Előrejelzés mesterséges intelligenciával a gyakorlatban

Nagy Ferenc (2023) Előrejelzés mesterséges intelligenciával a gyakorlatban. Pénzügyi és Számviteli Kar.

	PDF Nagy_Ferenc_BCSRZN.pdf Hozzáférés joga: Csak nyilvántartásba vett egyetemi IP címekről nyitható meg Download (1MB)
	PDF BA_O_Nagy_Ferenc.pdf Hozzáférés joga: Csak nyilvántartásba vett egyetemi IP címekről nyitható meg Download (252kB)
	PDF Bírálat_Nagy_Ferenc.pdf Hozzáférés joga: Bizalmas dokumentum (bírálat) Download (1MB)
	PDF Szakdolgozat_bírálat_Nagy_Ferenc_BCSRZN.pdf Hozzáférés joga: Bizalmas dokumentum (bírálat) Download (270kB)

Absztrakt (kivonat)

<p dir="ltr" style="text-align:left;"></p><p><a>Egyetemi tanulmányaim során kezdtem el igazán érdeklődést mutatni a mesterséges intelligencia, azon belül is a gépi tanulási algoritmusok felé. Néhány kurzusnak, illetve tanáraimnak köszönhetően mélyebb betekintést nyerhettem a témába és tudatosult bennem, hogy számtalan területre van, illetve lehet hatással az MI és képes a minket körülvevő világot jobbá és biztonságosabbá tenni.</a></p><p><a></a></p><p><a>Diplomamunkám során bizonyos tünetek, valamint mért eredmények alapján próbálom előre jelezni, hogy az adott illető esetében fennáll-e szívbetegség kockázata.</a></p> <p>Ehhez különböző modelleket fogok alkalmazni, melyek hatékonyságát elemzem és összehasonlítom. Többek között részletesen kitérek a logisztikus regressziós modellre, a döntési fára, az AdaBoost technológiára, a gradiens turbózásra, azon belül is az XGBoost és a LightGBM eljárásokra.</p> <p>Az alábbi kérdésekre szeretnék választ kapni:</p> <p>1.&nbsp;&nbsp;&nbsp;&nbsp; -Milyen tényezők befolyásolják leginkább a betegség fennállását?</p> <p>2.&nbsp;&nbsp;&nbsp;&nbsp; -Mely eljárással valósulhat meg a legpontosabb predikció?</p> <p>3.&nbsp;&nbsp;&nbsp;&nbsp; -Milyen mértékben befolyásolja a modellek teljesítményét az adathalmaz nagysága?</p> <p>4.&nbsp;&nbsp;&nbsp;&nbsp; -Milyen paraméterektől/tényezőktől függ a modellek előrejelzéseinek pontossága?</p> <p>&nbsp;</p> <p><a>Az általam használt adatfájl az ún. „Heart Disease Dataset”, egy viszonylag ismert és népszerű adathalmaz a gépi tanulási algoritmusok tanulói és gyakorlói körében. Az adatforrás 1988-ra nyúlik vissza, és négy különböző (köztük egy magyar) orvosi intézet kardiológiai vizsgálatainak eredményét tartalmazza. Az általam használt tényleges adatfájl ennek az 1988-as adatnak már egy kissé módosított és részben előre feldolgozott változata, melyet a Kaggle weboldaláról szereztem be. </a></p> <p>Elemzésemet a Python programozási nyelv segítségével fogom elvégezni, valamint fontosnak tartom megjegyezni, hogy az elsődleges célom nem egy orvosi/szakmai szempontból helyes elemzés készítése, hanem az általam megismert algoritmusok képességeinek bemutatása, összehasonlítása.</p><br><p></p><br><p></p>

Intézmény

Budapesti Gazdasági Egyetem

Kar

Pénzügyi és Számviteli Kar

Tanszék

Gazdaságinformatika Tanszék

Tudományterület/tudományág

NEM RÉSZLETEZETT

Szak

Gazdaságinformatikus

Konzulens(ek)

Mű típusa:	diplomadolgozat (NEM RÉSZLETEZETT)
Kulcsszavak:	21. század, elemzés, gazdaságinformatika, machine learning, mesterséges intelligencia
SWORD Depositor:	Archive User
Felhasználói azonosító szám (ID):	Archive User
Rekord készítés dátuma:	2024. Jan. 24. 09:29
Utolsó módosítás:	2024. Jan. 24. 09:29

Actions (login required)

Tétel nézet