1. Analiza učinkovitosti različnih metod strojnega učenja pri napovedovanju sončnega sevanja : diplomsko deloDragan Popović, 2024, undergraduate thesis Abstract: V diplomskem delu smo primerjali učinkovitost dveh modelov strojnega učenja, LSTM (Long Short-Term Memory) in FFNN (Feedforward Neural Network), pri napovedovanju globalnega horizontalnega obsevanja (GHO). Sončna energija je ključna za trajnostni razvoj, saj predstavlja čisto in obnovljivo alternativo fosilnim gorivom, vendar njeno izkoriščanje zahteva natančne napovedi sončnega obsevanja. V nalogi smo najprej obravnavali teoretične osnove sončne energije, fotovoltaike in izzive, povezane z napovedovanjem vrednosti GHO. Nato smo v praktičnem delu izvedli simulacije v okolju MATLAB, kjer smo modela trenirali na podatkih iz let 2018–2021 in napovedovali vrednosti za leto 2022. Rezultati so pokazali, da je LSTM model splošno boljši pri napovedovanju GHO, saj je izkazal večjo stabilnost, natančnost in zmožnost zajemanja sezonskih sprememb v primerjavi s FFNN modelom, ki je imel več težav pri napovedovanju ekstremnih vrednosti in sezonskih nihanj. Na podlagi teh ugotovitev zaključujemo, da je LSTM model primernejši za napovedovanje GHO, medtem ko FFNN model potrebuje nadaljnjo optimizacijo. Naloga ponuja prispevek k razvoju natančnejših napovednih modelov, ki so ključni za optimizacijo izkoriščanja sončne energije in prispevek k trajnostnemu razvoju. Keywords: sončna energija, strojno učenje, globalno horizontalno obsevanje Published in DKUM: 07.02.2025; Views: 0; Downloads: 4
Full text (6,31 MB) |
2. |
3. Ovrednotenje vpliva mobilnega učenja z resno igro in igrifikacijo v procesu usvajanja temeljnih postopkov oživljanja odraslih osebNino Fijačko, 2025, doctoral dissertation Abstract: Zunajbolnišnični srčni zastoj vsako leto na svetovni ravni prizadene 3,7 milijona ljudi, v Evropi približno 300.000 ljudi in v Sloveniji približno 1.700 ljudi. Raziskave kažejo, da pravilno izvajanje temeljnih postopkov oživljanja odrasle osebe s strani laikov poveča možnosti za preživetje, vendar je stopnja izvajanja nizka, predvsem zaradi pomanjkanja znanja. Posledično Evropski reanimacijski svet predlaga uporabo naprednejših tehnologij, na primer mobilno učenje, in sicer kot podporo pri izobraževanju temeljnih postopkov oživljanja odrasle osebe za laike. V doktorski disertaciji smo z uporabo mešanih metod ovrednotili vpliv uporabe mobilnega učenja z resno igro MOBICPR na usvajanje kognitivnih, vedenjskih in motivacijskih učnih izidov ter na raven stresa pri posredovanju vsebin s področja temeljnih postopkov oživljanja odrasle osebe v domačem okolju. Na vzorcu 43 študentov zdravstvene nege smo z randomizirano raziskavo s kontrolno skupino deležne odložene obravnave potrdili, da dvotedensko mobilno učenje z resno igro MOBICPR v domačem okolju vpliva na usvajanje kognitivnih učnih izidov (t(41) = 1,717, p = 0,047), ne vpliva pa na usvajanje vedenjskih (t(41) = 1,313, p = 0,448) in motivacijskih (t(41) = 1,816, p = 0,394) učnih izidov. Slednje smo z uporabo vsebinske analize podatkov dodatno potrdili. Prav tako dvotedensko mobilno učenje z resno igro MOBICPR v domačem okolju ne vpliva na stopnjo stresa pred izvajanjem in po izvajanju temeljnih postopkov oživljanja odrasle osebe (U = 227,5; p = 0,465). Mobilno učenje predstavlja izobraževalno orodje, ki bi se lahko v prihodnje vključilo v tečaje temeljnih postopkov oživljanja odrasle osebe, po opravljenih tečajih pa bi se lahko uporabljalo v domačem okolju za vzdrževanje in osvežitev znanja temeljnih postopkov oživljanja odrasle osebe. Keywords: temeljni postopki oživljanja odrasle osebe, mobilno učenje, resna igra, učni izidi, laiki Published in DKUM: 27.01.2025; Views: 0; Downloads: 10
