Please use this identifier to cite or link to this item:
https://olympias.lib.uoi.gr/jspui/handle/teiep/8747
Full metadata record
DC Field | Value | Language |
---|---|---|
dc.contributor.author | Γκιόκας, Ιωάννης | el |
dc.date.accessioned | 2018-04-23T08:09:00Z | - |
dc.date.available | 2018-04-23T08:09:00Z | - |
dc.date.issued | 2018-04-23 | - |
dc.identifier.uri | https://olympias.lib.uoi.gr/jspui/handle/teiep/8747 | - |
dc.rights | Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/3.0/gr/ | * |
dc.subject | Λειτουργικά κινητών συσκευών | el |
dc.title | Λειτουργικά κινητών συσκευών και διερεύνηση κριτηρίων επιλογής με χρήση Μηχανικής Μάθησης. | el |
heal.type | bachelorThesis | - |
heal.generalDescription | Τμήμα Μηχανικών Πληροφορικής Τ.Ε. | el |
heal.classification | Μηχανική μάθησης | el |
heal.classification | Κινητά επικοινωνιακά συστήματα | * |
heal.identifier.secondary | Πτυχιακή Εργασία | - |
heal.dateAvailable | 2024-01-11T08:50:42Z | - |
heal.language | el | - |
heal.access | free | - |
heal.recordProvider | Τ.Ε.Ι. Ηπείρου | el |
heal.publicationDate | 2018-02 | - |
heal.bibliographicCitation | Γκιόκας, Ι., 2018. Λειτουργικά κινητών συσκευών και διερεύνηση κριτηρίων επιλογής με χρήση Μηχανικής Μάθησης. Πτυχιακή εργασία. Άρτα: Τ.Ε.Ι. Ηπείρου. Σχολή Τεχνολογικών Εφαρμογών . Τμήμα Μηχανικών Πληροφορικής Τ.Ε. | el |
heal.abstract | Η παρούσα εργασία μελετά ποιοτικά τις επιλογές των λειτουργικών συστημάτων σε φορητές συσκευές. Επίσης γίνεται χρήση μεθόδων ταξινόμησης με σκοπό να διερευνηθούν τα κριτήρια επιλογής των λειτουργικών συστημάτων από τους χρήστες. Στο πρώτο κεφάλαιο της παρούσας πτυχιακής εργασίας θα περιγράψουμε τα βασικά λειτουργικά συστήματα. Πιο συγκεκριμένα το Android, το Ios και το Windowsmobileκαι θα κάνουμε μια σύντομη ιστορική αναδρομή στα λειτουργικά συστήματα και τα στατιστικά στοιχεία για τη διάχυση τους στην αγορά. Το κεφάλαιο θα κλείσει με την σύγκριση των λειτουργικών συστημάτων. Στο δεύτερο κεφάλαιο θα μελετήσουμε τις ευφυείς μέθοδοι μηχανικής μάθησης. Αρχικά θα ορίσουμε τη μηχανική μάθηση και το datamining. ΈπειταθαμελετήσουμετιςμεθόδουςταξινόμησηςΚ-nearest neighbor, Naïve Bayes classifier, Decision trees και Support Vector Machines – SVM.Στο τρίτο κεφάλαιο θα γνωρίσουμε το πρόγραμμα weka το οποίο θα χρησιμοποιήσουμε στην εργασία μας.Στο τέταρτο κεφάλαιο θα κάνουμε εξαγωγή χαρακτηριστικών και ένα ηλεκτρονικό ερωτηματολόγιο με το googleforms.Στο πέμπτο κεφάλαιο θα παρουσιάσουμε τα στατιστικά στοιχεία του δείγματος και τααποτελέσματα ταξινόμηση του Κ-κοντινότερος γείτονας, του Μπευζιανούταξινομητή, τα Δένδρααπόφασηςκαι ΜηχανέςΔιανυσμάτωνυποστήριξης.Στο τελευταίο κεφάλαιο θα παρουσιάσουμε τα συμπεράσματα που προέκυψαν από την εργασία μας. | el |
heal.advisorName | Γιαννακέας, Νικόλαος | el |
heal.academicPublisher | Τ.Ε.Ι. Ηπείρου, Σχολή Τεχνολογικών Εφαρμογών, Τμήμα Μηχανικών Πληροφορικής Τ.Ε. | el |
heal.academicPublisherID | teiep | - |
heal.numberOfPages | 64 | - |
heal.fullTextAvailability | true | - |
Appears in Collections: | Προπτυχιακές εργασίες Τμ. Μηχανικών Πληροφορικής Τ.Ε. |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
ΓΚΙΟΚΑΣ ΙΩΑΝΝΗΣ.pdf | Πτυχιακή Εργασία | 2.02 MB | Adobe PDF | View/Open |
This item is licensed under a Creative Commons License