{"id":{"repo_id":"athens","oai_identifier":"oai:lib.uoa.gr:uoadl:2947824"},"canonical_url":"https://search.ndltd.org/etd/athens/oai:lib.uoa.gr:uoadl:2947824","repository":{"repo_id":"athens","name":"National and Kapodistrian University of Athens","base_url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh"},"display":{"title":"Μεγάλα Δεδομένα και τεχνικές ανάλυσης : Στατιστικές μέθοδοι και Αλγόριθμοι Μηχανικής Μάθησης. Big Data and Analytics : Statistical Methods and Machine Learning Algorithms","abstract":"Η πιο πρόσφατη τάση στην επιστήμη των υπολογιστών και στην στατιστική είναι τα Μεγάλα Δεδομένα. Με την πρόοδο στην επιστήμη και στην τεχνολογία κατά την τελευταία δεκαετία, τα Μεγάλα Δεδομένα είναι πανταχού παρόντα σε όλους τους τομείς. Η εκθετική ανάπτυξη των Μεγάλων Δεδομένων ξεπερνά σημαντικά την αύξηση της αποθήκευσης και της υπολογιστικής χωρητικότητας υπολογιστών υψηλής απόδοσης. Διαφορετικοί άνθρωποι σκέφτονται διαφορετικά πράγματα όταν ακούνε για Μεγάλα Δεδομένα. Για τον στατιστικό, τα ζητήματα είναι πώς να βγάλουμε χρήσιμες πληροφορίες από σύνολα δεδομένων που είναι πολύ τεράστια και περίπλοκα για πολλές από τις παραδοσιακές ή κλασικές μεθόδους αντιμετώπισης. Σε αυτή τη διπλωματική, συζητάμε τι είναι πραγματικά τα Μεγάλα Δεδομένα και πώς μπορούμε να τα διαχειριστούμε. Συγκεκριμένα, στο πρώτο κεφάλαιο εξετάζουμε τον ορισμό και τα διαφορετικά χαρακτηριστικά των Μεγάλων Δεδομένων και στο δεύτερο και τρίτο κεφάλαιο αναφερόμαστε στα εργαλεία και στις πιο γνωστές τεχνικές για την ανάλυσή τους. Εν συνεχεία, στο τέταρτο και πέμπτο κεφάλαιο επικεντρωνόμαστε σε διάφορες στατιστικές μεθόδους, όπως η statistical leverage μέθοδος, και σε Αλγόριθμους Μηχανικής μάθησης, όπως η Ταξινόμηση - Κατηγοριοποίηση και η Συσταδοποίηση - Ομαδοποίηση. Στο τέλος, παρουσιάζονται μερικές μελέτες περιπτώσεων.","abstract_html":"Η πιο πρόσφατη τάση στην επιστήμη των υπολογιστών και στην στατιστική είναι τα Μεγάλα Δεδομένα. Με την πρόοδο στην επιστήμη και στην τεχνολογία κατά την τελευταία δεκαετία, τα Μεγάλα Δεδομένα είναι πανταχού παρόντα σε όλους τους τομείς. Η εκθετική ανάπτυξη των Μεγάλων Δεδομένων ξεπερνά σημαντικά την αύξηση της αποθήκευσης και της υπολογιστικής χωρητικότητας υπολογιστών υψηλής απόδοσης. Διαφορετικοί άνθρωποι σκέφτονται διαφορετικά πράγματα όταν ακούνε για Μεγάλα Δεδομένα. Για τον στατιστικό, τα ζητήματα είναι πώς να βγάλουμε χρήσιμες πληροφορίες από σύνολα δεδομένων που είναι πολύ τεράστια και περίπλοκα για πολλές από τις παραδοσιακές ή κλασικές μεθόδους αντιμετώπισης. Σε αυτή τη διπλωματική, συζητάμε τι είναι πραγματικά τα Μεγάλα Δεδομένα και πώς μπορούμε να τα διαχειριστούμε. Συγκεκριμένα, στο πρώτο κεφάλαιο εξετάζουμε τον ορισμό και τα διαφορετικά χαρακτηριστικά των Μεγάλων Δεδομένων και στο δεύτερο και τρίτο κεφάλαιο αναφερόμαστε στα εργαλεία και στις πιο γνωστές τεχνικές για την ανάλυσή τους. Εν συνεχεία, στο τέταρτο και πέμπτο κεφάλαιο επικεντρωνόμαστε σε διάφορες στατιστικές μεθόδους, όπως η statistical leverage μέθοδος, και σε Αλγόριθμους Μηχανικής μάθησης, όπως η Ταξινόμηση - Κατηγοριοποίηση και η Συσταδοποίηση - Ομαδοποίηση. Στο τέλος, παρουσιάζονται μερικές μελέτες περιπτώσεων.","abstract_has_math":false,"creators":["Πελούμπι Γιουγκέρσα","Pellumbi Jugersa"],"institution":null,"degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2021,"date_issued":"2021","date_published":"2021","updated_at":"2026-11-19T05:43:14Z","subjects":["Θετικές