1. Primerjalna analiza orodij za rudarjenje podatkov : diplomsko deloKaterina Skenderska, 2025, undergraduate thesis Abstract: Diplomska naloga se osredotoča na analizo odprtokodnih orodij za podatkovno rudarjenje z namenom oceniti njihove funkcionalnosti, zmogljivosti in primernosti za različne naloge. Delo zajema priljubljena orodja, kot so, KNIME, Orange in WEKA, ter analizira njihove lastnosti, uporabniško prijaznost, skalabilnost in podprte algoritme. Cilj raziskave je s primerjavo zagotoviti jasno razumevanje prednosti in omejitev posameznih orodij ter pomagati uporabnikom pri izbiri optimalne rešitve za specifične potrebe podatkovnega rudarjenja. Analiza temelji na merilih, kot so zmogljivost predobdelave podatkov, tehnike modeliranja in vizualizacijske možnosti. Rezultati ponujajo praktične vpoglede za raziskovalce in strokovnjake, ki iščejo ustrezno odprtokodno orodje za podatkovno rudarjenje v okviru svojih projektov.
Keywords: podatkovno rudarjenje, analiza podatkov, orodja, WEKA, KNIME, Orange
Published in DKUM: 30.09.2025; Views: 0; Downloads: 16
 Full text (1,58 MB) |
2. Poslovanje pod drobnogledom - primerjalna analiza sodobnih orodij za rudarjenje procesovTilen Tratnjek, Gregor Polančič, 2025, original scientific article Abstract: Dostopne primerjave med orodji za rudarjenje procesov so pogosto zastarele ali ne vključujejo ocene iz uporabniške perspektive, kar otežuje izbiro primernega orodja.Namen prispevka je bil ponuditi primerjalno analizo štirih sodobnih orodij in tako omogočiti vpogled v njihove prednosti in slabosti. Cilj je bil ugotoviti, katera orodja so najbolj primerna za poslovne uporabnike iz vidikov razpoložljivosti, naprednostifunkcionalnosti in enostavnosti uporabe.
Analiza se je izvedla z enotnim metodološkim pristopom, ki je vključeval pregled dokumentacije, praktično testiranje z dvema javno dostopnima podatkovnima nizoma ter ocenjevanjem po vnaprej določenih kriterijih.
Ugotovljeno je bilo, da orodji Celonis in Apromore ponujata najbolj celovito podporo poslovnim uporabnikom. Obe orodji dosegata najvišjo oceno naprednosti v skoraj vseh sklopih funkcionalnosti, sta enostavni za uporabo in vključujeta umetno inteligenco. Na drugi strani ProM in PM4Py omogočata večjo prilagodljivost in preglednost analitičnih postopkov, vendar zahtevata tehnično znanje in zato nista primerna za široko uporabo brez ustreznega usposabljanja. S poudarkom na praktični uporabniški izkušnji in enostavnosti uporabe prispevek dopolnjuje obstoječe analize, ki se osredotočajo predvsem na seznam funkcionalnosti.
Keywords: primerjalna analiza, rudarjenje procesov, enostavnost uporabe, naprednost funkcionalnosti
Published in DKUM: 29.09.2025; Views: 0; Downloads: 10
Full text (2,30 MB) |
3. Primerjava algoritmov Apriori in GSP nad podatki Covid-19 z osredotočenjem na časovno dimenzijo : diplomsko deloVita Kulčar, 2025, undergraduate thesis Abstract: Diplomsko delo se osredotoča na uporabo metod podatkovnega rudarjenja, specifično, na odkrivanje asociativnih pravil. V uvodu so predstavljeni osnovni pojmi in tehnike rudarjenja, vključno z merami zanimivosti, ki se uporabljajo za analizo povezanosti med različnimi elementi v podatkih. Delo podrobno opisuje algoritem Apriori in algoritem posplošenih zaporednih vzorcev, njune prednosti in slabosti ter implementacijo za generiranje pogostih vzorcev in oblikovanje pravil. Osredotoča se tudi na analizo podatkov z upoštevanjem časovne dimenzije in preučevanje rezultatov rudarjenja, vključno z vizualizacijo in interpretacijo ugotovitev.
