Μπεϋζιανές τεχνικές μηχανικής μάθησης
| datacite.contributor.Supervisor | Κωτσιαντής Σωτήριος | |
| datacite.rights | http://purl.org/coar/access_right/c_abf2 | el |
| dc.contributor.author | Δαβράζος, Γρηγόριος | |
| dc.contributor.other | Davrazos, Gregory | |
| dc.date.accessioned | 2022-04-04T10:29:20Z | |
| dc.date.available | 2022-04-04T10:29:20Z | |
| dc.date.copyright | 2022-03-24 | |
| dc.degree | masterThesis | el |
| dc.description.abstract | Στην παρούσα διπλωματική εργασία θα ασχοληθούμε αφενός με τη βιβλιογραφική παρουσίαση τεχνικών μηχανικής μάθησης που αξιοποιούν το θεώρημα του Bayes και για αυτό το λόγο ονομάζονται Μπεϋζιανές τεχνικές και αφετέρου με την εφαρμογή δυο από αυτών Απλού Κατηγοριοποιητή Bayes και της Μπεϋζιανής Γραμμικής Παλινδρόμησης σε πρόβλημα κατηγοριοποίησης και παλινδρόμησης αντίστοιχα στο σύνολο δεδομένων μαθησιακής αναλυτικής του Open University. Στο πρώτο Κεφάλαιο θα αναφερθούμε σε βασικές έννοιες της Μηχανικής Μάθησης και θα παρουσιάσουμε συνοπτικά παρόμοιους επιστημονικούς τομείς όπως Επιστήμη των Δεδομένων, Τεχνητή Νοημοσύνη, Εξόρυξη Δεδομένων, Στατιστική με τους οποίους μοιράζεται τεχνικέ, μεθόδους και έννοιες. Στο δεύτερο Κεφάλαιο θα αναφερθούμε επιγραμματικά στο θεώρημα Bayes και σε εισαγωγικές έννοιες της Στατιστικής κατά Bayes. Στα Κεφάλαια 3, 4, 5, 6, 7, 8, αναφερόμαστε στους αλγορίθμους μηχανικής μάθησης: Απλό Κατηγοριοποιητή Bayes, Μπεϋζιανά Δένδρα Απόφασης, Μπεϋζιανά Δένδρα Παλινδρόμησης, Δίκτυα Bayes, Νευρωνικά Δίκτυα Bayes, Μπεϋζιανές Μηχανές Διανυσμάτων Υποστήριξης, Μπεϋζιανή Γραμμική Παλινδρόμηση, Μπεϋζιανή Λογιστική Παλινδρόμηση αντίστοιχα. Στο δεύτερο μέρος το οποίο αποτελεί το εφαρμοσμένο τμήμα της συγκεκριμένης διπλωματικής εργασίας αφού κάνουμε μια σύντομη εισαγωγή στη μαθησιακή αναλυτική δεδομένων περιγράφοντας αναλυτικά το σύνολο δεδομένων που θα χρησιμοποιήσουμε χρησιμοποιώντας τις τεχνικές λογιστικής παλινδρόμησης και τον Απλό Κατηγοριοποιητή Bayes για κατηγοριοποίηση και τις τεχνικές Γραμμική Παλινδρόμηση και Μπεϋζιανή Γραμμική Παλινδρόμηση για το πρόβλημα της παλινδρόμησης (Κεφάλαιο 10). Η διπλωματική εργασία κλείνει με τον Επίλογο. | el |
| dc.description.translatedabstract | In the present dissertation we will deal with the review of machine learning techniques that utilize Bayes' theorem and the application of two of them in the Open University learning analytics dataset. In the first Chapter we will refer to basic concepts of Machine Learning and will briefly present similar scientific fields such as Data Science, Artificial Intelligence, Data Mining, Statistics. In the second Chapter we will briefly refer to the Bayes theorem and introductory concepts of Bayesian Statistics. In Chapters 3, 4, 5, 6, 7, 8, we refer to machine learning algorithms such as Naive Bayes, Bayesian Decision Trees, Bayesian Regression Trees, Bayesian Networks, Bayesian Neural Networks, Bayesian Linear Regression and Bayesian Logistic Regression respectively. In the second part, which is the applied part of this dissertation, after making a brief introduction to the learning analytics field, we describe in detail the dataset. We will use the Logistic Regression and the Naive Bayes, for categorization and the Linear Regression and Bayesian Linear Regression for the problem of regression (Chapter 10). The dissertation closes with the Epilogue. | el |
| dc.identifier.uri | http://hdl.handle.net/10889/16143 | |
| dc.language.iso | gr | el |
| dc.subject | Μηχανική μάθηση | el |
| dc.subject | Επιστήμη των δεδομένων | el |
| dc.subject | Μπεϋζιανή στατιστική | el |
| dc.subject | Μαθησιακή αναλυτική | el |
| dc.subject.alternative | Machine learning | el |
| dc.subject.alternative | Learning analytics | el |
| dc.subject.alternative | Data science | el |
| dc.subject.alternative | Bayesian statistics | el |
| dc.title | Μπεϋζιανές τεχνικές μηχανικής μάθησης | el |
| dc.title.alternative | Bayesian machine learning techiques | el |
| oaire.licenseCondition | https://creativecommons.org/licenses/by-nc-sa/4.0/ | el |