Η μηχανική μάθηση είναι υποπεδίο της επιστήμης των υπολογιστών για την προσέγγιση
προβλημάτων Τεχνητής Νοημοσύνης. Ένα από τα πεδία εφαρμογής της μηχανικής μάθησης είναι η ανάλυση και η πρόβλεψη της πορείας χρονοσειρών. Η πρόβλεψη χρονοσειρών είναι μια πολύ
δύσκολη διαδικασία λόγω του τεράστιου αριθμού παραγόντων από τους οποίους εξαρτάται, οι
οποίοι τις περισσότερες φορές είναι απροσδιόριστοι, όπως οικονομική, κοινωνικοί κ.α.
Αντικείμενο της παρούσας εργασίας είναι η μελέτη και η ανάλυση των σημαντικότερων
τεχνικών μηχανικής μάθησης που υπάρχουν αυτήν την στιγμή, χωρίς ωστόσο να εμβαθύνει σε
πολλούς μαθηματικούς όρους αλλά να επικεντρώνεται κυρίως στην διαδικασία και στην
μεθοδολογία που ακολουθείτε, με σκοπό την πρόβλεψη της πορείας χρονοσειρών καθώς και στην
αξιολόγηση των τεχνικών αυτών.
Machine learning is a subfield of computer science to approach Artificial Intelligence
problems. One of the fields of application of machine learning is to analyze and predict the course of time series. Time series prediction is a very difficult process due to the huge number of factors that depend on it, which are often undefined, such as economic, social, etc.
The aim of the present study is to study and analyze the most important mechanical
engineering techniques that exist at this moment, but it does not deepen in many mathematical
terms, but mainly focuses on the process and methodology you follow in order to predict time series
as well the evaluation of these techniques.
