Εμφάνιση απλής εγγραφής

Μελέτη και υλοποίηση νευρωνικών δικτύων με την γλώσσα προγραμματισμού Python με έμφαση στη μηχανική μάθηση και την επιστήμη των δεδομένων

dc.contributor.advisorΜυλωνάς, Φοίβος
dc.contributor.authorΜουμούρης, Επαμεινώνδας
dc.date.accessioned2023-03-07T10:47:39Z
dc.date.available2023-03-07T10:47:39Z
dc.date.issued2023-03-03
dc.identifier.urihttps://polynoe.lib.uniwa.gr/xmlui/handle/11400/3833
dc.identifier.urihttp://dx.doi.org/10.26265/polynoe-3673
dc.description.abstractΗ παρούσα Διπλωματική Εργασία παρουσιάζει δύο μοντέλα Νευρωνικών Δικύων και συγκεκριμένα Βαθια Νευρωνικά Δίκτυα (Deep Neural Network DNN) για την πρόβλεψη του κινδύνου καρδιακών παθήσεων και διαβήτη χρησιμοποιόντας δεδομένα ασθενώνel
dc.format.extent60el
dc.language.isoelel
dc.publisherΠανεπιστήμιο Δυτικής Αττικήςel
dc.rightsΑναφορά Δημιουργού - Μη Εμπορική Χρήση - Παρόμοια Διανομή 4.0 Διεθνές*
dc.rights.urihttps://creativecommons.org/licenses/by-nc-sa/4.0/deed.el*
dc.subjectNeural networksel
dc.subjectPythonel
dc.subjectKerasel
dc.subjectTensorflowel
dc.subjectDeep neural networksel
dc.titleΜελέτη και υλοποίηση νευρωνικών δικτύων με την γλώσσα προγραμματισμού Python με έμφαση στη μηχανική μάθηση και την επιστήμη των δεδομένωνel
dc.title.alternativeStudy and implementation of neural networks with the Python programming language with emphasis on machine learning and data scienceel
dc.typeΜεταπτυχιακή διπλωματική εργασίαel
dc.contributor.committeeTroussas, Christos
dc.contributor.committeeΜαστοροκώστας, Πάρις
dc.contributor.facultyΣχολή Μηχανικώνel
dc.contributor.departmentΤμήμα Μηχανικών Πληροφορικής και Υπολογιστώνel
dc.contributor.masterΠροηγμένες Τεχνολογίες Υπολογιστικών Συστημάτωνel
dc.description.abstracttranslatedThis Thesis presents two Neural Network models, namely Deep Neural Networks (DNN) for predicting the risk of heart disease and diabetes using patient datael


Αρχεία σε αυτό το τεκμήριο

Thumbnail

Αυτό το τεκμήριο εμφανίζεται στις ακόλουθες συλλογές

Εμφάνιση απλής εγγραφής

Αναφορά Δημιουργού - Μη Εμπορική Χρήση - Παρόμοια Διανομή 4.0 Διεθνές
Εκτός από όπου επισημαίνεται κάτι διαφορετικό, το τεκμήριο διανέμεται με την ακόλουθη άδεια:
Αναφορά Δημιουργού - Μη Εμπορική Χρήση - Παρόμοια Διανομή 4.0 Διεθνές