Show simple item record

Πρόβλεψη σημάτων με μεθόδους μηχανικής μάθησης

dc.contributor.advisorΚάντζος, Δημήτριος
dc.contributor.authorΡοδίτης, Δημήτριος
dc.date.accessioned2023-03-22T12:47:37Z
dc.date.available2023-03-22T12:47:37Z
dc.date.issued2023-03-10
dc.identifier.urihttps://polynoe.lib.uniwa.gr/xmlui/handle/11400/4017
dc.identifier.urihttp://dx.doi.org/10.26265/polynoe-3857
dc.description.abstractΣκοπός 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.extent61el
dc.language.isoelel
dc.publisherΠανεπιστήμιο Δυτικής Αττικήςel
dc.rightsΑναφορά Δημιουργού - Μη Εμπορική Χρήση - Παρόμοια Διανομή 4.0 Διεθνές*
dc.rightsAttribution-NonCommercial-NoDerivatives 4.0 Διεθνές*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/*
dc.subjectΜηχανική μάθησηel
dc.subjectΤεχνητή νοημοσύνηel
dc.subjectΒαθιά μάθησηel
dc.subjectΑλγόριθμοιel
dc.titleΠρόβλεψη σημάτων με μεθόδους μηχανικής μάθησηςel
dc.title.alternativeSignal prediction via machine learning methodsel
dc.typeΔιπλωματική εργασίαel
dc.contributor.committeeLeligou, Helen C. (Nelly)
dc.contributor.committeeNikolaou, Grigoris
dc.contributor.facultyΣχολή Μηχανικώνel
dc.contributor.departmentΤμήμα Μηχανικών Βιομηχανικής Σχεδίασης και Παραγωγήςel
dc.description.abstracttranslatedThe 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

Thumbnail

This item appears in the following Collection(s)

Show simple item record

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