Full text (4,49 MB) |
4. Primerjava učinkovitosti različnih praktičnih pristopov k učenju temeljnih postopkov oživljanja in uporabe avtomatskega zunanjega defibrilatorja pri osnovnošolcihNadja Pitz Durič, 2024, final research report Abstract: Hitro ukrepanje očividcev ter izvajanje temeljnih postopkov oživljanja (TPO) in uporaba avtomatskega zunanjega defibrilatorja (AED, ang. automatic external defibrillator) je ob nenadnem srčnem zastoju zunaj bolnišnice (OHCA, ang. out-of-hospital cardiac arrest) zelo pomembno, zato bi moral biti o TPO izobražen čim večji odstotek širše javnosti. Ker je v Evropi odstotek očividcev, ki pričnejo s TPO in uporabijo AED, v povprečju nizek, smo želeli ugotoviti kakšna je učinkovitost trenutnih tečajev TPO z AED za osnovnošolce in predlagati najučinkovitejši pristop. Keywords: zunajbolnišnični srčni zastoj, temeljni postopki oživljanja, avtomatski zunanji defibrilator, osnovnošolci, učenje Published in DKUM: 20.01.2025; Views: 0; Downloads: 7
Full text (886,98 KB) |
5. Učenje s prenosom znanja z uporabo rekurentnih nevronskih mrež za namen napovedovanja cen živil : magistrsko deloJana Janković, 2024, master's thesis Abstract: Živila so osnovne dobrine z velikim vplivom na gospodarsko in družbeno stabilnost, zato je natančno napovedovanje njihovih cen ključno. Modeli globokega učenja lahko prepoznajo kompleksne vzorce v časovnih vrstah, kot so zgodovinske cene živil. V tej raziskavi smo eksperimentalno primerjali konvencionalni pristop učenja in učenje s prenosom znanja v rekurentnih nevronskih mrežah za napovedovanje cen. Po iskanju optimalnih hiperparametrov smo modele naučili nad podatki, uporabili prenos znanja in ovrednotili oba pristopa. Na podlagi pridobljenih rezultatov smo ugotovili, da učenje s prenosom znanja bistveno pospeši proces učenja, vendar na račun slabše napovedne uspešnosti. Kljub temu pa rezultati magistrskega dela prispevajo k razumevanju, kdaj, zakaj in v kakšnih primerih je uporaba učenja s prenosom znanja smiselna izbira. Keywords: napovedovanje cen živil, učenje s prenosom znanja, RNN, analiza časovnih vrst. Published in DKUM: 15.01.2025; Views: 0; Downloads: 12
Full text (4,19 MB) |
6. Vključevanje orodij umetne inteligence v celovite informacijske rešitve: primer napovedovanja prodaje in zalogGarvin Gajšek, 2024, master's thesis Abstract: Izziv dela predstavlja integracijo celovitih informacijskih rešitev s tehnologijami umetne inteligence za napovedovanje prodaje in upravljanje zalog v podjetjih, s posebnim poudarkom na platformi Microsoft Dynamics 365 Business Central. V sodobnem poslovnem okolju predstavlja napovedovanje prodaje in zalog enega izmed ključnih elementov za ohranjanje konkurenčne prednosti podjetij. Zaradi naraščajočega pomena teh dejavnikov se vse pogosteje poslužujemo orodij umetne inteligence in strojnega učenja, ki omogočajo bolj natančne in pravočasne napovedi ter optimizacijo zalog. Ena izmed glavnih prednosti strojnega učenja je sposobnost obravnave kompleksnih podatkovnih nizov, ki vključujejo več dejavnikov ali značilk. S tem lahko izboljšamo model in natančnost napovedi, saj lahko algoritmi strojnega učenja učinkoviteje izkoristijo informacije, ki jih vsebujejo podatki. Ta pristop nam daje pomembno prednost nad konkurenco in nam omogoča, da ostajamo korak pred njo v dinamičnem poslovnem okolju. Seveda pa je ključnega pomena pravilna izbira dejavnikov, ustrezna obdelava podatkov ter izbira ustrezne metode strojnega učenja, da lahko dosežemo najboljše rezultate pri napovedovanju. Velik izziv na področju na tem področju je zato vprašanje, katere podatke in zgodovino podatkov umetna inteligenca uporablja in potrebuje za izvajanje kvalitetnih napovedi.
