Ανάλυση και εξόρυξη δεδομένων χαρακτηριστικών καινούργιων αυτοκινήτων της ελληνικής αγοράς με την υποστήριξη web service για την ανάκτηση δεδομένων (Master thesis)
Παπαστεργίου, Νικόλαος
Full metadata record
| DC Field | Value | Language |
|---|---|---|
| dc.contributor.author | Παπαστεργίου, Νικόλαος | el |
| dc.date.accessioned | 2024-08-28T22:28:24Z | - |
| dc.date.available | 2024-08-28T22:28:24Z | - |
| dc.identifier.uri | http://195.251.240.227/jspui/handle/123456789/16881 | - |
| dc.description | Μεταπτυχιακή εργασία - Σχολή Μηχανικών - Τμήμα Μηχανικών Πληροφορικής και Ηλεκτρονικών Συστημάτων, 2023 (α/α 14095) | el |
| dc.rights | Default License | - |
| dc.subject | Αυτοκίνητο | el |
| dc.subject | Ελληνική αγορά | el |
| dc.subject | Εξόρυξη γνώσης | el |
| dc.subject | Ανάκτηση δεδομένων | el |
| dc.subject | Αλγόριθμοι εξόρυξης δεδομένων | el |
| dc.subject | Cars | en |
| dc.subject | Greek market | en |
| dc.subject | Knowledge mining | en |
| dc.subject | Data retrieval | en |
| dc.subject | Data mining algorithms | en |
| dc.title | Ανάλυση και εξόρυξη δεδομένων χαρακτηριστικών καινούργιων αυτοκινήτων της ελληνικής αγοράς με την υποστήριξη web service για την ανάκτηση δεδομένων | el |
| heal.type | masterThesis | - |
| heal.type.en | Master thesis | en |
| heal.generalDescription | Μεταπτυχιακή εργασία | el |
| heal.classification | Εξόρυξη δεδομένων | el |
| heal.classification | Αυτοκίνητα -- Αγορά | el |
| heal.classification | Βιομηχανία και εμπόριο αυτοκινήτου -- Ελλάδα | el |
| heal.classification | Ανάκτηση πληροφοριών | el |
| heal.classification | Data mining | en |
| heal.classification | Automobiles -- Purchasing | en |
| heal.classification | Automobile industry and trade -- Greece | en |
| heal.classification | Information retrieval | en |
| heal.identifier.secondary | 14095 | - |
| heal.dateAvailable | 2024-08-28T22:29:24Z | - |
| heal.language | el | - |
| heal.access | free | - |
| heal.recordProvider | Σχολή Μηχανικών - Τμήμα Μηχανικών Πληροφορικής και Ηλεκτρονικών Συστημάτων | el |
| heal.publicationDate | 2023-11-08 | - |
| heal.bibliographicCitation | Πσπαστεργίου, Ν. (2023). Ανάλυση και εξόρυξη δεδομένων χαρακτηριστικών καινούργιων αυτοκινήτων της Ελληνικής αγοράς με την υποστήριξη web service για την ανάκτηση δεδομένων (Μεταπτυχιακή εργασία). ΔΙ.ΠΑ.Ε. | el |
| heal.abstract | Τα τελευταία χρόνια πολλαπλοί παράγοντες έχουν συμβάλλει ώστε να αλλάξει γενικότερα ο τρόπος ζωής και η καθημερινότητα πολλών ανθρώπων. Οι επιπτώσεις της παγκόσμιας οικονομικής κρίσης, η πανδημία του κορονοϊού, η ενεργειακή κρίση, ο πόλεμος και άλλα έχουν δρομολογήσει αξιοσημείωτες αλλαγές τόσο στην Ελλάδα όσο και στην Ε.Ε. Ένας από τους κλάδους που επηρεάστηκε καθοριστικά από τα παραπάνω γεγονότα είναι και η αυτοκινητοβιομηχανία. Μελετώντας τις παραμέτρους που επηρεάζουν τις πωλήσεις αυτοκινήτων, αρκετές κυβερνήσεις έχοντας ανθρώπους ικανούς και αξιόλογους σε συγκεκριμένες θέσεις, διαθέτουν τη δυνατότητα να προτείνουν καινοτόμους τρόπους στήριξης των πωλήσεων καινούργιων οχημάτων που δεν είναι επιζήμια για το περιβάλλον, όχι μόνο στην Ελλάδα, αλλά στο σύνολο των χωρών της Ε.