Ανάλυση δεδομένων και εφαρμογή μηχανικής μάθησης έναντι του ιού SARS-CoV-2

Μπαλάσκας, Αντώνης

dc.contributor.advisor	Φιλιππάκης, Μιχαήλ
dc.contributor.author	Μπαλάσκας, Αντώνης
dc.date.accessioned	2023-07-17T08:20:16Z
dc.date.available	2023-07-17T08:20:16Z
dc.date.issued	2023-01
dc.identifier.uri	https://dione.lib.unipi.gr/xmlui/handle/unipi/15594
dc.identifier.uri	http://dx.doi.org/10.26267/unipi_dione/3016
dc.description.abstract	Η παρούσα εργασία επικεντρώνεται στον αντίκτυπο της νόσου με το διεθνές όνομα SARS-CoV-2 (Severe Acute Respiratory Syndrome Coronavirus 2) που προκαλεί την ασθένεια COVID-19, η οποία ευθύνεται για την τρέχουσα πανδημία του COVID-19. Συγκεκριμένα χρησιμοποιείται ο αλγόριθμος μηχανικής μάθησης ARIMA (Auto-Regressive Integrated Moving Average), που είναι μοντέλο αυτοπαλινδρομικού ολοκληρωμένου κινητού μέσου όρου, το οποίο βασίζεται σε δεδομένα χρονοσειρών για την πρόβλεψη μελλοντικών τιμών. Η ανάλυση έγινε με την χρήση της γλώσσας προγραμματισμού Python παρουσιάζοντας την εξάπλωση της νόσου παγκοσμίως και κυρίως τα στοιχεία που αφορούν την Ελλάδα. Επίσης, με κατάλληλες οπτικοποιήσεις υποδεικνύεται η διάδοση του ιού και αναλύονται τα δεδομένα εμβολιασμού κατά της πανδημίας του COVID-19. Τέλος, παρουσιάζεται ένας συνοπτικός πίνακας με στατιστικά δεδομένα με την χρήση του εργαλείου οπτικοποίησης δεδομένων Tableau.	el
dc.format.extent	64	el
dc.language.iso	el	el
dc.publisher	Πανεπιστήμιο Πειραιώς	el
dc.rights	Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα	*
dc.rights.uri	http://creativecommons.org/licenses/by-nc-nd/3.0/gr/	*
dc.title	Ανάλυση δεδομένων και εφαρμογή μηχανικής μάθησης έναντι του ιού SARS-CoV-2	el
dc.title.alternative	Data analysis and application of machine learning against virus SARS-CoV-2	el
dc.type	Master Thesis	el
dc.contributor.department	Σχολή Τεχνολογιών Πληροφορικής και Επικοινωνιών. Τμήμα Ψηφιακών Συστημάτων	el
dc.description.abstractEN	The present study focuses on the impact of the disease known internationally as SARS-CoV-2 (Severe Acute Respiratory Syndrome Coronavirus 2), which causes COVID-19 and is responsible for the ongoing pandemic. Specifically, the study will use the ARIMA (Auto-Regressive Integrated Moving Average) machine learning algorithm to predict future values, based on time-series data. The analysis will be conducted using the Python programming language, with a focus on global data, including data specific to Greece. The study will also include appropriate visualizations to illustrate the spread of the virus and analysis of vaccination data related to the COVID-19 pandemic. The study will conclude with a summary table of statistical data, using the Tableau data visualization tool.	el
dc.contributor.master	Πληροφοριακά Συστήματα και Υπηρεσίες	el
dc.subject.keyword	SARS	el
dc.subject.keyword	COVID	el
dc.subject.keyword	Machine learning	el
dc.subject.keyword	ARIMA	el
dc.subject.keyword	COVID-19	el
dc.subject.keyword	ARIMA	el
dc.subject.keyword	Vaccines	el
dc.subject.keyword	Python	el
dc.subject.keyword	Vaccination	el
dc.subject.keyword	Μηχανική μάθηση	el
dc.subject.keyword	Εμβόλια	el
dc.subject.keyword	Εμβολιασμός	el
dc.date.defense	2023-07-05

Αρχεία σε αυτό το τεκμήριο

Name:: Ανάλυση Δεδομένων και Εφαρμογή ...
Μέγεθος:: 2.678Mb
Τύπος:: PDF
Description:: Μεταπτυχιακή διατριβή

Προβολή/Άνοιγμα

Αυτό το τεκμήριο εμφανίζεται στις ακόλουθες συλλογές

Τμήμα Ψηφιακών Συστημάτων
Department of Digital Systems

Εμφάνιση απλής εγγραφής

Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα

Εκτός από όπου διευκρινίζεται διαφορετικά, το τεκμήριο διανέμεται με την ακόλουθη άδεια:
Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα