Please use this identifier to cite or link to this item:
https://olympias.lib.uoi.gr/jspui/handle/123456789/38230Full metadata record
| DC Field | Value | Language |
|---|---|---|
| dc.contributor.author | Πάσσος, Κυριάκος | el |
| dc.contributor.author | Passos, Kyriakos | en |
| dc.date.accessioned | 2024-07-22T08:19:54Z | - |
| dc.date.available | 2024-07-22T08:19:54Z | - |
| dc.identifier.uri | https://olympias.lib.uoi.gr/jspui/handle/123456789/38230 | - |
| dc.identifier.uri | http://dx.doi.org/10.26268/heal.uoi.17936 | - |
| dc.rights | Attribution-NoDerivs 3.0 United States | * |
| dc.rights.uri | http://creativecommons.org/licenses/by-nd/3.0/us/ | * |
| dc.subject | Data quality monitoring | en |
| dc.subject | React | en |
| dc.subject | Python | en |
| dc.subject | Web app | en |
| dc.title | Σχεδίαση και υλοποίηση ενός συστήματος βασισμένου σε ZYNQ για την παρακολούθηση ποιότητας δεδομένων, προσβάσιμο από απόσταση | el |
| dc.title | Design and implementation of a Zynq-Based data quality monitoring system remotely accessible | en |
| dc.type | masterThesis | en |
| heal.type | masterThesis | el |
| heal.type.en | Master thesis | en |
| heal.type.el | Μεταπτυχιακή εργασία | el |
| heal.classification | Επίβλεψη ποιότητας δεδομένων | el |
| heal.classification | Data quality monitoring | en |
| heal.dateAvailable | 2024-07-22T08:20:55Z | - |
| heal.language | en | el |
| heal.access | free | el |
| heal.recordProvider | Πανεπιστήμιο Ιωαννίνων. Σχολή Θετικών Επιστημών | el |
| heal.publicationDate | 2024-07 | - |
| heal.abstract | This Master’s thesis was conducted at the Department of Physics of the University of Ioannina and under the supervision of Professor Ioannis Papadopoulos. It presents a detailed exploration of data analysis techniques for data coming from a random number generator. The main objec- tive of this research was to develop a program for analyzing data using ROOT, a well known data analysis framework developed at CERN. More specifically this application was designed to construct a histogram from the generated data and apply various statistical fits and understand the underlying data distribution. This thesis uses an innovative approach to utility backend development with Python, Flask, and PYROOT. This stack was chosen because of its efficiency in data processing and analysis and allowed the application to use web sockets for high-speed communication between the server and the client as well as overall performance. The front-end project uses React and Plotly along with TypeScript to create client-side applica- tions. This application interactively visualizes the process of data and statistical analysis results. Key features of the client interface include import/export capabilities, real-time data visualiza- tion, connection control for exchanging plot configuration data and view fitted data. These features greatly enhance the user interface and experience. In this thesis, the emphasis is placed on the practical application and utilization of the developed system in analyzing data from a random number generator. The narrative delves into the op- erational aspects of the system, detailing how the Python-Flask-PYROOT backend synergizes with the React-Plotly frontend to facilitate seamless data processing and visualization. Special attention is given to the system’s capability to handle large data sets and perform com- plex statistical analyses with efficiency and accuracy. The document discusses how the appli- cation, through its intuitive user interface, empowers users to interact with the data, manipulate visualization parameters, and derive meaningful insights from the analysis. Furthermore, the thesis explores the real-world applicability of the system, considering various scenarios where such a tool can be used. It accounts for potential extensions and adaptations of the system, envisioning its use in broader contexts beyond the scope of the current project. This foresight underlines the system’s versatility and potential for future enhancements and applica- tions in diverse data-driven fields. This thesis does not just present a technical solution but also contextualizes it within the larger framework of data analysis and application, underscoring the significance and practicality of the developed system. | en |
| heal.abstract | Η παρούσα μεταπτυχιακή διατριβή πραγματοποιήθηκε στο Τμήμα Φυσικής του Πανεπιστημίου Ιωαννίνων υπό την επίβλεψη του Καθηγητή Ιωάννη Παπαδόπουλου. Αντικείμενο της έρευνας ήταν η διερεύνηση τεχνικών ανάλυσης δεδομένων που προέρχονται από μια γεννήτρια τυχαίων αριθμών, με κύριο στόχο την ανάπτυξη ενός προγράμματος για την ανάλυση αυτών των δεδομένων μέσω του ROOT, μία γνωστή βιβλιοθήκη ανάλυσης δεδομένων που αναπτύχθηκε στο CERN. Η εφαρμογή που αναπτύχθηκε στο πλαίσιο της διατριβής, έχει ως κύριο στόχο τη δημιουργία ιστογραμμάτων από τα δεδομένα που παράγονται και την εφαρμογή διαφόρων στατιστικών προσαρμογών για την κατανόηση της υποκείμενης κατανομής των δεδομένων. Για την υλοποίηση αυτής της εφαρμογής επιλέχθηκε η χρήση της γλώσσας προγραμματισμού Python σε συνδυασμό με τα Flask και PYROOT, λόγω της αποδοτικότητάς τους στην επεξεργασία και ανάλυση δεδομένων. Αυτές οι τεχνολογίες επιτρέπουν επίσης την χρήση web sockets για την ταχεία επικοινωνία μεταξύ του server και του client, βελτιώνοντας συνολικά την απόδοση του συστήματος. Το frontend του έργου σχεδιάστηκε με χρήση των React και Plotly μαζί με TypeScript, για τη δημιουργία εφαρμογών που λειτουργούν στην πλευρά του client. Αυτή η εφαρμογή επιτρέπει τη διαδραστική οπτικοποίηση της διαδικασίας ανάλυσης δεδομένων και των αποτελεσμάτων των στατιστικών αναλύσεων. Βασικά χαρακτηριστικά των δυνατοτήτων του client περιλαμβάνουν δυνατότητες εισαγωγής και εξαγωγής δεδομένων, οπτικοποίηση δεδομένων σε πραγματικό χρόνο, έλεγχο της σύνδεσης για την ανταλλαγή δεδομένων διαμόρφωσης γραφημάτων και προβολή των προσαρμοσμένων δεδομένων. Ιδιαίτερη έμφαση δίνεται στην πρακτική εφαρμογή του ανεπτυγμένου συστήματος στην ανάλυση δεδομένων από τη γεννήτρια τυχαίων αριθμών. Το κείμενο εμβαθύνει στις λειτουργικές πτυχές του συστήματος, περιγράφοντας πώς το backend Python-Flask-PYROOT συνεργάζεται με το frontend React-Plotly για την απρόσκοπτη επεξεργασία και οπτικοποίηση των δεδομένων. Επιπλέον, η διατριβή εξετάζει την ικανότητα του συστήματος να διαχειρίζεται μεγάλα σύνολα δεδομένων και να εκτελεί σύνθετες στατιστικές αναλύσεις με αποδοτικότητα και ακρίβεια. Επίσης διερευνώνται οι πιθανές επεκτάσεις και προσαρμογές του συστήματος, προβλέποντας τη χρήση του σε ευρύτερα πλαίσια πέρα από το πεδίο της τρέχουσας έρευνας. Η διατριβή δεν περιορίζεται στην παρουσίαση μιας τεχνικής λύσης αλλά την τοποθετεί στο ευρύτερο πλαίσιο της ανάλυσης δεδομένων και των εφαρμογών της, υπογραμμίζοντας τη σημασία και την πρακτικότητα του ανεπτυγμένου συστήματος. Μέσα από την αναλυτική παρουσίαση της τεχνολογικής υποδομής και της λειτουργικής αλληλεπίδρασης των διαφόρων στοιχείων, αποδεικνύεται η αξία της συνεισφοράς αυτής της έρευνας στη βελτίωση των διαδικασιών ανάλυσης δεδομένων και στην ενίσχυση της δυνατότητας για προσαρμοσμένες λύσεις στον τομέα της στατιστικής ανάλυσης. Η παρούσα διατριβή αποτελεί μια σημαντική συνεισφορά στον τομέα της ανάλυσης δεδομένων, προσφέροντας τόσο μια καινοτόμο τεχνολογική λύση όσο και μια ευρύτερη θεώρηση των δυνατοτήτων και των μελλοντικών εφαρμογών της. | el |
| heal.advisorName | Παπαδόπουλος, Ιωάννης | el |
| heal.committeeMemberName | Παπαδόπουλος, Ιωάννης | el |
| heal.committeeMemberName | Ευαγγέλου, Ιωάννης | el |
| heal.committeeMemberName | Χριστοφιλάκης, Βασίλειος | el |
| heal.academicPublisher | Πανεπιστήμιο Ιωαννίνων. Σχολή Θετικών Επιστημών. Τμήμα Φυσικής | el |
| heal.academicPublisherID | uoi | el |
| heal.numberOfPages | 115 | el |
| heal.fullTextAvailability | true | - |
| Appears in Collections: | Διατριβές Μεταπτυχιακής Έρευνας (Masters) - ΦΥΣ | |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| M.E Passos Kyriakos (2024).pdf | 3.58 MB | Adobe PDF | View/Open |
This item is licensed under a Creative Commons License
