Έμβλημα Πολυτεχνείου Κρήτης
Το Πολυτεχνείο Κρήτης στο Facebook  Το Πολυτεχνείο Κρήτης στο Instagram  Το Πολυτεχνείο Κρήτης στο Twitter  Το Πολυτεχνείο Κρήτης στο YouTube   Το Πολυτεχνείο Κρήτης στο Linkedin
Προβολή ημερολογίου Προβολή ημερολογίου
Προβολή λίστας Προβολή λίστας
iCal - Εκδηλώσεις μήνα iCal - Εκδηλώσεις μήνα
iCal - Εκδηλώσεις 6 μηνών iCal - Εκδηλώσεις 6 μηνών
RSS - Εκδηλώσεις μήνα RSS - Εκδηλώσεις μήνα
RSS - Εκδηλώσεις 6 μηνών RSS - Εκδηλώσεις 6 μηνών

23
Μαϊ

Παρουσίαση μεταπτυχιακής εργασίας κ. Αγγελόπουλου Βασιλείου, Σχολή ΜΠΔ
Κατηγορία: Παρουσίαση Μεταπτυχιακής Εργασίας   ΜΠΔ  
Τοποθεσία
Ώρα23/05/2023 09:00 - 10:00

Περιγραφή:

ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ

ΣΧΟΛΗ ΜΗΧΑΝΙΚΩΝ ΠΑΡΑΓΩΓΗΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ

Διοίκηση της Τεχνολογίας και της Καινοτομίας - Master of Technology & Innovation Management (ΜΤΙΜ)

 

Ονοματεπώνυμο: ΑΓΓΕΛΟΠΟΥΛΟΣ ΒΑΣΙΛΕΙΟΣ

Αριθμός Μητρώου: 2021015006

 

Θέμα

Τίτλος στα Αγγλικά: Assessment Metrics for Clustering Algorithms

 

Εξεταστική Επιτροπή:

Επιβλέπων: ΜΑΤΣΑΤΣΙΝΗΣ ΝΙΚΟΛΑΟΣ

Πρώτο Μέλος: ΓΡΗΓΟΡΟΥΔΗΣ ΕΥΑΓΓΕΛΟΣ

Δεύτερο Μέλος: ΤΣΑΦΑΡΑΚΗΣ ΣΤΥΛΙΑΝΟΣ

 

Περίληψη

Περίληψη της εργασίας στα Αγγλικά:

In the first part of the Thesis, the theoretical background will be provided for Artificial Intelligence, Machine Learning, Supervised and Unsupervised Learning and Clustering in order to provide the basis for understanding the next chapters. In the second chapter, the theoretical and mathematical background is provided for each clustering algorithm that will be implemented. In the third chapter of the Thesis the different clustering assessment metrics are discussed and their mathematical background is presented. In the fourth chapter the basic steps of the implementation that will be carried out in order to provide the necessary outputs will be described. The intended output/result of the Thesis is the development of a software script in Python capable to take different datasets as an input, implement different clustering methods and export the clustering performance metrics. The correct operation of the developed script is shown in the final chapter where an example dataset is used to showcase the capabilities of the script by presenting the results/outputs of the script along with commentary. A manual covering the basic elements of the script can be found in the same chapter.

 

Ημερομηνία Εξέτασης

Ημέρα/Μήνας/Έτος: 23/5/2023

Ώρα: 9:00 π.μ.

 

Χώρος Εξέτασης Αίθουσα: https://tuc-gr.zoom.us/j/5741492636?pwd=MTE1QnR5c1JjM3UxZUo3SU84SWJQUT09

 

Προσθήκη στο ημερολόγιό μου
© Πολυτεχνείο Κρήτης 2012