Πρόβλεψη σημάτων με μεθόδους μηχανικής μάθησης

Ροδίτης, Δημήτριος

dc.contributor.advisor	Κάντζος, Δημήτριος
dc.contributor.author	Ροδίτης, Δημήτριος
dc.date.accessioned	2023-03-22T12:47:37Z
dc.date.available	2023-03-22T12:47:37Z
dc.date.issued	2023-03-10
dc.identifier.uri	https://polynoe.lib.uniwa.gr/xmlui/handle/11400/4017
dc.identifier.uri	http://dx.doi.org/10.26265/polynoe-3857
dc.description.abstract	Σκοπός της εργασίας είναι η πρόβλεψη χρηματοοικονομικών δεδομένων με μεθόδους μηχανικής μάθησης και ειδικότερα βαθιάς μάθησης. Αρχικά παρουσιάζεται το απαραίτητο θεωρητικό υπόβαθρο που αφορά τη μηχανική μάθηση. Στη συνέχεια περιγράφονται οι αλγόριθμοι κλασικής μηχανικής μάθησης και βαθιάς μάθησης που θα χρησιμοποιηθούν για την πρόβλεψη των δεδομένων. Ακολουθεί η αλγοριθμική υλοποίηση, όπου επιχειρούμε να προβλέψουμε την κίνηση των μετοχών 8 γνωστών εταιρειών με τη χρήση δύο μοντέλων κλασικής μηχανικής μάθησης και ενός βαθιάς μάθησης. Στο τελευταίο κεφάλαιο παρουσιάζονται τα αποτελέσματα της σύγκρισης των μοντέλων όπως και οι προβληματισμοί και προτεινόμενοι τρόποι βελτίωσης για μελλοντική έρευνα.	el
dc.format.extent	61	el
dc.language.iso	el	el
dc.publisher	Πανεπιστήμιο Δυτικής Αττικής	el
dc.rights	Αναφορά Δημιουργού - Μη Εμπορική Χρήση - Παρόμοια Διανομή 4.0 Διεθνές	*
dc.rights	Attribution-NonCommercial-NoDerivatives 4.0 Διεθνές	*
dc.rights.uri	http://creativecommons.org/licenses/by-nc-nd/4.0/	*
dc.subject	Μηχανική μάθηση	el
dc.subject	Τεχνητή νοημοσύνη	el
dc.subject	Βαθιά μάθηση	el
dc.subject	Αλγόριθμοι	el
dc.title	Πρόβλεψη σημάτων με μεθόδους μηχανικής μάθησης	el
dc.title.alternative	Signal prediction via machine learning methods	el
dc.type	Διπλωματική εργασία	el
dc.contributor.committee	Leligou, Helen C. (Nelly)
dc.contributor.committee	Nikolaou, Grigoris
dc.contributor.faculty	Σχολή Μηχανικών	el
dc.contributor.department	Τμήμα Μηχανικών Βιομηχανικής Σχεδίασης και Παραγωγής	el
dc.description.abstracttranslated	The purpose of this thesis is the prediction of financial data with machine learning methods and particularly deep learning methods. Firstly, the necessary theoretical background on machine learning is presented. Next, the classic machine learning and deep learning algorithms that will be used to predict the data are described. The algorithmic implementation follows where we attempt to predict the stock price of 8 well-known companies using two classic machine learning models and one deep learning model. In the last chapter, the results on the comparison of the models are presented along with the concerns and suggested improvement steps for future research.	el

Files in this item

Name:: Διπλωματική Εργασία Ροδίτης ...
Size:: 2.119Mb
Format:: PDF
Description:: Διπλωματική Εργασία

View/Open

This item appears in the following Collection(s)

Διπλωματικές εργασίες
Διπλωματικές εργασίες τμήματος Μηχανικών Βιομηχανικής Σχεδίασης και Παραγωγής

Show simple item record

Except where otherwise noted, this item's license is described as
Αναφορά Δημιουργού - Μη Εμπορική Χρήση - Παρόμοια Διανομή 4.0 Διεθνές