Τεχνητή Νοημοσύνη | Artificial Intelligence | Βαθιά Μάθηση | Deep Learning | Μηχανική Μάθηση | Machine Learning | Χρονοσειρές | Time series | Πρόβλεψη χρονοσειρών | Time series forecasting | Αλγόριθμοι μηχανικής μάθησης | Machine learning algorithms
2
4
53
Περιέχει : εικόνες, σχήματα, πίνακες, διαγράμματα
Πρακτικής Εξάσκηση σε Θέματα Λογισμικού / ΠΛΗ40
Η διαδικασία για ακριβή και έγκυρη πρόβλεψη χρονοσειρών γίνεται όλο και πιο πολύπλοκη απαιτώντας όλο και πιο αποτελεσματικές τεχνικές. Σύμμαχος σε αύτη την προσπάθεια είναι η ραγδαία ανάπτυξη των μεθόδων τεχνητής νοημοσύνης, και συγκεκριμένα της μηχανικής μάθησης, η οποία έχει υπερισχύει των συμβατικών γραμμικών μεθόδων επιτυχαίνοντας αποτελέσματα πολύ μεγαλύτερης ακριβείας.
Η εργασία έχει ως στόχο αρχικά να εισάγει τον αναγνώστη στις βασικές έννοιες που συναντά κανείς στο πεδίο της μηχανικής μάθησης και στη συνέχεια εξετάζεται το πρόβλημα των προβλέψεων χρονοσειρών στην εποχή του covid-19, αξιοποιώντας αλγορίθμους μηχανικής μάθησης και βαθιάς μάθησης (machine-deep-learning), καθώς και στην αξιολόγηση των τεχνικών αυτών.
The process for accurate and valid time series prediction is becoming increasingly complex, requiring increasingly effective techniques. An ally in this effort is the rapid development of artificial intelligence methods, and in particular machine learning, which has outperformed conventional linear methods by achieving results of much greater accuracy.
The present thesis is aiming at firstly introduce the reader to the basic concepts encountered in the field of machine learning, and secondly to examine the problem of time series predictions in the era of covid-19, utilizing machine learning and deep learning algorithms, as well as to the evaluation of these techniques.
Περιγραφή: Παρουσίαση-ΠΕ_VICHEVA_VALENTINA.pdf (pdf)
Book Reader Άδεια: Αναφορά Δημιουργού 4.0 Διεθνές Πληροφορίες: Παρουσίαση πτυχιακής εργασίας με τίτλο "Πρόβλεψη τιμών χρονοσειρών με χρήση αλγορίθμων μηχανικής μάθησης και βαθιάς μάθησης" Μέγεθος: 1.6 MB