Nadzorovano strojno učenje s poudarkom na globokih nevronskih mrežahKorat, Sara (Avtor) Orbanić, Alen (Mentor) nadzorovano strojno učenjeWekanevronske mrežePythonNamen diplomske naloge je predstaviti osnove nadzorovanega strojnega učenja in ene izmed najbolj uporabljenih metod nadzorovanega strojnega učenja (linearna regresija, logistična regresija, metoda k najbližjih sosedov, naključni gozdovi, metoda podpornih vektorjev, nevronske mreže). V prvem delu diplomske naloge so opisane glavne ideje metod strojnega učenja, pri čemer je osnovna matematična ideja podana samo pri linearni regresiji. Za ostale metode je poudarek na intuitivni razlagi. Opisane metode so predstavljene na primeru napovedovanja dobrih in slabih komitentov glede na dane podatke. Modeli za metode so zgrajeni v programu Weka, ki omogoča vizualen pregled podatkov in rezultatov. Poleg glavnih rezultatov, kot so metrike pravilnosti metode, Weka izpiše še različne statistične kazalce, ki merijo učinkovitost. V drugem delu je opisana metoda nevronskih mrež, njena uporabnost in implementacija na primeru, ki napoveduje, ali je komitent dober ali slab (gre za večje število podatkov kot v prejšnjem primeru). Namesto v programu Weka je model zgrajen v programskem jeziku Python s knjižnicama TensorFlow in Keras, ki omogočata večjo svobodo glede izbire števila mrež, števila nevronov in ostalih parametrov.20182018-09-16 07:45:51Delo diplomskega seminarja/zaključno seminarsko delo/naloga103329UDK: 004VisID: 90497COBISS_ID: 18437209sl