Αλγόριθμοι μηχανικής μάθησης στην ανάλυση και πρόβλεψη συμπεριφοράς χρηστών στο διαδίκτυο
| dc.contributor.advisor | Χρυσαφιάδη, Κωνσταντίνα | |
| dc.contributor.author | Ζιώγα, Δανάη | |
| dc.date.accessioned | 2025-04-09T08:21:46Z | |
| dc.date.available | 2025-04-09T08:21:46Z | |
| dc.date.issued | 2025-02 | |
| dc.identifier.uri | https://dione.lib.unipi.gr/xmlui/handle/unipi/17634 | |
| dc.description.abstract | Η παρούσα πτυχιακή εργασία εξετάζει τη χρήση αλγορίθμων μηχανικής μάθησης για την ανάλυση και πρόβλεψη συμπεριφοράς χρηστών στο διαδίκτυο. Εστιάζει στη συλλογή, επεξεργασία και ανάλυση των δεδομένων των χρηστών, με στόχο την κατανόηση των διαδικτυακών προτιμήσεων τους και τη βελτιστοποίηση της ψηφιακής τους εμπειρίας. Η διαρκώς αυξανόμενη ενασχόληση και χρήση των διαδικτυακών υπηρεσιών, δημιουργεί τεράστιες ποσότητες δεδομένων, η ανάλυση των οποίων προσφέρει πολύτιμες πληροφορίες για τις ανάγκες και τις συνήθειες των χρηστών, βελτιώνοντας με αυτόν τον τρόπο τη συνολική εμπειρία τους. Η μελέτη επικεντρώνεται στη χρήση αλγορίθμων μηχανικής μάθησης για το σκοπό αυτό, παρουσιάζοντας διάφορα μοντέλα πρόβλεψης και αξιολογώντας τα πλεονεκτήματα και τους περιορισμούς τους, καθώς διερευνάται διεξοδικά η εφαρμογή αλγορίθμων εποπτευόμενης, μη εποπτευόμενης και ενισχυτικής μάθησης. Τα αποτελέσματα υποδεικνύουν ότι οι μέθοδοι μηχανικής μάθησης μπορούν να βελτιώσουν σε μεγάλο βαθμό την εξατομίκευση περιεχομένου και την αλληλεπίδραση των χρηστών συμβάλλοντας στη βελτιστοποίηση επιχειρηματικών στρατηγικών και στη διαμόρφωση εξατομικευμένων εμπειριών, όμως συνέχουν και αρκετούς περιορισμούς που πρέπει να αντιμετωπίσουν για τη μέγιστη και ηθική αποδοτικότητά τους. | el |
| dc.format.extent | 65 | 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 | 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 | Αλγόριθμοι μηχανικής μάθησης στην ανάλυση και πρόβλεψη συμπεριφοράς χρηστών στο διαδίκτυο | el |
| dc.title.alternative | Machine learning algorithms for analysing and predicting user behavior on the internet | el |
| dc.type | Bachelor Dissertation | el |
| dc.contributor.department | Σχολή Τεχνολογιών Πληροφορικής και Επικοινωνιών. Τμήμα Πληροφορικής | el |
| dc.description.abstractEN | This thesis is about applying machine learning algorithms for the purpose of analyzing and forecasting user activities on the Internet. It aims at the acquisition, management, and evaluation of the user data with the goal of identifying their online tendencies and enhancing their interaction with the digital platform. The growing usage of online services has resulted in the production of large amounts of data, the analysis of which is critical in identifying users’ needs and behaviors, with the aim of enhancing their experience. This study focuses on machine learning algorithms for this purpose and describes various prediction models and assesses their strengths and weaknesses, while also focusing on specific aspects of supervised, unsupervised and reinforcement learning algorithms. The findings indicate that the application of machine learning techniques can enhance the personalization of content and user interaction and thus contribute to the improvement of business strategies and the creation of personalized experiences; however, there are several drawbacks that need to be addressed to achieve the best and ethical effectiveness. | el |
| dc.subject.keyword | Αλγόριθμοι μηχανικής μάθησης | el |
| dc.subject.keyword | Ανάλυση συμπεριφοράς χρηστών | el |
| dc.subject.keyword | Πρόβλεψη συμπεριφοράς χρηστών | el |
| dc.subject.keyword | Συστήματα συστάσεων | el |
| dc.subject.keyword | Ανάλυση δεδομένων | el |
| dc.date.defense | 2025-02 |
Αρχεία σε αυτό το τεκμήριο
Αυτό το τεκμήριο εμφανίζεται στις ακόλουθες συλλογές
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