Generiranje umjetnih podataka za testiranje i verifikaciju modela strojnog učenja

diplomski rad

• Naslov (engleski): Generating Data for Testing and Verification of Machine Learning Models
• Autor: Nikola Buhiniček
• Mentor: Krešimir Pripužić (mentor)
• Član povjerenstva: Krešimir Pripužić (predsjednik povjerenstva)
• Član povjerenstva: Siniša Sovilj (član povjerenstva)
• Član povjerenstva: Jurica Babić (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet elektrotehnike i računarstva; Zagreb
• Datum i država obrane: 2021-07-09, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: TEHNIČKE ZNANOSTI; Računarstvo

Sažetak

Testiranje i verifikacija modela strojnog učenja uvelike ovisi o podacima nad kojima se ti procesi izvode. Za određene probleme strojnog učenja teško je doći do skupova podataka koji zadovoljavaju sve njihove potrebe. Ograničenja tih podataka mogu biti razna, poput nedostatne količine skupa podataka, ograničenja zaštite privatnosti korisnika, statistička ograničenja skupa podataka i mnoga druga. Korištenjem umjetno generiranih podataka se smanjuju, ili čak u potpunosti uklanjaju, prethodno spomenuta ograničenja. Tako se smanjuju pogreške modela koje su nastale kao posljedica korištenja neprikladnih skupova podataka. U ovom radu istražit će se najčešće korišteni modeli u području generiranja umjetnih podataka, te će biti predložena i implementirana četiri generatora umjetnih podataka za odabrani problem strojnog učenja koristeći programski jezik Python. Generirani skupovi podataka će biti prokomentirani s obzirom na problem koji se njima rješava.

Sažetak (engleski)

Testing and verification of machine learning models largely depends on the data over which these processes are performed. For certain machine learning problems, it is difficult to come up with datasets that meet all their needs. The limitations of real datasets can be various, such as insufficient amount of data, limitations of the dataset to protect user privacy, statistical limitations of the dataset and many others. The use of synthetically generated data reduces, or even eliminates these limitations which reduces model errors that occur because of using inappropriate datasets. In this paper, existing models used in the field of synthetic data generation were researched and four synthetic data generators, for a selected machine learning problem, were proposed and implemented using the Python programming language. The results obtained were commented with respect to the problem which was being solved.

• Ključne riječi: generiranje umjetnih podataka; strojno učenje; generativni modeli; generativne kontradiktorne mreže; Python; WGAN; TGAN
• Ključne riječi (engleski): synthetic data generation; machine learning; generative models; generative adversarial networks; Python; WGAN; TGAN
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:168:841456
• Studijski program: Naziv: Računarstvo; Vrsta studija: sveučilišni; Stupanj studija: diplomski; Akademski / stručni naziv: magistar/magistra inženjer/inženjerka računarstva (mag.ing.comp.)
• Vrsta resursa: Tekst
• Način izrade datoteke: Izvorno digitalna
• Prava pristupa: Zatvoreni pristup
• Datum i vrijeme pohrane: 2023-01-13 14:38:40