Аналіз алгоритмів машинного навчання в ML.NET
| dc.contributor.author | Бурцев, Андрій Володимирович | uk_UA |
| dc.date.accessioned | 2023-01-24T08:24:30Z | |
| dc.date.available | 2023-01-24T08:24:30Z | |
| dc.date.issued | 2022 | |
| dc.description.abstract | UKR: Об'єктом дослідження є алгоритми навчання машинного навчання. Мета роботи: дослідити роботу алгоритмів у відкритому фреймворку ML.NET. Провести дослідження областей застосування та якість роботи алгоритмів. Класифікація типів завдань і формування рекомендацій використання доцільного алгоритму навчання до кожного типу. Проаналізувати чому даний алгоритм є кращим для вирішення конкретної задачі. Методика дослідження: теоретичний аналіз наукових і літературних джерел, формально-логічний аналіз, узагальнення, абстрактування, конкретизація, моделювання та спостереження. Під час виконання роботи було досліджено роботу алгоритмів у відкритому фреймворку ML.NET. Було детально розглянуто принципи та ідеї, на яких побудована машинне навчання. У роботі було проаналізовано два види сценарію машинного навчання, сценарій регресії та сценарій багато класової класифікації. Було проведено 12 експериментів, по 6 експериментів за кожен сценарій навчання машини. Було приділено багато уваги тестовим даним для екскрементів. Дані підбиралися різних розмірів та різних за типом наповнення. У роботі також було розглянуто аналогічні фреймворки для розробки машинного навчання. | uk_UA |
| dc.description.abstract | ENG: The object of research is machine learning algorithms. The purpose of the work: to investigate the operation of algorithms in the open ML.NET framework. To conduct research on areas of application and the quality of algorithms. Classification of types of tasks and formation of recommendations for the use of an appropriate learning algorithm for each type. Analyze why this algorithm is better for solving a specific problem. Research methodology: theoretical analysis of scientific and literary sources, formal-logical analysis, generalization, abstraction, concretization, modeling and observation. During the work, the operation of algorithms in the open framework ML.NET was investigated. The principles and ideas on which machine learning is built were discussed in detail. The paper analyzed two types of machine learning scenarios, the regression scenario and the multi-class classification scenario. 12 experiments were conducted, 6 experiments for each machine learning scenario. A lot of attention has been paid to test data for excreta. The data were selected in different sizes and different types of filling. Similar frameworks for the development of machine learning were also considered in the work. | en |
| dc.identifier.citation | Бурцев А. В. Аналіз алгоритмів машинного навчання в ML.NET : дипломна робота на здобуття кваліфікаційного ступеня магістра : спец. 121 – інженерія програмного забезпечення / наук. керівник О. П. Іванов ; Укр. держ. ун-т науки і техн. Дніпро, 2022. 119 с. | uk_UA |
| dc.identifier.uri | http://eadnurt.diit.edu.ua/jspui/handle/123456789/16363 | |
| dc.language.iso | uk_UA | |
| dc.publisher | Український державний університет науки і технологій, м. Дніпро | uk_UA |
| dc.subject | алгоритми навчання моделі | uk_UA |
| dc.subject | ML.NET | uk_UA |
| dc.subject | машинне навчання | uk_UA |
| dc.subject | модель машинного навчання | uk_UA |
| dc.subject | machine learning | en |
| dc.subject | machine learning model | en |
| dc.subject | model learning algorithms | en |
| dc.subject | ML.NET | en |
| dc.subject | ВКР | uk_UA |
| dc.subject | КІТ | uk_UA |
| dc.title | Аналіз алгоритмів машинного навчання в ML.NET | uk_UA |
| dc.title.alternative | Analysis of Machine Learning Algorithms in ML.NET | uk_UA |
| dc.type | Masters Thesis | en |