V magistrskem delu predstavimo osnovne paradigme strojnega učenja (angl. machine learning, v nadaljevanju ML), ki so uporabljene v našem eksperimentu napovedovanja prodaje iz zalog. Opisani so elementi poteka dela ML, okvir regresijsko temelječih metod ML in ocenjevalne matrike ML. Pomemben del naloge je posvečen analizi in opisu programske kode jezika R, s katero poglobimo razumevanje delovanja modela strojnega učenja v okolju Azure Machine Learning (v nadaljevanju AML) Studio. Model strojnega učenja v AML Studio je nato objavljen kot spletna storitev, do katere dostopamo preko REST (prenos predstavitvenega stanja, angl. REpresentational State Transfer, v nadaljevanju REST) API (aplikacijski programski vmesnik, angl. Application Programming Interface, v nadaljevanju API) protokola.
V nadaljevanju je opisan razvoj razširitve Business Centrala, ki predstavlja jedro izvedbe napovedovanja in integracije vtičnika strojenega učenja. Razširitev služi kot neposredni komunikator med uporabnikom in modelom strojnega učenja. Končnemu uporabniku Business centrala omogoča izvajanje funkcij učenja, ocenjevanja in napovedovanja.
Magistrsko delo zaključimo z interpretacijo kvantitativnih rezultatov napovedi. Kvantitativna primerjava rezultatov različnih modelov strojenega učenja nam pokaže, da eksperiment strojnega učenja sicer izpolnjuje osnovne pogoje in procese napovedovanja, a se sooča z določenimi pomanjkljivostmi. Keywords: umetna inteligenca, strojno učenje, celovite informacijske rešitve, napovedovanje prodaje in zalog, nadzorovano učenje. Published in DKUM: 07.01.2025; Views: 0; Downloads: 18
Full text (2,64 MB) |
7. Metoda kontekstno odvisne vektorske predstavitve sprememb programske kode za klasifikacijo vrste aktivnosti vzdrževanja : doktorska disertacijaTjaša Heričko, 2024, doctoral dissertation Abstract: V doktorski disertaciji obravnavamo raziskovalni problem avtomatizacije prepoznavanja namenov sprememb programskih rešitev, izvedenih v fazi vzdrževanja. Klasifikacija programskih sprememb glede na vrsto aktivnosti vzdrževanja, ki odraža specifične namene sprememb, omogoča učinkovitejšo analizo in načrtovanje vzdrževanja, podpira delovne procese in naloge razvijalcev ter se pogosto uporablja v raziskavah programskega inženirstva za proučevanje sprememb in evolucije rešitev. S ciljem ugotavljanja raziskovalnih vrzeli smo s sistematičnim pregledom literature proučili obstoječe pristope h klasifikaciji sprememb programskih rešitev glede na vrsto aktivnosti vzdrževanja. Za naslovitev teh vrzeli smo s študijo sistematičnega mapiranja pregledali pristope vektorizacije sprememb programske kode z učenjem predstavitev na podlagi izvorne kode, ki se v obstoječi literaturi uporabljajo za naslavljanje različnih izzivov programskega inženirstva. Na podlagi ugotovitev smo razvili in predlagali novo metodo kontekstno odvisne vektorske predstavitve sprememb programske kode, ki omogoča ekstrakcijo semantičnih značilk sprememb izvorne kode med dvema različicama programske rešitve ob upoštevanju konteksta sprememb. Predlagana metoda predstavi spremembo programske rešitve kot množico podrobnih sorodnih sprememb programske kode, temelječih na predstavitvah zaznanih razlik v izvorni kodi na osnovi žetonov. Za ekstrakcijo semantičnih vložitev sorodnih sprememb metoda uporablja strojno učenje s prenosom znanja iz izbranega prednaučenega jezikovnega modela programske kode iz družine modelov BERT, kot so CodeBERT, UniXcoder in StarEncoder, ki je bil predhodno dodatno prilagojen ciljni nalogi s paradigmama samonadzorovanega in nadzorovanega učenja. Pridobljene vektorske vložitve podrobnih sorodnih sprememb so nato združene v enotno semantično vektorsko predstavitev spremembe programske rešitve. Za klasifikacijo sprememb programskih rešitev glede na vrsto aktivnosti vzdrževanja smo na označeni podatkovni množici izgradili modele strojnega učenja, pri čemer smo za ekstrakcijo značilk uporabili predlagano metodo ter referenčne in obstoječe metode predstavitve sprememb rešitev. Z nadzorovanim eksperimentom, študijo ablacije in primerjalno študijo smo proučili vpliv različnih parametrov predlagane metode predstavitve sprememb na uspešnost klasifikacije, primerjali uspešnost klasifikacije ob uporabi predlagane metode v primerjavi z uporabo referenčnih in obstoječih metod predstavitve sprememb ter ovrednotili uspešnost multimodalnih modelov strojnega učenja, temelječih na nadgradnji obstoječih metod predstavitve sprememb s predlagano metodo z združevanjem modalnosti naravnega jezika in programske kode. Empirične rezultate smo statistično analizirali s pomočjo frekventistične in Bayesove statistike. Izsledki raziskav potrjujejo izhodiščno tezo, da je z uporabo nove metode mogoče izgraditi modele strojnega učenja, ki uspešno klasificirajo spremembe programskih rešitev glede na vrsto aktivnosti vzdrževanja. Osrednje ugotovitve doktorske disertacije so naslednje: vektorske predstavitve sprememb programske kode na osnovi predlagane metode dosegajo primerljivo ali višjo uspešnost pri klasifikaciji v primerjavi s predstavitvami na osnovi referenčnih in obstoječih metod; zmanjšanje dimenzionalnosti kontekstno odvisnih vektorskih predstavitev sprememb omogoča zmanjšanje števila dimenzij brez negativnega vpliva na uspešnost klasifikacije; multimodalni klasifikacijski modeli dosegajo višjo uspešnost klasifikacije v primerjavi z unimodalnimi modeli. Keywords: vzdrževanje programske opreme, spremembe programskih rešitev, rudarjenje repozitorijev programskih rešitev, strojno učenje, klasifikacija, nevronski jezikovni modeli programske kode, vektorske predstavitve, vektorska vložitev Published in DKUM: 06.01.2025; Views: 0; Downloads: 39
Full text (5,56 MB) |
8. |
9. Samodejno strojno učenje znotraj relacijske podatkovne baze PostgreSQLAljaž Šek, 2024, undergraduate thesis Abstract: V diplomskem delu smo predstavili in raziskovali uporabnost integracije samodejnega strojnega učenja znotraj relacijske podatkovne baze PostgresSQL. Osredotočili smo se na primerjavo dveh odprtokodnih orodij, ki to integracijo omogočata, in sicer MindsDB in PostgresML, kateri smo primerjali na praktičnem primeru prodaje vozil. Prikazali smo celoten postopek namestitve, povezovanje s podatkovno bazo in uporabo obeh orodij za gradnjo modela strojnega učenja. Raziskali smo glavne razlike med obema orodjema in na koncu predstavili prednosti in slabosti ter ugotovitve primerjave. Keywords: strojno učenje, samodejno strojno učenje, strojno učenje znotraj relacijskih
podatkovnih baz, MindsDB, PostgresML Published in DKUM: 23.12.2024; Views: 0; Downloads: 27
Full text (2,22 MB) |
10. Spletno branje in učenje v osnovni šoli : metode in priprava učiteljev za digitalno pismenostMaja Kerneža, 2024, independent scientific component part or a chapter in a monograph Abstract: Raziskava izpostavlja pomen razvoja digitalne pismenosti med učenci razredne stopnje ter potrebo po usposabljanju učiteljev za učinkovito integracijo digitalnih tehnologij v izobraževalni proces v obliki izbranih načinov in metod dela pri pouku, ki razvijajo vsa potrebna znanja in spretnosti, ki opredeljujejo digitalno pismenega posameznika. Predstavljena je metoda recipročnega učenja s spleta, ki učitelju daje osnovo za razvijanje spretnosti digitalne