Keywords: algoritem Apriori, algoritem GSP, asociativna pravila, rudarjenje velepodatkov
Published in DKUM: 08.05.2025; Views: 0; Downloads: 26
Full text (2,46 MB) |
4. Rudarjenje asociativnih pravil z evolucijskimi algoritmi : magistrsko deloKatja Božič, 2025, master's thesis Abstract: V magistrskem delu smo raziskali uporabo evolucijskih algoritmov za rudarjenje asociativnih pravil pri analizi genetskih podatkov na področju bioinformatike. Evolucijske algoritme smo uporabili za odkrivanje znanja iz podatkov, kjer nam asociacijska pravila prikažejo skrite povezave med atributi v podatkovni množici. S pomočjo evolucijskih algoritmov za rudarjenje asociativnih pravil smo na genetskih podatkih zdravih tkiv in tkiv z miomi maternice naredili analizo, s katero smo odkrili neznane povezave med geni. Ugotovili smo, da lahko evolucijske algoritme za rudarjenje asociativnih pravil uporabimo za odkrivanje genetskih vzorcev. Pridobljene podatke bi lahko uporabili za razumevanje molekularnih mehanizmov bolezni, kar bi prispevalo k napredku v diagnostiki in zdravljenju bolezni.
Keywords: bioinformatika, evolucijski algoritmi, geni, miomi maternice, rudarjenje asociativnih pravil
Published in DKUM: 08.05.2025; Views: 0; Downloads: 42
Full text (1,74 MB) |
5. Integracija vizualizacijske tehnike Two-key in Sankey-evega diagrama v ogrodje NiaARM : diplomsko deloŽan Vrabič, 2025, undergraduate thesis Abstract: Zaključno delo obravnava ogrodje NiaARM, namenjeno za rudarjenje asociativnih pravil in
vizualizacijo asociativnih pravil. Predstavljeni so algoritmi, ki jemljejo vzor iz narave in se
uporabljajo za namen rudarjenja asociativnih pravil. Raziskane so različne vizualizacijske
tehnike, vključno z vizualizacijsko tehniko Two-key in Sankeyjevim diagramom.
Predstavljena je integracija obeh vizualizacij v ogrodje NiaARM, prikazani so primeri
uporabe vizualizacij v paketih arulesViz in networkD3. Rezultati vizualizacij zagotavljajo
izboljšano interpretacijo in razumevanje pravil. Zadnji del povzema dosežene cilje in glavne
ugotovitve.
Keywords: rudarjenje asociativnih pravil, vizualizacija asociativnih pravil, Two-key in
Sankeyjeva vizualizacija, ogrodje NiaARM
Published in DKUM: 08.05.2025; Views: 0; Downloads: 21
Full text (2,97 MB) |
6. Primerjalna analiza funkcionalnosti in zmogljivosti orodij za rudarjenje procesov : magistrsko deloTilen Tratnjek, 2025, master's thesis Abstract: Zaključno delo predstavlja primerjalno analizo funkcionalnosti in zmogljivosti štirih orodij za rudarjenje procesov. Raziskava temelji na večdimenzionalni oceni šestih ključnih sklopov funkcionalnosti. Rezultati kažejo, da odprtokodna orodja zagotavljajo visoko prilagodljivost in dostop do širokega nabora algoritmov, vendar zahtevajo obsežnejše tehnično znanje. Komercialna orodja nudijo intuitivne uporabniške vmesnike in napredne integracijske možnosti. Glavna ugotovitev raziskave je, da izbira najustreznejšega orodja temelji na specifičnih potrebah in tehničnih zmogljivostih organizacije.
Keywords: rudarjenje procesov, primerjalna analiza, poslovni procesi
Published in DKUM: 08.05.2025; Views: 0; Downloads: 60
Full text (6,47 MB) |
7. Prepoznavanje rastlin in njihovih bolezni z mobilno aplikacijoRok Trunkelj, 2025, undergraduate thesis Abstract: Raziskava obravnava prepoznavanje izbranih rastlin in njihovih bolezni s pomočjo
mobilne aplikacije. Na kratko so predstavljena uporabljena orodja: Orange Data mining,
Android Studio, MS Visio, Figma, Flask, Nginx in Gunicorn. Arhitektura rešitve obsega
virtualno okolje v oblaku s strežniki za dostop do modelov za klasifikacijo rastlin in
njihovih bolezni in aplikacijo Android. Opisan je postopek izdelave modelov strojnega
učenja, ki so bili preneseni na strežnik. V nalogi so prikazani pomembni deli kode in
podana razlaga vseh aspektov delovanja aplikacije.
Keywords: umetna inteligenca, razvoj aplikacije, analiza podatkov, podatkovno
rudarjenje, Orange Data Mining.
Published in DKUM: 09.04.2025; Views: 0; Downloads: 19
Full text (3,07 MB) |
8. Rudarjenje asociativnih pravil v poslovnih aplikacijahAljaž Lipar, 2025, master's thesis Abstract: V magistrski nalogi smo obravnavali tehniko, poimenovano rudarjenje asociativnih pravil, katere namen je odkrivanje in podrobno razumevanje skritih vzorcev v podatkih. Odkrite skrite vzorce pa predstavljajo asociativna pravila, ki se pri tem postopku ustvarijo in služijo kot smernice za priporočanje izdelkov ali produktov, optimizacijo zalog in analizo nakupovalnih navad. Predstavili smo tudi, kaj so optimizacijski algoritmi, ki jih rudarjenje asociativnih pravil uporablja, in kako delujejo. Velik poudarek smo podali tudi na personalizacijo, kaj je, kakšne
vplive ima na ljudi, prav tako pa smo podali par praktičnih primerov. Nato smo opisali orodja, ki smo jih uporabljali, podrobneje predstavili uARMSolver ter kako ga vzpostaviti in uporabiti. Nato smo opisali našo izdelano rešitev, na koncu pa opravili še analizo ter interpretacijo rezultatov.
Keywords: Algoritem, asociativna pravila, diferencialna evolucija, personalizacija, rudarjenje
Published in DKUM: 03.03.2025; Views: 0; Downloads: 28
Full text (2,36 MB) |
9. 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: 130
Full text (5,56 MB) |
10. Implementacija grafa raztrosa in grafa grupirane matrike v ogrodju NiaARM za vizualizacijo asociacijskih pravilMiha Bukovnik, 2024, undergraduate thesis Abstract: Podatkovno rudarjenje je ključnega pomena za pridobivanje dragocenih informacij iz velikih podatkovnih zbirk, s široko uporabo na različnih področjih. Rudarjenje asociacijskih pravil odkriva vzorce in povezave v podatkih, kar je izredno uporabno v telekomunikacijah, tržni analizi, upravljanju tveganj ter drugih področjih. Vizualizacija teh pravil z grafom raztrosa in grafom grupirane matrike omogoča boljše razumevanje in analizo pravil. Cilj diplomskega dela je implementacija omenjenih vizualizacijskih tehnik v ogrodju NiaARM, vključno s primerjalno analizo vizualizacij iz paketa arulesViz. Ugotovitve nakazujejo na uporabnost tako NiaARMa kot arulesViza s svojimi specifičnostmi. Medtem ko ogrodje NiaARM omogoča visoko stopnjo interaktivnosti in prilagodljivosti v vizualizaciji, pa paket arulesViz, z večjo podporo skupnosti in dodatnimi viri pomoči, ponuja hitrejše in zanesljivejše vizualizacije.
Keywords: asociacijska pravila, rudarjenje asociacijskih pravil, vizualizacijske tehnike, graf, NiaARM
Published in DKUM: 22.10.2024; Views: 0; Downloads: 42
Full text (1,71 MB) |
