Psepheda Collection:http://dspace.lib.uom.gr/handle/2159/187682024-03-29T08:38:46Z2024-03-29T08:38:46ZAnalysis and design of business intelligence information system for the management of incidents and change requestsΚεραμιδάκης, Χρήστοςhttp://dspace.lib.uom.gr/handle/2159/303072024-03-28T01:04:26Z2023-01-01T00:00:00ZTitle: Analysis and design of business intelligence information system for the management of incidents and change requests
Authors: Κεραμιδάκης, Χρήστος
Abstract: This Thesis is demonstrating how a modern banking institution can business analytics for its internal reporting needs regarding the IT Ticketing System. It includes full practice, from raw data to end user's experience.
Description: Διπλωματική εργασία--Πανεπιστήμιο Μακεδονίας, Θεσσαλονίκη, 2023.2023-01-01T00:00:00ZΕφαρμογή της τεχνητής νοημοσύνης στο ηλεκτροκαρδιογράφημαΤσιτουρίδης, Χαράλαμποςhttp://dspace.lib.uom.gr/handle/2159/303002024-03-28T01:04:21Z2024-01-01T00:00:00ZTitle: Εφαρμογή της τεχνητής νοημοσύνης στο ηλεκτροκαρδιογράφημα
Authors: Τσιτουρίδης, Χαράλαμπος
Abstract: Technological advancements have resulted in an unprecedented volume of data, prompting the need for effective utilization and extraction of valuable information. The internet's evolution, widespread broadband access, and the advent of applications, especially in social networks, have amplified data availability across various sectors like healthcare, communications, and education. Processing this vast data efficiently has led to the emergence of new methods, particularly knowledge mining and machine learning.
In this context, the thesis delves into the intersection of machine learning, healthcare, and diagnostic tools, particularly focusing on electrocardiograms (ECG or EKG). The three main chapters explore machine learning methodologies, their applications in healthcare, and a practical application of deep learning in diagnosing arrhythmias using ECGs. Notably, the discussion covers deep learning techniques, neural networks, and their application to ECG analysis.
The key takeaway from the case study is the comparison of XGBoost and Neural Networks algorithms, revealing that the XGBoost algorithm proves more reliable, achieving accuracy rates exceeding 90%. The findings emphasize the algorithm's effectiveness in healthcare applications, showcasing its potential for automated pattern recognition and decision-making processes. The thesis provides valuable insights into the symbiotic relationship between machine learning and healthcare, with implications for diagnostic tools and algorithmic reliability.
Description: Διπλωματική εργασία--Πανεπιστήμιο Μακεδονίας, Θεσσαλονίκη, 2024.2024-01-01T00:00:00ZΔιαχείριση χρηματοοικονομικού κινδύνου με ανάλυση μεγάλων δεδομένωνΤόρρα, Κριστίναhttp://dspace.lib.uom.gr/handle/2159/302992024-03-28T01:04:16Z2024-01-01T00:00:00ZTitle: Διαχείριση χρηματοοικονομικού κινδύνου με ανάλυση μεγάλων δεδομένων
Authors: Τόρρα, Κριστίνα
Abstract: Στη παρούσα διπλωματική εργασία επικεντρώνεται στην ανάλυση χρηματοοικονομικών κινδύνων με χρήση αριθμοδεικτών και ανάλυση μεγάλων δεδομένων.
Αρχικά θα γίνει μια παρουσίαση των δεδομένων που θα χρησιμοποιηθούν και πως θα αξιοποιηθούν σωστά για την παρακάτω ανάλυση. Επιπλέον θα γίνουν αναφορές σχετικά με την ποικιλομορφία των δεδομένων και πως θα μπορούν αυτά να αξιοποιηθούν σε κάθε περίπτωση.
Η παρούσα διπλωματική εργασία βασίζεται στα χρηματοπιστωτικά ιδρύματα. Έτσι, θα προσπαθήσουμε να εξηγήσουμε την φύση των χρηματοπιστωτικών ιδρυμάτων και οι κύριες δραστηριότητες τους. Είναι σημαντικό να γίνει αντιληπτό για ποιους λόγους χρησιμοποιούν τα χρηματοπιστωτικά ιδρύματα τους χρηματοοικονομικούς κινδύνους και τι μπορούν να προβλέψουν ή να αποφύγουν μέσα από αυτούς. Επιπλέον, καθώς τα αποτελέσματα της παρούσας έρευνας βασίζονται σε ένα συγκεκριμένο χρηματοπιστωτικό ίδρυμα, την Εθνική Τράπεζα της Ελλάδος είναι προφανές πως θα χρειαστεί να γίνουν και πιο συγκεκριμένες αναφορές. Δηλαδή, θα παρουσιαστούν μερικά ιστορικά στοιχεία για την Εθνική Τράπεζα της Ελλάδος καθώς και πληροφορίες σχετικά με τις δραστηριότητες της.
