E-Locus - Ιδρυματικό Καταθετήριο Πανεπιστημίου Κρήτης - Μεταπτυχιακές εργασίες ειδίκευσης

Αρχική Συλλογές Σχολή/Τμήμα Σχολή Θετικών και Τεχνολογικών Επιστημών Τμήμα Επιστήμης Υπολογιστών Μεταπτυχιακές εργασίες ειδίκευσης

Μεταπτυχιακές εργασίες ειδίκευσης

Τρέχουσα Εγγραφή: 1 από 824

[Προσθήκη στο καλάθι]

Κωδικός Πόρου

000463775

Τίτλος

Automated causal discovery library

Άλλος τίτλος

Βιβλιοθήκη για την αυτόματη εύρεση αιτιακών σχέσεων

Συγγραφέας

Ντρουμπογιάννης, Αντώνιος Χ.

Σύμβουλος διατριβής

Τσαμαρδινός, Ιωάννης

Μέλος κριτικής επιτροπής

Τριανταφύλλου, Σοφία
Τόλλης, Ιωάννης

Περίληψη

Στο πεδίο της επιστήμης των δεδομένων και της στατιστικής, η κατανόηση των αιτιωδών σχέσεων μεταξύ των μεταβλητών είναι υψίστης σημασίας για τη λήψη τεκμηριωμένων αποφάσεων και προβλέψεων. Οι παραδοσιακές μέθοδοι ανακάλυψης αιτιωδών σχέσεων, που βασίζονται σε μεγάλο βαθμό στην ανθρώπινη εμπειρογνωμοσύνη και τη χειροκίνητη ανάλυση, θέτουν σημαντικές προκλήσεις όσον αφορά την επεκτασιμότητα, την αντικειμενικότητα και την αποτελεσματικότητα. Για την αντιμετώπιση αυτών των προκλήσεων, εισάγουμε την έννοια της αυτοματοποιημένης αιτιώδους ανακάλυψης (Αυτο''Δ), μια επαναστατική προσέγγιση που επιδιώκει την πλήρη αυτοματοποίηση της εφαρμογής των μεθόδων αιτιώδους ανακάλυψης και αιτιώδους συλλογισμού. Το Αυτο''Δ είναι μια βιβλιοθήκη της πψτηον και έχει σχεδιαστεί όχι μόνο για να αναπαράγει τις αναλυτικές δυνατότητες ενός έμπειρου ανθρώπινου αναλυτή, αλλά και για να τις ξεπεράσει αξιοποιώντας προηγμένους αλγορίθμους και υπολογιστική ισχύ. Στόχος του Αυτο''Δ είναι να παρέχει ολοκληρωμένα όλες τις αιτιώδεις πληροφορίες, συμπεριλαμβανομένων των πολύπλοκων αιτιωδών σχέσεων και αλληλεπιδράσεων, και να απαντά αποτελεσματικά και με ακρίβεια στα αιτιώδη ερωτήματα ενός χρήστη. Το Αυτο''Δ αντιπροσωπεύει ένα σημαντικό άλμα προς τα εμπρός στον τομέα της αιτιώδους ανάλυσης, αυτοματοποιώντας την περίπλοκη διαδικασία εντοπισμού αιτιωδών σχέσεων από τεράστια και πολύπλοκα σύνολα δεδομένων. Περιγράφουμε την αρχιτεκτονική μιας τέτοιας πλατφόρμας, η οποία βασίζεται σε ένα στιβαρό πλαίσιο που ενσωματώνει αλγορίθμους τελευταίας τεχνολογίας για την ανακάλυψη και την εξαγωγή συμπερασμάτων αιτιώδους συνάφειας. Η αρχιτεκτονική αυτή έχει σχεδιαστεί ώστε να είναι ευέλικτη, επιτρέποντας την προσαρμογή και την επεκτασιμότητα σύμφωνα με τις ειδικές ανάγκες διαφόρων εφαρμογών. Επιπλέον, παρουσιάζουμε την επίδοση του Αυτο''Δ σε συνθετικά σύνολα δεδομένων, αναδεικνύοντας την ικανότητά του να αποκαλύπτει με ακρίβεια και αποτελεσματικότητα αιτιώδεις σχέσεις. Η γενική εφαρμοσιμότητα του συστήματος είναι ένα από τα βασικά πλεονεκτήματά του, επιτρέποντάς του να αναπτυχθεί σε ένα ευρύ φάσμα προβλημάτων ανακάλυψης αιτιωδών σχέσεων. Από την υγειονομική περίθαλψη και την επιδημιολογία έως τα οικονομικά και τις κοινωνικές επιστήμες, το Αυτο''Δ έχει τη δυνατότητα να μεταμορφώσει τον τρόπο με τον οποίο διεξάγεται η αιτιώδης ανάλυση, καθιστώντας την εξελιγμένη ανακάλυψη αιτιωδών σχέσεων προσιτή σε ένα ευρύτερο κοινό χωρίς την προϋπόθεση βαθιάς στατιστικής γνώσης. Αυτοματοποιώντας τη διαδικασία της αιτιώδους ανακάλυψης, το Αυτο^Δ όχι μόνο βελτιώνει την αποτελεσματικότητα και την ακρίβεια της αιτιώδους ανάλυσης, αλλά και εκδημοκρατίζει την πρόσβαση σε προηγμένες δυνατότητες αιτιώδους συλλογισμού, ανοίγοντας νέες δυνατότητες για την έρευνα και τη λήψη αποφάσεων σε πολλούς τομείς.

Φυσική περιγραφή

viii, 64 σ. : σχεδ., πιν., εικ. (μερ. εγχρ.) ; 30 εκ.

Γλώσσα

Αγγλικά

Θέμα

Artificial intelligence

Causality

Feature selection

Graphs

Machine learning

Python

Αιτιότητα