی دیگر شیوه ی تدریس دوره های برنامه نویسی در اکثر دانشگاه ها به دلیل آنکه به صورت عملی و پروژه محور نیست، خروجی چندانی ندارند و اکثریت دانشجویان فارغ التحصیل اندر خم یک کوچه هستند و در نهایت برای ورود به بازار کار می بایست نیاز خود را از طریق افرادی بگذرانند که در محیط های کاری مختلفی کار کرده و تجربه عملی دارند. یکی از دلایل اصلی این موضوع نیز می تواند این باشد که اکثر مدرسین محترم در دانشگاه ها به دلیل تدریس موضوعات مختلف و پر شدن ساعت کاری وقتی برای انجام پروژه های شخصی و… را ندارند به همین دلیل مطالب آنطور که باید مفید فایده باشد، نیست!
لطفا اگر مقدور است بیشتر راجع به ایشان توضیح بفرمایید.
امیدوارم صحبت های بنده موجب جسارت و سوء تفاهم نشده باشد.
شاد و سلامت باشید
امیرحسین احراری –
با سلام و احترام
آقای دکتر علوی قبلا هم ما در خدمتشون بودم و آموزش هاشون رو مشاهده کردیم. بدون اغراق عرض میکنم هم بنده و هم سایر افرادی که در دوره قبلی ایشان شرکت کرده بودند همه رضایت کامل داشتیم. کلاس کاملا بصورت علمی و اجرایی بود. ما در سایت تمام تلاشمون رو میکنیم تا دوره ها بصورت کاربردی برای کاربران عرضه شود. شاید توضیحات ما در صفحه محصول مناسب نیست اما دوره های ایشان واقعا کاربردی و قابل استفاده در کارهای تحقیقاتی و تجاری هست.
موفق باشید
محمد –
درود بر شما
از اینکه در راستای رائه ی مطالب کاربردی در تلاش هستید، سپاسگزارم.
همانطور که آگاه هستید هر فردی که بخواهد دوره ای یا محصولی را خریداری کند، از آنجایی که هیچ شناختی نسبت به مدرس آن ندارد، می بایست توضیحات به قدری کافی باشد که به تصمیم گیری فرد کمک شایانی کند.
به طور مثال آن چیزی که به شدت در سایت شما جایش خالیست، نبود معیارهای ارزیابی دوره ها و کیفیت فایل های ارائه شده است.
به عبارتی دیگر یکسری مولفه هایی را مانند بروز بودن مطالب آموزشی، کاربردی بودن، فن بیان مدرس، کیفیت فایل های تصویری/صوتی، پشتیبانی و ضمانت می بایست در هر دوره وجود داشته و مدرسین محترم رتبه بندی شوند.
اگر یک نمونه ی موفق را بخواهم به شما معرفی کنم بدون تردید وبسایت توسینو Tosinso است که واقعاً کار بسیار ارزشمندی را انجام داده اند.
امیدوارم شما نیز موارد را در وبسایت خود اعمال کنید تا کاربران این سایت بتوانند با اطمینان و خیالی آسوده درباره ی تهیه ی دوره ها تصمیم بگیرند.
شاد و سلامت باشید.
امیرحسین احراری –
خیلی ممنون از نظرات شما.
بله کاملا درست میفرمایید. ما جديدا تغییرات زیادی در سایت ایجاد کردیم. تا پایان سال قرار هست موارد دیگری در این رابطه اضافه شود.
تمامی نواقص که میفرمایید درست هست و ما در تلاش هستیم تا هر سال نسبت به سال قبل متناسب با امكاناتی که در اختیار داریم اصلاحات قابل توجهی اعمال شود.
با سپاس
سید جلیل علوی –
با عرض سلام و احترام خدمت شما آقا محمد عزیز
خیلی ممنون از پیشنهاد به جا و به حق شما. متشکرم از این که به صراحت این موضوع را مطرح کردید.
ارایه رزومه کارهای عملی و این که بخواهید آشنایی بیشتری با مدرس کسب نمایید، پیشنهاد خیلی خوبی هست. واقعیت امر این هست که ماهایی که به عنوان هیات علمی در دانشگاه (تربیت مدرس) تدریس می کنیم، فارغ التحصیل نمودن دانشجویان کارشناسی ارشد و دکتری با جدیدترین و به روزترین موضوعات و چاپ مقالات علمی، چه به عنوان استاد راهنما و چه به عنوان استاد مشاور فکر می کنم رزومه خوبی باشد هر چند بهتر می بود که به لیست فعالیت ها اشاره می شد.
