| | SLO | ENG | Piškotki in zasebnost

Večja pisava | Manjša pisava

Iskanje po katalogu digitalne knjižnice Pomoč

Iskalni niz: išči po
išči po
išči po
išči po
* po starem in bolonjskem študiju

Opcije:
  Ponastavi


1 - 8 / 8
Na začetekNa prejšnjo stran1Na naslednjo stranNa konec
1.
Sistemska administracija v Linuxu
Iztok Fister, Iztok Fister, 2023

Opis: Pričujoča knjiga je namenjena tako začetnikom, ki želijo pridobiti osnovno znanje in veščine, potrebne za upravljanje operacijskega sistema Linux, kakor tudi izkušenim sistemskim administratorjem, ki želi osvežiti svoje znanje. Knjiga je razdeljena na tematsko organizirana poglavja, ki se začnejo z uvodom v sistem Linux in se postopoma poglobijo v njegove osnovne komponente. Bralci se bodo naučili pisanja skript Bash, izkoriščanja moči skripnih programov sed in awk, učinkovitega upravljanja uporabnikov, optimizacije diskov in datotečnih sistemov ter konfiguriranja omrežnih virov. V knjigi so številni primeri iz resničnega sveta, ki zagotavljajo praktična spoznanja in utrjujejo obravnavane koncepte. Ne glede na to, ali gre za začetnika ali izkušenega administratorja, ta knjiga ponuja jasno in pragmatično znanje za obvladovanje upravljanja sistema Linux.
Ključne besede: operacijski sistem Linux, sistemska administracija, skriptno programiranje, sed, awk
Objavljeno v DKUM: 02.11.2023; Ogledov: 552; Prenosov: 63
.pdf Celotno besedilo (4,01 MB)
Gradivo ima več datotek! Več...

2.
Ogrodje za samodejno načrtovanje športnih aktivnosti : magistrsko delo
Luka Koprivc, 2023, magistrsko delo

Opis: V dobi obilice podatkov se pred nami razprostira bogat nabor informacij in naprednih metod zajemanja. Med temi izstopajo zabeleženi podatki o športnih aktivnostih, ki odpirajo vrata analizi in vizualizaciji, vendar še vedno ohranjajo omejitve pri manipulaciji. V okviru te magistrske naloge je predstavljeno inovativno ogrodje, ki izrabi obstoječe aktivnosti in s pomočjo usmerjenih grafov inteligentno predlaga potek nove športne dejavnosti. V začetku se temeljito posvetimo izzivom področja ter preučimo relevantne raziskave. Sledi podrobna razlaga algoritmov, ki omogočajo učinkovito obvladovanje kompleksnosti problema, hkrati pa predstavimo tudi algoritme za obdelavo samoizmerjenih aktivnosti. Zaključimo s praktično uporabo razvitega ogrodja ter podamo refleksijo o njegovi učinkovitosti in koristnosti.
Ključne besede: obdelava podatkov, podatkovna znanost, python, športne aktivnosti
Objavljeno v DKUM: 12.10.2023; Ogledov: 394; Prenosov: 27
.pdf Celotno besedilo (4,30 MB)

3.
Prepoznava invazivnih polžev z uporabo globokega učenja : diplomsko delo
Kristjan Herodež, 2023, diplomsko delo

Opis: Zaključno delo se osredotoča na podvejo umetne inteligence, ki se imenuje strojno učenje. V zaključnem delu predstavljamo uporabo in implementacijo strojnega učenja na različnih področjih. Znotraj zaključnega dela se podrobneje osredotočamo na pametno kmetijstvo, katerega osrednja tematika v tej nalogi je odkrivanje škodljivcev, ki so v našem primeru polži Arion rufus. Kot rešitev problema je predstavljeno globoko učenje oz. uporaba konvolucijskih nevronskih mrež. V ta namen omenimo tudi različne pristope za učenje modelov računalniškega vida. Rešitev smo našli v pristopu YOLO (You only look once) v katerem smo izdelali naš model vida in ga primerjali s podobno študijo.
Ključne besede: Arion rufus, Globoko učenje, Pametno kmetijstvo, Umetna inteligenca
Objavljeno v DKUM: 05.10.2023; Ogledov: 262; Prenosov: 31
.pdf Celotno besedilo (3,43 MB)

