Σεμινάριο: Εισαγωγή στην Ανάλυση Δεδομένων με Αλγορίθμους Τεχνητής Νοημοσύνης

Οι Αλγόριθμοι Τεχνητής Νοημοσύνης και Μηχανικής Μάθησης εμπλέκονται σε πληθώρα ερευνητικών και βιομηχανικών έργων, συμβάλλοντας στην επίλυση επιμέρους προβλημάτων, από τη μοντελοποίηση και ανάλυση δεδομένων έως την αναγνώριση προσώπων και τα αυτοοδηγούμενα οχήματα. Τα τελευταία χρόνια παρατηρείται έντονη ενασχόληση ερευνητών και επαγγελματιών με τους αλγοριθμους τεχνητής νοημοσύνης, διότι εφαρμόζονται με επιτυχία σε ένα ασυνήθιστα ευρύ φάσμα τομέων της επιστήμης και της τεχνολογίας. Ανεξάρτητα από την εκάστοτε βάση δεδομένων, η βασική τους λειτουργία, επιτελείται από ένα μαθηματικό προσομοίωμα το οποίο περιγράφει αλληλεπιδράσεις μεταξύ μεταβλητών. Η σχέση μεταξύ των ανεξάρτητων και εξαρτημένων μεταβλητών, είναι συχνά μη γραμμική και περίπλοκη, και τα μαθηματικά προσομοιώματα, στοχεύουν να διαμορφώσουν μια γενικευμένη σχέση. Η επιτελεστικότητά τους εξαρτάται από τη μαθηματική διατύπωση και την υποκείμενη θεωρία, την αλγοριθμική εφαρμογή και τους ελέγχους σφαλμάτων πρόβλεψης & γενίκευσης των αποτελεσμάτων. Στόχος του σεμιναρίου είναι να παρουσιάσει τις βασικές υπολογιστικές τεχνικές σε συγκεκριμένες εφαρμογές.

Ενδεικτικές Θεματικές ενότητες

Εισαγωγή στην Τεχνητή Νοημοσύνη

  • Μαθηματικά προσομοιώματα (Αντίστροφα προβήματα, Βασικές αρχές προσέγγισης συναρτήσεων. Μέθοδοι παρεμβολής. Ακτινοειδείς προσεγγίσεις συναρτήσεων).
  • Προβλέψεις με στατιστική & μηχανική μάθηση.
  • Μαζική ανάλυση κειμένου & ερευνητικής βιβλιογραφίας. Υπολογιστική ανάλυση υποκειμενικότητας & νοήματος σε κείμενο.
  • Ανάλυση Παλινδρόμησης (Γραμμική & μη γραμμική παλινδρόμηση. Λογιστική παλινδρόμηση. Προσομοιώματα σταδίων και προώθηση μεταβλητών εξ’ αρχής και πέρατος).

Ανάλυση παλινδρόμησης

  • Προετοιμασία δεδομένων, Κανονικοποίηση, Outliers.
  • Μοντέλα μιας και πολλαπλών μεταβλητών. Γεωμετρική αναπαράσταση.
  • Τι είναι το γραμμικό μοντέλο και γιατί χρησιμοποιείται ευρέως. Περιορισμοί.
  • Αποτελέσματα Μοντέλου, R^2. Συντελεστές, βαρύτητας, p-values.
  • Ανάλυση Σφαλμάτων (Residuals), ετεροσκεδασμός, πόλωση.
  • Σημασία μεταβλητών & Σημαντικότητα.

Μη γραμμική παλινδρόμηση

  • Σταδιακή παλινδρόμηση
  • Σύνολα εκπαίδευσης, επαλήθευσης & ελέγχου

Τεχνητά Νευρωνικά Δίκτυα

  • Εποπτευόμενη Μάθηση, Γενικευμένες προσομοιώσεις. Αναπαράσταση & Εισαγωγή στους αλγορίθμους μάθησης.
  • Έλεγχοι Σφαλμάτων & Ποσοτικά κριτήρια.
  • Υπερπροσέγγιση και υπερμάθηση δικτύου.