در دوره های بعد بنده سعی می کنم لیست کارگاه هایی که بنده در دانشگاه های مختلف و در همایش های ملی برگزار کردم را لحاظ کنم.
صادقانه عرض کنم عزیزانی که بنده را می شناسند می توانند گواهی دهند که هدف من بیشتر آموزش به همه دوستان هست تا ….
به خاطر همین فکر کردم ذکر این که بنده هیات علمی هستم و سابقه تدریس ده ساله زبان برنامه نویسی R را دارم، کفایت می کند.
بنده در دانشگاه تربیت مدرس تدریس دروس روش های اماری، شبیه سازی و مدل سازی، اکولوژی آماری و آمار مکانی را داشته و دارم که در تمام دروس از نرم افزار و زبان برنامه نویسی R برای آموزش استفاده می شود.
به هر حال ممنون از این که به این مورد مهم اشاره کردید.
رزومه بنده (هر چند صد درصد کامل نیست)، در لینک زیر قابل دریافت هست.
https://www.modares.ac.ir/~j.alavi
با آرزوی سلامتی و تندرستی برای شما دوست عزیز.
Shahab –
با سلام
ما ممکن است در برخی از کلاس ها امکان حضور نداشته باشیم. ویدیو کلاس را شما چند وقت بعد کلاس برایمان ارسال می فرمایید.
با تشکر
احمدنجفی –
سلام
ویدئوها به صورت هفتگی ارسال می شوند.
امیرحسین احراری –
با سلام و احترام
تا ۲۴ ساعت پس از هر جلسه فیلم کلاس برای شرکت کنندگان ارسال میشود.
موفق باشید
علی –
سلام و خدا قوت، به ترتيبي كه توضيحات را نگاه كردم كار با تصاوير در اين دوره نيست. از طرفي طبقه بندي رندوم فارست و نظارت شده مطرح است. آيا داده هاي پروژه عملي كه احتمالا بيشتر اكسلي هست هم در اختيار شركت كنندگان قرار داده مي شود؟
امیرحسین احراری –
با سلام و احترام
خیر در این دوره آموزشی کار با داده های رستری مد نظر نیست و پردازش ها بر روی داده های اکسل مبنا انجام می شود.
موفق باشید
بهناز –
سلام و عرض ادب
واقعیت من خیلی وقت بود دنبال این کلاس بودم و یک بار هم به مهندس نجفی بزرگوار پیام دادم و ایشان فرمودند برنامه اش را دارند که برگزار شود خیلی خوشحالم و ممنونم فقط یک سوال که دارم اینه که متاسفانه من زبان برنامه نویسی R را بلد نیستم ولی می خواهم با کسب اجازه از استاد محترم در این دوره شرکت کنم .
با تشکر
در مورد رزومه کاری واقعیت من چندین کلاس شما رو شرکت کردم و خیلی راضی بودم . موسسه شما خودش یه برند شناخته شده است .
هانیه نیل فروشان –
آقای نجفی
با سلام و احترام
ممنون از برگزاری این کلاس
بنده ثبت نام کردم
خواهشا از استاد تقاضا کنید فیلم های کلاس کامل باکیفیت و با صدا ظبط گردد
تجربه ای در کلاس اورتوفوتو داشتیم که متاسفانه فیلم های 4 جلسه کلاس بدون صدا ضبط شده بود و قابل استفاده نبودن.
احمدنجفی –
سلام و وقتتون بخیر
خواهش میکنم.
بله حتما. شما نیز لطفا در ابتدای کلاس به استاد بگید اگر چه دکتر علوی در دوره قبل مشکلی در ضبط و ارائه نداشتند و همه چیز خوب و عالی برگزار شد.
behnaz MoradiGhiasabadi –
زمان برگزاری دوره کی هست ؟
امیرحسین احراری –
با سلام و احترام
در بخش مشخصات دوره زمان برگزاری ذکر شده است: ۲۵ بهمن ماه
موفق باشید
مصطفی رحیمی –
سلام و روز بخیر. بسیار خوشحالم از برگزاری چنین دوره ای. میخواستم بدانم آیا روش های ANN هم آموزش داده می شود؟
سید جلیل علوی –
به نام خدا
با سلام
ضمن تشکر از محبت شما، با عرض پوزش، روش شبکه عصبی مصنوعی یا ANN در سرفصل ارائه شده نیست. اما انشاالله اگر فرصت شد حتما به این مورد هم پرداخته خواهد شد.
