dc.contributor.advisor | Nikolaou, Grigoris | |
dc.contributor.author | Γκρέκας, Δημήτριος | |
dc.date.accessioned | 2023-07-26T14:37:39Z | |
dc.date.available | 2023-07-26T14:37:39Z | |
dc.date.issued | 2023-07-18 | |
dc.identifier.uri | https://polynoe.lib.uniwa.gr/xmlui/handle/11400/4856 | |
dc.identifier.uri | http://dx.doi.org/10.26265/polynoe-4694 | |
dc.description.abstract | Η εργασία ασχολείται με την εξέλιξη και τις μεθοδολογίες των συστημάτων συστάσεων. Εξετάζει την ιστορική προέλευσή τους και την εφαρμογή τους σε διάφορους τομείς, όπως το ηλεκτρονικό εμπόριο, την ψυχαγωγία, τα κοινωνικά δίκτυα και την
ενημέρωση και παρουσιάζει διάφορους μηχανισμούς υλοποιήσεις τους. Το τελευταίο κεφάλαιο είναι αφιερωμένο στην πρακτική εφαρμογή των συστημάτων συστάσεων, με τη δημιουργία ενός πρακτικού συστήματος και την ανάπτυξη μιας εφαρμογής που χρησιμοποιεί αλγόριθμους μηχανικής μάθησης για να παράγει, προσωποποιημένες συστάσεις στους χρήστες. | el |
dc.format.extent | 112 | 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 | Αναφορά Δημιουργού - Παρόμοια Διανομή 4.0 Διεθνές | * |
dc.rights.uri | http://creativecommons.org/licenses/by-sa/4.0/ | * |
dc.subject | Συστήματα συστάσεων | el |
dc.subject | Μηχανική μάθηση | el |
dc.subject | Python | el |
dc.subject | Αλγόριθμοι μηχανικής μάθησης | el |
dc.title | Συστήματα συστάσεων με αλγόριθμους μηχανικής μάθησης | el |
dc.title.alternative | Recommendation systems with machine learning algorithms | el |
dc.type | Διπλωματική εργασία | el |
dc.contributor.committee | Βασιλειάδου, Σουλτάνα | |
dc.contributor.committee | Drosos, Christos | |
dc.contributor.faculty | Σχολή Μηχανικών | el |
dc.contributor.department | Τμήμα Μηχανικών Βιομηχανικής Σχεδίασης και Παραγωγής | el |
dc.description.abstracttranslated | The project deals with the evolution and methodologies of recommendation systems. It examines their historical origin and their application in various fields, such as e-commerce, entertainment, social networks, and information dissemination. It presents various implementation mechanisms. The last chapter is dedicated to the practical application of recommendation systems, with the creation of a practical system and the development of an application that uses machine learning algorithms to generate personalized recommendations for users. | el |