Please use this identifier to cite or link to this item: http://hdl.handle.net/10889/11620
Title: Κατάρτιση ωρολογίου προγράμματος τμήματος με χρήση μηχανικής μάθησης
Other Titles: Academic timetabling utilizing machine learning algorithms
Authors: Χριστονάσης, Αντώνιος Μάριος
Keywords: Χρονοπρογραμματισμός
Μηχανική μάθηση
Εξόρυξη γνώσης
Εξόρυξη δεδομένων
NP-δυσκολία
Ευρετικοί αλγόριθμοι
Κανόνες συσχέτισης
Αλγόριθμος Apriori
Τεχνητή νοημοσύνη
Βελτιστοποίηση
Ικανοποίηση περιορισμών
Συγκρούσεις συμφερόντων
Μη επιβλεπόμενη μάθηση
Keywords (translated): Timetabling
Machine learning
Knowledge mining
Data mining
NP-hard
Heuristics
Association rules
Apriori algorithm
WEKA
FET
Artificial intelligence
Optimization
Constraint resolution
Conflicts of interest
Unsupervised learning
Python
Abstract: Στην παρούσα διπλωματική εργασία παρουσιάζεται η κατάρτιση του ωρολογίου προγράμματος του τμήματος Ηλεκτρολόγων Μηχανικών και Τεχνολογίας Υπολογιστών με χρήση Μηχανικής Μάθησης. Πιο συγκεκριμένα, προτείνεται μία διαδικασία που χρησιμοποιεί τα εξής εργαλεία. Το λογισμικό χρονοπρογραμματισμού FET, που είναι βασισμένο σε έναν ευρετικό αλγόριθμο, το λογισμικό WEKA, που περιέχει υλοποιήσεις αλγορίθμων Μηχανικής Μάθησης, καθώς και η γλώσσα προγραμματισμού Python. Σκοπός ήταν η εξόρυξη χρήσιμης γνώσης από δηλώσεις μαθημάτων φοιτητών του Τμήματός μας μέσα από το WEKA, και η εν συνεχεία χρησιμοποίησή της στο λογισμικό χρονοπρογραμματισμού FET, ώστε να παραχθούν προγράμματα που ικανοποιούν όσο το δυνατόν περισσότερους φοιτητές στις ανάγκες παρακολούθησής τους. Χρησιμοποιήθηκε γνώση που αντλήθηκε από κανόνες συσχέτισης, και πιο συγκεκριμένα μέσω του αλγορίθμου Apriori. Η Python λειτούργησε σαν συνδετικός κρίκος μεταξύ των δύο προγραμμάτων, αυτοματοποιώντας χρονοβόρες διαδικασίες που γίνονταν χειροκίνητα, αλλά και βοηθώντας στην προεπεξεργασία των δεδομένων.
Abstract (translated): This diploma dissertation presents the creation of the timetable of the Electrical & Computer Engineering Department utilizing Machine Learning algorithms. More specifically, a method is proposed, which uses the following tools. The timetabling software FET, which is based in a heuristic algorithm, the Machine Learning workbench WEKA, which contains implementations of various Machine Learning algorithms, as well as the programming language Python. The goal was to mine useful knowledge from the courses the students of the Department had selected through WEKA, and subsequently use this knowledge inside the timetabling software FET, in order to get timetables that satisfy as many students as possible, in terms of course participation. The knowledge was derived from association rules, and more specifically the Apriori algorithm. Python’s role was bridging the gap between FET and WEKA, automating time-consuming procedures that were executed manually, but also helped in the data preprocessing phase.
Appears in Collections:Τμήμα Ηλεκτρολ. Μηχαν. και Τεχνολ. Υπολογ. (ΔΕ)

Files in This Item:
File Description SizeFormat 
Κατάρτιση Ωρολογίου Προγράμματος Τμήματος με χρήση Μηχανικής Μάθησης.pdfΚείμενο Εργασίας με περιγραφή πειραμάτων & ανάπτυξης μεθόδου2.75 MBAdobe PDFView/Open
Υλικό Εφαρμογής και Πειραμάτων.rarΚώδικας, Δεδομένα & Αποτελέσματα219.87 kBrarView/Open


This item is licensed under a Creative Commons License Creative Commons