آموزش جامع تصویر کاوی با رپیدماینر RapidMiner

تصویر کاوی یا Image mining در واقع فرآیند کشف اطلاعات و الگو‌ی پنهان از دیتای تصاویر می باشد. هدف اصلی از تصویرکاوی تولید الگوهای قابل توجه از تصاویر بدون دانستن هیچ اطلاعاتی از محتوای آنها می باشد.

می توان گفت تصویر کاوی چیزی فراتر از توسعه داده کاوی در حوزه تصویر می باشد. تصویرکاوی یک حوزه میان رشته ای است که بر روی تخصص هایی همچون پردازش تصاویر، بینایی ماشین، بازیابی تصاویر، داده کاوی، یادگیری ماشین و هوش مصنوعی بنا شده است.

با پیشرفت هوش مصنوعی و بکارگیری آن در پردازش تصویر و استخراج دیتا از آنها، این حوزه را به یکی از جذاب ترین بخشهای هوش مصنوعی تبدیل کرده است. در حالت کلی منظور از داده کاوی (Data mining)، فرآیند تحلیل دیتا از جنبه‌ها و دیدگاه‌های مختلف و خلاصه سازی آن در قالبی از اطلاعات مفید است.

منظور از اطلاعات مفید، اطلاعاتی است که برای مثال می توان آن برای افزایش سود سرمایه گذاری، کاهش هزینه و یا هر دو استفاده کرد. رایج‌ ترین رویکرد در خصوص داده کاوی، کاوش اطلاعات از دیتای ساختاریافته (Structured data) است. دیتای ساختار یافته جدولی است مثل دیتای اکسل (Excel) یا بانک اطلاعاتی Sql server اما متاسفانه بسیاری از دیتای موجود، نه تنها در اینترنت بلکه به صورت کلی، بدون ساختار (Unstructured data) هستند.

متن گزارشات، اطلاعات سایت‌ها، فایل‌های PDF و Word و بسیاری منابع دیگر که روزانه با آن‌ها کار میکنیم، در این دسته قرار می‌گیرند. دیتای تصویر نیز نوعی دیتای بدون ساختار محسوب می‌شود. برای کشف اطلاعات از تصاویر به پیکسل های آنها معنا بخشید و سپس مدلسازی دیتاماینینگ و یادگیری ماشین (Machine learning) روی آن‌ها تعریف کرد.

در این دوره چه مباحثی آموزش داده شده است؟

ما در این دوره آموزشی به طور جامع و پروژه محور به آموزش تصویر کاوی در رپیدماینر (Rapidminer) می پردازیم. فرآیند تصویر کاوی در رپیدماینر به این صورت است که ابتدا یک عکس یا پوشه ای از تصاویر وارد محیط می شوند و طی مراحلی، به مجموعه ای از اطلاعات در یک دیتاست تبدیل می‌شوند. با ساخت دیتاست، مرحله مدل سازی با الگوریتم‌های داده کاوی (Data mining) و انجام یادگیری ماشین (Machine learning) اجرا می‌شود و می‌توان الگوهای پنهان از تصاویر را کشف نمود. 

Google images، سایت Pinterest و اینستاگرام (Instagram) منابع بسیار مهم و بزرگتری از تصاویر را در برمی گیرند.

از جمله کاربردهای داده کاوی عکس در صنایع و کسب و کار، می‌توان به پنج مورد کلیدی اشاره نمود :

• بخش بندی اجزای تصاویر (Image segmentation) : اجزای تصاویر شناسایی و تشخیص داده می‌شوند و پس از استخراج دیتا از آن‌ها، فرآیند یادگیری ماشین بر روی آن‌ها انجام می‌شود.

• طبقه بندی تصاویر مختلف (Image classification) : فرض کنید 20 تصویر پرنده و 15 تصویر طبیعت دارید. با برچسب گذاری و استخراچ ویژگی (Feature extraction) از آن‌ها، به کمک الگوریتم‌های طبقه بندی مانند شبکه عصبی، درخت تصمیم، ماشین بردار حمایتی (SVM) و … می‌توانید مهم‌ترین فاکتورها در این طبقه بندی را شناسایی کنید و با یادگیری ماشین، طبقه آن‌ها را پیش بینی کنید.

• ساخت سیستم تشخیص الگو (Pattern detection) : یکی از کاربردی‌ترین حوزه‌های تصویر کاوی محسوب می‌شود. تشخیص غده سرطانی، پیدا کردن رگ و … از جمله نمونه‌ها کاربردی تشخیص الگو در تصاویر است. در واقع منظور از تشخیص الگو، یافتن دقیق الگوها به وسیله کامپیوتر است.

آیا این دوره آموزشی پیش نیاز دارد؟

بله دانشجویان عزیز قبل از گذراندن این دوره باید دوره آموزش داده کاوی با رپیدماینر که لینک آن در انتهای توضیحات می باشد را گذرانده باشند.

لینک دوره های دیگر

• آموزش داده کاوی و یادگیری ماشینی با IBM SPSS modeler
• آموزش جامع مبانی و مفاهیم داده کاوی و یادگیری ماشین
• آموزش داده کاوی و یادگیری ماشینی با پایتون
• آموزش متن کاوی با پایتون
• آموزش یادگیری عمیق با پایتون
• پکیج آموزش جامع علم داده با پایتون
• آموزش داده کاوی با رپیدماینر
• آموزش متن کاوی و وب کاوی با رپیدماینر
• پکیج آموزش جامع علم داده با رپیدماینر RapidMiner
• آموزش جامع هوش تجاری BI و تحلیل داده با تبلو Tableau

حاصل دوره

• انواع عکس با فرمت های مختلف (Jpg، Png، Gif و …) را می‌توانید وارد محیط رپیدماینر کنید.
• دیتا را از عکس ها استخراج و به دیتاست تبدیل کنید.
• پردازش تصاویر را به راحتی انجام دهید.
• تصاویر را طبقه بندی کنید.
• تصاویر را بخش بندی کنید (Image Segmentation)

توجه : نسخه حرفه ای و کرک شده نرم افزار rapidminer نیز برای دانلود و نصب در اختیارتان قرار داده شده است. پس از دانلود و نصب نرم افزار، ذر پوشه crack، فایل readme را مطالعه کنید.

توجه : با هدف یادگیری کامل و تسلط به مباحث دوره، در صورت داشتن هر گونه سؤال، راهنمایی و نیاز به توضیحات بیشتر در خصوص فرآیندها و عملگرهای آموزش، دانشجویان محترم می توانند با ارسال تیکت از طریق بخش حساب کاربری و تیکت پشتیبانی با بنده در ارتباط باشند.