Ogrodje NiaAML za samodejno strojno učenjePečnik, Luka (Avtor) Fister, Iztok (Mentor) Fister, Iztok (Komentor) algoritmi po vzorih iz naraveklasifikacijski cevovodisamodejno strojno učenjeV magistrskem delu smo raziskali področje samodejnega strojnega učenja in natančneje metodo za samodejno strojno učenje, imenovano NiaAML. Osredotočili smo se predvsem na iskanje klasifikacijskih cevovodov s pomočjo stohastičnih populacijskih algoritmov po vzorih iz narave. S pomočjo programskega jezika Python in knjižnic, ki jih ponuja, smo razvili istoimensko ogrodje za samodejno strojno učenje NiaAML, namenjeno iskanju in optimizaciji klasifikacijskih cevovodov. V ogrodju smo metodo NiaAML poskusili še izboljšati, nato pa smo primerjali rezultate med originalno in spremenjeno metodo NiaAML.[L. Pečnik]20212021-01-25 17:56:36Magistrsko delo/naloga78592UDK: 004.85.021(043.2)COBISS_ID: 54864387NUK URN: URN:SI:UM:DK:RIJDBYBYsl