Το RapidMiner ως εργαλείο εφαρμογών Big Data Analytics

Τζέκας, Αλέξανδρος

dc.contributor.advisor	Μηλιώνης, Απόστολος
dc.contributor.author	Τζέκας, Αλέξανδρος
dc.date.accessioned	2019-03-12T11:28:16Z
dc.date.available	2019-03-12T11:28:16Z
dc.date.issued	2018
dc.identifier.uri	https://dione.lib.unipi.gr/xmlui/handle/unipi/11891
dc.description.abstract	Η ραγδαία αύξηση της τεχνολογίας και οι ρηξικέλευθες προτάσεις της Πληροφορικής Επιστήμης έχουν επιφέρει ριζικές αλλαγές στην καθημερινότητα και κυρίως στους διάφορους τομείς της επαγγελματικής μας δραστηριότητας. Η Αναλυτική Μεγάλων Δεδομένων (Big Data Analytics) καθώς και η Εξόρυξη Δεδομένων (Data Mining) προμηνύουν μία νέα Εποχή για την Ανθρωπότητα όπου η στατιστική επεξεργασία πληροφοριών με σκοπό την εξαγωγή ποιοτικών συμπερασμάτων αλλά και προβλέψεων θα αποτελεί στοιχείο απόλυτα συνυφασμένο με την επιχειρηματική δραστηριότητα, τη βιομηχανία, τη ναυτιλία, την ιατρική και γενικότερα με οιαδήποτε έκφανση του πολιτισμού μας. Αντικείμενο της παρούσας Διπλωματικής Εργασίας είναι η χρήση ενός open source Framework για την επεξεργασία Big Data. Στόχος μας, η δημιουργία ενός Μοντέλου Πρόβλεψης που θα χαρακτηρίζεται από μεγάλη ακρίβεια καθώς και η τοποθέτηση Συναγερμών ούτως ώστε να ειδοποιείται ο ενδιαφερόμενος σε περίπτωση που κάποια ή κάποιες απ’ τις μεταβλητές του εξεταζόμενου Συστήματος λάβουν τιμές εκτός των επιτρεπτών ορίων. Προς την επίτευξη των παραπάνω, επιλέχθηκε το λογισμικό περιβάλλον του RapidMiner, στο οποίο εισήχθη ένα Data Set υπό μορφή Excel από τις μετρήσεις που συλλέχθηκαν σε χρονικό διάστημα ενός χρόνου και οι οποίες αφορούν στη λειτουργία ενός Φωτοβολταϊκού Πάρκου. Η Διπλωματική Εργασία χωρίζεται ως εξής: Στο πρώτο Κεφάλαιο επιχειρείται μία θεωρητική εισαγωγή στη Σύγχρονη Πληροφορική (Data Analytics, Big Data, Data Mining, IoT, Cloud), στο δεύτερο παρατίθενται κάποιες προαπαιτούμενες γνώσεις που κρίνονται απαραίτητες για την εκτέλεση της Πειραματικής Διαδικασίας η οποία πραγματοποιείται στο τρίτο και τέταρτο Κεφάλαιο (όπου καλούμαστε να προβλέψουμε την Παραγόμενη Ισχύ βάσει της προσπίπτουσας Ακτινοβολίας, να θέσουμε κάποιους Συναγερμούς ως προς τη Θερμοκρασία, την Υγρασία και τον Άνεμο και να εκτιμήσουμε την κριτική ταινιών από ενδεχόμενους Users καθώς και τους πιο πιθανούς συνδυασμούς αγοράς προϊόντων σε supermarket), και τέλος στο πέμπτο Κεφάλαιο έχουν καταχωρηθεί κάποια γενικά Συμπεράσματα που προέκυψαν μέσω της Πειραματικής Διαδικασίας.	el
dc.format.extent	161	el
dc.language.iso	el	el
dc.publisher	Πανεπιστήμιο Πειραιώς	el
dc.rights	Attribution-NonCommercial-NoDerivatives 4.0 Διεθνές	*
dc.rights.uri	http://creativecommons.org/licenses/by-nc-nd/4.0/	*
dc.title	Το RapidMiner ως εργαλείο εφαρμογών Big Data Analytics	el
dc.title.alternative	RapidMiner as a Big Data Analytics application tool	el
dc.type	Master Thesis	el
dc.contributor.department	Σχολή Τεχνολογιών Πληροφορικής και Επικοινωνιών. Τμήμα Ψηφιακών Συστημάτων	el
dc.description.abstractEN	The rapid growth of technology and the groundbreaking proposals of Informatics have brought about radical changes in everyday life and especially in the various areas of our professional activity. Big Data Analytics, as well as Data Mining, promulgate a new era for humanity where the statistical processing of information to produce qualitative conclusions and predictions will be an element inherent in business activity, industry, shipping, medicine and more generally in any aspect of our culture. The subject of this Diploma Thesis is to use an open source Framework for editing Big Data. Our goal is to create a highly accurate forecasting model as well as an installation of Alarms to alert the interested party if some of the variables of the System under consideration are outside the permissible limits. To achieve the above, the RapidMiner software environment was selected, in which a Data Set in Excel format was introduced from the measurements collected over a period of one year, which concern the operation of a Photovoltaic Park. The Diploma Thesis is divided as follows: The first chapter attempts a theoretical introduction to Modern Informatics (Data Analytics, Big Data, Data Mining, IoT, Cloud), the second provides some prerequisite knowledge that is necessary for the implementation of the Experimental Process which is done in the third and fourth Chapter (where we are supposed to predict Output Power on the basis of incident Radiation, to set some Temperatures, Humidity and Wind Alarms, and to predict the film rating of potential users and the most likely combinations of supermarket products) and, finally, in the fifth Chapter some General Conclusions that have emerged through the Experimental Procedure have been registered.	el
dc.contributor.master	Ψηφιακές Επικοινωνίες και Δίκτυα	el
dc.subject.keyword	Big Data Analytics	el
dc.subject.keyword	Data mining	el
dc.subject.keyword	Data integration	el
dc.subject.keyword	Data selection	el
dc.subject.keyword	Data transformation	el
dc.subject.keyword	Pattern evaluation	el
dc.subject.keyword	Data Analytics	el
dc.subject.keyword	Internet of Things	el
dc.subject.keyword	Cloud computing	el
dc.subject.keyword	Neural networks	el
dc.subject.keyword	Rapid Miner	el
dc.subject.keyword	Γενετικοί αλγόριθμοι	el
dc.subject.keyword	Φωτοβολταϊκά Πάρκα	el
dc.subject.keyword	Forecasting	el
dc.subject.keyword	Apache Hadoop	el
dc.subject.keyword	Apache Spark	el
dc.date.defense	2019-02-28

Αρχεία σε αυτό το τεκμήριο

Name:: Tzekas_mwe1615.pdf
Μέγεθος:: 22.91Mb
Τύπος:: PDF
Description:: Μεταπτυχιακή διατριβή

Προβολή/Άνοιγμα

Αυτό το τεκμήριο εμφανίζεται στις ακόλουθες συλλογές

Τμήμα Ψηφιακών Συστημάτων
Department of Digital Systems

Εμφάνιση απλής εγγραφής

Attribution-NonCommercial-NoDerivatives 4.0 Διεθνές

Εκτός από όπου διευκρινίζεται διαφορετικά, το τεκμήριο διανέμεται με την ακόλουθη άδεια:
Attribution-NonCommercial-NoDerivatives 4.0 Διεθνές