Nadzirano strojno učenje i primjena odabranih algoritama u ML.NET-u

diplomski rad

• Naslov (engleski): Supervised Machine Learning and Application of Selected Algorithms in ML.NET
• Autor: Kristijan Maoduš
• Mentor: Bogdan Okreša Đurić (mentor); MBZ: 367114
• Član povjerenstva: Markus Schatten (član povjerenstva); MBZ: 291806
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet organizacije i informatike; (Katedra za teorijske i primijenjene osnove informacijskih znanosti); Varaždin
• Datum i država obrane: 2022-09-27, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: DRUŠTVENE ZNANOSTI; Informacijske i komunikacijske znanosti; Organizacija i informatika

Sažetak

Strojno učenje, tema koja postaje sve važnija i važnija u zadnje vrijeme, ne samo za stručnjake iz područja informacijsko-komunikacijskih tehnologija i analitičara, nego i za znanstvenike, te inžinjere koji žele iskoristiti svu moć i prednost tehnika prediktivne analize, klasifikacije, klasteriranja i obrade prirodnog jezika. Tema ovog diplomskog rada je strojno učenje (engl. machine learning), preciznije dio strojnog učenja - nadzirano strojno učenje (engl. supervised machine learning) i primjena odabranih algoritama u ML.NET-u. Mislim da će ovaj rad biti koristan svim osobama koje su, kao i ja, tek na početku puta učenja i dubljeg proučavanja strojnog učenja. Kroz teorijski opis, povijest nastanka i podjelu strojnog učenja, te opisom algoritama uz koje gradimo modele dobit ćemo temeljno razumijevanje o izradi modela strojnog učenja. Teorijsko znanje bit će primijenjeno na jednom praktičnom primjeru u Microsoft .NET okruženju. Ukratko rečeno, ML.NET je razvojni okvir otvorenog koda (engl. open-source), dostupan je na više platformi (engl. cross-platform) i razvijen je od strane Microsoft-a. Omogućuje nam treniranje, izradu i objavljivanje prilagođenih modela strojnog učenja koristeći .NET programske jezike C# ili F#. Funkcionalnosti koje podržava, poput AutoML-a, te ML.NET Model Buildera olakšavaju samu integraciju strojnog učenja u postojeće aplikacije.

• Ključne riječi: machine learning; ML.NET; supervised; SVM
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:211:740215
• Studijski program: Naziv: Baze podataka i baze znanja; Vrsta studija: sveučilišni; Stupanj studija: diplomski; Akademski / stručni naziv: magistar/magistra informatike (mag.inf.)
• Vrsta resursa: Tekst
• Način izrade datoteke: Izvorno digitalna
• Prava pristupa: Pristup svim korisnicima iz sustava znanosti i visokog obrazovanja RH
• Datum i vrijeme pohrane: 2022-10-03 04:10:18