| Περίληψη: | Τα τελευταία χρόνια και σε παγκόσμιο επίπεδο, σε μια κοινωνία ολοένα εξελισσόμενη στην έννοια της πληροφορίας, παρατηρείται μια σημαντική αύξηση στην εφαρμογή «ευφυιών» προγραμμάτων σε υπολογιστικά συστήματα. Όλα αυτά τα προγράμματα περιέχουν ένα υποθετικό βαθμό «αντίληψης», καθιστώντας τα ικανά να προσομοιάσουν τον ανθρώπινο τρόπο σκέψης στην τεχνολογική «εφαρμογή» του, ταξινομώντας, προβλέποντας και διακρίνοντας γεγονότα του πραγματικού κόσμου, με έναν πολύ γρήγορο και διεξοδικό τρόπο.
Όλες αυτές οι τεχνολογίες εμπίπτουν στο πεδίο της «Μηχανικής Μάθησης». Ο συγκεκριμένος τεχνολογικός τομέας, εμπλέκει διάφορες προσεγγίσεις και μεθοδολογίες που περιέχονται τόσο στον τομέα της πληροφορικής, όσο και στους τομείς της εξόρυξης πληροφορίας και της στατιστικής. Η βασική ιδέα της μηχανικής μάθησης, αφορά στην κατασκευή προγραμμάτων υπολογιστών που θα είναι σε θέση να επιτελούν διάφορες αυτοματοποιημένες εργασίες, βάσει εμπειρικών καταστάσεων και δεδομένων, που έχουν ήδη «αντικρίσει». Αυτή η προσέγγιση για την δημιουργία τέτοιων προγραμμάτων, αναφέρεται και ως «επιβλεπόμενη μάθηση». Ωστόσο, για να επιτευχθεί αυτό, γίνεται χρήση διαφόρων αλγοριθμικών τεχνικών που έχουν ως βάση την ανακάλυψη γνώσης από σύνολα δεδομένων.
Στην παρούσα Πτυχιακή Εργασία, πραγματοποιείται μια διεξοδική ανάλυση των στοιχείων εκείνων που συντελούν, αυτό το ευρύ πεδίο της μηχανικής μάθησης. Επιπροσθέτως, στο πλαίσιο της παρούσας εργασίας, γίνεται παρουσίαση τριών μελετών περιπτώσεων που πραγματοποιήθηκαν με τεχνικές και μεθόδους του πεδίου αυτού της μηχανικής μάθησης που θα μελετηθεί.
Σκοπός της εργασίας αυτής, αποτελεί η λεπτομερής ανασκόπηση όλων των μεταβλητών αυτών που απαρτίζουν το θεωρητικό μέρος της ανάπτυξης προγραμμάτων μηχανικής μάθησης με επιβλεπόμενο κυρίως τρόπο και, η εύρεση των καλύτερων αλγοριθμικών τεχνικών στις τρείς αυτές μελέτες περίπτωσης, κάνοντας χρήση διαφόρων μεθοδολογιών και προσεγγίσεων.
|
|---|
