| dc.contributor.advisor | Γιαννακόπουλος, Γεώργιος | |
| dc.contributor.author | Αδαμαντίδης, Θεόδωρος | |
| dc.contributor.author | Adamantidis, Theodoros | |
| dc.date.accessioned | 2022-07-27T06:41:42Z | |
| dc.date.available | 2022-07-27T06:41:42Z | |
| dc.date.issued | 2022-07 | |
| dc.identifier.uri | https://dione.lib.unipi.gr/xmlui/handle/unipi/14499 | |
| dc.identifier.uri | http://dx.doi.org/10.26267/unipi_dione/1922 | |
| dc.description.abstract | Η 4η βιομηχανική επανάσταση έχει ωθήσει στην ψηφιοποίηση διαφόρων εργασιών στις βιομηχανίες και αυτό σε συνεργασία με την αύξηση εφαρμογών τεχνητής νοημοσύνης έχει δημιουργήσει νέες ευκαιρίες. Στα πλαίσια της παρούσας διπλωματικής, μελετήθηκε η εισαγωγή της μηχανικής μάθησης σε ένα πρόβλημα βελτιστοποίησης παρόμοιο του προβλήματος σακιδίου, πραγματικού κόσμου, εστιάζοντας στην επεξηγησημότητα αλλά και την ικανότητα γενίκευσης των μοντέλων. Το πρόβλημα μελετάται, μοντελοποιείται, απεικονίζεται μαθηματικά, παρουσιάζεται η διαδικασία δημιουργίας του συνόλου δεδομένων και γίνονται δοκιμές, χρήσεις και συγκρίσεις διαφόρων τεχνικών μηχανικής μάθησης με σκοπό να μπορέσει να εξαχθεί το μεγαλύτερο δυνατόν ποσό πληροφορίας μέσα από του σύνολο δεδομένων. Επίσης η επεξήγηση των αποτελεσμάτων των μοντέλων σχολιάζεται καθώς και ο καλύτερος τρόπος δημιουργίας ενός συνόλου δεδομένων υπό την έννοια του να γενικεύει καλύτερα. | el |
| dc.format.extent | 56 | el |
| dc.language.iso | en | el |
| dc.publisher | Πανεπιστήμιο Πειραιώς | el |
| dc.title | Infusing business optimization processes with machine learning and expert knowledge | el |
| dc.title.alternative | Εισαγωγή μηχανικής μάθησης και γνώσεων ειδικών σε θέματα βελτιστοποίησης επιχειρήσεων | el |
| dc.type | Master Thesis | el |
| dc.contributor.department | Σχολή Τεχνολογιών Πληροφορικής και Επικοινωνιών. Τμήμα Ψηφιακών Συστημάτων | el |
| dc.description.abstractEN | Leaving in the 4th industrial revolution, the digitization in manufacturing and the rapid increase of AI applications have raised new opportunities. In the context of this work, the infusion of machine learning on a real word manufacturing optimization knapsack-like problem will be researched and addressed by focusing on the interpretability and generalization of the models. The problem will be described, modelized, and formulated mathematically, the data collection and dataset construction will be presented, and machine learning techniques will be used and compared based on which achieves extracting the most information out of the data. Also, the explanation of the trained models is discussed, and the most efficient way of data constructions is checked in terms of generating a model that generalizes better. | el |
| dc.corporate.name | Ερευνητικό Κέντρο Δημόκριτος | el |
| dc.contributor.master | Τεχνητή Νοημοσύνη - Artificial Intelligence | el |
| dc.subject.keyword | Machine learning | el |
| dc.subject.keyword | Μηχανική μάθηση | el |
| dc.subject.keyword | Optimization | el |
| dc.subject.keyword | Βελτιστοποίηση | el |
| dc.subject.keyword | Interpretability | el |
| dc.subject.keyword | Επεξηγησημότητα | el |
| dc.subject.keyword | Generalization | el |
| dc.subject.keyword | Γενίκευση | el |
| dc.date.defense | 2022-07-12 | |