Έπειτα θα παρουσιαστούν οι τύποι των χρηματοοικονομικών κινδύνων ώστε να γίνει κατανοητό το κυρίως θέμα της παρούσας ανάλυσης. Εφόσον έχει γίνει αντιληπτό ποιοι είναι οι χρηματοοικονομικοί κίνδυνοι που μπορεί να αντιμετωπίσει ένα χρηματοπιστωτικό ίδρυμα θα παρουσιαστούν οι αριθμοδείκτες που θα υπολογιστούν.
Για τον υπολογισμό των αριθμοδεικτών και την επεξεργασία των δεδομένων χρησιμοποιήθηκαν τα εργαλεία Microsoft Excel καθώς και το Power BI όπως διδάχθηκαν κατά τα μαθήματα του μεταπτυχιακού “Αναλυτική των Επιχειρήσεων και Επιστήμη των Δεδομένων”.
Τέλος ,σύμφωνα με τα αποτελέσματα των δεικτών θα δοθούν συμπεράσματα και προτάσεις για την Εθνική Τράπεζα της Ελλάδος. Για την πλήρη ανάλυση των μεγεθών ώστε να αξιοποιηθούν τα σωστά δεδομένα στη παρούσα διπλωματική εργασία λόγω της πολύπλοκης φύσης των χρηματοπιστωτικών ιδρυμάτων δόθηκαν αναλύσεις των μεγεθών από το τμήμα του Finance της Εθνικής Τράπεζας της Ελλάδος.
Description: Διπλωματική εργασία--Πανεπιστήμιο Μακεδονίας, Θεσσαλονίκη, 2024.2024-01-01T00:00:00ZΑνάλυση και αξιολόγηση της εταιρείας Lindblad Expeditions (Nasdaq: LIND)Τασσόπουλος, Ιορδάνηςhttp://dspace.lib.uom.gr/handle/2159/302982024-03-28T01:04:18Z2023-01-01T00:00:00ZTitle: Ανάλυση και αξιολόγηση της εταιρείας Lindblad Expeditions (Nasdaq: LIND)
Authors: Τασσόπουλος, Ιορδάνης
Abstract: Στη συγκεκριμένη διπλωματική εργασία παρουσιάζεται η χρηματοοικονομική ανάλυση της εταιρείας Lindblad Expeditions το διάστημα 2018-2022 μέσω επιλεγμένων χρηματοοικονομικών δεικτών. Γενικότερος στόχος της εργασίας είναι η αξιοποίηση της λογιστικής επιστήμης για την εξαγωγή συμπερασμάτων που αφορούν τις οικονομικές μονάδες και το οικονομικό περιβάλλον που εντάσσεται η εκάστοτε εταιρεία και κατά συνέπεια και η εξεταζόμενη.
Στο σύνολο της εργασίας αξιοποιούνται στοιχεία από τους ισολογισμούς και τις καταστάσεις αποτελεσμάτων χρήσης που αφορούν τα έτη 2018 έως 2022 για την εξαγωγή των χρηματοοικονομικών δεικτών που αντικατοπτρίζουν την οικονομική πορεία της οντότητας το ίδιο διάστημα. Η συνδυαστική ανάλυση των ισολογισμών και των καταστάσεων αποτελεσμάτων χρήσης με τη μέθοδο της οριζόντιας-διαχρονικής ανάλυσης οδηγεί στην επιλογή των κατάλληλων χρηματοοικονομικών δεικτών που θα συμβάλλουν σημαντικά στην εξαγωγή ασφαλών συμπερασμάτων για την πορεία της εξεταζόμενης εταιρείας.
Τέλος παρουσιάζονται τα συμπεράσματα της ανάλυσης. Τα βασικότερα συμπέρασματα αφορούν την ταμειακή ρευστότητα και τις δανειακές υποχρεώσεις οι οποίες χρήζουν βελτίωσης, ενώ παρά το ισχυρό αντίκτυπο την πανδημία COVIC-19 η Lindblad Expeditions φαίνεται να καταφέρνει αύξηση των κερδών της (προ φόρων) για τελευταίο μετά COVIC-19 εξεταζόμενο έτος 2022.
Description: Διπλωματική εργασία--Πανεπιστήμιο Μακεδονίας, Θεσσαλονίκη, 2023.2023-01-01T00:00:00Z