Επιστήμες","Science"],"languages":["Ελληνικά","Greek"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:2947824"],"render_values":[{"text":"uoadl:2947824","href":null,"code":true}]}],"person_identifier_entries":[]},"links":{"outbound_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/2947824","outbound_label":"Repository record","outbound_source":"dc:identifier","record_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/2947824","record_label":"Repository record","record_kind":"record","record_source":"dc:identifier","download_url":null,"download_label":null,"download_source":null,"access_status":null,"embargo_until":null,"access_note":null},"source_record":{"url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh?verb=GetRecord&metadataPrefix=oai_dc&identifier=oai%3Alib.uoa.gr%3Auoadl%3A2947824","prefix":"oai_dc"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["Πελούμπι Γιουγκέρσα","Pellumbi Jugersa"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date","label":"Dc Date","values":["2021"]},{"key":"dc:type","label":"Dc Type","values":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]}]},{"id":"subjects_keywords","label":"Subjects and Keywords","entries":[{"key":"dc:subject","label":"Dc Subject","values":["Θετικές Επιστήμες","Science"]}]},{"id":"language_rights","label":"Language and Rights","entries":[{"key":"dc:language","label":"Dc Language","values":["Ελληνικά","Greek"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:2947824","https://pergamos.lib.uoa.gr/uoa/dl/object/2947824"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["Η πιο πρόσφατη τάση στην επιστήμη των υπολογιστών και στην στατιστική είναι τα Μεγάλα Δεδομένα. Με την πρόοδο στην επιστήμη και στην τεχνολογία κατά την τελευταία δεκαετία, τα Μεγάλα Δεδομένα είναι πανταχού παρόντα σε όλους τους τομείς. Η εκθετική ανάπτυξη των Μεγάλων Δεδομένων ξεπερνά σημαντικά την αύξηση της αποθήκευσης και της υπολογιστικής χωρητικότητας υπολογιστών υψηλής απόδοσης. Διαφορετικοί άνθρωποι σκέφτονται διαφορετικά πράγματα όταν ακούνε για Μεγάλα Δεδομένα. Για τον στατιστικό, τα ζητήματα είναι πώς να βγάλουμε χρήσιμες πληροφορίες από σύνολα δεδομένων που είναι πολύ τεράστια και περίπλοκα για πολλές από τις παραδοσιακές ή κλασικές μεθόδους αντιμετώπισης. Σε αυτή τη διπλωματική, συζητάμε τι είναι πραγματικά τα Μεγάλα Δεδομένα και πώς μπορούμε να τα διαχειριστούμε. Συγκεκριμένα, στο πρώτο κεφάλαιο εξετάζουμε τον ορισμό και τα διαφορετικά χαρακτηριστικά των Μεγάλων Δεδομένων και στο δεύτερο και τρίτο κεφάλαιο αναφερόμαστε στα εργαλεία και στις πιο γνωστές τεχνικές για την ανάλυσή τους. Εν συνεχεία, στο τέταρτο και πέμπτο κεφάλαιο επικεντρωνόμαστε σε διάφορες στατιστικές μεθόδους, όπως η statistical leverage μέθοδος, και σε Αλγόριθμους Μηχανικής μάθησης, όπως η Ταξινόμηση - Κατηγοριοποίηση και η Συσταδοποίηση - Ομαδοποίηση. Στο τέλος, παρουσιάζονται μερικές μελέτες περιπτώσεων.","The most discussed current trend in computer science and statistics is Big Data. With the advance in science and technologies in the past decade, Big Data becomes ubiquitous in all fields. The exponential growth of Big Data significantly outpaces the increase of storage and computational capacity of high-performance computers. Different people think of different things when they hear about Big Data. For the statistician, the issues are how to get usable information out of datasets that are too huge and complex for many of the traditional or classical methods to handle. In this thesis, we discuss about what Big Data really is and how can we handle it. In particular, in the first chapter we review the definition and the different characteristics of Big Data and in the second and third chapter we refer to the tools and the most known techniques for analyzing them. In the fourth and fifth chapter, we focus on several statistical methods, such as leveraging, and in Machine Learning Algorithms, such as Classification and Clustering. In the end, some case studies are presented."]