<?xml version="1.0"?>
<metadata xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns:dc="http://purl.org/dc/elements/1.1/"><dc:title>UGOTAVLJANJE GENSKIH PREDIKTORJEV S POMOČJO INTELIGENTNIH   SISTEMOV</dc:title><dc:creator>Rednjak,	Nejc	(Avtor)
	</dc:creator><dc:creator>Kokol,	Peter	(Mentor)
	</dc:creator><dc:subject>strojno učenje</dc:subject><dc:subject>odločitvena drevesa</dc:subject><dc:subject>nevronske mreže</dc:subject><dc:subject>metoda podpornih vektorjev</dc:subject><dc:subject>gen</dc:subject><dc:subject>podatkovna baza.</dc:subject><dc:description>Pri strojnem učenju (angl. Machine Learning) gre za pridobivanje znanja na podlagi izkušenj. Ne gre za učenje na pamet, ampak za iskanje pravil v učnih podatkih. Najbolj znane metode strojnega učenja so odločitvena drevesa (DT), metoda podpornih vektorjev (SVM) in nevronske mreže (NN). Metode strojnega učenja so nam v pomoč pri ugotavljanju genskih prediktorjev. Algoritmi strojnega učenja imajo prav tako pomembno vlogo pri diagnosticiranju rakavih obolenj. V magistrskem delu smo opisali najbolj znane metode strojnega učenja in jih preizkusili na podatkovni bazi AP_Colon_Kidney. Uporabili smo podatkovno bazo iz spletne zbirke GEMLeR, ki vsebuje podatke o genski ekspresiji za več kot 2000 vzorcev tumorjev. Raziskali smo tudi, kateri geni so najbolj izraženi v primeru rakavega obolenja debelega črevesa in ledvic.</dc:description><dc:publisher>[N. Rednjak]</dc:publisher><dc:date>2015</dc:date><dc:date>2015-04-10 13:23:06</dc:date><dc:type>Magistrsko delo/naloga</dc:type><dc:identifier>47809</dc:identifier><dc:identifier>UDK: 575(043.2)</dc:identifier><dc:identifier>COBISS_ID: 2144932</dc:identifier><dc:identifier>NUK URN: URN:SI:UM:DK:KMGLYBXF</dc:identifier><dc:language>sl</dc:language></metadata>
