Застосування методів машинного навчання для діагностування ожиріння та супутніх захворювань на основі медичних записів

Скорочена інформація про документ
dc.contributor.advisorСердаковський, Віталій Сергійович
dc.contributor.authorШуляк, Ярослав Ігорович
dc.date.accessioned2019-09-07T13:11:34Z
dc.date.available2019-09-07T13:11:34Z
dc.date.issued2019-06
dc.description.abstractenThe explanatory note consists of an introduction, eight sections, conclusions and a list of used literature from 38 sources. The total volume of thesis is: 82 pages, illustrations - 34, tables - 30. The purpose of the thesis is to analyze the possibilities of using machine learning techniques for diagnosing obesity and associated illnesses based on medical records. During the course of the work, program applications for modeling and classification of medical records were designed, implemented and tested, the analysis of the obtained models was carried out and ways of improving the quality of the classification were proposed. Python and Java languages were used to develop applications using libraries for machine learning and TensorFlow and Apache OpenNLP natural language processing. The developed applications use the following algorithms to create models: a naive class byes, a method of maximum entropy, and a convolutional neural network.uk
dc.description.abstractukПояснювальна записка складається із вступу, восьми розділів, висновків та списку використаної літератури із 38 джерел. Загальний обсяг дипломної роботи складає: 82 сторінки, ілюстрацій – 34, таблиць – 30. Метою дипломної роботи є аналіз можливостей застосування методів машинного навчання для діагностування ожиріння та супутніх захворювань на основі медичних записів. В ході виконання роботи було спроектовано, реалізовано та протестовано програмні додатки для створення моделей і класифікації медичних записів, проведено аналіз отриманих моделей та запропоновано способи підвищення якості класифікації. Для розробки додатків були використані мови Python та Java з використанням бібліотек для машинного навчання та обробки природної мови TensorFlow та Apache OpenNLP. Розроблені додатки використовують для створення моделей наступні алгоритми: наївний баєсів класифікатор, метод максимальної ентропії та згорткові нейронні мережі.uk
dc.format.page82 с.uk
dc.identifier.citationШуляк, Я. І. Застосування методів машинного навчання для діагностування ожиріння та супутніх захворювань на основі медичних записів : дипломна робота ... бакалавра : 6.050101 Комп’ютерні науки / Шуляк Ярослав Ігорович. – Київ, 2019. – 82 с.uk
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/29099
dc.language.isoukuk
dc.publisherКПІ ім. Ігоря Сікорськогоuk
dc.publisher.placeКиївuk
dc.subjectмашинне навчанняuk
dc.subjectобробка природної мовиuk
dc.subjectмедичний записuk
dc.subjectавтоматизація діагностуванняuk
dc.subjectNLPuk
dc.subjectJavauk
dc.subjectApache OpenNLPuk
dc.subjectPythonuk
dc.subjectTensorFlowuk
dc.subjectmachine learninguk
dc.subjectnatural language processinguk
dc.subjectmedical recorduk
dc.subjectdiagnostic automationuk
dc.titleЗастосування методів машинного навчання для діагностування ожиріння та супутніх захворювань на основі медичних записівuk
dc.typeBachelor Thesisuk

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
Shuliak_bakalavr.docx
Розмір:
3.81 MB
Формат:
Microsoft Word XML
Опис:
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
9.06 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Бакалаврські роботи (БМК)
Бакалаврські роботи