Repository of colleges and higher education institutions

Search the repository
A+ | A- | Help | SLO | ENG

Query: search in
search in
search in
search in

Options:
  Reset


1 - 2 / 2
First pagePrevious page1Next pageLast page
1.
Ocena učinkovitosti velikih jezikovnih modelov na medicinskem testiranju
Dragan Gostimirović, 2024, not set

Abstract: Umetna inteligenca je ključno preoblikovala tehnološki napredek, omogočila razvoj novih pristopov za reševanje kompleksnih problemov in izboljšala učinkovitost obstoječih procesov. Med širokim spektrom tehnologij umetne inteligence so veliki jezikovni modeli, kot so GPTji, posebej pomembni zaradi svoje sposobnosti razumevanja in generiranja človeškega jezika. Razvoj od pravilnih pristopov do naprednih algoritmov strojnega učenja kaže na pomembne mejnike v raziskavah umetne inteligence. Modeli, kot sta GPT-3 in GPT-4, so revolucionirali področje z razumevanjem konteksta in generiranjem relevantnega besedila. Predstavitev ChatGPT konec leta 2022 je pomenila prelomni trenutek, ki je omogočil generativnim jezikovnim modelom vodenje smiselnih pogovorov in izvajanje intelektualnih nalog. To je odprlo nove možnosti uporabe umetne inteligence v izobraževanju, programiranju in ustvarjanju vsebine, hkrati pa postavilo nova etična in praktična vprašanja. Magistrsko delo se osredotoča na analizo zmogljivosti GPT modelov – konkretno ChatGPT-3.5, ChatGPT-4, Copilot in Gemini, pri opravljanju medicinskega testa pa USMLE Step 1 2022. S študijo želimo oceniti njihovo sposobnost obdelave in razumevanja medicinskega znanja. Analiza bo izvedena z uporabo statističnega orodja PSPP, ki bo omogočilo učinkovito obdelavo in interpretacijo zbranih podatkov.
Keywords: Umetna inteligenca, veliki jezikovni modeli, GPT, ChatGPT, USMLE Step 1 2022.
Published in ReVIS: 27.06.2024; Views: 1210; Downloads: 19
.pdf Full text (18,40 MB)

2.
Večparametrska primerjalna analiza referenčnih modelov SAP ASAP in MS Sure Step pri uvajanju ERP sistemov s poudarkom na obvladovanju tveganj : magistrska naloga
Ivan Arh, 2012, master's thesis

Abstract: V prvem delu raziskave smo preučili dva najbolj pogosto uvedena ERP sistema in njuni referenčni metodologiji za uvajanje, ERP SAP in metodologijo ASAP ter Microsoftov Dynamics NAV in metodologijo SURE STEP. V drugem delu raziskave smo preučili kritične dejavnike tveganja, ki se pojavljajo pri uvajanju ERP sistemov. Z večparametrsko primerjalno analizo s pomočjo DEXi-ja in VREDANE ter SWOT analize smo analizirali referenčni metodologiji ASAP in SURE STEP in prišli do ugotovitev, da obe metodologiji zelo dobro obvladujeta kritične dejavnike tveganj. Obe sta dobili končno oceno devet od možnih desetih točk, kar pomeni, da imata obe metodologiji manjša odstopanja, ki pa bistveno ne vplivajo na uporabnost metodologij, zato priporočamo uporabo obeh
Keywords: ASAP, SURE STEP, večparametrska primerjalna analiza, DEXi
Published in ReVIS: 08.08.2018; Views: 3494; Downloads: 148
.pdf Full text (1,48 MB)

Search done in 0.04 sec.
Back to top