Δερματάς, ΕυάγγελοςΜπαμπούρης, ΑνδρέαςBampouris, Andreas2019-02-012019-02-012018-10-05http://hdl.handle.net/10889/11867Αντικείμενο της παρούσας διπλωματικής εργασίας είναι η προγραμματιστική υλοποίηση βασικών τεχνικών μηχανικής μάθησης με τέτοιο τρόπο που να γίνεται εκμετάλλευση των αρχιτεκτονικών παράλληλης επεξεργασίας που συναντώνται στους σύγχρονους υπολογιστές. Έχουν υλοποιηθεί μοντέλα και μέθοδοι όπως αυτά της γραμμικής παλινδρόμησης, της λογιστικής παλινδρόμησης, των τεχνητών νευρωνικών δικτύων εμπρόσθιας τροφοδότησης, του απλού ταξινομητή Bayes, της εκμάθησης δέντρων αποφάσεων, και της ομαδοποίησης k-μέσων. Έγινε χρήση της γλώσσας προγραμματισμού C++ μαζί με τη βιβλιοθήκη γραμμικής άλγεβρας Eigen, ενώ για την παραλληλοποίηση των αλγορίθμων χρησιμοποιήθηκε το πρότυπο OpenMP. Στα πλαίσια της εργασίας έγιναν δοκιμές σε πραγματικά δεδομένα, και η προκύπτουσα βιβλιοθήκη λογισμικού μπορεί να χρησιμοποιηθεί για την ανάπτυξη πραγματικών εφαρμογών.gr0Μηχανική μάθησηΒιβλιοθήκη λογισμικούΠαράλληλος προγραμματισμόςΤεχνητή νοημοσύνηΒαθιά μάθησηΝευρωνικά δίκτυα006.31ThesisMachine learningSoftware libraryParallel computingArtificial intelligenceDeep learningNeural networks