Ανάλυση ευαισθησίας

  • Αξιολόγηση προσομοιώματος και  ερμηνεία αποτελεσμάτων.
  • Απομόνωση επιροής κάθε ανεξάρτητης μεταβλητής στην εξαρτημένη με βάση διάμεσο & 25-75% εκατοστημόρια.
  • Εννοιολογική ερμηνεία του μοντέλου και εξαγωγή συμπερασμάτων.

Ειδικά Θέματα

  • Εναλλακτικές μέθοδοι παλινδρόμησης (Σύζευξη προσομοιωμάτων, k-πλησιέστερες γειτνιάσεις, κλπ.)
  • Αλγόριθμοι Βελτιστοποίησης. Εισαγωγή στους ευρετικούς, γενετικοί, εξελικτικοί, ολικής αναζήτησης.
  • Αλγόριθμοι ομαδοποίησης / clustering

Εφαρμογές

Θα πασουσοασθούν παραδείγματα από Ακαδημαϊκά & Βιομηχανικά έργα. Ενδεικτικά αναφέρουμε:

Ανάλυση αγοράς & εκτίμηση τιμών ακινήτων με αλγορίθμους Τεχνητής Νοημοσύνης

Ανάλυση αγοράς & εκτίμηση τιμών ακινήτων με αλγορίθμους Τεχνητής Νοημοσύνης

A recent scientometric study by DImopoulos and Bakas (2018), on the relevant to Mass Appraisals and Property Valuations literature, revealed a ...
Read More
Ανάλυση Ευαισθησίας Εργασιακού Ρίσκου

Ανάλυση Ευαισθησίας Εργασιακού Ρίσκου

In this work, presented in the Employability21 Conference, we implemented Machine Learning Algorithms, to analyze the Employee Experience Feedback. In ...
Read More
Βελτιστοποίηση Δομοστατικής Απόκρισης

Βελτιστοποίηση Δομοστατικής Απόκρισης

The minimization problem of a nonconvex function of many variables is a fundamental mathematical problem in soft computing. Genetic algorithms ...
Read More
Στατιστική Ανάλυση για το Ερευνητικό Πρόγραμμα ECO-Cement

Στατιστική Ανάλυση για το Ερευνητικό Πρόγραμμα ECO-Cement

Eco-Cement is a new proposed material for the construction industry that uses waste products of multiple industries in its manufacture. It ...
Read More
Τεχνητά Νευρωνικά Δίκτυα για την Ανάλυση Κατασκευών

Τεχνητά Νευρωνικά Δίκτυα για την Ανάλυση Κατασκευών

The following video highlights the procedure utilized in the work of Bakas, Makridakis and Papadrakakis, Torsional parameters importance in the ...
Read More
Δημοσιεύσεις

Δημοσιεύσεις

Παρακάτω αναφέρουμε τις επιστημονικές δημσιεύσεις μας σχετικά με Υπολογιστικές Μεθόδους, Μηχανική Μάθηση & Τεχνητή Νοημοσύνη. Αφορούν ποικίλες εφαρμογές, στη μηχανική, ...
Read More
Εφαρμογές Τεχνητής Νοημοσύνης σε Επιχειρήσεις

Εφαρμογές Τεχνητής Νοημοσύνης σε Επιχειρήσεις

Η Τεχνητή Νοημοσύνη και η Μηχανική Μάθηση αρχίζει να εφαρμόζεται ευρέως, πέρα από την ακαδημαϊκή έρευνα, στις επιχειρήσεις. Παρακάτω πραθέτουμε ...
Read More

