در حال ثبت نام: مسترکلاس پیش‌بینی و مدلسازی خصوصیات خاک با یادگیری ماشین

این دوره آموزشی با محوریت «ماشین لرنینگ برای پیش‌بینی خصوصیات خاک» طراحی شده است. در این دوره، شرکت‌کنندگان با مبانی و مفاهیم یادگیری ماشین در نرم‌افزار R آشنا می‌شوند و به‌صورت گام‌به‌گام تا سطح پیشرفته، کاربرد این روش‌ها در مدل‌سازی و پیش‌بینی ویژگی‌های مختلف خاک را خواهند آموخت.

داده‌های خاکی معمولاً از منابع مختلفی مانند داده‌های آزمایشگاهی، نقشه‌های رقومی، و داده‌های سنجش از دور به‌دست می‌آیند. هدف این دوره، آموزش روش‌های علمی و کاربردی برای تحلیل، مدل‌سازی و پیش‌بینی این داده‌ها با استفاده از الگوریتم‌های نوین یادگیری ماشین است.

معرفی مدرس

• دکتر روح‌الله تقی‌زاده
• استادیار گروه علوم خاک، دانشگاه اردکان
• پژوهشگر فعال در زمینه مدل‌سازی خصوصیات خاک با داده‌های سنجش از دور و یادگیری ماشین
• دارای سابقه تدریس در حوزه داده‌کاوی، یادگیری ماشین و تحلیل‌های فضایی
• نویسنده و مجری چندین پروژه پژوهشی در زمینه مدل‌سازی داده‌های خاکی و محیطی

مقالات جدید چاپ شده از دکتر تقی زاده:

https://www.sciencedirect.com/science/article/pii/S2352009424000014

https://www.sciencedirect.com/science/article/abs/pii/S0016706122004013

https://www.mdpi.com/2072-4292/14/3/472

عناوین آموزشی

عناوین این دوره به شرح زیر می باشد:

• بخش 1: آشنایی با محیط نرم‌افزار R و نصب بسته‌های تحلیلی
• بخش 2: ورود، پاک‌سازی و آماده‌سازی داده‌های خاکی
• بخش 3: آشنایی با الگوریتم‌های پایه یادگیری ماشین (درخت تصمیم، رگرسیون، جنگل تصادفی و …)
• بخش 4: انتخاب متغیرهای مؤثر در پیش‌بینی خصوصیات خاک
• بخش 5: پیاده‌سازی مدل‌های یادگیری ماشین در محیط R
• بخش 6: ارزیابی عملکرد مدل‌ها و محاسبه شاخص‌های دقت
• بخش 7: بهینه‌سازی مدل‌ها و تفسیر نتایج
• بخش 8: تلفیق داده‌های مکانی و تولید نقشه‌های پیش‌بینی‌شده
• بخش 9: معرفی کاربردهای یادگیری ماشین در خاک‌شناسی دیجیتال و سنجش از دور

معرفی نرم‌افزار

در این دوره از نرم‌افزار R استفاده می‌شود که یکی از قدرتمندترین محیط‌های برنامه‌نویسی و تحلیل داده در جهان است. R با دارا بودن بسته‌های تخصصی در زمینه‌های آمار، یادگیری ماشین و تحلیل فضایی، ابزاری ایده‌آل برای پژوهش‌های خاک‌شناسی دیجیتال محسوب می‌شود.

شرکت‌کنندگان در این دوره می‌آموزند چگونه با استفاده از بسته‌هایی نظیر caret، randomForest، ranger، e1071، terra و سایر ابزارهای تحلیلی، مدل‌های دقیق و علمی برای پیش‌بینی ویژگی‌های خاک بسازند.

کاربرد

کاربرد این دوره آموزشی در زمینه مدل‌سازی و پیش‌بینی ویژگی‌های فیزیکی و شیمیایی خاک مانند بافت خاک، ماده آلی، pH، هدایت الکتریکی، و رطوبت خاک است.

شرکت‌کنندگان پس از گذراندن این دوره قادر خواهند بود از داده‌های سنجش از دور، مشاهدات میدانی و داده‌های آزمایشگاهی برای تولید نقشه‌های رقومی خاک با استفاده از الگوریتم‌های یادگیری ماشین بهره ببرند.

مخاطبان

مخاطبان این دوره شامل پژوهشگران، کارشناسان و دانشجویان رشته‌های علوم خاک، سنجش از دور، کشاورزی، محیط‌ زیست و علوم داده هستند.

این دوره به گونه‌ای طراحی شده که حتی افرادی که آشنایی محدودی با برنامه‌نویسی دارند، بتوانند با یادگیری گام‌به‌گام، از مبانی تا اجرای مدل‌های پیشرفته در یادگیری ماشین را در محیط R فراگیرند.