Υλοποίηση παράλληλης έκδοσης αλγορίθμων εκλογής αρχηγού στο περιβάλλον MPI

 

Θέμα: «Υλοποίηση παράλληλης έκδοσης αλγορίθμων εκλογής αρχηγού στο περιβάλλον MPI»

 

Επιβλέπoντες: Βασίλειος Ταμπακάς,

Β. Τσακανίκας

 

 

e-mail: Αυτή η διεύθυνση ηλεκτρονικού ταχυδρομείου προστατεύεται από τους αυτοματισμούς αποστολέων ανεπιθύμητων μηνυμάτων. Χρειάζεται να ενεργοποιήσετε τη JavaScript για να μπορέσετε να τη δείτε.,

Αυτή η διεύθυνση ηλεκτρονικού ταχυδρομείου προστατεύεται από τους αυτοματισμούς αποστολέων ανεπιθύμητων μηνυμάτων. Χρειάζεται να ενεργοποιήσετε τη JavaScript για να μπορέσετε να τη δείτε.

ΑΝΑΤΕΘΗΚΕ: ΝΑΙ

Μέλη:

 Ακαδημαϊκό Έτος: 2016-2017

Στόχοι

Το MPI είναι μία βιβλιοθήκη η οποία μας προσφέρει δυνατότητες δημιουργίας παράλληλων/κατανεμημένων προγραμμάτων. Στην παρούσα πτυχιακή εργασία, θα χρησιμοποιηθεί το συγκεκριμένο περιβάλλον για την υλοποίηση και έλεγχο αλγορίθμων που αναφέρονται/επιλύουν γνωστά κατανεμημένα προβλήματα (π.χ. εκλογή αρχηγού) Στόχος είναι να επιλεγούν τα συγκεκριμένα προβλήματα, να μελετηθούν συγκεκριμένες αλγοριθμικές λύσεις και στη συνέχεια αυτές να υλοποιηθούν και να ελεγχτούν μέσω του MPI.

 Αντικείμενο

Εξοικείωση με το MPI , Σχεδιασμός και υλοποίηση κατανεμημένων αλγορίθμων

 

Η εργασία περιλαμβάνει

Σχεδιασμό και ανάπτυξη αλγορίθμων

Σχετιζόμενα Μαθήματα

 

Πρωτεύοντα:  ΚΑΤΑΝΕΜΗΜΕΝΑ ΣΥΣΤΗΜΑΤΑ

 

Δευτερεύοντα: ΑΝΑΛΥΣΗ ΑΛΓΟΡΙΘΜΩΝ, ΚΑΤΑΝΕΜΗΜΕΝΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ

Απαιτήσεις παρουσίας: ΟΧΙ

Διερεύνηση Εφαρμογής Αλγορίθμων Μηχανικής Μάθησης Σε Δεδομένα Πτώχευσης Επιχειρήσεων(bankruptcy prediction)

 

Θέμα: «Διερεύνηση Εφαρμογής Αλγορίθμων Μηχανικής Μάθησης Σε Δεδομένα Πτώχευσης Επιχειρήσεων(bankruptcy prediction)»

 

Επιβλέπoντες: Βασίλειος Ταμπακάς,

Κάρλος Σταμάτης

 

 

e-mail: Αυτή η διεύθυνση ηλεκτρονικού ταχυδρομείου προστατεύεται από τους αυτοματισμούς αποστολέων ανεπιθύμητων μηνυμάτων. Χρειάζεται να ενεργοποιήσετε τη JavaScript για να μπορέσετε να τη δείτε.,

Αυτή η διεύθυνση ηλεκτρονικού ταχυδρομείου προστατεύεται από τους αυτοματισμούς αποστολέων ανεπιθύμητων μηνυμάτων. Χρειάζεται να ενεργοποιήσετε τη JavaScript για να μπορέσετε να τη δείτε.

ΑΝΑΤΕΘΗΚΕ: ΝΑΙ

Μέλη:

 

Ακαδημαϊκό Έτος: 2016-2017

Στόχοι

Μελέτη και κατανόηση βασικών αλγορίθμων Μηχανικής Μάθησης – αναζήτηση δεδομένων που σχετίζονται με οικονομικούς δείκτες – κατανόηση και επεξήγηση συσχετίσεων οικονομικών δεικτών – χειρισμός εργαλείων επιβλεπόμενων αλγορίθμων Μηχανικής Μάθησης – εξαγωγή στατιστικών δεικτών – στατιστική ανάλυση σχετικών αποτελεσμάτων

Προτεινόμενα περιβάλλοντα: WEKA, python, Matlab, R, JAVA

 

Αντικείμενο

Εξοικείωση με το αντίστοιχο περιβάλλον και με τους  αλγορίθμους Μηχανικής Μάθησης, υλοποίηση.

 

Η εργασία περιλαμβάνει

Σχεδιασμό και ανάπτυξη αλγορίθμων, μελέτη συστήματος

Σχετιζόμενα Μαθήματα

 

Πρωτεύοντα:  ΥΠΟΛΟΓΙΣΤΙΚΗ ΝΟΗΜΟΣΥΝΗ

 

Δευτερεύοντα: ΑΝΑΛΥΣΗ ΑΛΓΟΡΙΘΜΩΝ

Απαιτήσεις παρουσίας: ΟΧΙ

Market/basket analysis

 

Θέμα: «Market/basket analysis»

 

Επιβλέπoντες: Βασίλειος Ταμπακάς,

Κάρλος Σταμάτης

 

 

e-mail: Αυτή η διεύθυνση ηλεκτρονικού ταχυδρομείου προστατεύεται από τους αυτοματισμούς αποστολέων ανεπιθύμητων μηνυμάτων. Χρειάζεται να ενεργοποιήσετε τη JavaScript για να μπορέσετε να τη δείτε.,

Αυτή η διεύθυνση ηλεκτρονικού ταχυδρομείου προστατεύεται από τους αυτοματισμούς αποστολέων ανεπιθύμητων μηνυμάτων. Χρειάζεται να ενεργοποιήσετε τη JavaScript για να μπορέσετε να τη δείτε.

