Please use this identifier to cite or link to this item: http://dspace.lib.uom.gr/handle/2159/28386
Author: Μαλιόγλου, Ζουμπουλία Ευαγγελία
Title: Τεχνητή νοημοσύνη και ανοιχτά κυβερνητικά δεδομένα
Date Issued: 2022
Department: Πρόγραμμα Μεταπτυχιακών Σπουδών Αναλυτική των Επιχειρήσεων και Επιστήμη των Δεδομένων
Supervisor: Ταραμπάνης, Κωνσταντίνος
Καλαμπόκης, Ευάγγελος
Abstract: Η παρούσα διπλωματική εργασία εστιάζει στην εφαρμογή της τεχνικής νοημοσύνης σε ανοιχτά κυβερνητικά δεδομένα. Στο πρώτο κεφάλαιο γίνεται μία βιβλιογραφική έρευνα γύρω από τα ανοιχτά κυβερνητικά δεδομένα. Αρχικά δίνεται ο ορισμός των ανοιχτών δεδομένων, και πως ξεκίνησε η χρήση και η αξιοποίηση τους. Στην συνέχεια γίνεται αναφορά στα οφέλη και στα πλεονεκτήματα που μπορούν να έχουν και οι κρατικές υπηρεσίες αλλά και οι πολίτες. Επιπροσθέτως παρουσιάζονται τα απαραίτητα χαρακτηριστικά που θα πρέπει να υπάρχουν ώστε να διασφαλίζεται η ποιότητα και η αξιοπιστία των δεδομένων. Στο δεύτερο μέρος αναφέρεται στο θεωρητικό υπόβαθρο της επιστήμης των δεδομένων. Συγκεκριμένα παρουσιάζονται η μηχανική μάθηση και η βαθιά μηχανική μάθηση. Αναλύεται σε βάθος τα νευρωτικά δίκτυα και συγκεκριμένα ο αλγόριθμός Long Short Term Memory (LSTM). Ακόμη παρουσιάζονται οι τεχνικές των αλγορίθμων δέντρων αποφάσεων, και συγκεκριμένα αναφέρεται ο xgboost. Στο τελευταίο στάδιο γίνεται η ανάπτυξη και ο σχεδιασμός των προβλεπτικών μοντέλων LSTM και xgboost, χρησιμοποιώντας τα ΑΚΔ της Σκωτίας. Βλέπουμε την σύγκριση των δύο προγνωστικών μοντέλων και την τελική τους αξιολόγηση
Keywords: Open government data
Machine learning
Deep learning
Long-Short Term Memory
xgboost
LSTM
Information: Διπλωματική εργασία--Πανεπιστήμιο Μακεδονίας, Θεσσαλονίκη, 2022.
Appears in Collections:ΠΜΣ Αναλυτική των Επιχειρήσεων και Επιστήμη των Δεδομένων (Μ)

Files in This Item:
File Description SizeFormat 
MalioglouZoumpouliaEvangeliaMsc2022.pdfΤεχνητή νοημοσύνη και ανοιχτά κυβερνητικά δεδομένα2.1 MBAdobe PDFView/Open


Items in Psepheda are protected by copyright, with all rights reserved, unless otherwise indicated.