| | 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


11 - 20 / 48
First pagePrevious page12345Next pageLast page
11.
Razvoj napovednega modela za trgovanje z delniškimi vrednostnimi papirji na slovenskem borznem trgu
Primož Cimperman, 2018, master's thesis/paper

Abstract: Vpetost informacijsko-komunikacijske tehnologije v vsakdanje življenje je povzročila množično zbiranje, shranjevanje in obdelovanje podatkov, iz katerih se pridobivajo različne informacije, ki jih človek spretno uporablja pri vsakdanjih odločitvah tako doma kot na preostalih področjih svojega delovanja. Ob njihovi uporabi mora pri tem oceniti njihovo korist oziroma morebitno tveganje, ki jih pridobljena informacija prinaša. Podobno to velja tudi za trgovanje z vrednostnimi papirji na borzi, saj je primerno za lažjo odločitev o nakupu oziroma prodaji uporabiti določene pripomočke, ki so zasnovani v obliki programskih orodij. Ta nam na podlagi izbranega seta podatkov določene delnice izvajajo simulacije o potencialnem gibanju tečajnih vrednosti v prihodnosti. V magistrskem delu smo izdelali več napovednih modelov, pri katerih smo uporabili različne metode napovedovanja, ki se pogosto uporabljajo pri analizah gibanja tečajnih vrednosti delnic. Z metodologijo CRISP-DM smo razvili štiri napovedne modele, ki se med seboj razlikujejo tako po uporabljeni metodi kot tudi po primernosti časovnega obdobja napovedovanja. Z ocenami posameznih modelov na izbranih delnicah smo prišli do različnih ugotovitev, ki so nam podale širšo sliko o tem, kakšne so prednosti in slabosti posameznih modelov ter kateri model se je izkazal za najučinkovitejšega pri napovedovanju gibanja tečajev delnic. S pridobljenimi spoznanji si lahko pomagamo pri odločanju, ki zadeva borzno trgovanje na primeru izbranih delnic.
Keywords: odkrivanje znanja v podatkih, strojno učenje, podatkovno rudarjenje, metoda podpornih vektorjev, logistična regresija, trg vrednostnih papirjev.
Published in DKUM: 05.06.2018; Views: 1251; Downloads: 113
.pdf Full text (2,55 MB)

12.
Napovedovanje rezultatov rehabilitacije
Jakob Jančar, 2017, bachelor thesis/paper

Abstract: Pridobili smo datoteko z izbranimi podatki o pacientih in pacientkah, ki so doživeli srčni infarkt. Zanimalo nas je, kateri parametri nam lahko pomagajo napovedati uspešnost rehabilitacije po srčnem infarktu. Proces podatkovnega rudarjenja je bil izveden z uporabo programa Orange. Uporabljene metode podatkovnega rudarjenja so bile Bayesov algoritem, CN2 inducirana pravila in odločitvena drevesa. Z uporabo teh metod je bil zgrajen model, ki omogoča testiranje vsake izmed metod, kar služi primerjavi metod. Za posamezno metodo so bile izbrane ustrezne funkcije vizualizacije, ki predstavijo odločitveno znanje. Naloga obravnava dva izmed možnih kriterijev za uspešno rehabilitacijo. Za vsakega izmed obeh primerov je podana primerjava rezultatov uporabljenih metod.
Keywords: • Podatkovno rudarjenje • Srčni infarkt • Proces rehabilitacije
Published in DKUM: 21.12.2017; Views: 1182; Downloads: 98
.pdf Full text (2,58 MB)

13.
Uporaba napredne analitike pri upravljanju z veliko količino podatkov na primeru cortana intelligence suite
Špela Berglez, 2017, undergraduate thesis

Abstract: V diplomskem projektu Uporaba napredne analitike pri upravljanju z veliko količino podatkov na primeru Cortana Intelligence Suite, smo se osredotočili na dve temeljni tematiki – masovne podatke in napredno analitiko. Z masovnimi podatki poimenujemo velike količine, visoke hitrosti in raznolike vrste informacijskih sredstev ter podatkov, ki zahtevajo stroškovno učinkovito in inovativno obdelavo, ki omogoča nadgrajeno pridobivanje spoznanj, sprejemanje odločitev ter avtomatizacijo procesov. Ti so tesno povezani z napredno analitiko, pri kateri gre za analiziranje podatkov in vsebin z uporabo naprednih tehnik in orodij, ki presegajo tradicionalne analitične postopke. S pomočjo napredne analitike lahko odkrivamo globlja spoznanja, oblikujemo napovedi in ustvarjamo priporočila. Obe tematiki smo podrobno predstavili in pojasnili temeljne teoretične zakonitosti in najnovejše trende na teh področjih. V zadnjem delu diplomskega projekta smo teoretično znanje iz področja masovnih podatkov in napredne analitike združili in njuno povezavo pojasnili na praktičnem primeru rešitve Cortana Intelligence Suite. Cortana Intelligence Suite je zbirka integriranih orodij in storitev, namenjenih vključevanju in avtomatizaciji napredne analitike v podjetja. Posamezna orodja, platforme in storitve smo natančno razložili in pojasnili koncepte delovanja. Za konec smo predstavili še študiji primera, ter z njima podkrepili vse predstavljene teoretične zakonitosti.
Keywords: masovni podatki, napredna analitika, cortana intelligence suite, podatkovno rudarjenje, strojno učenje
Published in DKUM: 28.11.2017; Views: 1522; Downloads: 174
.pdf Full text (1,94 MB)

14.
Uporaba orodja Orange za podatkovno rudarjenje
Damir Kos, 2017, undergraduate thesis

Abstract: Ob vse večjem številu informacij, ki krožijo na najrazličnejše načine, je podatkovno rudarjenje za uspešno in učinkovito rabo informacij ključnega pomena. Preko podatkovnega rudarjenja namreč dosežemo rezultate, s katerimi ugotovimo ustreznost informacij, odpravimo pomanjkljivosti, poiščemo vzorce, znanje in podobno. V diplomskem delu je predstavljen program Orange, delo z njim, njegova uporaba ter nekatere lastnosti. Glavni segmenti podatkovnega rudarjenja s programom Orange, ki so predstavljeni v diplomskem delu, so klasifikacija, gručenje in pred procesiranje podatkov. Praktični del diplomskega dela, ki je hkrati ključen, je razdeljen na tri dele. Prvi del predstavlja vse tri glavne segmente preko uporabniškega vmesnika, drugi del preko kode, v tretjem delu pa se nato prikaže izgradnja lastnega modula in njegova uporaba.
Keywords: podatkovno rudarjenje, orodje Orange, klasifikacija, gručenje, predprocesiranje podatkov
Published in DKUM: 24.10.2017; Views: 2184; Downloads: 330
.pdf Full text (2,35 MB)

15.
Profiliranje in sledenje uporabnikom na spletu
Denis Vodišek, 2017, undergraduate thesis

Abstract: Na današnjem spletu je skorajda težko ostati neviden. Podjetja, mediji in posamezniki se čedalje bolj zavedajo, da lahko s poznavanjem svojih strank oziroma uporabnikov ugotovijo njihove želje, interese in omogočijo odlično uporabniško izkušnjo, saj je ravno to tisto, kar odloča o nadaljnjem ravnanju uporabnika na strani. V diplomskem delu smo vzpostavil storitev za sledenje uporabnikom z brezplačno storitvijo Google Analytics. Pridobljene podatke smo z orodjem za podatkovno rudarjenje R združili v skupine in ustvarili uporabniške profile. Zajeli smo glavne metodologije zbiranja podatkov, piškotke in orodje, ki jih bomo uporabili za spletno analitiko. Prav tako smo obravnavali tudi zasebnost uporabnika na spletu in načine sledenja ter profiliranja uporabnikov. V diplomskem delu smo tudi implementirali storitve na že obstoječo spletno stran in zbirali podatke s po meri ustvarjenimi razsežnosti in meritvami. Podatke smo obdelali v programu R in jih vizualno predstavili. Ugotovili smo, da lahko s spletno analitiko natančno odkrijemo, kaj uporabniki počnejo na strani, kaj jih zanima in na podlagi teh informacij ustvarili uporabniške profile. Tako lahko z ustvarjenimi profili uporabnikom iste skupine priporočamo podobne rezultate.
Keywords: Spletna analitika, sledenje, profiliranje, Google Analytics, splet, zbiranje podatkov, R, podatkovno rudarjenje
Published in DKUM: 09.10.2017; Views: 1380; Downloads: 215
.pdf Full text (1,45 MB)

16.
Algoritmi računske inteligence za razvoj umetnega športnega trenerja
Iztok Fister, 2017, doctoral dissertation

Abstract: Algoritmi računske inteligence so metode, ki delujejo po vzorih iz narave in poskušajo reševati težke probleme s posnemanjem principov naravnih sistemov. Med te metode v grobem štejemo: nevronske mreže, evolucijske algoritme, algoritme inteligence rojev, umetne imunske sisteme, sisteme na osnovi mehke logike in verjetnostne metode. Skozi zgodovino so se ti algoritmi uspešno uporabljali za reševanje problemov na skoraj vseh področjih človekovega udejstvovanja, vendar do nedavnega njihove prisotnosti ni bilo zaznati na področju športa. Doktorska disertacija tako odpira novo raziskovalno področje, kjer algoritme računske inteligence uporabimo za razvoj umetnega športnega trenerja. Umetni športni trener je sistem, ki omogoča vključevanje algoritmov računske inteligence za podporo različnih faz šport\-nega treninga. V prvem delu doktorske disertacije naredimo pregled obstoječih algoritmov računske inteligence, se dotaknemo osnov športnega treninga in orišemo koncept umetnega športnega trenerja. V eksperimentalnem delu doktorske disertacije predstavljamo praktična primera uporabe umetnega šport\-nega trenerja. Prvi primer prikazuje načrtovanje športnih treningov za različne časovne cikle, medtem ko drugi vključuje uporabo algoritma rojne inteligence za odkrivanje navad športnikov. Pridobljeni rezultati dokazujejo učinkovitost umetnega trenerja ter vzpodbujajo njegov nadaljnji razvoj.
Keywords: algoritmi računske inteligence, inteligenca rojev, načrtovanje športnih treningov, podatkovno rudarjenje, umetni športni trener
Published in DKUM: 11.09.2017; Views: 2425; Downloads: 447
.pdf Full text (19,75 MB)

17.
Tehnike za izgradnjo in optimizacijo delovanja spletnih iskalnikov
Blaž Breznik, 2017, master's thesis

Abstract: V magistrskem delu se spoznamo s spletnimi iskalniki, njihovim delovanjem in tehnikami za njihovo izdelavo. Poskušamo razviti lasten spletni iskalnik, ki temelji na tehnikah in tehnologijah, opisanih v teoretičnem delu. Spletni iskalnik uporabnikom omogoča iskanje po rezultatih, ki v ozadju neprestano posodabljajo svoj indeks s pomočjo spletnih pajkov. Uporabnost izdelane rešitve pokažemo tudi na dveh primerih. Ugotovili smo, da je v sklopu magistrskega dela preveč omejitev, da bi lahko izdelali rešitev, ki bi iskala po globalnih rezultatih in se približala iskalnikom, kot je Google. Lahko pa izdelamo uporaben lokalni iskalnik, ki išče po določeni spletni strani. Takšen se je med testiranji odrezal celo bolje od iskalnika Google.
Keywords: podatkovno rudarjenje, spletni iskalniki, optimizacija delovanja, indeksiranje, spletni pajki
Published in DKUM: 18.08.2017; Views: 1185; Downloads: 139
.pdf Full text (2,76 MB)

18.
FUNKCIONALNOSTI ANALITIČNEGA CRM NA PRIMERU REŠITVE MICROSOFT DYNAMICS CRM
Sandra Anžič, 2016, undergraduate thesis

Abstract: Ker naš svet postaja vse bolj globaliziran in naše aktivnosti vse bolj digitalizirane, sočasno postajajo podatki bogatejši, raznoliki in na voljo kadarkoli in od kjerkoli. Organizacije danes izkoriščajo te velike količine podatkov za podrobnejše prilagoditve sistemov, podporo pri odločanju in razvoju novih proizvodov in storitev. Podatki igrajo pomembno vlogo v vrednosti in ustvarjanju koristi. Upravljanje odnosov z odjemalci (angl. Customer Relationship Management; v nadaljevanju CRM) postaja vse bolj pomembno, tako v malih kot velikih organizacijah, saj kot pravi znameniti rek »Biti zaseden, ne pomeni, biti učinkovit«. Slednje se odraža v dobrem odnosu z odjemalci, kar vpliva na celotno delovanje organizacije, kajti, če organizacija ne pozna dobro želja svojih odjemalcev, se ta ne bo zmogla prilagajati trenutnim tržnim razmeram. Danes informacijsko-tehnološki (angl. Information Technology; v nadaljevanju IT) razvoj organizacijam omogoča zbiranje, obdelavo in interpretacijo vse večjega obsega podatkov o odjemalcih, s čimer organizacije pridobivajo donosne informacije za sprejemanje strateških poslovnih odločitev. Zbiranje, obdelavo in interpretacijo podatkov pa lahko organizacije izvajajo s pomočjo poslovnih rešitev. S poslovno rešitvijo Microsoft Dynamics CRM (v nadaljevanju MS Dynamics CRM) lahko organizacija izvaja analitiko svojih odjemalcev. Analitika ima tudi svoje mesto v rešitvi MS Dynamics CRM. Analitični CRM organizaciji omogoča, da ta pridobi bistvene poglobljene informacije o zgodovini svojih odjemalcev in njihovih preferencah, saj analitični CRM omogoča analiziranje, predvidevanje, ustvarjanje vrednosti za odjemalce in napovedovanje povpraševanja. Ugotovimo, da analitični del MS Dynamics CRM vsebuje kar nekaj funkcionalnosti analitičnega CRM, med njimi najbolj izstopa analiziranje in vizualiranje podatkov s pomočjo različnih vrst grafikonov in posledično iskanje izvora teh podatkov, ki pa zagotavlja dobro poznavanje preferenc odjemalcev in njihovo zgodovino nakupov.
Keywords: velike količine podatkov, analitični CRM, podatkovno rudarjenje, Microsoft Dynamics CRM
Published in DKUM: 17.11.2016; Views: 1371; Downloads: 184
.pdf Full text (1,59 MB)

19.
Pridobivanje znanja iz podatkov o aktivnostih nevladnih organizacij z metodo podatkovnega rudarjenja
Andrej Kositer, 2016, master's thesis/paper

Abstract: Delovanje podjetij (predvsem globalnih) vedno večkrat vpliva na družbeno aktualne teme trajnostnega razvoja, vpliva na okolje/naravo, varstvo okolja, družbeno pravičnost, razporejanje dodane vrednosti in dobička ali odnos med razvitimi in nerazvitimi. Z dviganjem družbene zavesti in popularizacijo aktivnega državljanstva so globalna podjetja vedno bolj pod drobnogledom nevladnih organizacij, družbenih gibanj, neformalnih državljanskih skupin, ki s svojim delovanjem želijo neposredno vplivati na delovanje podjetja ali vsaj posredno oblikujejo poslovno okolje. Kot bomo kasneje opredelili, nevladne organizacije zastopajo zelo različne interese, od ozkih političnih ali poslovnih do splošnih družbenih interesov, ko delujejo v imenu najširših državljanskih pobud in želijo zaščititi splošne družbene vrednote, kot so okolje, zdravje, družbeni razvoj, izobraževanje, enakomerna porazdelitev dobrin ali splošen pravičen svetovni razvoj. Pričujoča magistrska naloga se ukvarja s študijem in raziskovanjem značilnosti in dinamiko ekosistema, ki ga sestavljajo nevladne organizacije, globalna podjetja, zainteresirana javnost in mediji, ki spremljajo tovrstne aktivnosti. Raziskave značilnosti odnosov, povezav, odvisnosti in aktivnosti akterjev temeljijo na uporabi, analizi in tolmačenju rezultatov iskanja znanja v podatkovni bazi SigWatch. Portal SigWatch in zbrani podatki se posvečajo predvsem delovanju tovrstnih nevladnih organizacij. V magistrski nalogi smo predstavili informacijski sistem oz. portal SigWatch in na podlagi njegovih podatkov oblikovali modele, postopke in informacijski sistem za odkrivanje novih spoznanj o delovanju nevladnih organizacij. Modele, nova spoznanja in znanja smo kritično ovrednotili, ocenili njihovo vrednost in nakazali možnosti nadaljnjih korakov pri odkrivanju pravil in znanj v obravnavanem ekosistemu.
Keywords: podatkovno rudarjenje odkrivanje znanja v podatkovnih bazah delovanje nevladnih organizacij
Published in DKUM: 08.11.2016; Views: 1577; Downloads: 157
.pdf Full text (3,94 MB)

20.
UČINKOVITEJŠE NAČRTOVANJE PROJEKTOV OBNOVE ZGODOVINSKIH OBJEKTOV Z INTEGRACIJO TEHNOLOGIJ ZA UPRAVLJANJE ZNANJA
Daniela Dvornik Perhavec, 2016, doctoral dissertation

Abstract: Prenova zgodovinskih objektov gradbenim inženirjem ne predstavlja posebnega zadovoljstva in izziva. Morda je razlog v tem, da za načrtovanje projektov obnove ni zadostne podpore s strani investitorjev. Raziskovanje zgodovinskih objektov zahteva čas in finančna sredstva. Projekt obnove je za razliko od novogradenj drugačen in temelji na vhodnih podatkih kot posledici rezultatov raziskovanja obstoječih objektov. Če vhodni podatki niso točni, se raziskovanje objekta prenese v fazo izvedbe, kar investitorju povzroči tveganje, izvajalcu pa motnje v projektu obnove. Projekt prenove se običajno prične z raziskovanjem obstoječega objekta in z iskanjem arhivskega gradiva. Težava nastopi, če arhivskih podatkov ni. Ključno vprašanje, ki pri tem nastopi je, kako iz razpoložljivih virov in podatkov, ki so za zgodovinske objekte na voljo, napovedati karakteristike objektov, za katere razpoložljivih virov ni. Na podlagi analize literature, gradbene zakonodaje in načrtov za zgodovinske objekte smo izdelali relacijske baze na podlagi katerih smo želeli izdelati napovedni model za naključne objekte. Rezultati za napoved so bili zadovoljivi, zato smo izdelali še ustrezne ontologije ter s pomočjo metod umetne inteligence, natančneje z odločitvenimi drevesi, pridobili novo znanje o karakteristikah zgodovinskih objektov. Proučili smo tudi zunanje udeležence. Na podlagi teorije iger smo utemeljili kateri parametri so ključni za uspešno podporo projektu prenove. V doktorski nalogi predstavljen model za učinkovitejše načrtovanje projektov obnove zgodovinskih objektov s pomočjo uporabe tehnologij za upravljanje znanja predstavlja nov pristop v procesu projektov prenove objektov. Z uspešnim razvojem ontologij bomo s pomočjo pridobivanja znanja iz podatkov ter podatkovnega rudarjenja lahko zagotovili boljšo podporo tistim, ki tovrstno znanje potrebujejo.
Keywords: projekti obnove, zgodovinski objekti, sistemi, podatkovne baze, ontologije, odločitvena drevesa, podatkovno rudarjenje, umetna inteligenca, teorija iger, zapornikova dilema, model za učinkovitejše načrtovanje, tehnologije upravljanja znanja
Published in DKUM: 01.09.2016; Views: 3062; Downloads: 167
.pdf Full text (17,57 MB)

Search done in 0.3 sec.
Back to top
Logos of partners University of Maribor University of Ljubljana University of Primorska University of Nova Gorica