با احترام
علوی
امیر –
سلام وقتتون بخیر
من میخواستم توی این دوره شرکت کنم. میخواستم ببینم الان میتونم با تخفیف ثبت نام کنم؟
یا اینکه کی به دوره تون دوباره تخفیف میخوره؟
احمدنجفی –
سلام
تخفیف دوره به پایان رسیده. اگر مجددا تخفیف گذاشتیم از طریق خبرنامه ایمیلی سایت اطلاع رسانی میشود
یوسفی –
با سلام لطفا تخفیف را بر روی دوره مجددا فعال کنید با تشکر.
امیرحسین احراری –
با سلام و احترام
متاسفانه مدت زمان مجاز تخفیف گذشته است. با بخش پشتیبانی سایت در این زمینه مکاتبه کنید اگر امکان ثبت نام با تخفیف وجود داشته باشد راهنمایی تون می کنند.
موفق باشید
علی –
سلام
وقت بخیر
برنامه نویسی تو محیط RStudio انجام میشه؟
سید جلیل علوی –
به نام خدا
همان طور که اسنحضار دارید RStudio یک IDE یا محیط یکپارچه توسعه هست که به کاربر در کدنویسی کمک می نماید. چنانچه هر کدی را در R و RStudio اجرا نمایید دقیقا همان نتیجه را خواهید گرفت. من در این دوره در بخش معرفی زبان و نرم افزار R سعی می کنم محاسن و محدودیت های RStudio رو معرفی کنم. اما با توجه به این که بنده اعتقاد دارم اول بایستی کدنویسی در زبان برنامه نویسی R را یاد گرفت و بعد به سراغ IDE رفت، به همین دلیل تمامی تحلیل ها و کدنویسی ها در محیط نرم افزار R انجام خواهد شد.
با احترام
علوی
سعيد –
با درود
قرار بود لينك شركت در اين دوره را، يك روز قبل از شروع مرحمت كنيد و به ميل ارسال كنيد. فردا شروع كلاس است و هنوز لينكي دريافت نكرده ايم. كي مرحمت مي فرماييد؟ سپاس
احمدنجفی –
سلام
انشااله فردا صبح برای ثبت نام کنندگان ارسال می شود.
behnaz MoradiGhiasabadi –
سلام و ادب
لینک برای دانشجوها ارسال شده ؟
چون برای من هنوز ارسال نشده
احمدنجفی –
سلام
لطفا با ایمیل پشتیبانی سایت مکاتبه کنید
girs.academy@gmail.com
پرویز –
سلام و خدا قوت
کد مدنظر VIF برای شاخصهای با تعداد زیاد را را میشه بفرستید؟
آیا در این دوره نمودار taylor آموزش داده میشود؟
با تشکر
سید جلیل علوی –
با سلام
در خصوص کد مدنظر VIF برای متغیرهایی با تعداد زیاد لطفا ایمیل دهید تا اینجانب برای شما ارسال کنم.
در مورد تهیه نمودار Taylor در R در این دوره آموزش داده نشده است اما می توانید از بسته openair و تابع TaylorDiagram برای ترسیم آن استفاده نمایید. لینک زیر نحوه ترسیم نمودار را توضیح می دهد
https://bookdown.org/david_carslaw/openair/taylor-diagram.html
با احترام
علوی
مسعود –
با سلام
آیا مکانیابی مناطق مستعد آتش سوزی با ماشین لرنینگ اموزش داده شده؟
سید جلیل علوی –
با سلام
در دوره یادگیری ماشین، توضیح داده شد چگونه می توان آتش سوزی را براساس متغیرهایی که روی آتش سوزی اثرگذار هستند، مدل سازی نمود. شما وقتی نقشه متغیرهای پیشگو را داشته باشید بعد از مدل سازی می توانید برای تمام منطقه براساس متغیرهای ورودی پیش بینی ها را انجام دهید. نقشه حاصل مناطق مستعد برای آتش سوزی را نشان می دهد.
