Σχεδιασμός και ανάπτυξη AutoML εργαλείου για IoT εφαρμογές
Οι διαδικασίες της μηχανικής μάθησης απαιτούν εξειδίκευση, χρόνο και πόρους για την επιτυχημένη δημιουργία αποδοτικών μοντέλων. Η αυτοματοποιημένη μηχανική μάθηση (AutoML) αποτελεί ένα καινοτόμο πεδίο της επιστήμης των υπολογιστών που αφαιρεί τον ανθρώπινο παράγοντα από τις χρονοβόρες διαδικασίες...
| Κύριος συγγραφέας: | |
|---|---|
| Άλλοι συγγραφείς: | |
| Γλώσσα: | Greek |
| Έκδοση: |
2021
|
| Θέματα: | |
| Διαθέσιμο Online: | http://hdl.handle.net/10889/14867 |
| id |
nemertes-10889-14867 |
|---|---|
| record_format |
dspace |
| spelling |
nemertes-10889-148672022-09-05T20:16:59Z Σχεδιασμός και ανάπτυξη AutoML εργαλείου για IoT εφαρμογές Design and development of an AutoML tool for IoT applications Γεωργακόπουλος, Γεώργιος Georgakopoulos, Georgios Αυτοματοποιημένη μηχανική μάθηση Εφαρμογές Λογισμικό AutoML Applications Automated machine learning Software Autosklearn Οι διαδικασίες της μηχανικής μάθησης απαιτούν εξειδίκευση, χρόνο και πόρους για την επιτυχημένη δημιουργία αποδοτικών μοντέλων. Η αυτοματοποιημένη μηχανική μάθηση (AutoML) αποτελεί ένα καινοτόμο πεδίο της επιστήμης των υπολογιστών που αφαιρεί τον ανθρώπινο παράγοντα από τις χρονοβόρες διαδικασίες της μηχανικής μάθησης, καθιστώντας ευκολότερη την δημιουργία υπολογιστικών μοντέλων. Στην παρούσα διπλωματική εργασία σχεδιάστηκε και αναπτύχθηκε ένα εργαλείο αυτοματοποιημένης μηχανικής μάθησης για IoT εφαρμογές. Το υλοποιημένο εργαλείο αποτελεί μια εύχρηστη, φιλική προς τον χρήστη εφαρμογή για υπολογιστές που αποσκοπεί στην περαιτέρω διευκόλυνση εξειδικευμένων χρηστών στην υλοποίηση διαδικασιών μηχανικής μάθησης, αλλά κυρίως στο να καταστήσει την Μηχανική Μάθηση προσιτή σε μη εξειδικευμένους ανθρώπους. Η εφαρμογή υλοποιήθηκε σε Python και βασίζεται στην Python βιβλιοθήκη auto-sklearn, μέσω της οποίας υλοποιεί την διαδικασία δημιουργίας μοντέλων μηχανικής μάθησης, που αποτελεί την βασική λειτουργία της. Δευτερεύουσες λειτουργίες της εφαρμογής αποτελούν η μετατροπή προβλημάτων χρονολογικών σειρών σε κλασσικά προβλήματα μηχανικής μάθησης, η εξαγωγή χαρακτηριστικών από σύνολα δεδομένων χρονολογικών σειρών, η εξαγωγή μοντέλων υποστηριζόμενων από μικρο-ελεγκτές, η αποθήκευση των παραγόμενων μοντέλων με σκοπό την ανάκτηση και επαναχρησιμοποίησή τους. Επιπροσθέτως, μέσω της βιβλιοθήκης PyQt, υλοποιήθηκε το γραφικό περιβάλλον χρήστη της εφαρμογής για την εύκολη πλοήγηση σε αυτήν από απλούς χρήστες. Θεωρούμε πως η βιβλιογραφική έρευνα, η επίτευξη όλων των στόχων που ορίστηκαν κατά τον θεωρητικό σχεδιασμό της εφαρμογής και το τελικό εργαλείο αποτελούν σημαντική συνεισφορά στο πεδίο της Αυτοματοποιημένης Μηχανικής Μάθησης καθιστώντας το προσιτό σε περισσότερους ανθρώπους. Machine learning processes require expertise, time and resources in order to successfully produce efficient models. Automated machine learning (AutoML) is an innovative field of computer science which removes the human factor from time consuming machine learning processes making it easier to create computational models. In this diploma thesis, an automated machine learning tool for IoT applications was designed and developed. The developed tool is an easy-to-use, user-friendly computer application that aims to further facilitate experienced users in implementing machine learning processes, but mainly to make Machine Learning accessible to non-experienced people. The application was implemented in Python and it is based on the Python library "auto-sklearn", through which it implements the process of creating machine learning models, which is its main function. Secondary functions of the application are the conversion of timeseries problems into classical machine learning problems, the extraction of features from timeseries data sets, the export of models supported by microcontrollers, the storage of the generated models for retrieval and reuse. Additionally, via the PyQt library, the graphical user interface of the application was implemented for an easy navigation by unexperienced users. We consider that the research, the achievement of all the objectives which were set during the initial design of the application and the final tool are an important contribution in the field of Automated Machine Learning, making it accessible to more people. 2021-06-25T09:16:03Z 2021-06-25T09:16:03Z 2021-06-23 http://hdl.handle.net/10889/14867 gr application/pdf |
| institution |
UPatras |
| collection |
Nemertes |
| language |
Greek |
| topic |
Αυτοματοποιημένη μηχανική μάθηση Εφαρμογές Λογισμικό AutoML Applications Automated machine learning Software Autosklearn |
| spellingShingle |
Αυτοματοποιημένη μηχανική μάθηση Εφαρμογές Λογισμικό AutoML Applications Automated machine learning Software Autosklearn Γεωργακόπουλος, Γεώργιος Σχεδιασμός και ανάπτυξη AutoML εργαλείου για IoT εφαρμογές |
| description |
Οι διαδικασίες της μηχανικής μάθησης απαιτούν εξειδίκευση, χρόνο και πόρους για την επιτυχημένη δημιουργία αποδοτικών μοντέλων.