Ε. Παράλληλα, παρατηρείται μια έντονη επιθυμία από υποψήφιους αγοραστές για καινούργιας γενιάς αυτοκίνητα. Κάποιοι εστιάζουν στα ηλεκτρικά, αρκετοί στα υβριδικά, όπως επίσης και στα βενζινοκίνητα, λιγότεροι πλέον στα πετρελαιοκίνητα. Όμως, λόγω της έντονης ζήτησης καινούργιων αυτοκινήτων, τα εργοστάσια έχουν έλλειψη σημαντικών προϊόντων για τα νέα αυτοκίνητα, με αποτέλεσμα να δημιουργούνται σημαντικές καθυστερήσεις στην παράδοση του αυτοκινήτου. Σκοπός της παρούσας διπλωματικής είναι να δημιουργηθεί ένα σύνολο δεδομένων από χαρακτηριστικά καινούργιων αυτοκινήτων, με τη φιλοδοξία να συγκροτηθεί ένας χρήσιμος και ευέλικτος οδηγός γνώσεων και πληροφοριών για τους επίδοξους αγοραστές. Με τη βοήθεια της εξόρυξης γνώσης αλλά και της μηχανικής μάθησης, εφαρμόστηκαν αλγόριθμοι συσταδοποίησης για εύρεση ομάδων αυτοκινήτων με παρόμοια χαρακτηριστικά. ΄Επειτα για τον αυτόματο προσδιορισμό τύπου καυσίμου εφαρμόστηκαν αλγόριθμοι κατηγοριοποίησης με τα χαρακτηριστικά των αυτοκινήτων αρχικά και στη συνέχεια με εκείνα που επηρεάζουν την απόδοση του αυτοκινήτου. Για αυτό το λόγο πραγματοποιήθηκαν πειράματα που δύνανται να εφαρμοστούν από ειδικούς για την εξαγωγή πολύτιμων συμπερασμάτων. Αξιοποιήθηκαν αρκετές τεχνολογίες και βιβλιοθήκες μηχανικής μάθησης βάσει των οποίων προβήκαμε σε προβλέψεις και καταλήξαμε σε επωφελή συμπεράσματα. | el |
| heal.abstract | In recent years, multiple factors have contributed to change the way of life and everyday life of many people in general. The effects of the global financial crisis, the coronavirus, the energy crisis and the war have set in motion remarkable changes both in Greece and in general in the EU. One of the sectors that was decisively affected by the above events is the automotive industry. By studying the parameters that affect car sales, several governments put competent and worthy people in several positions who have the ability to propose innovative ways to support sales of new vehicles that are harmless for the environment, not only in Greece but in all EU countries. At the same time, there is a strong desire from prospective buyers for new generation cars. Some focus on electrics, several on hybrids as well as gasoline engines, fewer now on diesel engines. Due to the strong demand for new cars, the factories are short of important products for the new cars, resulting in significant delays in the delivery of the car. The purpose of this thesis is to create a data set with features of new cars, with the ambition to build a useful and flexible knowledge for prospective buyers. With the help of knowledge mining as well as machine learning, clustering algorithms were applied to find cars with similar characteristics. Then, for the automatic determination of fuel type, classification algorithms are applied with the characteristics of the cars and those that affect the performance of the car. Experiments were carried out that can be applied by experts to draw valuable conclusions. Several machine learning technologies and libraries were leveraged so that we were able to make predictions and conclude to beneficial results. | en |
| heal.advisorName | Ουγιάρογλου, Στέφανος | el |
| heal.committeeMemberName | Ουγιάρογλου, Στέφανος | el |
| heal.academicPublisher | Σχολή Μηχανικών - Τμήμα Μηχανικών Πληροφορικής και Ηλεκτρονικών Συστημάτων | - |
| heal.academicPublisherID | ihu | - |
| heal.numberOfPages | 90 | - |
| heal.fullTextAvailability | true | - |
| heal.type.el | Μεταπτυχιακή εργασία | el |
| Appears in Collections: | Μεταπτυχιακές Διατριβές | |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| Papastergiou.pdf | 4 MB | Adobe PDF | View/Open |
Please use this identifier to cite or link to this item:
This item is a favorite for 0 people.
http://195.251.240.227/jspui/handle/123456789/16881
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.
