Συγκριτική μελέτη εργαλείων γενετικής τεχνητής νοημοσύνης

Λεμπώ, Βίκτωρ

dc.contributor.advisor	Troussas, Christos
dc.contributor.author	Λεμπώ, Βίκτωρ
dc.date.accessioned	2024-10-20T06:57:24Z
dc.date.available	2024-10-20T06:57:24Z
dc.date.issued	2024-09
dc.identifier.uri	https://polynoe.lib.uniwa.gr/xmlui/handle/11400/7825
dc.identifier.uri	http://dx.doi.org/10.26265/polynoe-7657
dc.description.abstract	Η αύξηση της ταχύτητας της μετάδοσης της πληροφορίας, η δημιουργία συσκευών προσωπικής χρήσης προσβάσιμων σχεδόν σε οποιονδήποτε άνθρωπο στον κόσμο και κυρίως η ανάπτυξη της επεξεργαστικής ισχύος των συσκευών αυτών έχουν αποτελέσει κύριους παράγοντες για την ανάπτυξη εφαρμογών όπως το ChatGPT ή το DALL-E. Οι εφαρμογές αυτές είναι αποτελέσματα αυτής της ραγδαίας ανάπτυξης και αποτελούν σημεία καμπής στον τρόπο λειτουργίας των συστημάτων γενικότερα. Η εργασία αυτή έχει ως στόχο την επισκόπηση και την σύγκριση διάφορων τεχνικών που χρησιμοποιούνται για τη δημιουργία και χρήση της Τεχνητής Νοημοσύνης (AI). Αντλώντας πηγές μέσω του Scopus και του Google Scholar θα γίνει μία προσπάθεια επεξήγησης και κατανόησης δύσπεπτων και ιδιαίτερα περίπλοκων εννοιών όπως της μηχανικής εκμάθησης (Machine Learning) και βαθιάς μάθησης (Deep Learning). Επιπλέον θα δούμε πως αυτές διακλαδώνονται και αναπτύσσουν έννοιες όπως τα Μεγάλα Μοντέλα Γλώσσας (LLM - Large Language Models) και τέλος πως συγκλίνουν και υπάγονται στον ευρύτερο όρο Τεχνητή Νοημοσύνη. Επιπλέον θα δούμε παραδείγματα εφαρμογών πάνω σε τέτοια μοντέλα τα οποία χρησιμοποιούνται τόσο σε τομείς Ιατρικής, Κυβερνοασφάλειας αλλά και σε πιο δημιουργικούς τομείς..	el
dc.format.extent	56	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	Γενετική	el
dc.subject	Τεχνητή νοημοσύνη	el
dc.title	Συγκριτική μελέτη εργαλείων γενετικής τεχνητής νοημοσύνης	el
dc.title.alternative	Comparative study of genetic artificial intelligence tools	el
dc.type	Διπλωματική εργασία	el
dc.contributor.committee	Tselenti, Panagiota
dc.contributor.committee	Krouska, Akrivi
dc.contributor.faculty	Σχολή Μηχανικών	el
dc.contributor.department	Τμήμα Μηχανικών Πληροφορικής και Υπολογιστών	el
dc.description.abstracttranslated	The increase in the speed of information transmission, the creation of devices for personal use accessible to almost any person in the world and above all the development of the processing power of these devices, have been the main factors for the development of applications such as ChatGPT or DALL-E. These applications are the result of this rapid development and are turning points in the way systems operate in general. This paper aims to review and compare various techniques used to create and use Artificial Intelligence (AI). Drawing sources through Scopus and Google Scholar, an attempt will be made to explain and understand difficult and particularly complex concepts such as machine learning (Machine Learning) and deep learning (Deep Learning). In addition, we will see how these branch out and develop concepts such as Large Language Models (LLM - Large Language Models) and finally how they converge and come under the broader term Artificial Intelligence. In addition, we will see examples of applications based on such models, which are used both in the fields of Medicine, Cybersecurity and also in more creative fields.	el

Files in this item

Name:: Lempo_ice18390300.pdf
Size:: 1008.Kb
Format:: PDF
Description:: Πτυχιακή εργασία

View/Open

This item appears in the following Collection(s)

Διπλωματικές εργασίες
Διπλωματικές εργασίες τμήματος Μηχανικών Πληροφορικής και Υπολογιστών

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