Πληροφοριακό σύστημα για οικονομικά δεδομένα βασισμένο σε αλγορίθμους μηχανικής μάθησης

δείτε την πρωτότυπη σελίδα τεκμηρίου
στον ιστότοπο του αποθετηρίου του φορέα για περισσότερες πληροφορίες και για να δείτε όλα τα ψηφιακά αρχεία του τεκμηρίου*



Πληροφοριακό σύστημα για οικονομικά δεδομένα βασισμένο σε αλγορίθμους μηχανικής μάθησης

Βουδούρης, Άγγελος - Μιχαήλ
Κάργος, Ραφαήλ

Δημόκας Νικόλαος

Thesis

2023-02
2023-02-15T08:40:03Z


Η παρούσα εργασία έχει σαν θέμα ένα Πληροφοριακό Σύστημα για οικονομικά δεδομένα βασισμένο σε Αλγορίθμους Μηχανικής Μάθησης. Βασικός σκοπός της εργασίας αυτής είναι να αναδείξει τη σπουδαιότητα της Μηχανικής Μάθησης, που χρησιμοποιείται ο κάθε κλάδος της Μηχανικής Μάθησης και εμβαθύνει κυρίως στην Μάθηση με Επίβλεψη. Παράλληλα, αναλύονται τα προβλήματα/μειονεκτήματα που παρουσιάζονται στην επιστημονική περιοχή. Τέλος, παρουσιάζεται η εφαρμογή και λειτουργία ενός μεγάλου συνόλου αλγορίθμων σχετικά με το πρόβλημα πρόβλεψης οικονομικών δεδομένων και ποιο συγκεκριμένα της τιμής και τάσης των κρυπτονομισμάτων. The subject of the present Thesis is the presentation of an Information System analyzing economic data, based on the algorithms of Machine Learning. The main idea of this project is not only to show that Machine Learning is a method in which all the aspects of it are used but also to delve deeply into the Supervised Learning and the problems that have occurred recently. It also explains the function of different algorithms and how they work in regard with the problems that have occurred in the field of Supervised Learning.


Νευρωνικά δίκτυα
Ταξινόμηση
Συνελικτικά Νευρωνικά Δίκτυα
Matplotlib
CSS
Συνάρτηση κόστους
Παλινδρόμηση
Αναδρομικά Νευρωνικά Δίκτυα
Τεχνητά Νευρωνικά Δίκτυα
HTML
Κρυπτονομίσματα
Python-3
NumPy
Υπερπροσαρμογή
Πρόβλεψη
Νευρωνικά Δίκτυα Bayesian
Μηχανική μάθηση
Στόχος
Pandas
JavaScript
Υποπροσαρμογή
Flask

Ελληνική γλώσσα

Πανεπιστήμιο Δυτικής Μακεδονίας. Σχολή Θετικών Επιστημών. Τμήμα Πληροφορικής





*Η εύρυθμη και αδιάλειπτη λειτουργία των διαδικτυακών διευθύνσεων των συλλογών (ψηφιακό αρχείο, καρτέλα τεκμηρίου στο αποθετήριο) είναι αποκλειστική ευθύνη των αντίστοιχων Φορέων περιεχομένου.