Η μηχανική μάθηση αποτελεί το σημαντικότερο τεχνολογικό πλεονέκτημα τα τελευταία χρόνια. Οι μέθοδοι που έχουν αναπτυχθεί και τα δίκτυα είναι ποικίλα και καταφέρνουν να ικανοποιήσουν οποιαδήποτε εργασία τους δοθεί. Στην παρούσα διπλωματική εργασία στόχος ήταν η αναγνώριση ειδών πουλιών από ένα σύνολο έτοιμων εικόνων, το CUB. Αντικείμενο της πτυχιακής είναι η εξοικείωση με το λογισμικό Matlab και το εργαλείο Deep net work designer. Αρχικά, αφού φορτωθεί ένα προεκπαιδευμένο δίκτυο, με τη χρήση των έτοιμων εικόνων σκοπός είναι να εκπαιδευτεί εκ νέου το δίκτυο και να εξεταστεί η αποτελεσματικότητα του εκπαιδευμένου δικτύου με νέες εικόνες. Επιπλέον του πρακτικού υπάρχει και μια σύντομη βιβλιογραφική ανασκόπηση σχετικά με τα νευρωνικά δίκτυα, το deeplearning, το Matlab και τα προεκπαιδευμένα δίκτυα.
Machine learning is the most important technological advantage in recent years. The methods that have been developed and the networks are varied and they manage to satisfy any task given to them. In this dissertation the aim was to identify bird species from a set of ready-made images, the CUB. The subject of the degree is familiarity with Matlab software and the Deep network designer tool. Initially after a trained network is loaded, the aim is using the ready-made images re-train the network and examine the effectiveness of the trained network with new images. In addition to the practical there is a brief bibliographic review on neural networks, deep learning, Matlab and trained networks.