Αυτοματοποιημένη οπτικοποίηση δεδομένων με μηχανική μάθηση

Χατζησάββας, Ανδρέας; Chatzisavvas, Andreas

dc.contributor.author	Χατζησάββας, Ανδρέας	el
dc.contributor.author	Chatzisavvas, Andreas	en
dc.date.accessioned	2025-07-30T10:19:58Z
dc.date.available	2025-07-30T10:19:58Z
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/62228
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.29924
dc.rights	Default License
dc.subject	Μηχανική Μάθηση	el
dc.subject	Οπτικοποίηση Αναλυτικής Δεδομένων	el
dc.subject	Σύσταση Οπτικοποίησης	el
dc.subject	Εξαγωγή Χαρακτηρισιτκών	el
dc.subject	Αναλυτική	el
dc.subject	Machine Learning	en
dc.subject	Data Visualization	en
dc.subject	Visualization Recommendation	en
dc.subject	Feature Extraction	en
dc.subject	Analytics	en
dc.title	Αυτοματοποιημένη οπτικοποίηση δεδομένων με μηχανική μάθηση	el
dc.title	Automatic data visualization with machine learning	en
heal.type	bachelorThesis
heal.classification	Μηχανική Μάθηση	el
heal.classification	Αναλυτική Δεδομένων	el
heal.classification	Αναλυτική	el
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2025-02-24
heal.abstract	Ένα σύστημα σύστασης οπτικοποίησης δεδομένων είναι εξαιρετικά σημαντικό στη σύγχρονη εποχή, όπου ο όγκος των δεδομένων αυξάνεται συνεχώς λόγω της ψηφιοποίησης και της τεχνολογικής προόδου. Οι επιχειρήσεις, οι οργανισμοί και οι ερευνητές συλλέγουν τεράστιες ποσότητες δεδομένων από διάφορες πηγές (π.χ. κοινωνικά δίκτυα, αισθητήρες IoT, διαδικτυακές πλατφόρμες), καθιστώντας δύσκολη την επεξεργασία και την εξαγωγή χρήσιμων πληροφοριών. Η οπτικοποίηση δεδομένων επιτρέπει την παρουσίαση πολύπλοκων δεδομένων με τρόπο που είναι εύκολα κατανοητός. Η μηχανική μάθηση παίζει καθοριστικό ρόλο στην ενίσχυση τέτοιων συστημάτων, καθώς μπορεί να αυτοματοποιήσει την ανάλυση τεράστιων όγκων δεδομένων και να προτείνει τις κατάλληλες οπτικοποιήσεις με βάση τα χαρακτηριστικά των δεδομένων και τις ανάγκες των χρηστών. Οι αλγόριθμοι μηχανικής μάθησης μπορούν να αναγνωρίζουν μοτίβα που μπορεί να μην είναι άμεσα ορατά και να προτείνουν τρόπους παρουσίασης των πληροφοριών που μεγιστοποιούν την κατανόηση. Στην παρούσα διπλωματική εργασία, μελετάται η αυτοματοποίηση της διαδικασίας σύστασης οπτικοποίησης δεδομένων με την χρήση μηχανικής μάθησης. Εξετάζονται τα κύρια χαρακτηριστικά που συμβάλλουν στην βέλτιστη οπτικοποίηση δεδομένων μέσω διαδικασιών εξαγωγής χαρακτηριστικών. Αναπτύσσονται μοντέλα βασισμένα σε διάφορους αλγορίθμους, με στόχο την κατανόηση της φύσης του προβλήματος και την πρόταση της καταλληλότερης προσέγγισης. Η μεθοδολογία αξιοποιεί διαφορετικά σύνολα δεδομένων από την online πλατφόρμα του plotly, η οποία εξυπηρετεί ως ένα σημείο συγκέντρωσης δεδομένων από ποικίλες πηγές. Στην συνέχεια, διεξάγεται μια σειρά πειραμάτων ώστε να καταλήξουμε σε μοντέλα που ανταπεξέρχονται στις απαιτήσεις μας και να αξιολογήσουμε τις μεθόδους μας. Τέλος, υλοποιείται μια web εφαρμογή που επιτρέπει την γραφική αλληλεπίδραση με το χρήστη και την οπτικοποίηση των αποτελεσμάτων της μεθόδου.	el
heal.advisorName	Μέντζας, Γρηγόρης	el
heal.committeeMemberName	Μέντζας, Γρηγόρης	el
heal.committeeMemberName	Μαρινάκης, Ευάγγελος	el
heal.committeeMemberName	Ασκούνης, Δημήτριος	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών. Τομέας Ηλεκτρικών Βιομηχανικών Διατάξεων και Συστημάτων Αποφάσεων	el
heal.academicPublisherID	ntua
heal.numberOfPages	121 σ.	el
heal.fullTextAvailability	false