Η επιστήμη της μηχανικής μάθησης
| Κύριος συγγραφέας: | |
|---|---|
| Μορφή: | Πτυχιακή εργασία |
| Γλώσσα: | Greek |
| Έκδοση: |
Α.Ε.Ι. Πειραιά Τ.Τ.
2020
|
| Θέματα: | |
| Διαθέσιμο Online: | http://okeanis.lib2.uniwa.gr/xmlui/handle/123456789/5435 |
| _version_ | 1780524290072903680 |
|---|---|
| abstract | Αντικείμενο της παρούσας πτυχιακής εργασίας αποτελεί η μελέτη της επιστήμης της μηχανικής μάθησης. Πιο συγκεκριμένα θα περιγραφεί τι είναι η επιστήμη της μηχανικής μάθησης. Θα αναλυθούν οι διάφορες μεθοδολογίες που χρησιμοποιούνται για την επίλυση των αντικειμένων μελέτης που πραγματεύεται η συγκεκριμένη επιστήμη καθώς επίσης θα παρουσιαστούν και αναλυθούν οι βασικότεροι αλγόριθμοι που εφαρμόζονται. Τέλος, θα χρησιμοποιηθεί το λογισμικό Matlab (MatrixLaboratory) για την υλοποίηση των αλγορίθμων. |
| abstracttranslated | The subject of this diploma thesis is the study of the science of machine learning. More specifically, it will particularly be described what the science of machine learning is. In addition, the different methodologies that are used for the solution of the objects of study that this science deals with as well as the most important algorithms that are implemented will be further analyzed. Finally, Matlab (Matrix Laboratory) software will be used in order to implement the algorithms. |
| advisor | |
| author | Πεϊβάνη, Λαμπρινή |
| author_facet | Πεϊβάνη, Λαμπρινή |
| author_sort | Πεϊβάνη, Λαμπρινή |
| collection | Okeanis Institutional Repository |
| facultydepartment | Τμήμα Μηχανικών Αυτοματισμού Τ.Ε. |
| format | Πτυχιακή εργασία |
| id | okeanis-123456789-5435 |
| institution | University of West Attica Campus II |
| keyword | Μηχανική μάθηση Γραμμική παλινδρόμηση Λογιστική παλινδρόμηση Νευρωνικά δίκτυα Δένδρα αποφάσεων Support Vector Machines K-means MATLAB SVM |
| language | Greek |
| physical | 74 |
| publishDate | 2020 |
| publisher | Α.Ε.Ι. Πειραιά Τ.Τ. |
| record_format | dspace |
| spelling | okeanis-123456789-54352020-10-21T10:13:51Z Η επιστήμη της μηχανικής μάθησης The science of machine learning Πεϊβάνη, Λαμπρινή Δρόσος, Χρήστος Τμήμα Μηχανικών Αυτοματισμού Τ.Ε. TPSH::Επιστήμη Υπολογιστών::Τεχνητή Νοημοσύνη Μηχανική μάθηση Γραμμική παλινδρόμηση Λογιστική παλινδρόμηση Νευρωνικά δίκτυα Δένδρα αποφάσεων Support Vector Machines K-means MATLAB SVM Αντικείμενο της παρούσας πτυχιακής εργασίας αποτελεί η μελέτη της επιστήμης της μηχανικής μάθησης. Πιο συγκεκριμένα θα περιγραφεί τι είναι η επιστήμη της μηχανικής μάθησης. Θα αναλυθούν οι διάφορες μεθοδολογίες που χρησιμοποιούνται για την επίλυση των αντικειμένων μελέτης που πραγματεύεται η συγκεκριμένη επιστήμη καθώς επίσης θα παρουσιαστούν και αναλυθούν οι βασικότεροι αλγόριθμοι που εφαρμόζονται. Τέλος, θα χρησιμοποιηθεί το λογισμικό Matlab (MatrixLaboratory) για την υλοποίηση των αλγορίθμων. The subject of this diploma thesis is the study of the science of machine learning. More specifically, it will particularly be described what the science of machine learning is. In addition, the different methodologies that are used for the solution of the objects of study that this science deals with as well as the most important algorithms that are implemented will be further analyzed. Finally, Matlab (Matrix Laboratory) software will be used in order to implement the algorithms. 2020-10-16 Πτυχιακή εργασία http://okeanis.lib2.uniwa.gr/xmlui/handle/123456789/5435 el Α.Ε.Ι. Πειραιά Τ.Τ. 74 http://okeanis.lib2.uniwa.gr/xmlui/bitstream/123456789/5435/4/auto_42504.pdf.jpg |
| spellingShingle | TPSH::Επιστήμη Υπολογιστών::Τεχνητή Νοημοσύνη Πεϊβάνη, Λαμπρινή Η επιστήμη της μηχανικής μάθησης |
| title | Η επιστήμη της μηχανικής μάθησης |
| title_full | Η επιστήμη της μηχανικής μάθησης |
| title_fullStr | Η επιστήμη της μηχανικής μάθησης |
| title_full_unstemmed | Η επιστήμη της μηχανικής μάθησης |
| title_short | Η επιστήμη της μηχανικής μάθησης |
| title_sort | η επιστήμη της μηχανικής μάθησης |
| title_translated | The science of machine learning |
| topic | TPSH::Επιστήμη Υπολογιστών::Τεχνητή Νοημοσύνη |
| url | http://okeanis.lib2.uniwa.gr/xmlui/handle/123456789/5435 |