Eφαρμογή data mining με χρήση νευρωνικών δικτύων και γενετικών αλγορίθμων
| datacite.contributor.Supervisor | Αβούρης, Νικόλαος | |
| datacite.contributor.Supervisor | Δασκαλάκη, Σοφία | |
| dc.contributor.author | Ανδριτσάκης, Πέτρος Παύλος | |
| dc.contributor.other | Andritsakis, Petros Pavlos | |
| dc.date.accessioned | 2026-02-18T06:04:37Z | |
| dc.date.available | 2026-02-18T06:04:37Z | |
| dc.date.issued | 2026-02-10 | |
| dc.degree | graduateThesis | |
| dc.description.abstract | Ο στόχος της παρούσας εργασίας είναι η ανάλυση συνόλων δεδομένων, χρησιμοποιώντας Νευρωνικά Δίκτυα και Γενετικούς Αλγορίθμους, με σκοπό την εξαγωγή αξιόπιστων και χρήσιμων συμπερασμάτων. Τα Νευρωνικά Δίκτυα παρέχουν τη δυνατότητα κατανόησης περίπλοκων και μεγάλου όγκου δεδομένων και εκτίμησης τιμών σε αυτά, ενώ οι Γενετικοί Αλγόριθμοι συμβάλλουν στην εύρεση βέλτιστων λύσεων, μέσω της υλοποίησης εξελικτικών διαδικασιών. Θα εξάγουμε λοιπόν χρήσιμα και αξιοποιήσιμα συμπεράσματα, από μεγάλα σύνολα δεδομένων, τα οποία μπορούν να χρησιμοποιηθούν με ποικίλους τρόπους. Στο σύνολο δεδομένων που χρησιμοποιήσαμε, καταφέραμε να προβλέψουμε σε μια τάξη του 88% το φύλο του χρήστη διάφορων εφαρμογών. Ο αλγόριθμος αυτός, μπορεί να ωθήσει τις εταιρίες να έχουν ένα πιο στοχοποιημένο και ουσιαστικό μάρκετινγκ, αφού καθορίζοντας στοιχεία σαν αυτό, μπορούν για παράδειγμα να προ- βάλουν διαφημίσεις πιο εξατομικευμένα. Επιπλέον, θα εξετάσουμε τα εργαλεία που χρησιμοποιούνται στη Mηχανική Mάθηση και το Data Mining, καθώς και στην ανάκτηση πληροφοριών από τα Κοινωνικά Δίκτυα και εν γένει από την πλη- θώρα των εφαρμογών, που χρησιμοποιούν καθημερινά οι χρήστες, αναδεικνύοντας την αξία τους στην σύγχρονη επιχειρηματική ανάλυση. | |
| dc.description.translatedabstract | The aim of this implementation is to analyze datasets, using Neural Networks and Genetic Algorithms, in order to extract reliable and useful information. Neural Networks provide the ability to understand complex and large data, while Genetic Algorithms contribute to finding optimal solutions, through the implementation of genetic processes. We will therefore extract useful and actionable conclusions from datasets, which can be used in a variety of ways. In the dataset we use, we managed to predict application’s user gender to an accuracy of 88%. This algorithm, can assist companies to have more targeted and meaningful marketing, since by determining elements like this, they can as example, display more personalized advertisements. In addition, we will examine tools used in Machine Learning and Data Mining, as well as in retrieving information from Social Networks and other applications, that users use daily, highlighting their value in modern business analysis and strategy. | |
| dc.identifier.uri | https://hdl.handle.net/10889/31279 | |
| dc.language.iso | el | |
| dc.subject | Μηχανική μάθηση | |
| dc.subject | Εξόρυξη δεδομένων | |
| dc.subject | Νευρωνικά δίκτυα | |
| dc.subject | Γενετικοί αλγόριθμοι | |
| dc.subject.alternative | Machine learning | |
| dc.subject.alternative | Data mining | |
| dc.subject.alternative | Neural networks | |
| dc.subject.alternative | Genetic algorithms | |
| dc.title | Eφαρμογή data mining με χρήση νευρωνικών δικτύων και γενετικών αλγορίθμων | |
| dc.title.alternative | Data mining implementation using neural networks and genetic algorithms |
Files
Original bundle
1 - 1 of 1
Loading...
- Name:
- Eφαρμογη Data Mining με χρηση Nευρωνικων Δικτυων και Γενετικων Αλγοριθμων.pdf
- Size:
- 2.09 MB
- Format:
- Adobe Portable Document Format
License bundle
1 - 1 of 1
No Thumbnail Available
- Name:
- license.txt
- Size:
- 5.02 KB
- Format:
- Item-specific license agreed upon to submission
- Description: