| | 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


31 - 40 / 48
First pagePrevious page12345Next pageLast page
31.
SPREJETOST IN UPORABA ORODIJ POSLOVNE INTELIGENCE
Ester Bradač, 2013, master's thesis

Abstract: Podjetja se danes srečujejo z različnimi problemi, povezanimi s poplavo podatkov v poslovnem okolju, večja odzivnost je postala izziv, ki ga čedalje večkrat rešujejo z uporabo poslovne inteligence. Velike količine podatkov ter metode njihove obdelave so tako raznolike kot so raznoliki podatki. Podjetja danes potrebujejo kvalitetne, dostopne in pravočasne informacije o poslovnem procesu, vse to pa jim lahko omogočijo orodja poslovne inteligence. Študij sprejetosti, ki bi bile opravljene na področju poslovne inteligence, ni veliko, zato smo v tej magistrski nalogi izpeljali raziskavo na podlagi anketnega vprašalnika, ki smo ga razdelili 97 podjetjem. Na podlagi 37 izpolnjenih vprašalnikov smo opravili analizo področja uporabe poslovne inteligence, poznavanje nekaterih bolj znanih orodij za obdelavo podatkov ter njihovo sprejetost in uporabo na poslovnem področju. Uspešna implementacija in sama uporaba posameznih orodij je vsekakor dodana vrednost podjetij, ki trenutno delujejo na zelo dinamičnem globalnem trgu. Poznavanje, uporaba in razumevanje uporabnosti podatkov in informacij je tako ključnega pomena pri implementaciji in uporabi orodij poslovne inteligence. Kar smo potrdili tudi s samo analizo rezultatov, kjer smo odkrili, da je področje, ki potrebuje dodatno pozornost podjetij, ravno področje zbiranja in skladiščenja podatkov.
Keywords: Informacijski sistemi Poslovna inteligenca Podatkovno rudarjenje Sprejetost
Published in DKUM: 19.07.2013; Views: 1871; Downloads: 232
.pdf Full text (2,35 MB)

32.
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: 1657; Downloads: 115
.pdf Full text (3,74 MB)

33.
VREDNOTENJE METOD STROJNEGA UČENJA Z METODAMI OBDELAVE NARAVNEGA JEZIKA
Sandi Pohorec, 2013, doctoral dissertation

Abstract: Vrednotenje metod strojnega učenja se tradicionalno izvaja z oceno delovanja na ročno označeni testni množici. Ta približek uporabljamo preprosto zato, ker nimamo na voljo boljše metode. Moramo se zavedati, da se je metoda strojnega učenja učila iz zelo sorodnih (podobnih) podatkov. Torej so posledično vsa predvidevanja o zmogljivosti na realnih podatkih, ki so ocenjena na podlagi testne množice, optimistična. Dejanska vrednost metode strojnega učenja temelji na njeni sposobnosti tvorjenja dobrih hipotez. Ovrednotenje metod strojnega učenja z obdelavo naravnega jezika vpelje popolnoma nov vir: izsledke znanstvenih raziskav in študij, zapisanih v znanstvenih objavah. Ta vir ponuja objektivno metodo ocenitve rezultatov na podlagi podatkov iz raziskav. V veliki meri zmanjša delo domenskih strokovnjakov, ki je potrebno za ovrednotenje rezultatov strojnega učenja. Hkrati je tak pristop zmožen tvoriti enciklopedično zbirko formaliziranega znanja, ki je splošno uporabna.
Keywords: strojno učenje, podatkovno rudarjenje, verifikacija in validacija, obdelava naravnega jezika
Published in DKUM: 17.04.2013; Views: 3358; Downloads: 370
.pdf Full text (7,86 MB)

34.
ANALIZA METOD PODATKOVNEGA RUDARJENJA NA PRIMERU IZ KINEZIOLOGIJE
Tadej Plevčak, 2012, undergraduate thesis

Abstract: Naše diplomsko delo predstavlja teoretično osnovo podatkovnega rudarjenja in prikaz na praktičnem primeru. V prvem, teoretičnem delu smo predstavili osnovne koncepte podatkovnega rudarjenja, metode in orodja za učenje in pridobivanje novega znanja ter metode za primerjavo uspešnosti različnih klasifikacijskih modelov. V drugem, praktičnem delu smo najprej analizirali podatkovno množico iz področja kineziologije in poiskali najboljši klasifikacijski model, ki iz podatkov o mišicah (merjenih z metodo TMG) pove kako uspešna je oseba pri nekih športnih preizkusih. Nato smo uporabili najboljše modele (klasifikatorje) za izdelavo aplikacije, s katero je mogoča klasifikacija novih primerkov po opravljenih kinezioloških meritvah.
Keywords: podatkovno rudarjenje, strojno učenje, klasifikacija, Weka, kineziologija
Published in DKUM: 18.12.2012; Views: 1848; Downloads: 257
.pdf Full text (4,71 MB)

35.
PODATKOVNO RUDARJENJE NA PRIMERU ZAVAROVALNICE MARIBOR
Sebastijan Štraus, 2012, undergraduate thesis

Abstract: Diplomsko delo obravnava podatkovno rudarjenje, metode strojnega učenja, obstoječe aplikacije za podatkovno rudarjenje, ter uporabo in integracijo knjižnice Weka v ogrodje .NET, s katerim smo izdelali aplikacijo za obdelavo podatkov Zavarovalnice Maribor. Na Zavarovalnici Maribor smo dobili odobritev, da lahko pri svoji nalogi uporabimo njihove podatke, ki bodo zaradi varnosti nekoliko okrnjeni. V diplomskem delu smo izdelali in opisali aplikacijo, ki omogoča statistično obdelavo vnesenih podatkov in ki na podlagi podatkovnega rudarjenja ter strojnega učenja omogoča analizo in ekstrakcijo določenih pravil, npr. kakšni zavarovanci so najbolj tvegani za zavarovalnico.
Keywords: podatkovno rudarjenje, strojno učenje, odločitvena drevesa, Bayesov klasifikator, nevronske mreže, hibridne metode, ansambelske metode, grobe množice, asociativna pravila, Apriori, ikvm, Data Miner, Mahout, Weka, .NET
Published in DKUM: 30.11.2012; Views: 3250; Downloads: 617  (2 votes)
.pdf Full text (2,19 MB)

36.
ANALIZA LASTNOSTI USPEŠNIH ŠTUDENTOV S PODATKOVNIM RUDARJENJEM
Marko Kompara, 2012, undergraduate thesis

Abstract: V nalogi poskušamo odkriti povezave med lastnostmi študentov in njihovim študijskim uspehom. Opisan je celoten proces zbiranja ter analize podatkov in relacij, ki vplivajo na študijski uspeh posameznika. Začnemo s kratkimi navodili o sestavi ankete in nadaljujemo s sestavo svoje. Pridobljene podatke najprej analiziramo z uporabo statistike. Uporabljene metode na kratko opišemo in jih nato izvedemo nad zbranimi podatki. Proces izvajanja, ki je opravljen v programu IBM SPSS Statistics, je tudi predstavljen. Nazadnje uporabimo podatke v podatkovnem rudarjenju. V predstavitvi podatkovnega rudarjenja se posebej posvetimo nalogi klasifikacije in njenim tehnikam. V orodju Weka z odločitvenimi drevesi ugotavljamo povezanost med karakteristikami študentov in njihovim študijskim uspehom.
Keywords: podatkovno rudarjenje, statistična analiza, SPSS, Weka
Published in DKUM: 27.11.2012; Views: 1726; Downloads: 429
.pdf Full text (3,02 MB)

37.
KLASIFIKACIJA SPLETNIH NOVIC S POMOČJO METOD PODATKOVNEGA RUDARJENJA V BESEDILU
Mitja Sandić, 2012, undergraduate thesis

Abstract: Pogosto uporabniki interneta dobijo rezultat iskanja, ki vsebuje širok spekter dokumentov, a le nekaj je teh, ki so pomembni za njihove potrebe po informacijah. Za reševanje tega problema vedno več sistemov iskano informacijo organizira po ključu, ki je vsebinsko povezan s podatki. Poglejmo dva glavna avtomatska pristopa k organizaciji informacij: interaktivno povezovanje rezultatov iskanja (angl. clustering) in predkategoriziranje dokumentov, kjer zagotovimo hierarhično strukturo iskanja. Oba pristopa zahtevata v realnem svetu aplikacij učinkovite algoritme, ki se ubadajo s problematiko predstavitev dokumentov s sto ali več tisoč besedami. Problem se pojavi v tem, kako analizirati in obdelati takšno količino podatkov. V diplomskem delu bomo predstavili, kako dokumente pravilno pripraviti (zmanjšati vsebino dokumentov), ne da bi pri tem negativno vplivali na samo klasifikacijo. Poleg tega pa, kako z dodatnimi parametri zagotoviti še boljšo klasifikacijo.
Keywords: podatkovno rudarjenje v besedilih, klasifikacija, iskanje informacij.
Published in DKUM: 12.06.2012; Views: 1715; Downloads: 241
.pdf Full text (2,81 MB)

38.
39.
METODE INFORMACIJSKE PRENOVE POSLOVNIH PROCESOV
David Marsič, 2012, undergraduate thesis

Abstract: Za obvladovanje prenove poslovanja ni več zadostna funkcijska organizacija, temveč je potrebno preiti na procesno orientiranost. Razlogov za obvladovanje lastne informatizacije je veliko zaradi novih poslovnih priložnosti, ki se v globalnem in pa lokalnem prostoru pojavljajo. Cilji vsakršne prenove morajo biti skladni s strateško usmeritvijo, ki zagotavlja obstojnost uvedenih sprememb. Informacijsko prenovo poslovanja je potrebno najprej obvladovati na procesnem nivoju. Z medpodjetniško primerjavo in metodami za ustvarjalno reševanje problemov se lahko razmeroma hitro pripravi pobude za prenovo. Učinkovito upravljanje kakovosti procesov je prava smer in pogoj za doseganje poslovne odličnosti ter posledično uspeha. Informacijska prenova poslovnih procesov se v prvi vrsti izvaja z modeliranjem procesov. To je oblika grafične uprizoritve procesov, ki jo spremlja podroben opis lastnosti procesa. Danes je na voljo veliko orodij in tehnik za modeliranje procesov. Informacijska prenova je postala donosen posel za razvijalce informacijskih rešitev, strokovnjake in raziskovalce. Celovite informacijske rešitve so očiten dokaz, da se meje razumevanja ciljne skupine razvijalcev informacijskih rešitev majejo.
Keywords: Avtomatizacija, brainstorming, benchmarking, celovita informacijska rešitev, diagram poteka procesa, diagram toka podatkov, histogram, informacijska arhitektura, informatizacija, kaizen, management celovite kakovosti, modeliranje procesov, podatkovna skladišča, podatkovno rudarjenje, poslovni proces, poslovno-procesna usmerjenost, procesni management, reinženiring, shema procesa, sprotna analitična obdelava, strateški informacijski sistem
Published in DKUM: 01.06.2012; Views: 3270; Downloads: 391
.pdf Full text (1,06 MB)

40.
PODATKOVNO RUDARJENJE V LEKARNIŠKI DEJAVNOSTI
Vlado Pečnik, 2009, undergraduate thesis

Abstract: V diplomski nalogi so najprej opisane osnovne metode in algoritmi podatkovnega rudarjenja, kot so linearna regresija, histogram, analiza gruc, povezovalna pravila odlocitvena drevesa, nevronske mreže, algoritem K–ti najbližji sosed in algoritem C4.5. Na podrocju oskrbe bolnikov z zdravili so se pokazale potrebe po rudarjenju po podatkovnih bazah tudi v farmacevtski dejavnosti. Z uporabo algoritma C4.5 za gradnjo odlocitvenih dreves v orodju WEKA smo iz podatkov lekarniške podatkovne baze ugotavljali zakonitosti pri predpisovanju registriranih zdravil.
Keywords: podatkovno rudarjenje, polifarmakoterapija, polipragmazija, interakcije med zdravili, WEKA.
Published in DKUM: 02.02.2012; Views: 3228; Downloads: 516
.pdf Full text (2,81 MB)

Search done in 0.18 sec.
Back to top
Logos of partners University of Maribor University of Ljubljana University of Primorska University of Nova Gorica