4.
Celovita primerjava operacijskih sistemov iz družine BSD : diplomsko delo
Andrej Gerl Vicman, 2022, diplomsko delo

Opis: V diplomskem delu smo primerjali, analizirali in predstavili razlike med tremi najvidnejšimi predstavniki operacijskih sistemov iz družine BSD, in sicer NetBSD, OpenBSD in FreeBSD. Najprej smo predstavili vsakega izmed njih, razlike, zgodovino, zasnovo jedra ter področje varnosti. S pomočjo primerjalne študije smo predstavili njihove lastnosti, značilnosti, zmogljivosti in razlike med njimi. Vse tri smo s pomočjo zmogljivostnih testov preizkusili in primerjali rezultate. Ugotovili smo, kateri operacijski sistem ponuja največjo zbirko paketov, kateri je najbolj varen in kateri je najbolj uporaben za povprečnega uporabnika.
Ključne besede: BSD, operacijski sistem, primerjava
Objavljeno v DKUM: 25.10.2022; Ogledov: 434; Prenosov: 34
.pdf Celotno besedilo (887,67 KB)

5.
Metoda prilagodljivega uglaševanja slojev konvolucijskih nevronskih mrež pri strojnem učenju s prenosom znanja : doktorska disertacija
Grega Vrbančič, 2021, doktorska disertacija

Opis: V doktorski disertaciji predstavimo problematiko izbire uglaševanih slojev konvolucijskih nevronskih mrež pri strojnem učenju s prenosom znanja. Z izvedeno analizo vpliva izbire uglaševanih slojev konvolucijske nevronske mreže na uspešnost učenja potrdimo domnevo, da je primerna izbira uglaševanih slojev s ciljem doseganja visoke klasifikacijske uspešnosti odvisna od izbrane arhitekture konvolucijske nevronske mreže ter ciljnega problema oz. izbrane podatkovne zbirke. Z namenom naslovitve problema izbire uglaševanih slojev razvijemo in predlagamo prilagodljivo metodo DEFT, ki temelji na algoritmu diferencialne evolucije in deluje popolnoma samodejno, ne glede na uporabljeno arhitekturo konvolucijske nevronske mreže ali ciljni problem. Zaradi velike časovne kompleksnosti predlagane metode v nadaljevanju razvijemo in predlagamo na funkciji izgube temelječo metriko LDM, ki v zgodnji fazi učenja uspešno zaznava manj primerne izbire uglaševanih slojev, kar nam omogoča, da za zaznane manj primerne izbire uglaševanih slojev predčasno zaključimo učenje in na tak način zmanjšamo časovno zahtevnost predlagane metode. Uspešnost predlagane metode ovrednotimo z uporabo treh različnih arhitektur globokih konvolucijskih mrež nad tremi raznolikimi slikovnimi podatkovnimi zbirkami. Klasifikacijsko uspešnost predlagane metode z in brez uporabe metrike LDM smo primerjali s klasičnimi pristopi učenja globokih konvolucijskih nevronskih mrež. Primerjavo izvedemo z uporabo najpogostejših klasifikacijskih metrik, časom, potrebnim za učenje, ter porabljenim številom epoh. Rezultate smo preverili z uporabo klasičnih metod statistične analize kot tudi z naprednim pristopom Bayesove analize. Izsledki slednje so potrdili tezo, da je mogoče z uporabo metode prilagodljivega uglaševanja slojev konvolucijske nevronske mreže uspešno nasloviti problem izbire slojev ter da lahko z uporabo metrike LDM za zaznavo manj primernih izbir uglaševanih slojev učinkovito zmanjšamo število epoh, potrebnih za učenje, ob doseganju primerljivih rezultatov.
Ključne besede: strojno učenje, globoko učenje, učenje s prenosom znanja, klasifikacija, uglaševanje, optimizacija
Objavljeno v DKUM: 19.10.2021; Ogledov: 1213; Prenosov: 239
.pdf Celotno besedilo (5,35 MB)

