| Studiju veids |
bakalaura akadēmiskās studijas |
| Studiju programmas nosaukums |
Informācijas tehnoloģija |
| Nosaukums |
“TensorFlow” lietošana plašai un dziļai apmācībai datu klasifikācijā |
| Nosaukums angļu valodā |
Application of TensorFlow to Wide and Deep Learning in Data Classification |
| Struktūrvienība |
33000 Datorzinātnes, informācijas tehnoloģijas un enerģētikas fakultāte |
| Darba vadītājs |
Dr. sc. ing. Arnis Kiršners |
| Recenzents |
Mg. sc. phys. Egmonts Treiguts |
| Anotācija |
Mūsdienās pieaug cilvēku daudzums, kas lieto dažādus interneta pakalpojumus. Tādējādi pieaug datu apjoms, ko ir nepieciešams apstrādāt. Šie dati bieži vien nav strukturēti lietotājam saprotamā formātā, kas nozīmē, ka ir nepieciešams ieguldīt lielu resursu daudzumu, lai sakārtotu šos datus manuāli. Izmantojot mašīnmācīšanos un datu klasifikāciju ir iespējams automatizēt šo procesu.
Darba galvenais mērķis ir aplūkot TensorFlow ar plašu un dziļu apmācību un veikt datu klasifikācijas uzdevumu izveidojot lietojumu, kas izmantos šo metodi.
Darbā tika apskatīts mākslīgo neironu tīklu uzbūve un modeļu izveide, kas pielieto TensorFlow ar plašu un dziļu apmācību. Tika aplūkota TensorFlow API integrācijas vide un tās praktisks pielietojums.
Darba gaitā tika izveidots lietojums, kas izmanto TensorFlow ar plašu un dziļu apmācību, kas tiek izstrādāts izmantojot Python programmēšanas valodu. Šis lietojums tiek salīdzināts ar citiem datu klasifikācijas algoritmiem, kas izmanto identisku datu kopu. Rezultātā tika iegūti precizitātes mērījumi, kas tika analizēti. Tika izteikti secinājumi par TensorFlow ar plašu un dziļu apmācību izmantošanu datu klasifikācijas uzdevumiem. |
| Atslēgas vārdi |
TensorFlow dziļa plaša apmācība mākslīgie neironu tīkli datu klasifikācija |
| Atslēgas vārdi angļu valodā |
TensorFlow deep wide learning artificial neural networks data classification |
| Valoda |
lv |
| Gads |
2017 |
| Darba augšupielādes datums un laiks |
06.06.2017 13:41:37 |