Η αυτοματοποιημένη μηχανική μάθηση (AutoML) αποτελεί ένα καινοτόμο πεδίο της επιστήμης των υπολογιστών που αφαιρεί τον ανθρώπινο παράγοντα από τις χρονοβόρες διαδικασίες της μηχανικής μάθησης, καθιστώντας ευκολότερη την δημιουργία υπολογιστικών μοντέλων.
Στην παρούσα διπλωματική εργασία σχεδιάστηκε και αναπτύχθηκε ένα εργαλείο αυτοματοποιημένης μηχανικής μάθησης για IoT εφαρμογές. Το υλοποιημένο εργαλείο αποτελεί μια εύχρηστη, φιλική προς τον χρήστη εφαρμογή για υπολογιστές που αποσκοπεί στην περαιτέρω διευκόλυνση εξειδικευμένων χρηστών στην υλοποίηση διαδικασιών μηχανικής μάθησης, αλλά κυρίως στο να καταστήσει την Μηχανική Μάθηση προσιτή σε μη εξειδικευμένους ανθρώπους.
Η εφαρμογή υλοποιήθηκε σε Python και βασίζεται στην Python βιβλιοθήκη auto-sklearn, μέσω της οποίας υλοποιεί την διαδικασία δημιουργίας μοντέλων μηχανικής μάθησης, που αποτελεί την βασική λειτουργία της. Δευτερεύουσες λειτουργίες της εφαρμογής αποτελούν η μετατροπή προβλημάτων χρονολογικών σειρών σε κλασσικά προβλήματα μηχανικής μάθησης, η εξαγωγή χαρακτηριστικών από σύνολα δεδομένων χρονολογικών σειρών, η εξαγωγή μοντέλων υποστηριζόμενων από μικρο-ελεγκτές, η αποθήκευση των παραγόμενων μοντέλων με σκοπό την ανάκτηση και επαναχρησιμοποίησή τους. Επιπροσθέτως, μέσω της βιβλιοθήκης PyQt, υλοποιήθηκε το γραφικό περιβάλλον χρήστη της εφαρμογής για την εύκολη πλοήγηση σε αυτήν από απλούς χρήστες.
Θεωρούμε πως η βιβλιογραφική έρευνα, η επίτευξη όλων των στόχων που ορίστηκαν κατά τον θεωρητικό σχεδιασμό της εφαρμογής και το τελικό εργαλείο αποτελούν σημαντική συνεισφορά στο πεδίο της Αυτοματοποιημένης Μηχανικής Μάθησης καθιστώντας το προσιτό σε περισσότερους ανθρώπους. |
| author2 |
Georgakopoulos, Georgios |
| author_facet |
Georgakopoulos, Georgios Γεωργακόπουλος, Γεώργιος |
| author |
Γεωργακόπουλος, Γεώργιος |
| author_sort |
Γεωργακόπουλος, Γεώργιος |
| title |
Σχεδιασμός και ανάπτυξη AutoML εργαλείου για IoT εφαρμογές |
| title_short |
Σχεδιασμός και ανάπτυξη AutoML εργαλείου για IoT εφαρμογές |
| title_full |
Σχεδιασμός και ανάπτυξη AutoML εργαλείου για IoT εφαρμογές |
| title_fullStr |
Σχεδιασμός και ανάπτυξη AutoML εργαλείου για IoT εφαρμογές |
| title_full_unstemmed |
Σχεδιασμός και ανάπτυξη AutoML εργαλείου για IoT εφαρμογές |
| title_sort |
σχεδιασμός και ανάπτυξη automl εργαλείου για iot εφαρμογές |
| publishDate |
2021 |
| url |
http://hdl.handle.net/10889/14867 |
| work_keys_str_mv |
AT geōrgakopoulosgeōrgios schediasmoskaianaptyxēautomlergaleiougiaiotepharmoges AT geōrgakopoulosgeōrgios designanddevelopmentofanautomltoolforiotapplications |
| _version_ |
1771297280435945472 |