ΑΝΑΤΕΘΗΚΕ: NAI

Μέλη:

 

Ακαδημαϊκό Έτος: 2016-2017

Στόχοι

Μελέτη και κατανόηση βασικών αλγορίθμων Μηχανικής Μάθησης – συλλογή δεδομένων από ηλεκτρονικά καταστήματα ή τοπικές επιχειρήσεις – φιλτράρισμα δεδομένων εισόδου – εξαγωγή κανόνων συσχέτισης – χειρισμός εργαλείων επιβλεπώμενων αλγορίθμων Μηχανικής Μάθησης – εξαγωγή στατιστικών δεικτών – στατιστική ανάλυση σχετικών αποτελεσμάτων

Προτεινόμενα εργαλεία: WEKA, python, Matlab, R, JAVA

 

 

Αντικείμενο

Εξοικείωση με το αντίστοιχο περιβάλλον και με τους  αλγορίθμους Μηχανικής Μάθησης  για το πρόβλημα Market/basket analysis, υλοποίηση.

 

Η εργασία περιλαμβάνει

Σχεδιασμό και ανάπτυξη αλγορίθμων, μελέτη συστήματος

Σχετιζόμενα Μαθήματα

 

Πρωτεύοντα:  ΥΠΟΛΟΓΙΣΤΙΚΗ ΝΟΗΜΟΣΥΝΗ

 

Δευτερεύοντα: ΑΝΑΛΥΣΗ ΑΛΓΟΡΙΘΜΩΝ, ΑΝΤΙΚΕΙΜΕΝΟΣΤΡΕΦΗΣ ΠΡΟΓ/ΣΜΟΣ

Απαιτήσεις παρουσίας: ΟΧΙ

Εξόρυξης γνώσης με αλγόριθμους μάθησης με μερική επίβλεψη

 

Θέμα: «Εξόρυξης γνώσης με αλγόριθμους μάθησης με μερική επίβλεψη»

 

Επιβλέπoντες: Βασίλειος Ταμπακάς,

Ιωάννης Λιβιερης

 

 

e-mail: Αυτή η διεύθυνση ηλεκτρονικού ταχυδρομείου προστατεύεται από τους αυτοματισμούς αποστολέων ανεπιθύμητων μηνυμάτων. Χρειάζεται να ενεργοποιήσετε τη JavaScript για να μπορέσετε να τη δείτε.,

Αυτή η διεύθυνση ηλεκτρονικού ταχυδρομείου προστατεύεται από τους αυτοματισμούς αποστολέων ανεπιθύμητων μηνυμάτων. Χρειάζεται να ενεργοποιήσετε τη JavaScript για να μπορέσετε να τη δείτε.

ΑΝΑΤΕΘΗΚΕ: ΝΑΙ

Μέλη:

 

Ακαδημαϊκό Έτος: 2016-2017

Στόχοι

Ο τομέας της εξόρυξης γνώσης από βάσεις δεδομένων αποτελεί έναν από  τους πιο δημοφιλής ερευνητικά τομείς. Η αυξανόµενη έρευνα και οι εξελίξεις σε διάφορους επιστημονικούς τοµείς συνιστούν στην εκθετική αύξηση των δεδοµένων σε µέγεθος, διάσταση και πολυπλοκότητα που καθιστά το πρόβληµα της κατηγοριοποίησής τους μία εξαιρετικά δύσκολη και χρονοβόρα διαδικασία. Η εν λόγω πτυχιακή εργασία, θα μελετήσει την εφαρμογή αλγορίθμων μάθησης μερικής επίβλεψης σε διάφορα προβλήματα ταξινόμησης.  Οι αλγόριθμοι μάθησης μερικής επίβλεψης (semi-supervised learning algorithms) απαιτούν πολύ λιγότερο υπολογιστικό χρόνο μιας που απαιτούν πολύ μικρότερο αριθμό ταξινομημένων παραδειγμάτων εκπαίδευσης και κάνοντας παράλληλα χρήση μη ταξινομημένων παραδειγμάτων, είναι δυνατόν να κατασκευαστεί ταξινομητής με ισάξια ή ακόμα και καλύτερη απόδοση από τον αντίστοιχο αλγόριθμο με πλήρη επίβλεψη.

 

Αντικείμενο

Ο φοιτητής καλείται να μελετήσει τη τρέχουσα βιβλιογραφία, να αξιολογίσει τους δημοφιλέστερους αλγόριθμους μάθησης μερικής επίβλεψης σε προβλήματα ταξινόμησης και να τους συγκρίνει με τους αντίστοιχους αλγόριθμους μάθησης υπο πλήρη επίβλεψη.

 

Η εργασία περιλαμβάνει

Εξοικείωση με τα συστήματα WEKA και KEEL, υλοποίηση αλγορίθμων μερικής επίβλεψης

Σχετιζόμενα Μαθήματα

 

Πρωτεύοντα:  ΥΠΟΛΟΓΙΣΤΙΚΗ ΝΟΗΜΟΣΥΝΗ

 

Δευτερεύοντα: ΑΝΑΛΥΣΗ ΑΛΓΟΡΙΘΜΩΝ, ΑΝΤΙΚΕΙΜΕΝΟΣΤΡΕΦΗΣ ΠΡΟΓ/ΣΜΟΣ

Απαιτήσεις παρουσίας: ΟΧΙ

  • 1
  • 2