Εμφάνιση απλής εγγραφής

Μοντελοποίηση αιφνίδιων συμβάντων σε δεδομένα ψηφιακών κοινωνικών δικτύων με χρήση του νευρωνικού μοντέλου Neural Prophet

dc.contributor.advisorΣωτηρόπουλος, Διονύσιος
dc.contributor.authorΜιτουλάκης, Θεοφάνης
dc.date.accessioned2025-01-29T14:28:05Z
dc.date.available2025-01-29T14:28:05Z
dc.date.issued2025-01
dc.identifier.urihttps://dione.lib.unipi.gr/xmlui/handle/unipi/17391
dc.description.abstractΗ βασική ιδέα της εργασίας ήταν η χρήση αλγορίθμων σε κοινωνικά δίκτυα. Σκοπός της παρούσας εργασίας είναι η διερεύνηση αποτελεσματικότητας του Neural Prophet. Χωρίσαμε την εργασία σε κάποια στάδια για να γίνει πιο κατανοητός ο τρόπος που δουλέψαμε. Αναφορικά με το πρώτο στάδιο αυτό αφορά την εγκατάσταση όλων των απαιτήσεων. Πιο συγκεκριμένα των βιβλιοθηκών και του λογισμικού (matplotlib,pandas,neural prophet,pycharm). Το δεύτερο στάδιο αφορά την προ-επεξεργασία δεδομένων, πρόκειται δηλαδή για τον ποσοστιαίο διαμοιρασμό σε training dataset και testing dataset. To τρίτο στάδιο αφορά την οπτικοποιήση δεδομένων (απεικόνιση γραφιμάτων) ενώ το τέταρτο στάδιο αφορά τη δημιουργία και εκπαίδευση μοντέλου. Το πέμπτο στάδιο αφορά την πρόβλεψη (τα αποτελέσματα τα οποία εξάγονται από τη χρήση του neural prophet). Tέλος, το έκτο στάδιο αφορά την απεικόνιση αποτελεσμάτων μέσω διαγραμμάτων.el
dc.format.extent46el
dc.language.isoelel
dc.publisherΠανεπιστήμιο Πειραιώςel
dc.rightsΑναφορά Δημιουργού - Μη Εμπορική Χρήση - Παρόμοια Διανομή 3.0 Ελλάδα*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-sa/3.0/gr/*
dc.titleΜοντελοποίηση αιφνίδιων συμβάντων σε δεδομένα ψηφιακών κοινωνικών δικτύων με χρήση του νευρωνικού μοντέλου Neural Prophetel
dc.title.alternativeModeling sudden events in digital social network data using the neural model Neural Prophetel
dc.typeBachelor Dissertationel
dc.contributor.departmentΣχολή Τεχνολογιών Πληροφορικής και Επικοινωνιών. Τμήμα Πληροφορικήςel
dc.description.abstractENThe main idea of the project was the use of algorithms in social networks. The purpose of this study is to investigate the effectiveness of Neural Prophet. We splited the project into several stages to make the process we followed more comprehensible. Regarding the first stage, this concerns the installation of all requirements , including libraries and software (matplotlib, pandas, neural prophet, PyCharm). The second stage concerns data preprocessing, which involves the percentage-based splitting into training and testing datasets. The third stage focuses on data visualization (graph plotting), while the fourth stage involves the creation and training of the model. The fifth stage concerns forecasting (the results obtained using Neural Prophet). Finally, the sixth stage involves the visualization of results through diagrams.el
dc.subject.keywordNeural Prophetel
dc.subject.keywordMachine learningel
dc.subject.keywordNeural networksel
dc.date.defense2025-01-21


Αρχεία σε αυτό το τεκμήριο

Thumbnail

Αυτό το τεκμήριο εμφανίζεται στις ακόλουθες συλλογές

Εμφάνιση απλής εγγραφής

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

Βιβλιοθήκη Πανεπιστημίου Πειραιώς
Επικοινωνήστε μαζί μας
Στείλτε μας τα σχόλιά σας
Created by ELiDOC
Η δημιουργία κι ο εμπλουτισμός του Ιδρυματικού Αποθετηρίου "Διώνη", έγιναν στο πλαίσιο του Έργου «Υπηρεσία Ιδρυματικού Αποθετηρίου και Ψηφιακής Βιβλιοθήκης» της πράξης «Ψηφιακές υπηρεσίες ανοιχτής πρόσβασης της βιβλιοθήκης του Πανεπιστημίου Πειραιώς»