6.
Vizualizacija športnih aktivnosti v progresivnih spletnih aplikacijah : magistrsko delo
Marko Deželak, 2021, magistrsko delo

Opis: V magistrskem delu smo raziskali področje vizualizacije športnih aktivnosti in njihovo uporabo v progresivnih spletnih aplikacijah. Analizirali smo arhitekturo in delovanje slednjih aplikacij ter predstavili različne tehnike vizualizacije, ki jih lahko uporabimo za prikaz podatkov, zajetih med izvajanjem športnih aktivnosti. Razvili smo lastno rešitev vizualizacije za tek in predstavili njen način uporabe. Tehniko vizualizacije smo implementirali v progresivni spletni aplikaciji in prikazali njen način delovanja na realnih podatkih.
Ključne besede: športne aktivnosti, tek, vizualizacija, spletna aplikacija
Objavljeno v DKUM: 18.10.2021; Ogledov: 754; Prenosov: 78
.pdf Celotno besedilo (1,99 MB)

7.
Uporaba globokega učenja s knjižnico Deeplearning4j na primeru prepoznave obrazov
Grega Vrbančič, 2017, magistrsko delo

Opis: V magistrskem delu smo se dotaknili področja globokega učenja, spoznali smo pristope in arhitekture algoritmov globokega učenja ter jih kategorizirali v tri skupine. V nadaljevanju smo podrobneje analizirali knjižnico Deeplearning4j, predstavili osnovne funkcionalnosti ter raziskali njene možnosti za uporabo na področju globokega učenja. V praktičnem delu smo uporabo globokega učenja s knjižnico Deeplearning4j aplicirali na primeru prepoznave obrazov. Implementirali smo dve različici konvolucijskih nevronskih mrež ter dva načina učenja – lokalno ter porazdeljeno učenje.
Ključne besede: strojno učenje, globoko učenje, Deeplearning4j, prepoznava obraza
Objavljeno v DKUM: 17.10.2017; Ogledov: 1542; Prenosov: 254
.pdf Celotno besedilo (7,06 MB)

8.
Razvoj spletne aplikacije za analitiko podatkov v realnem času s Spring XD
Grega Vrbančič, 2015, diplomsko delo

Opis: Živimo v sodobni informacijski družbi, katera nevedoč, na vsakem koraku z uporabo trenutnih razpoložljivih tehnologij ter spleta, dnevno ustvari več eksabajtov podatkov v različnih oblikah. Želja po pridobivanju dodane vrednosti – znanja, iz na prvi pogled nepomembnih podatkov, je v gospodarstvu prisotna že dalj časa, kot so tudi že dalj časa prisotne tehnike, metode za analitiko podatkov. Te so se razvile do te mere, da nam lahko v sprejemljivem času ponudijo rezultate naših povpraševanj. Kljub temu pa ostaja želja po instantnem pridobivanju rezultatov, analitiki podatkov praktično v trenutku, ko se ti ustvarijo. V diplomskem delu smo se posvetili uporabi platforme Spring XD ter v povezavi z njo razvili spletno aplikacijo za analitiko podatkov v realnem času.
Ključne besede: analitika podatkov, spletna aplikacija, Spring XD, masovni podatki
Objavljeno v DKUM: 14.10.2015; Ogledov: 1989; Prenosov: 128
.pdf Celotno besedilo (4,80 MB)

Iskanje izvedeno v 4.42 sek.
Na vrh
Logotipi partnerjev Univerza v Mariboru Univerza v Ljubljani Univerza na Primorskem Univerza v Novi Gorici