Θέμα: Τεχνικές και Αλγόριθμοι Εξόρυξης Δεδομένων
Τίτλος στα αγγλικά: Data Mining Techniques and Algorithms
Επιβλέπων:
Ιωάννης Μπαρμπουνάκης, Επ. Καθηγητής Ηλεκτρονικών Μηχανικών ΕΛΜΕΠΑ
Τριμελής Επιτροπή
- Ιωάννης Μπαρμπουνάκης, Επ. Καθηγητής Τμ. Ηλεκτρονικών Μηχανικών ΕΛΜΕΠΑ
- Νικόλαος Πετράκης, Επ. Καθηγητής Τμ. Ηλεκτρονικών Μηχανικών ΕΛΜΕΠΑ
- Γεώργιος Λιοδάκης, Επ. Καθηγητής Τμ. Ηλεκτρονικών Μηχανικών ΕΛΜΕΠΑ
Περίληψη
Η πτυχιακή αυτή εργασία εξετάζει σε βάθος την εξόρυξη δεδομένων, μια εξελισσόμενη διεπιστημονική περιοχή, ξεκινώντας με μια ιστορική αναδρομή και ανάλυση των αιτιών που καθιστούν την εξόρυξη δεδομένων απαραίτητη. Περιγράφει τις διαδικασίες, τις απαιτήσεις και τους στόχους, καθώς και τη βασική ροή της ανακάλυψης γνώσης (KDD). Εξετάζονται οι σχέσεις της εξόρυξης δεδομένων με άλλους επιστημονικούς τομείς, όπως η στατιστική, η μηχανική μάθηση και οι βάσεις δεδομένων, και παρουσιάζονται οι βασικές μέθοδοι εξόρυξης δεδομένων, όπως η κατηγοριοποίηση, η ομαδοποίηση και η ανάλυση συσχετίσεων. Η εργασία ολοκληρώνεται με μια επισκόπηση των προκλήσεων και των μελλοντικών κατευθύνσεων στην εξόρυξη δεδομένων.
Abstract
This thesis takes an in-depth look at data mining, an evolving interdisciplinary field, starting with a historical review and analysis of the reasons why data mining is necessary. It describes the processes, requirements and goals, as well as the basic flow of knowledge discovery (KDD). The relationships of data mining with other scientific fields, such as statistics, machine learning and databases are explored, and key data mining methods, such as categorization, clustering and correlation analysis, are presented. The thesis concludes with an overview of the challenges and future directions in data mining.
Λέξεις – Κλειδιά
Εξόρυξη Δεδομένων, Τεχνικές, Αλγόριθμοι, Ανακάλυψη Γνώσης
Keywords
KDD Knowledge Discovery from Databases, Data mining, Algorithms, Techniques
Ημερομηνία Εξέτασης: 10:00 18/3/2025
Χώρος Εξέτασης: Αίθουσα 8