diplomsko delo visokošolskega strokovnega študijskega programa
Dario Šnajder (Avtor), Milan Zorman (Mentor), Peter Kokol (Komentor)

Povzetek

V diplomskem delu smo proučili in pokazali možnost uporabe postopkov meta učenja za proučevanje delovanja algoritma GSEA. Napisali smo aplikacijo, v kateri smo uvedli večnitno izvajanje in implementirali upravitelja opravil. Ta nam omogoča spremljanje poteka izvajanja, s tem pa obveščanje uporabnika o stanju v aplikaciji. V začetku diplomske naloge smo opisali formate datotek, katere uporabljamo, nato smo opisali strojno učenje in njegovo podpoglavje meta-učenje. Nadaljevali smo s postopki izvajanja GSEA analize in gradnjo odločitvenih dreves. Diplomsko nalogo smo zaključili s sklepom, v katerem smo navedli možnosti za nadaljnje raziskovanje.

Ključne besede

strojno učenje;meta-učenje;bioniformatika;odločitvena drevesa;

Podatki

Jezik: Slovenski jezik
Leto izida:
Izvor: Maribor
Tipologija: 2.11 - Diplomsko delo
Organizacija: UM FERI - Fakulteta za elektrotehniko, računalništvo in informatiko
Založnik: [D. Šnajder]
UDK: 004.89(043.2)
COBISS: 13678358 Povezava se bo odprla v novem oknu
Št. ogledov: 2572
Št. prenosov: 166
Ocena: 0 (0 glasov)
Metapodatki: JSON JSON-RDF JSON-LD TURTLE N-TRIPLES XML RDFA MICRODATA DC-XML DC-RDF RDF

Ostali podatki

Sekundarni jezik: Angleški jezik
Sekundarni naslov: Using gene set enrichment analysis results for meta-learning
Sekundarni povzetek: In diploma work we demonstrate a way to use meta learning concepts to study results of GSEA algorithm that is widely used in bioinformatics. We developed an application where we introduced multitasking and implemented task manager. This enables monitoring progress, thereby informing the user of the state of application. At the beginning of the diploma work we examined the use of file formats. In the following sections we describe machine learning and meta learning concepts. We continue with the GSEA analysis and building of decision trees. Diploma work concludes with the final section in which we have indicated the potential for further exploration.
Sekundarne ključne besede: machine learning;meta leaning;bioinformatcs;decision trees;
URN: URN:SI:UM:
Vrsta dela (COBISS): Diplomsko delo
Komentar na gradivo: Univ. v Mariboru, Fak. za elektrotehniko, računalništvo in informatiko
Strani: VIII, 53, [2] f.
Ključne besede (UDK): science and knowledge;organization;computer science;information;documentation;librarianship;institutions;publications;znanost in znanje;organizacije;informacije;dokumentacija;bibliotekarstvo;institucije;publikacije;prolegomena;fundamentals of knowledge and culture;propaedeutics;prolegomena;splošne osnove znanosti in kulture;computer science and technology;computing;data processing;računalniška znanost in tehnologija;računalništvo;obdelava podatkov;artificial intelligence;umetna inteligenca;
ID: 987457
Priporočena dela:
, diplomsko delo visokošolskega strokovnega študijskega programa
, data collection and parallel corpus compilation for machine translation of subtitles
, diplomsko delo