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 | |