Τεχνικές παλινδρόμησης και μηχανικής μάθησης για εκτίμηση ύψους μισθών νέων πτυχιούχων
Στη παρούσα εργασία γίνεται μία ανάλυση της Παλινδρόμησης και της Μηχανικής Μάθησης με εφαρμογή σε μοντέλα πρόβλεψης μισθών αποφοίτων μηχανικών. Αρχικά, γίνεται η βιβλιογραφική ανασκόπηση της Μηχανικής Μάθησης και της Παλινδρόμησης. Στο πρώτο κεφάλαιο αναλύεται η αξία της Μηχανικής Μάθησης που προήλ...
| Κύριος συγγραφέας: | |
|---|---|
| Άλλοι συγγραφείς: | |
| Γλώσσα: | Greek |
| Έκδοση: |
2023
|
| Θέματα: | |
| Διαθέσιμο Online: | https://hdl.handle.net/10889/25252 |
| id |
nemertes-10889-25252 |
|---|---|
| record_format |
dspace |
| spelling |
nemertes-10889-252522023-06-30T03:58:43Z Τεχνικές παλινδρόμησης και μηχανικής μάθησης για εκτίμηση ύψους μισθών νέων πτυχιούχων Regression and machine learning techniques for estimating salaries of new graduates Τζανιδάκης, Εμμανουήλ Tzanidakis, Emmanouil Μηχανική Μάθηση Παλινδρόμηση Ταξινομητές Στατιστική Machine learning Regression Classifiers Statistics Engineering salary prediction Στη παρούσα εργασία γίνεται μία ανάλυση της Παλινδρόμησης και της Μηχανικής Μάθησης με εφαρμογή σε μοντέλα πρόβλεψης μισθών αποφοίτων μηχανικών. Αρχικά, γίνεται η βιβλιογραφική ανασκόπηση της Μηχανικής Μάθησης και της Παλινδρόμησης. Στο πρώτο κεφάλαιο αναλύεται η αξία της Μηχανικής Μάθησης που προήλθε ως κλάδος της Στατιστικής και της Επιστήμης Υπολογιστών και εξηγείται ποια η σχέση της με την Επιστήμη των Δεδομένων. Επίσης, παρουσιάζονται οι διάφορες έννοιες της Μηχανικής Μάθησης και οι διαφορετικές τεχνικές που είναι διαθέσιμες πλέον χάρη στις σύγχρονες τεχνολογικές εξελίξεις. Στο δεύτερο κεφάλαιο ακολουθεί μια περιγραφή της απλής γραμμικής παλινδρόμησης, της πολλαπλής γραμμικής παλινδρόμησης και της λογιστικής παλινδρόμησης με το αντίστοιχο θεωρητικό υπόβαθρο για κάθε τεχνική. το τρίτο κεφάλαιο αναλύονται ξεχωριστά ανά ενότητα οι διάφοροι ταξινομητές Επιβλεπόμενης Μάθησης που χρησιμοποιούνται στην εργασία. Στο τέταρτο κεφάλαιο ακολουθεί η αντίστοιχη ανάλυση για τους ταξινομητές Μη Επιβλεπόμενης μάθησης. τη συνέχεια, στο κεφάλαιο 5 γίνεται αρχικά η περιγραφή του μοντέλου δεδομένων που χρησιμοποιήθηκε και μετά εφαρμόζονται οι τεχνικές Παλινδρόμησης και Ταξινόμησης με κάθε αλγόριθμο. Το κεφάλαιο κλείνει με τα συμπεράσματα. Η ανάλυση ολοκληρώνεται με τελευταίο κεφάλαιο, το έκτο που είναι ο επίλογος και περιέχει και τις προτάσεις περαιτέρω έρευνας. Στο τέλος, στο κεφάλαιο επτά είναι διαθέσιμη η βιβλιογραφία επιμερισμένη σε Ελληνική και Ξενόγλωσση. In this dissertation, a study of Regression Analysis and Machine Learning is performed with an application to a data set regarding engineering graduate salary prediction models. The initial part includes a literature review of Machine Learning and Regression Analysis. In the first chapter the significance of Machine Learning is explained and the relationship to Statistics and Computer Science is analyzed. Also, the different concepts of Machine Learning are introduced, and the various techniques are presented that are now available thanks to modern technological developments. In the second chapter. You may find a description of Simple Linear Regression, Multiple Linear Regression and Logistic Regression with their corresponding theoretical background. In the third chapter, the various Supervised Learning classifiers are analyzed as they are going to be used further on. In the fourth chapter, follows similar analysis for Unsupervised learning classifiers. In chapter 5 the data set used is described and then the Regression and Classification techniques are applied. The sixth chapter is the conclusion summary and contains suggestions for further research. At the end, chapter seven includes the bibliography cited and the references which are divided into Greek and International section. 2023-06-29T09:00:04Z 2023-06-29T09:00:04Z 2023-05-23 https://hdl.handle.net/10889/25252 el application/pdf |
