Παρακαλώ χρησιμοποιήστε αυτό το αναγνωριστικό για να παραπέμψετε ή να δημιουργήσετε σύνδεσμο προς αυτό το τεκμήριο: https://digitalrepository.ekdd.gr/jspui/handle/123456789/1024
Πλήρης εγγραφή μεταδεδομένων
Πεδίο DCΤιμήΓλώσσα
dc.rights.licenseΑναφορά Δημιουργού - Μη Εμπορική Χρήση - Παρόμοια Διανομή (CC BY-NC-SA)el
dc.contributor.advisorΕΚΔΔΑel
dc.contributor.authorΝείρος, Αντώνιος-
dc.contributor.authorΡηγόπουλος, Γεώργιος-
dc.contributor.authorΚαραπιπέρης, Δημήτριος-
dc.contributor.authorΠαπαχρήστου, Νικόλαος-
dc.contributor.editorΜατζαβάκης, Ιωάννης-
dc.creatorΕΚΔΔΑ.ΙΝ.ΕΠ.el
dc.date.accessioned2024-10-03T08:20:59Z-
dc.date.available2024-10-03T08:20:59Z-
dc.date.issued2024-09-
dc.identifier.urihttps://digitalrepository.ekdd.gr/el
dc.identifier.urihttps://digitalrepository.ekdd.gr/jspui/handle/123456789/1024-
dc.descriptionΗ μηχανική μάθηση είναι ένας τομέας της τεχνητής νοημοσύνης (ΤΝ) που επικεντρώνεται στην ανάπτυξη αλγορίθμων και μοντέλων που επιτρέπουν στους υπολογιστές να "μαθαίνουν" από δεδομένα και να κάνουν προβλέψεις ή λήψεις αποφάσεων χωρίς να είναι ρητά προγραμματισμένα για αυτό. Η μηχανική μάθηση χρησιμοποιείται ευρέως σε διάφορους τομείς, όπως η αναγνώριση προτύπων, η επεξεργασία φυσικής γλώσσας, η ανάλυση μεγάλων δεδομένων και η ρομποτική.el
dc.description.abstractΗ Python είναι μια ευρέως χρησιμοποιούμενη γλώσσα προγραμματισμού υψηλού επιπέδου που δημιουργήθηκε από τον Guido van Rossum και κυκλοφόρησε για πρώτη φορά το 1991. Χαρακτηρίζεται από την ευκολία χρήσης και τη σαφήνεια του κώδικα της, καθιστώντας την ιδανική για αρχάριους, αλλά και για έμπειρους προγραμματιστές.el
dc.description.tableofcontentsΛίγα λόγια για τους συγγραφείς xii ΚΕΦΑΛΑΙΟ 1: Εισαγωγή στην Μηχανική Μάθηση. Τύποι προβλημάτων και εφαρμογές. 2 1.1. Τύποι Προβλημάτων στη Μηχανική Μάθηση 2 1.2. Εφαρμογές της Μηχανικής Μάθησης 3 1.3. Εφαρμογές της μηχανικής μάθησης στη Δημόσια Διοίκηση 4 1.4. Νευρωνικά δίκτυα 4 ΚΕΦΑΛΑΙΟ 2: Ανάλυση και οπτικοποίηση δεδομένων με την γλώσσα προγραμματισμού Python 6 2.1. Πλατφόρμες και περιβάλλοντα 7 2.1.1. Τοπικά στον Υπολογιστή σας 7 2.1.2. Διαδικτυακές Πλατφόρμες 7 2.1.3. Εταιρικά και Εκπαιδευτικά Περιβάλλοντα 8 2.2. Μεταβλητές 9 2.2.1. Τύποι Δεδομένων 9 2.3. Η εντολή if 10 2.3.1. Η εντολή if … else 11 2.4. Iterables 12 2.4.1. Λίστες (Lists) 13 2.4.2. Πλειάδες (Tuples) 13 2.4.3. Σύνολα (Sets) 13 2.4.4. Λεξικά (Dictionaries) 14 2.4.5. Συμβολοσειρές (Strings) 14 2.4.6. Ενσωματωμένες Συναρτήσεις και Τεχνικές για Iterables 14 2.5. Δεικτοδότηση και απόσπαση 15 2.5.1. Δεικτοδότηση 16 2.5.2. Απόσπαση 16 2.6. Μεταβλητότητα αντικειμένων 17 2.7. Αλφαριθμητικά 18 2.7.1. Ενσωματωμένες μέθοδοι 18 2.7.2. Μορφοποίηση Αλφαρel
dc.format.extent284el
dc.language.isogrel
dc.publisherΕΚΔΔΑel
dc.relation.uriΕΚΔΔΑel
dc.subjectΠληροφορικήel
dc.subject.otherΝέες Τεχνολογίεςel
dc.titleΕισαγωγή στην εφαρμοσμένη μηχανική μάθηση (supervised learning) με χρήση Pythonel
dc.typeLearning Objectel
dc.rights.holderΕΚΔΔΑel
dc.subject.keywordsPythonel
dc.subject.keywordsΜηχανική Μάθησηel
dc.subject.lifeventΕκπαίδευση και Έρευναel
dc.contributor.reviewerΠαπαμιχαήλ, Γεώργιος-
dc.contributor.reviewerΚωσταπαππάς, Λάμπρος-
Εμφανίζεται στις συλλογές:Εκπαιδευτικό Υλικό

Αρχεία σε αυτό το τεκμήριο:
Αρχείο Περιγραφή ΜέγεθοςΜορφότυπος 
ΕΦΑΡΜ ΜΗΧΑΝ ΜΑΘ (SUPERVISED) ΜΕ PYTHON.pdf5.81 MBAdobe PDFΔείτε/ Ανοίξτε


Όλα τα τεκμήρια του δικτυακού τόπου προστατεύονται από πνευματικά δικαιώματα