Σχεδιασμός, βελτιστοποίηση, ανάπτυξη και επεξήγηση αλγορίθμων μηχανικής και βαθιάς μάθησης, με δυνατότητα εκτέλεσης σε κατανεμημένα συστήματα μεγάλων δεδομένων, βασισμένα σε πολυδιάστατα και σύνθετα σύνολα δεδομένων

Περίληψη

Η εκθετική αύξηση των ψηφιακών δεδομένων και οι εξελίξεις στην Τεχνητή Νοημοσύνη (ΑΙ) έχουν επαναπροσδιορίσει τη λήψη αποφάσεων που βασίζεται σε δεδομένα σε διάφορους κλάδους. Ωστόσο, η διαχείριση και εκμετάλλευση σύνθετων, υψηλής διάστασης και διαφορετικών τύπων συνόλων δεδομένων παραμένει πρόκληση, ιδιαίτερα στους τομείς της χρηματοοικονομικής και του cloud computing, όπου η ποικιλία των δεδομένων, η προσαρμοστικότητα σε πραγματικό χρόνο και η ακρίβεια πρόβλεψης είναι κρίσιμες. H παρούσα διατριβή παρουσιάζει μεθοδολογίες ΑΙ με επίκεντρο τα δεδομένα, σχεδιασμένες να δημιουργούν ανθεκτικά και προσαρμοστικά συστήματα ικανά να επεξεργάζονται ποικίλα δεδομένα σε πολλαπλές μορφές και τομείς. Συγκεκριμένα, η διατριβή παρουσιάζει ένα Πλαίσιο Συλλογισμού και Γνώσης που αξιοποιεί οντολογίες και τεχνικές ανάκτησης-ενισχυμένης δημιουργίας (RAG) για την ενσωμάτωση, διαχείριση και επεξεργασία δομημένων και μη δομημένων δεδομένων. Αυτό επιτρέπει τη συνδυαστική χρήση διαφορετικών τύπων δεδομένων προ ...
περισσότερα

Περίληψη σε άλλη γλώσσα

The exponential growth of digital data and advancements in Artificial Intelligence (AI) have redefined data-driven decision-making across industries. However, managing complex, high-dimensional, and multi-frequency datasets remains challenging, particularly in finance and cloud computing sectors where data variability, real-time adaptability, and predictive precision are crucial. This thesis introduces data-centric AI methodologies designed to create resilient and adaptable systems capable of processing diverse data across multiple formats and domains. Specifically, the dissertation presents a Knowledge and Reasoning Framework that utilizes ontologies and retrieval-augmented generation (RAG) techniques for integrating, managing, and processing structured and unstructured data. This enables the combined utilization of different types of data originating from different sources. Furthermore, techniques are developed to improve the real-time adaptability of time-series analysis models, all ...
περισσότερα

Όλα τα τεκμήρια στο ΕΑΔΔ προστατεύονται από πνευματικά δικαιώματα.

Διεύθυνση Handle
http://hdl.handle.net/10442/hedi/58200
ND
58200
Εναλλακτικός τίτλος
Design, optimization, development and explanation of artificial intelligence algorithms, capable of running on distributed big data systems, based on multidimensional and complex datasets
Συγγραφέας
Φατούρος, Γεώργιος (Πατρώνυμο: Δημήτριος)
Ημερομηνία
2024
Ίδρυμα
Πανεπιστήμιο Πειραιώς. Σχολή Τεχνολογιών Πληροφορικής και Επικοινωνιών. Τμήμα Ψηφιακών Συστημάτων
Εξεταστική επιτροπή
Κυριαζής Δημοσθένης
Φιλιππάκης Μιχαήλ
Δουλκερίδης Χρήστος
Σγούρος Νικήτας-Μαρίνος
Πρέντζα Ανδριάνα
Κουσιουρής Γεώργιος
Μενύχτας Ανδρέας
Επιστημονικό πεδίο
Φυσικές ΕπιστήμεςΕπιστήμη Ηλεκτρονικών Υπολογιστών και Πληροφορική ➨ Τεχνητή νοημοσύνη
Επιστήμες Μηχανικού και ΤεχνολογίαΕπιστήμη Ηλεκτρολόγου Μηχανικού, Ηλεκτρονικού Μηχανικού, Μηχανικού Η/Υ ➨ Ρομποτική
Λέξεις-κλειδιά
Τεχνητή νοημοσύνη; Μεγάλα γλωσσικά μοντέλα (LLMs); Χρηματοοικονομική ανάλυση; Εξόρυξη γνώσης; Πρόβλεψη χρονοσειρών; Υπολογιστικό νέφος; Μηχανική μάθηση; Βαθιά μάθηση; Ανάκτηση βάσει περιεχομένου
Χώρα
Ελλάδα
Γλώσσα
Αγγλικά
Άλλα στοιχεία
εικ., πιν., σχημ., γραφ.
Στατιστικά χρήσης
ΠΡΟΒΟΛΕΣ
Αφορά στις μοναδικές επισκέψεις της διδακτορικής διατριβής για την χρονική περίοδο 07/2018 - 07/2023.
Πηγή: Google Analytics.
ΞΕΦΥΛΛΙΣΜΑΤΑ
Αφορά στο άνοιγμα του online αναγνώστη για την χρονική περίοδο 07/2018 - 07/2023.
Πηγή: Google Analytics.
ΜΕΤΑΦΟΡΤΩΣΕΙΣ
Αφορά στο σύνολο των μεταφορτώσων του αρχείου της διδακτορικής διατριβής.
Πηγή: Εθνικό Αρχείο Διδακτορικών Διατριβών.
ΧΡΗΣΤΕΣ
Αφορά στους συνδεδεμένους στο σύστημα χρήστες οι οποίοι έχουν αλληλεπιδράσει με τη διδακτορική διατριβή. Ως επί το πλείστον, αφορά τις μεταφορτώσεις.
Πηγή: Εθνικό Αρχείο Διδακτορικών Διατριβών.
Σχετικές εγγραφές (με βάση τις επισκέψεις των χρηστών)