| institution |
UPatras |
| collection |
Nemertes |
| language |
Greek |
| topic |
Μηχανική Μάθηση Παλινδρόμηση Ταξινομητές Στατιστική Machine learning Regression Classifiers Statistics Engineering salary prediction |
| spellingShingle |
Μηχανική Μάθηση Παλινδρόμηση Ταξινομητές Στατιστική Machine learning Regression Classifiers Statistics Engineering salary prediction Τζανιδάκης, Εμμανουήλ Τεχνικές παλινδρόμησης και μηχανικής μάθησης για εκτίμηση ύψους μισθών νέων πτυχιούχων |
| description |
Στη παρούσα εργασία γίνεται μία ανάλυση της Παλινδρόμησης και της Μηχανικής Μάθησης με εφαρμογή σε μοντέλα πρόβλεψης μισθών αποφοίτων μηχανικών. Αρχικά, γίνεται η βιβλιογραφική ανασκόπηση της Μηχανικής Μάθησης και της Παλινδρόμησης. Στο πρώτο κεφάλαιο αναλύεται η αξία της Μηχανικής Μάθησης που προήλθε ως κλάδος της Στατιστικής και της Επιστήμης Υπολογιστών και εξηγείται ποια η σχέση της με την Επιστήμη των Δεδομένων. Επίσης, παρουσιάζονται οι διάφορες έννοιες της Μηχανικής Μάθησης και οι διαφορετικές τεχνικές που είναι διαθέσιμες πλέον χάρη στις σύγχρονες τεχνολογικές εξελίξεις. Στο δεύτερο κεφάλαιο ακολουθεί μια περιγραφή της απλής γραμμικής παλινδρόμησης, της πολλαπλής γραμμικής παλινδρόμησης και της λογιστικής παλινδρόμησης με το αντίστοιχο θεωρητικό υπόβαθρο για κάθε τεχνική. το τρίτο κεφάλαιο αναλύονται ξεχωριστά ανά ενότητα οι διάφοροι ταξινομητές Επιβλεπόμενης Μάθησης που χρησιμοποιούνται στην εργασία. Στο τέταρτο κεφάλαιο ακολουθεί η αντίστοιχη ανάλυση για τους ταξινομητές Μη Επιβλεπόμενης μάθησης. τη συνέχεια, στο κεφάλαιο 5 γίνεται αρχικά η περιγραφή του μοντέλου δεδομένων που χρησιμοποιήθηκε και μετά εφαρμόζονται οι τεχνικές Παλινδρόμησης και Ταξινόμησης με κάθε αλγόριθμο. Το κεφάλαιο κλείνει με τα συμπεράσματα. Η ανάλυση ολοκληρώνεται με τελευταίο κεφάλαιο, το έκτο που είναι ο επίλογος και περιέχει και τις προτάσεις περαιτέρω έρευνας. Στο τέλος, στο κεφάλαιο επτά είναι διαθέσιμη η βιβλιογραφία επιμερισμένη σε Ελληνική και Ξενόγλωσση. |
| author2 |
Tzanidakis, Emmanouil |
| author_facet |
Tzanidakis, Emmanouil Τζανιδάκης, Εμμανουήλ |
| author |
Τζανιδάκης, Εμμανουήλ |
| author_sort |
Τζανιδάκης, Εμμανουήλ |
| title |
Τεχνικές παλινδρόμησης και μηχανικής μάθησης για εκτίμηση ύψους μισθών νέων πτυχιούχων |
| title_short |
Τεχνικές παλινδρόμησης και μηχανικής μάθησης για εκτίμηση ύψους μισθών νέων πτυχιούχων |
| title_full |
Τεχνικές παλινδρόμησης και μηχανικής μάθησης για εκτίμηση ύψους μισθών νέων πτυχιούχων |
| title_fullStr |
Τεχνικές παλινδρόμησης και μηχανικής μάθησης για εκτίμηση ύψους μισθών νέων πτυχιούχων |
| title_full_unstemmed |
Τεχνικές παλινδρόμησης και μηχανικής μάθησης για εκτίμηση ύψους μισθών νέων πτυχιούχων |
| title_sort |
τεχνικές παλινδρόμησης και μηχανικής μάθησης για εκτίμηση ύψους μισθών νέων πτυχιούχων |
| publishDate |
2023 |
| url |
https://hdl.handle.net/10889/25252 |
| work_keys_str_mv |
AT tzanidakēsemmanouēl technikespalindromēsēskaimēchanikēsmathēsēsgiaektimēsēypsousmisthōnneōnptychiouchōn AT tzanidakēsemmanouēl regressionandmachinelearningtechniquesforestimatingsalariesofnewgraduates |
| _version_ |
1771297302363766784 |