با احترام
علوی
مسعود –
با سلام
روش جنگل تصادفی نیز آموزش داده شده است؟
مسعود –
با سلام
در این محصول از تصاویر ماهواره ای استفاده شده یا لایه های جی ای اس
سید جلیل علوی –
به نام خدا
با سلام
در خصوص سوالی که مطرح فرمودید الگوریتم جنگل تصادفی و تکنیک های دیگر آموزش داده شده است. داده ها بیشتر به صورت غیرمکانی بوده اند. در دوره دیگر که در خصوص تحلیل های GIS با زبان برنامه نویسی R بوده است هم با تصاویر ماهواره ای و هم GIS کار شده است که در آن الگوریتم جنگل تصادفی هم با استفاده از لایه های GIS آموزش داده شده است. لینک زیر را لطفا ببینید.
https://girs.ir/r-programming-gis/
با احترام
علوی
حسین –
سلام
وقتتون بخیر
ببخشید در این دوره دیتای استفاده شده داده های ایستگایی یا نقطه ای هست یا دیتای شبکه ای یا رستری؟
سید جلیل علوی –
به نام خدا
با سلام
در خصوص سوالی که طرح فرمودید داده های مورد استفاده شده به صورت نقطه ای بوده است. در دوره آموزشی دیگر که در خصوص تحلیل های GIS با زبان برنامه نویسی R بوده است داده های رستری هم توضیح داده شده است. لطفا لینک زیر را مشاهده نمایید.
https://girs.ir/r-programming-gis/
با احترام
علوی
سید عرفان مومن پور –
سلام استاد علوی
من در این دوره و دوره مقدماتی شما شرکت کردم و یک مشکلی در مبحث رگرسیون دارم. من یک مدل رگرسیونی لاسو و الستیک نت توسط پکیج glmnet ساخته ام منتهی می خواهم آن را براساس روش Leave One Out اعتبارسنجی کنم. این کار در پکیج caret انجام نمی شود زیرا در پکیج caret باید فرم معادله رگرسیون نوشته شود و نمی توان مدلی که از قبل آماده شده است را به پکیج داد و اعتبارسنجی را انجام داد . آیا پکیجی در R وجود دارد که مدل آماده را بهش داد و اعتبارسنجی LOOCV را انجام داد؟
سید جلیل علوی –
به نام خدا
با سلام و وقت به خیر
لطفا لینک زیر را مشاهده فرمایید. نحوه اعتبارسنجی با استفاده از بسته glmnet آموزش داده شده است.
https://www.geo.fu-berlin.de/en/v/soga/Geodata-analysis/multiple-regression/Regularization-Methods/Regularization-Methods-in-R/index.html
با احترام
علوی
shahabshadow1379@gmail.com –
سلام لطفا فایل airpolution را اصلاح نمایید. چون چیزی دانلود نمیشه وقتی روی لینک کلیک میکنم. ممنون
احمدنجفی –
سلام
لطفا ایمیل تان را چک کنید.
مسعوداسماعیلی –
سلام من می خواهم مدل سازي پراکنش گونه هاي جانوري با استفاده از پکيج “Random Forest” در محيط Rرا بدست بیاریم قبلا هم دوتا اموزش هم خریداری کردم ولی برای کار من استفاده نشد
می خواستم بدونم با اموزش شما می تونم کارم را انجام بدم و خردیداری کنم یا اگر لطف می کنید یه راهنمایی بکنید ممنونتون میشیم.
سید جلیل علوی –
سلام. وقت بخیر. ضمن سپاس از شما در مورد سوالی که مطرح فرمودید برای مدل سازی پراکنش گونه ای من بسته های biomod2, SDM و ecospat. را پیشنهاد می کنم. بسته sdmTune هم فوق العاده هست. هر چند می توانید از این دوره آموزشی هم استفاده کنید، اما در این دوره تنها با داده های غیرمکانی کار شده است مدل های پراکنش گونه ای نیاز به کدنویسی بیشتر دارد که شاید مطالب ارائه شده نتواند به شما کمک کند. اگر سوالی هست لطفاً ایمیل دهید تا بیشتر راهنمایی کنم. مطالعه کتاب ارزشمند زیر را توصیه می کنم
Habitat Suitability and Distribution ModelsWith Applications in R
Antoine Guisan
,
Wilfried Thuiller
and
Niklaus E. Zimmermann