pismenosti pri učencih in je učinkovita tudi na razredni stopnji šolanja. Zastavljeno je bilo izobraževanje za učitelje razredne stopnje, ki do sedaj še ni bilo sistematično opazovano in spremljano, a bi ugotovitve v obliki implikacij pomembno izboljšale izid izobraževanja ter s tem tudi rezultate prenosa znanja z učitelja na učenca. V okviru kvalitativne raziskave je bilo za uporabo omenjene metode v študijskih letih 2021/2022 in 2022/2023 usposobljenih ter sistematično spremljanih 117 študentov študijskega programa Razredni pouk, s katerimi je bil po izvedbi usposabljanja izveden nestrukturirani intervju. Odgovori vprašanih kažejo, da je v raziskavi predstavljen pristop učinkovit tako pri spodbujanju spretnosti digitalne pismenosti učiteljev, torej med udeleženci izobraževanja samimi, kot tudi pri usposabljanju sodelujočih za poučevanje spretnosti digitalne pismenosti. Rezultati kažejo pomen praktičnega usposabljanja, ki učiteljem omogoča neposredno aplikacijo teoretičnega znanja v prakso ter izpostavlja vlogo samorefleksije in mentorstva kot ključnih komponent v procesu profesionalnega razvoja. Predlagamo nadaljnje raziskave za identifikacijo in optimizacijo izobraževalnih strategij, ki bi bile najučinkovitejše pri razvoju digitalne pismenosti, s ciljem pripraviti učence na uspešno delovanje v digitalnem okolju, s čimer prispevamo k boljšemu razumevanju kompleksnosti poučevanja in učenja digitalne pismenosti ter nakazujemo potrebo po celostnem pristopu k usposabljanju učiteljev na tem področju.This research underscores the importance of developing digital literacy among primary-level students and the need for training educators to effectively integrate digital technologies into the educational process. It highlights selected modes and methods that foster the knowledge and skills essential for a digitally literate individual. The study introduces a method of reciprocal web-based learning, which provides a foundation for educators to develop digital literacy skills in students and has proven effective at the primary education level. The research proposes an educational program for primary-level teachers, which has not yet been systematically observed and monitored. The findings suggest that this program could significantly enhance educational outcomes and knowledge transfer from teacher to student. In this qualitative study, 117 students from the Elementary Education program were trained and systematically monitored during the academic years 2021/2022 and 2022/2023, followed by unstructured interviews post-training. Survey responses indicate that the approach presented is effective in promoting digital literacy skills among educators and in preparing them to teach these skills to their students. The results emphasize the value of practical training that allows educators to apply theoretical knowledge in practice and highlight the importance of self-reflection and mentorship as key components of professional development. The study recommends further research to identify and optimize the most effective educational strategies for developing digital literacy. This research aims to prepare students for successful engagement in a digital environment and contributes to a deeper understanding of the complexities of teaching and learning digital literacy. It also indicates the need for a comprehensive approach to teacher training in this area. Keywords: branje na spletu, digitalna pismenost, metoda recipročnega učenja s spleta, učenje na spletu, usposabljanje učiteljev Published in DKUM: 16.12.2024; Views: 0; Downloads: 3
Full text (292,12 KB) This document has many files! More... |