},{"key":"dc:title","label":"Title","values":["Μεγάλα Δεδομένα και τεχνικές ανάλυσης : Στατιστικές μέθοδοι και Αλγόριθμοι Μηχανικής Μάθησης. Big Data and Analytics : Statistical Methods and Machine Learning Algorithms"]}]}],"canonical_facts":{"dc:creator":["Πελούμπι Γιουγκέρσα","Pellumbi Jugersa"],"dc:date":["2021"],"dc:description":["Η πιο πρόσφατη τάση στην επιστήμη των υπολογιστών και στην στατιστική είναι τα Μεγάλα Δεδομένα. Με την πρόοδο στην επιστήμη και στην τεχνολογία κατά την τελευταία δεκαετία, τα Μεγάλα Δεδομένα είναι πανταχού παρόντα σε όλους τους τομείς. Η εκθετική ανάπτυξη των Μεγάλων Δεδομένων ξεπερνά σημαντικά την αύξηση της αποθήκευσης και της υπολογιστικής χωρητικότητας υπολογιστών υψηλής απόδοσης. Διαφορετικοί άνθρωποι σκέφτονται διαφορετικά πράγματα όταν ακούνε για Μεγάλα Δεδομένα. Για τον στατιστικό, τα ζητήματα είναι πώς να βγάλουμε χρήσιμες πληροφορίες από σύνολα δεδομένων που είναι πολύ τεράστια και περίπλοκα για πολλές από τις παραδοσιακές ή κλασικές μεθόδους αντιμετώπισης. Σε αυτή τη διπλωματική, συζητάμε τι είναι πραγματικά τα Μεγάλα Δεδομένα και πώς μπορούμε να τα διαχειριστούμε. Συγκεκριμένα, στο πρώτο κεφάλαιο εξετάζουμε τον ορισμό και τα διαφορετικά χαρακτηριστικά των Μεγάλων Δεδομένων και στο δεύτερο και τρίτο κεφάλαιο αναφερόμαστε στα εργαλεία και στις πιο γνωστές τεχνικές για την ανάλυσή τους. Εν συνεχεία, στο τέταρτο και πέμπτο κεφάλαιο επικεντρωνόμαστε σε διάφορες στατιστικές μεθόδους, όπως η statistical leverage μέθοδος, και σε Αλγόριθμους Μηχανικής μάθησης, όπως η Ταξινόμηση - Κατηγοριοποίηση και η Συσταδοποίηση - Ομαδοποίηση. Στο τέλος, παρουσιάζονται μερικές μελέτες περιπτώσεων.","The most discussed current trend in computer science and statistics is Big Data. With the advance in science and technologies in the past decade, Big Data becomes ubiquitous in all fields. The exponential growth of Big Data significantly outpaces the increase of storage and computational capacity of high-performance computers. Different people think of different things when they hear about Big Data. For the statistician, the issues are how to get usable information out of datasets that are too huge and complex for many of the traditional or classical methods to handle. In this thesis, we discuss about what Big Data really is and how can we handle it. In particular, in the first chapter we review the definition and the different characteristics of Big Data and in the second and third chapter we refer to the tools and the most known techniques for analyzing them. In the fourth and fifth chapter, we focus on several statistical methods, such as leveraging, and in Machine Learning Algorithms, such as Classification and Clustering. In the end, some case studies are presented."],"dc:identifier":["uoadl:2947824","https://pergamos.lib.uoa.gr/uoa/dl/object/2947824"],"dc:language":["Ελληνικά","Greek"],"dc:subject":["Θετικές Επιστήμες","Science"],"dc:title":["Μεγάλα Δεδομένα και τεχνικές ανάλυσης : Στατιστικές μέθοδοι και Αλγόριθμοι Μηχανικής Μάθησης. Big Data and Analytics : Statistical Methods and Machine Learning Algorithms"],"dc:type":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]},"updated_at":"2026-11-19T05:43:14Z"}