| | SLO | ENG | Cookies and privacy

Bigger font | Smaller font

Search the digital library catalog Help

Query: search in
search in
search in
search in
* old and bologna study programme

Options:
  Reset


1 - 4 / 4
First pagePrevious page1Next pageLast page
1.
CRISP-DM procesni model za podatkovno rudarjenje
Tadej Roškarič, 2022, undergraduate thesis

Abstract: Z vedno večjim napredkom tehnologije je na voljo vse več kapacitet za shranjevanje in analizo podatkov, pri čemer podatkovne baze postajajo vse kompleksnejše in iz tega razloga potrebujemo standardizirane postopke za analitično procesiranje. Medpanožni standardni postopek za podatkovno rudarjenje CRISP-DM (angl. Cross-Industry Standard Process for Data Mining) je primer tovrstnega standarda, ki je od njegovega nastanka leta 1996 še vedno med glavnimi procesnimi modeli na področju podatkovnega rudarjenja v vseh gospodarskih sektorjih. V tem diplomskem delu opredelimo njegove posamezne faze in korake ter jih podrobno opišemo. Ker podatkovno rudarjenje zaradi njegove poslovne vrednosti pridobiva vedno večji pomen, se na tem področju pojavlja vse več alternativ, zato CRISP-DM primerjamo z modeloma SEMMA (angl. Sample, Explore, Modify, Model, Assess) in ASUM-DM (angl. Analytics Solutions Unified Method for Data Mining) z zaključkom, da slednja nista dovolj fleksibilna za status splošnega standarda. Pregledali smo ustrezno literaturo in opravili študijo primera, v kateri smo optimizirali marketinško kampanjo za bančne storitve na podlagi podatkov portugalske finančne institucije. Po analizi literature in končanem praktičnem primeru smo pretehtali vpliv posameznih faz na kakovost rezultatov in ugotovili, da je v akademskem svetu najmanj pokrita prav faza uvedbe, ki pa je v praksi nepogrešljivega pomena. Prav tako smo izpostavili nekatere ključne pomanjkljivosti, ki znotraj originalnega CRISP-DM procesnega modela niso rešene. V ta namen smo predlagali dodatne korake, kot so postopek zbiranja podatkov, razširitev procesa uvedbe modela in nova faza podatkovne etike. Na podlagi teh predlogov ugotavljamo, da potreba po razširitvi prvotnega CRISP-DM modela obstaja.
Keywords: CRISP-DM, podatkovno rudarjenje, Python, procesni model, strojno učenje
Published in DKUM: 13.10.2022; Views: 386; Downloads: 33
.pdf Full text (2,24 MB)
This document has many files! More...

2.
Analiza raziskovalnih pristopov v zaključnih delih s pomočjo metod rudarjenja besedil
Jan Vidmar, 2022, master's thesis

Abstract: Raziskovalna področja se med seboj razlikujejo tudi po uporabi raziskovalnih strategij, kar se prav tako odraža v študijskih programih. Čedalje več je v uporabi tudi mešanih raziskovalnih strategij, kar ne preseneča, saj se tudi področja med seboj vse bolj prepletajo. Zato smo na primeru povzetkov diplomskih nalog s Fakultete za organizacijske vede želeli ugotoviti, ali je mogoče s pomočjo metod rudarjenja besedil ugotoviti raziskovalno strategijo in jo povezati s študijskim programom. Zbrali smo po 100 povzetkov diplomskih del iz treh osnovnih študijskih programov na fakulteti, torej skupno 300 povzetkov diplomskih nalog. Želeli smo tudi ugotoviti, ali je mogoče iz povzetka diplomske naloge prepoznati raziskovalno strategijo in napovedati, iz katerega programa prihaja diplomska naloga. V ta namen smo uporabili raziskovalno strategijo načrtovanja in razvoja, kot osnovno metodo razvojnega cikla pa smo izbrali CRISP-DM. Izdelali smo Python skripto, ki je omogočila ekstrakcijo povzetkov in jih uredila v urejen korpus. S področja rudarjenja besedil smo uporabili tako nenadzorovane kot nadzorovane metode: metode gručenja, besednega oblaka in napovedovanja razreda. Za uporabo metod rudarjenja besedil smo uporabili orodje Orange Data Mining tool. Ugotovili smo, da lahko iz povzetkov z visoko natančnostjo napovemo študijski program, v katerega sodi posamezna diploma. Rezultati kažejo, da je najpogostejša raziskovalna strategija na področju kadrovskih in izobraževalnih sistemov vzorčna raziskava, medtem ko sta na področju informacijskih sistemov to načrtovanje in razvoj.
Keywords: raziskovalne strategije, python ekstrakcija besedil, orange rudarjenje besedil, CRISP-DM
Published in DKUM: 02.02.2022; Views: 645; Downloads: 65
.pdf Full text (2,53 MB)

