| | 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


21 - 30 / 48
First pagePrevious page12345Next pageLast page
21.
INTEGRIRAN MONITORING KOT ORODJE ZA UČINKOVITO IN EKONOMIČNO ENERGETSKO UPRAVLJANJE JAVNIH STAVB
Primož Praper, 2016, master's thesis

Abstract: V javnih stavbah (šolah, vrtcih) obstaja velik potencial za prihranke energije z učinkovitim energetskim upravljanjem. Cilj naloge je s pomočjo energetskega monitoringa in obdelave masovnih podatkov poiskati konkretne potenciale za te prihranke. Na osnovi podatkov, pridobljenih s pomočjo digitalnega obratovalnega monitoringa stavb, je bila analizirana večletna baza podatkov z okoli 2 MIO podatkov o urni porabi toplotne in električne energije ter o notranji in zunanji temperaturi. Ugotovljeno je bilo, da javne stavbe porabijo veliko več energije takrat, ko so nezasedene, in da se pogosto ogrevajo, ko so nezasedene in notranja temperatura že presega 20 °C. Na osnovi raziskave je bil identificiran potencial za prihranek energije, ki ga predstavlja predvsem zmanjšanje delovanja ogrevalnega sistema, ko je stavba nezasedena. Predlagan in predstavljen je bil izboljšan model energetskega upravljanja stavb z integracijo merilnikov porabe, senzorjev temperature in programabilnih krmilnikov v enoten sistem, s pomočjo katerega se na osnovi podatkovnega rudarjenja, poslovne analitike masovnih podatkov (angl. big data) in strojnega učenja optimizira delovanje sistema ogrevanja. Za ugotovitev potenciala prihranka s pomočjo energetskega upravljanja in spremljanje doseganja zastavljenih ciljev je ključna uvedba sistema energetskega monitoringa na urnem ali krajšem intervalu odčitavanju podatkov. Predstavljeno je, da je vzpostavitev avtomatiziranega krmiljenja delovanja ogrevanja na osnovi podatkovnega rudarjenja finančno upravičena.
Keywords: Energetsko upravljanje stavb, prihranki energije, javne stavbe, energetski monitoring, podatkovno rudarjenje, masovni podatki
Published in DKUM: 04.08.2016; Views: 1426; Downloads: 178
.pdf Full text (3,49 MB)

22.
Implementacija infrastrukture za podporo pomenskemu rudarjenju v poslovnih informacijskih sistemih
Lovro Repnik, 2016, master's thesis

Abstract: V preteklem desetletju so potekale intenzivne raziskave in razvoj na področju podatkovnega rudarjenja. Še posebej tehnologije pomenskega spleta so se izkazale kot zelo primerne za rudarjenje po velikih količinah pomensko bogatih in heterogenih podatkov. Vendar je večina podatkov poslovnih informacijskih sistemov shranjenih v relacijskih podatkovnih bazah. Za uspešno uporabo metod pomenskega spleta v informacijskih sistemih je tako nujno ta dva svetova povezati. V predloženem delu smo raziskali potrebne tehnike in orodja za vključitev funkcionalnosti pomenskega rudarjenja v ogrodje za izdelavo poslovne programske opreme. Na podlagi obstoječe podatkovne baze smo kreirali domensko specifično ontologijo, za katero smo definirali preslikave med njo in izvorno relacijsko podatkovno bazo. S prosto dostopnimi orodji in knjižnicami smo postavili okolje za sprotno izvajanje poizvedb SPARQL v relacijski podatkovni bazi informacijskega sistema.
Keywords: podatkovno rudarjenje, pomenski splet, ontologija, RDB2RDF
Published in DKUM: 07.07.2016; Views: 980; Downloads: 122
.pdf Full text (3,05 MB)

23.
PODATKOVNO RUDARJENJE KOT POMOČ PRI IZBIRI TAKTIKE KOŠARKARSKIM TRENERJEM PRED PRIPRAVO NA TEKMO
Tilen Mlinar, 2016, master's thesis

Abstract: Magistrsko delo opisuje razvoj sistema za pomoč košarkarskim trenerjem pred pripravo na tekmo. Opravljeni so bili različni eksperimenti, ki temeljijo na podatkovnem rudarjenju. Analiza košarkarske igre je bila opravljena s pomočjo umetnih nevronskih mrež, ki nudi podatke o pomembnosti različnih košarkarskih elementov. Prav tako smo s pomočjo umetnih nevronskih mrež izdelali model, ki omogoča predikcijo izida prihajajoče tekme. Delo smo zaključili z izdelavo mobilne aplikacije, ki deluje na podlagi opravljenih eksperimentov ter nudi koristne nasvete košarkarskim trenerjem.
Keywords: podatkovno rudarjenje, nevronske mreže, šport, košarka, predikcija izida
Published in DKUM: 12.05.2016; Views: 1048; Downloads: 183
.pdf Full text (2,43 MB)

24.
UPORABA PODATKOVNEGA RUDARJENJA V ŠPORTU
Matjaž Ogrinc, 2016, master's thesis/paper

Abstract: V podatkih se skrivajo potencialno koristne informacije, ki jih lahko izkoristimo za pridobitev novega, uporabnega znanja. V magistrski nalogi smo obravnavali problem analize igre hokeja na ledu z uporabo podatkovnega rudarjenja. Glavni cilj naloge je predstaviti možnosti in uporabnost podatkovnega rudarjenja v športu ter s tem prispevati k razvoju hokeja na ledu doma in po svetu. Po drugi strani pa želimo spodbuditi tudi vodenje statistike, ki je podlaga za uporabo podatkovnega rudarjenja v športu. Rešitev problema smo izvedli po korakih procesa za odkrivanje znanja v podatkih in metodologije CRISP-DM. Na podlagi Evklidske razdalje smo praktično prikazali kako iščemo podobnosti med primeri. Njihovo povezanost pa smo preverili s pomočjo Pearsonovega koeficienta korelacije in postavili homogene napadalne trojke. S programom Orange, smo izdelali modele za uvrščanje igralcev na igralne pozicije (metoda k-NN), razvrstitev ekip in igralcev v skupine (hierarhično razvrščanje, metoda voditeljev) in za vpliv igralca na uspeh ekipe (agoritem CN2, Naive Bayesov klasifikator, odločitvena drevesa in nevronske mreže). Kot pomoč pri vizualizaciji rezultatov smo uporabili ustrezne diagrame. V zaključku smo izdelali SWOT analizo in predstavili statistike, ki bi jih bilo potrebno uvesti za resnejše analize v slovenskem hokeju. Izdelani modeli so v pomoč strokovnemu in učinkovitemu pristopu k hokejski igri ter so z modifikacijami uporabni tudi za druge športe. Koristni so za igralce in trenerje pri analizi igre, moštva in nasprotnikov, managerjem ter vodstvu klubov pri nakupu in menjavi igralcev, iskalcem talentov, sponzorjem, novinarjem…
Keywords: podatkovno rudarjenje, odkrivanje znanja v podatkih, Orange, hokej na ledu
Published in DKUM: 22.04.2016; Views: 1659; Downloads: 198
.pdf Full text (4,51 MB)

25.
Uporaba napovedovalnikov v kontrolingu
Dario Šmigoc, 2015, master's thesis

Abstract: Tema magistrskega dela je uporaba napovedovalnikov (orodij napovedovalne analitike) v kontrolingu. Namen dela je bil proučiti smotrnost uporabe orodij napovedovalne analitike v kontrolingu. Prikazati smo želeli pri katerih aktivnostih v kontrolingu lahko uporaba orodij napovedovalne analitike doprinese dodano vrednost. Napovedovalna analitika je opredeljena kot skupek različnih tehnologij s katerimi se odkrivajo razmerja in vzorci znotraj velikih količin podatkov, ki predstavljajo novo znanje oziroma se jih uporablja za napovedovanje dogodkov in vedenj. Najpomembnejše naloge kontrolerja so naloge povezane izvajanjem procesa in aktivnosti načrtovanja, naloge povezne z analiziranjem in nadziranjem poslovanja in naloge povezane z informiranjem. Najpomembnejše orodje kontrolerja, je njegov informacijski sistem, s katerim si zagotavlja podatke in informacije, ki jih potrebuje pri svojem delu. Kot najboljša rešitev na tem področju se je v zadnjem desetletju uveljavil sistem poslovne inteligence. Cilj magistrskega dela v empiričnem delu je bil, da se na osnovi pridobljenih znanj oblikuje model uporabe orodij napovedovalne analitike v kontrolingu, ter da se le-ta tudi preizkusi v praksi. V zasnovanem modelu uporabe orodij napovedovalne analitike v kontrolingu smo povezali informacijske potrebe, ki se pojavljajo v kontrolingu z zmožnostjo zagotavljanja informacij, ki jih lahko nudi napovedovalna analitika. Sistematično smo predelali vse predstavljene skupine aktivnosti kontrolinga in iskali področja, kjer bi lahko z nalogami in tehnikami napovedovalne analitike prišli do podatkov, ki bi določene procese izboljšali. Kot takšni smo v modelu opredelili dve skupini aktivnosti kontrolinga in sicer načrtovanje in analiziranje. Zasnovani model smo preizkusili v praksi in sicer smo uporabo orodja napovedovalne analitike SPSS Modeler preizkusili pri načrtovanju in analiziranju v kontrolingu Zavarovalnice Maribor d.d.
Keywords: napovedovalna analitika, podatkovno rudarjenje, poslovna inteligenca, kontroling, zavarovalništvo
Published in DKUM: 04.02.2016; Views: 1699; Downloads: 233
.pdf Full text (1,31 MB)

26.
UPORABA METOD PODATKOVNEGA RUDARJENJA ZA PLANIRANJE PRODAJNEGA PROGRAMA
Milan Radaković, 2015, master's thesis/paper

Abstract: Živimo v času, ko je na voljo velika kopica nepreglednih podatkov, ki se zbirajo preko različnih informacijskih sistemov. V okviru magistrskega dela smo se odločili analizirati podatke, ki so bili zbrani v treh letih poslovanja preko programa za vodenje poslovanja v maloprodaji (Birokrat), in skušati odkriti nove uporabne informacije, ki bi pripomogle k boljšemu poslovanju podjetja. Po preučitvi podatkov in specifično globokega prodajnega asortimenta smo se fokusirali na napovedovanje verjetnosti za prodajo posameznih izdelkov. Glavni motiv za to je bil zmanjšanje posledic napačnih odločitev. Izdelkov je veliko, napačne odločitve v nabavi pa se rezultirajo v slabi prodaji izdelkov. Podatke smo uredili in analizirali, zgradili napovedni model in nazadnje tudi uvedli napovedni model v poslovanje podjetja. Pri tem smo dosegli 50 % učinkovitejše napovedovanje prodaje v primerjavi z intuitivnim napovedovanjem poslovodje. Poleg tega smo z analizo podatkov prišli do veliko uporabnih informacij, ki jih prej ni bilo mogoče razbrati iz neobdelanih podatkov.
Keywords: odkrivanje znanja v podatkih, napovedovanje prodaje B2C, podatkovno rudarjenje, optimizacija poslovanja z uporabo metod podatkovnega rudarjenja, optimizacija prodajnega programa
Published in DKUM: 04.11.2015; Views: 1699; Downloads: 154
.pdf Full text (1,78 MB)

27.
28.
INFORMACIJSKA PODPORA NAPOVEDOVANJU ZNAČILNOSTI PROMETA NA PODLAGI ČASOVNIH SERIJ PODATKOV
Andrej Sevčnikar, 2013, master's thesis

Abstract: V magistrskem delu smo se osredotočili na napovedovanje značilnosti prometa na osnovi podatkov časovnih vrst. Za dosego cilja smo v magistrski nalogi proučili področje integracije podatkov in podatkovnih skladišč, z uporabo katerega smo izdelali celovit pogled na podatke, ki je nujno potreben za nadaljnjo manipulacijo s podatki. Osrednja tematika magistrske naloge so modeli za napovedovanje podatkov časovnih vrst, s katerimi smo napovedovali gostoto prometa, pri tem pa preverjali napovedno napako. Določili smo najbolj optimalne modele za napovedovanje gostote prometa. Pokazali smo, da je pravilna predpriprava podatkov oziroma učenje modelov na podlagi dobro zasnovanih časovnih okvirjev izredno pomembno za pravilno napoved prometa, hkrati pa določili optimalno število časovnih okvirjev, pri katerih je napovedna napaka še sprejemljiva.
Keywords: podatkovno skladišče, integracija podatkov, časovne vrste, podatkovno rudarjenje, gručenje, promet, napovedovanje
Published in DKUM: 16.12.2013; Views: 2109; Downloads: 180
.pdf Full text (3,55 MB)

29.
ORODJA ZA STROJNO UČENJE - KLASIFIKACIJA
Andreja Zacirkovnik, 2013, undergraduate thesis

Abstract: Diplomsko delo vsebuje teoretično osnovo strojnega učenja, podrobnejši opis podatkovnega rudarjenja ter njegove metode, natančneje klasifikacije. V drugem, praktičnem delu smo opisali tri prosto dostopna orodja, ki podpirajo strojno učenje ter metodo klasifikacije. Orodja smo testirali ter izmerili njihovo natančnost klasifikacije s statistično metodo cross-validation oz. prečnim preverjanjem klasifikacijske točnosti. Obravnavana in analizirana orodja, ki podpirajo metode strojnega učenja, so bila Weka, See5 in GATree. Rezultati analize so pokazali, da je od le teh najbolj natančno orodje za izvajanje klasifikacije program Weka.
Keywords: Strojno učenje, podatkovno rudarjenje, klasifikacija, orodja, Cross-validation.
Published in DKUM: 19.09.2013; Views: 4165; Downloads: 867
.pdf Full text (2,58 MB)

30.
RAZVOJ IN IMPLEMENTACIJA KLASIFIKATORJA V OKOLJU WEKA
Lovro Mažgon, 2013, undergraduate thesis

Abstract: Diplomsko delo se nanaša na področje odkrivanja znanja iz podatkov, še natančneje pa opisuje klasifikacijo, priznane klasifikatorje ter mere za določanje kakovosti klasifikacije. V delu smo predstavili razvoj lastnega algoritma za klasifikacijo, ki s pomočjo izračunov oddaljenosti od učnih primerkov določi razred neznanemu primerku. Podali smo matematično definicijo algoritma ter opis implementacije v okolju Weka, s pomočjo katerega smo preizkusili uspešnost klasifikacije na dveh realnih medicinskih primerih. Dobljeni rezultati nakazujejo, da razviti algoritem razmeroma uspešno klasificira primerke in se lahko primerja s priznanimi klasifikatorji.
Keywords: strojno učenje, podatkovno rudarjenje, klasifikacija, Weka
Published in DKUM: 18.09.2013; Views: 2690; Downloads: 243
.pdf Full text (1,32 MB)

Search done in 0.23 sec.
Back to top
Logos of partners University of Maribor University of Ljubljana University of Primorska University of Nova Gorica