Please use this identifier to cite or link to this item:
https://olympias.lib.uoi.gr/jspui/handle/123456789/30726
Full metadata record
DC Field | Value | Language |
---|---|---|
dc.contributor.author | Γιαννάκη, Ιωάννης | el |
dc.date.accessioned | 2021-04-01T08:20:56Z | - |
dc.date.available | 2021-04-01T08:20:56Z | - |
dc.identifier.uri | https://olympias.lib.uoi.gr/jspui/handle/123456789/30726 | - |
dc.identifier.uri | http://dx.doi.org/10.26268/heal.uoi.10566 | - |
dc.rights | Attribution-NonCommercial-NoDerivs 3.0 United States | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/3.0/us/ | * |
dc.subject | Δεδομένα | el |
dc.subject | Εφαρμογές | el |
dc.subject | Τεχνικές | el |
dc.title | Τεχνικές και μεθοδολογίες για τη σχεδίαση και ανάπτυξη εφαρμογών για μεγάλα δεδομένα | el |
dc.title | Techniques and methodologies for designing and developing big data applications | en |
heal.type | masterThesis | - |
heal.type.en | Master thesis | en |
heal.type.el | Μεταπτυχιακή εργασία | el |
heal.classification | Δεδομένα - Τεχνικές | - |
heal.classification | Λογισμικό εφαρμογών - Ανάπτυξη | - |
heal.dateAvailable | 2021-04-01T08:21:57Z | - |
heal.language | el | - |
heal.access | free | - |
heal.recordProvider | Πανεπιστήμιο Ιωαννίνων. Σχολή Πληροφορικής & Τηλεπικοινωνιών. Τμήμα Πληροφορικής & Τηλεπικοινωνιών | el |
heal.publicationDate | 2021 | - |
heal.bibliographicCitation | Γιαννάκη, Ι., 2021. Τεχνικές και μεθοδολογίες για τη σχεδίαση και ανάπτυξη εφαρμογών για μεγάλα δεδομένα. Μεταπτυχιακή εργασία. Άρτα: Πανεπιστήμιο Ιωαννίνων. Σχολή Πληροφορικής & Τηλεπικοινωνιών. Τμήμα Πληροφορικής & Τηλεπικοινωνιών | el |
heal.abstract | Η διπλωματική εργασία αφορά την μελέτη, ανάλυση και σύγκριση τεχνικών που αφορούν την επεξεργασία μεγάλου όγκου δεδομένων (Hadoop, Spark, Kafka, MapReduce) καθώς και τα εργαλεία που χρησιμοποιούνται (Python, Java, Scala ) για την υλοποίηση εφαρμογών ανάλυσης και επεξεργασίας μεγάλων δεδομένων. Η πειραματική μελέτη αφορά την ανάλυση, επεξεργασία και κατηγοριοποίηση ενός χαρτοφυλακίου μετοχών, καθώς και τον σχεδιασμό μια διαδικασίας για την πρόβλεψη μελλοντικών τιμών της μετοχής μια συγκεκριμένης εταιρείας. | el |
heal.abstract | The dissertation studies, analyses and compares existing methodologies and approaches on how to process Big Data (Hadoop, Spark, Kafka, MapReduce) as well as the available tools (Python, Java, Scala) that could be used for analyzing and processing big data. The experimental study concerns the analysis, processing and categorization of a portfolio of shares and it has designed, developed and tested an approach for predicting future share prices of a specific company. | en |
heal.advisorName | Στύλιος, Χρυσόστομος | el |
heal.committeeMemberName | Γκόγκος, Χρήστος | el |
heal.committeeMemberName | Καρβέλης, Πέτρος | |
heal.academicPublisher | Σχολή Τεχνολογικών Εφαρμογών , Τμήμα Μηχανικών Πληροφορικής Τ.Ε | el |
heal.academicPublisherID | uoi | - |
heal.numberOfPages | 142 | - |
heal.fullTextAvailability | true | - |
Appears in Collections: | Διατριβές Μεταπτυχιακής Έρευνας (Masters) - ΠΤΠ |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
Μ.Ε ΓΙΑΝΝΑΚΗ ΙΩΑΝΝΗ - 2021.pdf | 3.27 MB | Adobe PDF | View/Open |
This item is licensed under a Creative Commons License