Please use this identifier to cite or link to this item:
https://olympias.lib.uoi.gr/jspui/handle/123456789/37686Full metadata record
| DC Field | Value | Language |
|---|---|---|
| dc.contributor.author | Γίδαρη, Ερμιόνη | el |
| dc.date.accessioned | 2024-05-22T10:30:11Z | - |
| dc.date.available | 2024-05-22T10:30:11Z | - |
| dc.identifier.uri | https://olympias.lib.uoi.gr/jspui/handle/123456789/37686 | - |
| dc.identifier.uri | http://dx.doi.org/10.26268/heal.uoi.17394 | - |
| 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 | Λογισμικό | el |
| dc.subject | WEKA | en |
| dc.title | Μελέτη λογισμικού εξόρυξης δεδομένων WEKA | el |
| heal.type | bachelorThesis | - |
| heal.type.en | Bachelor thesis | en |
| heal.type.el | Προπτυχιακή/Διπλωματική εργασία | el |
| heal.classification | Δεδομένα - Διαχείριση - Λογισμικό | - |
| heal.dateAvailable | 2024-05-22T10:31:12Z | - |
| heal.language | el | - |
| heal.access | free | - |
| heal.recordProvider | Πανεπιστήμιο Ιωαννίνων. Σχολή Πληροφορικής και Τηλεπικοινωνιών. Τμήμα Πληροφορικής και Τηλεπικοινωνιών | el |
| heal.publicationDate | 2023 | - |
| heal.abstract | Στην παρούσα πτυχιακή εργασία θα ασχοληθούμε με το λογισμικό Weka. Στο πρώτο κεφάλαιο θα ορίσουμε την εξόρυξη δεδομένων, τους στόχους της, την ιστορία καθώς επίσης και τα πλεονεκτήματα και τα μειονεκτήματα του Weka. Επίσης θα αναφερθούμε σε ορισμένες εφαρμογές σε διάφορους τομείς όπως η ιατρική, η οικονομία και οι τηλεπικοινωνίες. Στο δεύτερο κεφάλαιο θα μιλήσουμε για τις εκδόσεις του Weka και άλλα ελεύθερα λογισμικά επιχειρηματικής Ευφυΐας και εξόρυξης δεδομένων. Στο τρίτο κεφάλαιο θα κάνουμε μία ανάλυση στο γραφικό περιβάλλον του Weka και στον τρόπο λειτουργίας του καθώς επίσης θα παρουσιάσουμε και ορισμένα από τα χαρακτηριστικά του. Το τέταρτο κεφάλαιο θα αφορά τα βήματα εγκατάστασης ένα προς ένα αναλυτικά. Το πέμπτο θα αφορά τους αλγόριθμους μηχανικής μάθησης όπως ο K- means , SVM και δέντρα αποφάσεων. Στο έκτο και τελευταίο κεφάλαιο θα βρούμε ένα αρχείο .arff και θα τρέξουμε στο weka τους : K- means, SMO, J48 και θα πάρουμε τα αντίστοιχα αποτελέσματα. | el |
| heal.abstract | In this thesis we will deal with the Weka software. In the first chapter we will define data mining, its goals, history as well as the advantages and disadvantages of Weka. We will also refer to some applications in various fields such as medicine, economy and telecommunications. In the second chapter we will talk about the versions of Weka and other free software for business Intelligence and data mining. In the third chapter we will analyze the graphical environment of Weka and its mode of operation as well as present some of its features. The fourth chapter will cover the installation steps one by one in detail. The fifth will be about machine learning algorithms such as K-means, SVM and decision trees. In the sixth and last chapter we will find an .arff file and will run it in weka for: K-means, SMO, J48 and we will get the corresponding results. | en |
| heal.advisorName | Γλαβάς, Ευριπίδης | el |
| heal.committeeMemberName | Τζάλλας, Αλέξανδρος | el |
| heal.committeeMemberName | Λιάγκου, Βάσια | el |
| heal.academicPublisher | Τμήμα Πληροφορικής και Τηλεπικοινωνιών | el |
| heal.academicPublisherID | uoi | - |
| heal.fullTextAvailability | true | - |
| Appears in Collections: | Προπτυχιακές εργασίες Τμ. Μηχανικών Πληροφορικής Τ.Ε. | |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| ΓΙΔΑΡΗ ΕΡΜΙΟΝΗ - ΠΛΗΡΟΦΟΡΙΚΗΣ.pdf | 1.82 MB | Adobe PDF | View/Open |
This item is licensed under a Creative Commons License