Σε ποιους απευθύνεται

  • εργαζομένους σε επιχειρήσεις που επιθυμούν να εξαγουν συμπεράσματα από τα δεδομένα που έχουν, έτσι ώστε να διαχειρισθούν πιθανούν κινδύνους, να λάβουν αποφάσεις και να κάνουν προβλέψεις. Αντιστοιχα, να βλετιστοποιήσυν τη διαχείρηση πόρων και να εξοικονομήσουν χρήματα.
  • ερευνητές που επιθυμούν να αναλύσουν επιστημονικές βάσεις δεδομένων με σύγχρονες τεχνικές μηχανικής μάθησης
  • επαγγελματίες που εργάζονται σε αναλύσεις δεδομένων, προβλέψεις και συναφή θέματα
  • οποιοσδήποτε ενδιαφέρεται να κατανοήσει το θεωρητικό υπόβαθρο και την πρακτική εφαρμογή αλγορίθμων μηχανικής μάθησης σε προβλέψεις και ανάλυση δεδομένων.

Οφέλη σεμιναρίου

  • εισαγωγη στο μαθηματικό υπόβαθρο της μηχανικής μάθησης με κατανοητό τρόπο
  • παρουσίαση εφαρμογών από έρευνα και επιχειρήσεις
  • μετάβαση από την κλασική στατιστική σε σύγχρονους αλγορίθμους
  • hands-on εφαρμογές σε παραδείγματα
  • ειδικές τιμές στα λογισμικά & υπηρεσίες NOESYS

Εισηγητές

Δρ. Νικόλαος Μπάκας

Δρ. Νικόλαος Μπάκας

Ο Δρ. Νικόλαος Μπάκας είναι λέκτορας υπολογιστικής μηχανικής στο Πανεπιστήμιο Νεάπολις Πάφου. Σε πρόσφατη εργασία στο Research - A Science Partner Journal,  έδωσε γενική λύση σε μαθηματικό πρόβλημα των προβλέψεων. Ασχολείται ερευνητικά και επαγγελματικά με αναλύσεις δεδομένων, μαθηματικά προσομοιώματα και προβλέψεις με ένα ευρύ πεδίο εφαρμογών. Οι σπουδές του περιλαμβάνουν ... Read More
Θωμάς Δημόπουλος

Θωμάς Δημόπουλος

Ο Θωμάς είναι πρόεδρος του RICS Κύπρου. Είναι επίσης Ιδρυτής και Διευθύνων Σύμβουλος της AXIA Chartered Surveyors, Πιστοποιημένος Εκτιμητής & Τοπογράφος Μηχανικός ειδικευμένος στις εκτιμήσεις ακινήτων και τις μεθοδολογίες τους. Από το 2011 διδάσκει ως Λέκτορας τις μεθόδους εκτίμησης ακινήτων στο Πανεπιστήμιο Νεάπολις Πάφου και ως ειδικός επιστήμονας στο Τμήμα ... Read More

Διεξαγωγή

  • Online, μέσω διαδικτυακής πλατφόρμας. Μπορείτε να το παρακολουθήσεται από το γραφείο σας, μέσω απλής διαδικασίας σύνδεσης. Δεν απαιτείται ιδιαίτερος εξοπλισμός.
  • Διάρκεια: 12 ώρες
  • Ημερομηνία: 23/11, 30/11, 7/10, 11:00 – 15:00
  • Κόστος Συμμετοχής: 120 Ευρώ + ΦΠΑ. Early bird (έως 14 Νοεμβρίου) 90Ευρώ + ΦΠΑ.
  • Για την κράτηση θέσης στο σεμινάριο απαιτείται η αποστολή του αποδεικτικού κατάθεσης στο info@noesys.net. Όσοι έχουν έδρα εκτός Κύπρου και ενεργή ατομική επιχείρηση απαλλάσσονται ΦΠΑ.

 


Δήλωση Συμμετοχής

Τραπεζικός Λογαριασμός

  • IBAN: CY04002001950000357029443055
  • SWIFT: BCYPCY2N
  • Δικαιουχος ASCSE LTD
  • Paypal: info@noesys.net