Дипломная работа (ВКР) — колледж, техникум на тему Разработка веб-приложения с использованием машинного обучения для помощи пользователю в выборе нового микса для кальяна, смешанного из разных типов и вкусов табака

Содержание:

ВВЕДЕНИЕ 3

1. Анализ существующих решений 4

1.1 Машинное обучение против глубокого обучения против нейронных сетей 5

1.2 Как работает машинное обучение 6

1.3 Методы машинного обучения 7

1.4 Машинное обучение с подкреплением 8

1.5 Реальные примеры использования машинного обучения 8

1.6 Проблемы машинного обучения 10

2. Анализ и выбор языка программирования для задачи машинного обучения 14

2.1 Выбор языка программирования 14

2.2 Выбор среды разработки 19

2.3 Выбор библиотеки для создания модели 22

2.3.1 Методы работы TensorFlow 23

2.3.2 Преимущества TensorFlow 24

2.3.3 TensorFlow против конкурентов 25

3. Создание обучающего набора данных 27

4. Обучение модели и оценка точности 29

4.1 Описание используемых библиотек 29

4.2 Создание и обучение модели 30

5. Создания web-приложения 33

5.1 Анализ языков программирования для реализации web-приложения 33

5.2 Построение базы данных 33

5.3 Выбор СУБД 35

5.4 Создание приложения 36

ЗАКЛЮЧЕНИЕ 38

БИБИЛИОГРАФИЧЕСКИЙ СПИСОК 39

ПРИЛОЖЕНИЕ А 40

Введение:

Несмотря на все многообразие различных приложений и сервисов, сегодня нет еще ни одного приложения облегчающего «боль» любителей кальяна. Особенно актуальна это в моменты трудного выбора и подбора различных вкусов и ароматов табака. Нет ни одного сервиса, которые могли бы помочь с подбором различных миксов исходя из вкусовых предпочтений клиента.

На сегодняшний день, информационные технологии значительно облегчают человеческое существование и во многом считаются продолжением его деятельности. Если раньше ИТ не выходили за рамки вычислений сложных математических алгоритмов, то сейчас трудно представить нашу жизнь без них.

Веб-приложение – это прикладное программное обеспечение, логика которого распределена между клиентом и сервером, а обмен информацией происходит по сети. Данный вид приложений относится к кроссплатформенным службам, так как не зависит от операционной системы пользователя, что является большим преимуществом над десктопными приложениями.

Разработка приложения осуществлялась с использованием современных технологий, пользующихся популярностью в коммерческой разработке программного обеспечения. Приложение создано исключительно в рамках дипломной работы и предоставляет возможность получения опыта в создании собственного продукта, что будет полезно при дальнейшем трудоустройстве.

Заключение:

Разработанное приложение не имеет аналогов в проектируемой области. Сегодня, когда кальян набрал небывалую популярность муки выбора различных миксов и вкусов как никогда часто встречаются в различных магазинах и ланджзонах. Поэтому тема дипломной работы является актуальной и очень современной.

Также и подход с взаимодействием машинного обучения в данный момент популярен и, что самое главное, эффективен. Машинное обучение уже давно плотно вошло в нашу жизнь. Все больше и больше сервисов взаимодействуют с нейросетями и используют из в самых различных областях нашей жизни. Примечателен тот факт, что и разработанная в «домашних» условиях нейросеть показала впечатляющие характеристики и смогла достичь точности порядка 98%. Это выдающийся показатель в нейросетях, которые создаются без больших команд разработчиков и без использования заранее подготовленных больших по объемам обучающих датасетов.

 

Фрагмент текста работы:

1. Анализ существующих решений

В этом введении в машинное обучение представлен обзор его истории, важных определений, приложений и проблем современного бизнеса.

Машинное обучение — это отрасль искусственного интеллекта (ИИ) и компьютерных наук, которая фокусируется на использовании данных и алгоритмов для имитации того, как люди учатся, постепенно повышая его точность.

IBM имеет богатую историю машинного обучения. Одному из них, Артуру Сэмюэлю, приписывают создание термина «машинное обучение» в его исследовании игры в шашки. Роберт Нили, самопровозглашенный мастер шашек, играл в эту игру на компьютере IBM 7094 в 1962 году и проиграл компьютеру. По сравнению с тем, что можно сделать сегодня, этот подвиг кажется почти тривиальным, но он считается важной вехой в области искусственного интеллекта [3]. В течение следующих нескольких десятилетий технологические разработки, связанные с хранением и вычислительной мощностью, позволят создать некоторые инновационные продукты, которые мы знаем и любим сегодня, такие как система рекомендаций Netflix или беспилотные автомобили.

Машинное обучение является важным компонентом растущей области науки о данных. Благодаря использованию статистических методов алгоритмы обучаются делать классификации или прогнозы, раскрывая ключевые идеи в рамках проектов интеллектуального анализа данных. Эти идеи впоследствии влияют на принятие решений в приложениях и компаниях, в идеале влияя на ключевые показатели роста. Поскольку большие данные продолжают расширяться и расти, рыночный спрос на специалистов по данным будет расти, что потребует от них помощи в определении наиболее важных бизнес-вопросов, а затем и данных для ответа на них [7].