3.
Napovedovanje prodaje z dodatnimi odprtimi podatkovnimi viri
Denis Kolman, 2021, master's thesis

Abstract: Rešitev, predstavljena v nalogi, se osredotoča na izboljšanje procesa napovedovanja prodajnih rezultatov izdelkov ali storitev s pomočjo vpeljave dodatnih odprtih virov podatkov. Z nalogo želimo poudariti, kako enostavno lahko pridobimo podatke in jih zelo dragoceno uporabimo v procesu poslovanja. Za končno primerjavo in vrednotenje smo najprej postavili dva modela v različnih sistemih za napovedovanje prodajnih rezultatov na podlagi enega vira, to so zgodovinski podatki prodaje. V nadaljevanju smo napovedni model s historičnimi podatki nadgradili. Dodali smo še podatke o številu zabeleženih bolezni, ki smo jih pridobili preko spletnega portala z javno objavljenimi podatki (odprti podatki). Korelacija med omenjenimi podatki obstaja, vendar je povezovanje te vrste podatkov kompleksno, zato je interpretacija rezultatov po eni strani lahko zelo zahtevna, po drugi strani pa povsem logična in zanimiva. Cilj, ki smo si ga zadali, je torej pokazati tri različne modele za napovedovanje, jih primerjati in ugotoviti, kakšen doprinos prinesejo odprti podatki. Rezultati naloge so pokazali, da smo zgradili zelo dobro osnovo za nadaljnji razvoj rešitve in enostavno implementacijo v uporabo.
Keywords: Odprti (javni) podatki, napovedovanje, podatkovno rudarjenje, model CRISP-DM.
Published in DKUM: 07.12.2021; Views: 652; Downloads: 65
.pdf Full text (2,29 MB)

4.
REGIONALNI RAZVOJNI PROGRAM V LUČI POSLOVNE INTELIGENCE: KONCEPT IN ŠTUDIJA PRIMERA
Matija Gabor, 2013, undergraduate thesis

Abstract: V diplomskem delu opisujemo študijo primera, katerega končni cilj je prikazati načine interpretiranja modelov podatkovnega rudarjenja, ki izhajajo iz večdimenzionalne kocke in tako dvigniti uporabnost našega modela. V diplomskem delu smo se osredinili na izgradnjo prototipnega analitičnega modela iz posredovanih podatkov in javno dostopnih dokumentov regionalnega razvojnega programa Pomurja 2007–13. Tehnološko smo ga s priporočili metodologije CRISP-DM umestili v Microsoftovo platformo na področju poslovne inteligence. Pristop samopostrežne poslovne inteligence preko odjemalca Microsoft Excel daje dostop in uporabo funkcionalnosti poslovne inteligence brez posredovanja strokovnjaka IT, študija primera pa končnemu uporabniku omogoča sodoben analitični pogled na vrednotenje regijske strategije.
Keywords: poslovna inteligenca, regionalni razvojni program Pomurja, podatkovno rudarjenje, samopostrežna poslovna inteligenca, CRISP-DM
Published in DKUM: 31.05.2013; Views: 1654; Downloads: 115
.pdf Full text (3,74 MB)

Search done in 0.11 sec.
Back to top
Logos of partners University of Maribor University of Ljubljana University of Primorska University of Nova Gorica