Εξόρυξη δεδομένων και μηχανική μάθηση
| dc.contributor.advisor | Βέργαδος, Δημήτριος | |
| dc.contributor.author | Γριβοκωστόπουλος, Κωνσταντίνος | |
| dc.date.accessioned | 2024-08-26T08:10:49Z | |
| dc.date.available | 2024-08-26T08:10:49Z | |
| dc.date.issued | 2024-07 | |
| dc.identifier.uri | https://dione.lib.unipi.gr/xmlui/handle/unipi/16664 | |
| dc.identifier.uri | http://dx.doi.org/10.26267/unipi_dione/4086 | |
| dc.description.abstract | Η παρουσία της αβεβαιότητας στις επιχειρηματικές δραστηριότητες είναι σταθερός παράγοντας από την ίδρυση των εταιρειών, συνεχίζοντας να διαδραματίζει σημαντικό ρόλο στο σημερινό επιχειρηματικό τοπίο. Καθώς οι επιχειρήσεις αντιμετωπίζουν αυτή την αβεβαιότητα, έχουν στραφεί σε τεχνικές συλλογής και ανάλυσης δεδομένων για να εξαγάγουν πολύτιμες γνώσεις. Με την πρόοδο της τεχνολογίας και τον παγκόσμιο χαρακτήρα των επιχειρήσεων, ο τεράστιος όγκος δεδομένων που πρέπει να προηγηθούν οι εταιρείες έχει κάνει τις παραδοσιακές μεθόδους έρευνας απαρχαιωμένες. Κατά συνέπεια, οι επιχειρήσεις έπρεπε να αγκαλιάσουν νέους επιστημονικούς κλάδους και να ενισχύσουν τους υπάρχοντες για να διαχειριστούν αποτελεσματικά και να αξιοποιήσουν αυτόν τον τεράστιο όγκο δεδομένων για ανταγωνιστικό πλεονέκτημα. Η παρούσα διπλωματική εργασία στοχεύει να διερευνήσει και να αναλύσει σε βάθος τις έννοιες της μηχανικής μάθησης και της εξόρυξης δεδομένων. | el |
| dc.format.extent | 119 | 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 | Εξόρυξη δεδομένων και μηχανική μάθηση | el |
| dc.title.alternative | Data mining and machine learning | el |
| dc.type | Master Thesis | el |
| dc.contributor.department | Σχολή Τεχνολογιών Πληροφορικής και Επικοινωνιών. Τμήμα Πληροφορικής | el |
| dc.description.abstractEN | The presence of uncertainty in business activities has been a constant factor since the inception of companies, continuing to play an important role in today's business landscape. As businesses face this uncertainty, they have turned to data collection and analysis techniques to extract valuable insights. With the advancement of technology and the global nature of business, the sheer volume of data that companies must navigate has rendered traditional research methods obsolete. Consequently, businesses have had to embrace new disciplines and strengthen existing ones to effectively manage and leverage this vast amount of data for competitive advantage. This thesis aims to explore and analyze in depth the concepts of machine learning and data mining. | el |
| dc.contributor.master | Προηγμένα Συστήματα Πληροφορικής | el |
| dc.subject.keyword | Μηχανική μάθηση | el |
| dc.subject.keyword | Εξόρυξη δεδομένων | el |
| dc.subject.keyword | Data mining | el |
| dc.subject.keyword | Machine learning | el |
| dc.date.defense | 2024-07-16 |
Αρχεία σε αυτό το τεκμήριο
Αυτό το τεκμήριο εμφανίζεται στις ακόλουθες συλλογές
-
Τμήμα Πληροφορικής
Department of Informatics
Εκτός από όπου διευκρινίζεται διαφορετικά, το τεκμήριο διανέμεται με την ακόλουθη άδεια:
Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα
Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα