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 | |