| Studiju veids |
maģistra akadēmiskās studijas |
| Studiju programmas nosaukums |
Informācijas tehnoloģija |
| Nosaukums |
Mākslīgā intelekta pielietošana automatizētā uzņēmuma e-pastu plūsmu šķirošanā |
| Nosaukums angļu valodā |
Application of Artificial Intelligence in Automated Sorting of Enterprise e-mail Flows |
| Struktūrvienība |
33000 Datorzinātnes, informācijas tehnoloģijas un enerģētikas fakultāte |
| Darba vadītājs |
Antons Patļins |
| Recenzents |
Darja Plinere |
| Anotācija |
Mūsdienās uzņēmumu darbības vides kļūst aizvien globālākas, aizsniedzot arvien vairāk klientu, piegādāju un citu partneru auditorijas. Līdz ar pieaugošajām savstarpējas integrācijas tendencēm un informācijas tehnoloģiju attīstību, galvenā komunikācija starp uzņēmumiem un ar tiem iesaistītajām pusēm notiek elektroniskā vidē. Šie nosacījumi rada likumsakarīgu nepieciešamību pēc efektīva un automatizēta dabīgā teksta apstrādes rīka, kas spēj kategorizēt tekstu saskaņā ar uzņēmuma vajadzībām.
Maģistra darba mērķis ir izstrādāt mākslīgā intelekta risinājumu uzņēmuma daudzvalodu datu kopas automatizētai uzņēmuma e-pastu plūsmu šķirošanā. Šim nolūkam jāveic uzņēmuma datu dabīgās valodas apstrādes izpēte, izpildot sekojošus uzdevumus:
1. Veikt nesecīgo klasifikatoru un ieejas datu formātu analīzi ar mērķi noteikt piemērotāko kombināciju.
2. Novērtēt, kāda ietekme modeļa apmācības procesā ir ieejas datiem vienā valodā un vairākās valodās.
3. Salīdzināt modeļa efektivitātes metriku korelāciju.
4. Salīdzināt secīgo modeļu 3 arhitektūras tipus MLP, CNN un LSTM.
5. Novērtēt modeļa ātrdarbības paātrinājumu, izmantojot apstrādes slodzes sadali ar RDD mākoņa virtuālo mašīnu klasteri. |
| Atslēgas vārdi |
mākslīgais intelekts,mašīnapmācība,dabiskās valodas apstrāde,mākslīgais neironu tīkls,neirons,perceptrons,ANN,MLP,CNN,LSTM,python,pyspark,RDD,tensorflow,keras,sklearn,Google Colab,secīgs,modelis,apmācība,pārbaude,word2vec,glove,spacy,skipgram,cbow,bow,linear,loģistiskā,regresija,atbalsta vektors,klasifikators,ngrok,elephas,aws,azure,alicloud,konvolūciju,ilgtermiņa īstermiņa atmiņa,vairākslāņu perceptrons,fasttext,tfidf,langdetect,crossvalidation,akurātums,precīzumspēja,pārklājums,jaccard,f1,roc |
| Atslēgas vārdi angļu valodā |
artificial intelligence,machine learning,natural language processing,NLP,neural network,perceptron,ANN,MLP,CNN,LSTM,python,pyspark,RDD,tensorflow,keras,sklearn,Google Colab,sequential,model,test,train,word2vec,glove,spacy,skipgram,cbow,bow,linear,logistic,regression,support vector,classifier,ngrok,elephas,aws,azure,alicloud,convolutional,long short term memory,multi layer perceptron,fasttext,tfidf,langdetect,crossvalidation,accuracy,precision,recall,jaccard,f1,roc-auc,friedmann,nemenyi,adam,sgd |
| Valoda |
lv |
| Gads |
2022 |
| Darba augšupielādes datums un laiks |
06.06.2022 12:42:18 |
