Παναγιωτάκης, ΚωσταντίνοςPanagiotakis, KostantinosΓαβαλάς, ΜιχαήλGavalas, Michail2024-07-132024-07-132024-07-13https://apothesis.hmu.gr/handle/123456789/11033Στο χώρο των υπολογιστικών επιστημών, με την πάροδο του χρόνου διακρίνουμε ολοένα και περισσότερο την σημαντικότητα που αποκτούν οι νέο-ανερχόμενες θέσεις εργασίας που ασχολούνται με υπολογιστές, μαζί με τις τεχνολογίες που ασχολούνται αυτές οι θέσεις εργασίας. Η ευχέρεια και διορατικότητα που παρουσιάζουν οι νεότερες πρόοδοι συγκεκριμένα στο πεδίο ανάλυσης δεδομένων και πληροφοριακών συστημάτων με αυτουργούς μεγάλο εταιρίες που έχουν στη διάθεση τους μεγάλους όγκους δεδομένων, παρουσιάζουν νέους και πιο αποτελεσματικούς τρόπους για την ανάπτυξη της οικονομίας (ιδιωτική και κοινωνική) μαζί και των γενικών επιστημών, πράγμα που κεντρίζει το ενδιαφέρον μας. Σκοπός αυτής της πτυχιακής εργασίας είναι να εξοικειώσει τον αναγνώστη στις τελευταίες εξελίξεις στην Τεχνητή Νοημοσύνη και τους κλάδους της παρουσιάζοντας ένα σύστημα συστάσεων ως παράδειγμα. Αυτή η εργασία με τη χρήση του συστήματος συστάσεων ως παράδειγμα θα δείξει πώς ένα σχετικά απλό και μικρό μοντέλο Τεχνητής Νοημοσύνης μπορεί να υπολογίσει χρήσιμες πληροφορίες αλλά θα παρουσιάσει και τα όρια που έχει ένα μοντέλο Τεχνητής Νοημοσύνης (σε αυτήν την περίπτωση το μοντέλο αυτής της εργασίας) και τις προϋποθέσεις που πρέπει να ακολουθήσει για να λειτουργήσει καλύτερα. Τέλος για να αξιολογηθεί το σύστημα θα υπολογίσουμε μέσω της gap method και τυπικής απόκλισης (μέτρο ακρίβειας), την αποδοτικότητα και ακρίβεια του συστήματος. Τα συστήματα συστάσεων ανήκουν στον κλάδο της Τεχνητής Νοημοσύνης, πιο συγκεκριμένα στην Μηχανική Μάθηση και αποσκοπούν στην βελτιστοποίηση της εμπειρία των χρηστών. Αυτά τα συστήματα λαμβάνουν ως είσοδο/δεδομένα τις αλληλεπιδράσεις των χρηστών σε μια πλατφόρμα ή περιβάλλον και ως έξοδο/πληροφορία προτείνουν σε χρήστες αντικείμενα από το περιβάλλον με υψηλή πιθανότητα να ληφθούν θετικά από τους χρήστες. Αυτά τα συστήματα χρησιμοποιούνται πλέον από πολλές εταιρίες και υπηρεσίες για να αυξήσουν τα κέρδη τους και των αριθμό ενεργών χρηστών/πελατών τους σε μεγάλο βαθμό αποδοτικότητας. Για αυτή την εργασία θα εξεταστεί ένα απλό σύστημα συστάσεων με δεδομένα μια μικρή βάση δεδομένων και θα εξάγουμε διάφορες πληροφορίες για το σύστημα και τα δεδομένα μας. Θα μελετήσουμε τα βήματα για τη δημιουργία ενός συστήματος συστάσεων σε σύγκριση με το σύστημα που θα χρησιμοποιηθεί για αυτή την εργασία και στο τέλος θα εξετάσουμε την αποδοτικότητα του συστήματος.In the field of computational sciences, over time we have seen more the importance of newly emerging computer-related jobs, along with the technologies these jobs are engaged in. The fluency and insight presented by the latest advances, especially in the field of data analysis and information systems, perpetrated by large companies that have large volumes of data at their disposal, present new and more effective ways for the development of the economy (private and social) along with the general sciences, which piques our interest. The purpose of this thesis is to familiarize the reader with the latest developments in Artificial Intelligence and its disciplines by presenting a system of recommendations as an example. This work using the recommendation system as an example will show how a simple and small AI model can calculate useful information but will also present the limits that an AI model (in this case the model of this task) has and the conditions it must follow to work better. Finally, to evaluate the system, we will calculate through the gap method and standard deviation (measure of accuracy), the efficiency and accuracy of the system. Recommendation systems belong to the field of Artificial Intelligence, more specifically to Machine Learning and aim to optimize user experience. These systems take user interactions on a platform or environment as input/data and suggest objects from the environment with a high probability of being positively received by users as input/information. Multiple companies and services are using these systems to increase their profits and the number of active users/customers to a high degree of efficiency. For this work, we will examine a simple recommendation system with data, a small database, and we will extract various information about our system and data. We will study the steps to create a recommendation system in comparison to the system for this work, and in the end we will consider the efficiency of the system.elAttribution-NonCommercial-NoDerivs 3.0 United Statesτεχνητή νοημοσύνημηχανική μάθησηβαθιά μάθησησυστήματα συστάσεωνartificial intelligencemechanical learningdeep learningrecommender systemsΠτυχιακή Εργασία