| | 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


1 - 10 / 166
First pagePrevious page12345678910Next pageLast page
1.
Umetna inteligenca v kriznem upravljanju - pomoč ali varnostno tveganje?
Miha Peternelj, 2024, undergraduate thesis

Abstract: Uvod: V diplomskem delu smo raziskali, ali lahko uporaba umetne inteligence v kriznem upravljanju, predvsem v simulacijah, predstavlja varnostno tveganje. Soočili smo se z vprašanjem, ali lahko pri uporabi orodij za krizno upravljanje, tako tistih za simulacijo kot drugih, za samo reševanje kriznih situacij, ki so podprti z umetno inteligenco v popolnosti pričakujemo le pomoč? Namen: Želeli smo preveriti, če glede na princip delovanja AI, torej strojno učenje in možnost obdelave, komuliranja ter povzemanja informacij, ne prihaja do varnostnih tveganj, ki v svoji biti presegajo koristi, ki jih dobimo z uporabo omenjenih orodij. Metode dela: Želene in iskane podatke smo dobili z iskanjem podobnih rešitev na spletu, pridobivanjem informacij s pomočjo spletnih člankov ter druge literature, tudi s pomočjo spletnih portalov, kot je YouTube. Rezultati: Z lastnim raziskovanjem, komunikacijo s strokovno javnostjo in analizo spletnih in drugih virov smo pridobili informacije o razvoju, možnostih ter aplikativnih zasnovah uporabe AI v simulacijah in v kriznem upravljanju, ter zaupanju v informacije, ki bi jih moderna tehnologijja s pomočjo umetne intelligence ponudila na tem področju. Razprava in zaključek: Na začetku našega diplomskega dela smo se spraševali, ali uporaba AI v simulacijah na področju kriznega upravljanja lahko pomeni znatno ali le zanemarljivo varnostno tveganje. Opredelitev do tega vprašanja ne prinaša enoznačnih rezultatov, rešitev ali odgovorov. Glede na trenutno situacijo lahko trdimo, da dejansko še nismo na stopnji razvoja in implementacije rešitev podprtih z AI v simulacijskem okolju, kjer bi glede na rezultate lahko trdili o njihovi nesporni kredibilnosti. Naš zaključek je, da nekritična in s strokovno podporo izvedena simulacija z AI v kriznem upravljanju, lahko še vedno pomeni visoko varnostno tveganje, ne glede na stopnjo resnosti
Keywords: Umetna inteligenca, tveganje, simulacija
Published in DKUM: 14.05.2024; Views: 89; Downloads: 8
.pdf Full text (2,54 MB)

2.
Učinkovit iterativni algoritem učenja razložljivih značilnic za izboljšano klasifikacijo : doktorska disertacija
Dino Vlahek, 2024, doctoral dissertation

Abstract: V doktorski disertaciji opišemo nov postopek učenja razložljivih značilnic za klasifikacijske namene. Značilnice med vsako iteracijo rekombiniramo na osnovi vnaprej podanih aritmetičnih operacij, ocenimo pa jih glede na njihovo primernosti za klasifikacijo. Slednja temelji na prekrivanju porazdelitve verjetnosti med vrednostmi vzorcev, ki pripadajo različnim razredom. Za nadaljnji razvoj v naslednjo iteracijo izberemo podmnožico najbolj kakovostnih nekoreliranih značilnic z uporabo nove metode, ki temelji na rezu grafa. Pri tem se postopek opira na dva vhoda parametra, ki omogočata nadzor nad številom členov izhodnih značilnic. Prvi opisuje minimalno sprejemljivo kakovost značilnic, ki jih je treba vključiti v izhodni prostor značilnic, medtem ko drugi določa najvišjo dovoljeno stopnjo podobnosti med značilnicama. Rezultati pokažejo, da je metoda nizko občutljiva na oba vhodna parametra. Naučene značilnice pa statistično značilno izboljšajo klasifikacijsko točnost vseh testiranih klasifikatorjev, medtem ko najboljše točnosti dosežemo z uporabo klasifikatorja naključnih gozdov. Z rezultati primerjave pokažemo, da je predlagani postopek v vseh testnih primerih dosegal ali presegal klasifikacijske točnosti trenutnega stanje tehnike. Prav tako pokažemo tudi pravilnost razlage naučenih značilnic dobro preučene množice testnih podatkov.
Keywords: klasifikacija podatkov, razložljiva umetna inteligenca, učenje značilnic, odkrivanje znanja
Published in DKUM: 07.05.2024; Views: 59; Downloads: 14
.pdf Full text (1,22 MB)

3.
Merjenje in upravljanje trajnostnega delovanja pri zunanjih izvajalcih logističnih storitev v realnem času
Jerko Oršič, 2023, doctoral dissertation

Abstract: Zaradi novih trendov digitalne logistike, smo nadgradili obstoječe prakse za spremljanje in upravljanje aktivnosti logističnih podjetij z razvojem modela, ki omogoča sprotno izboljševanje trajnostnega izvajanja logističnih dogodkov v realnem času. Zahteve digitalne logistike se osredotočajo na hitrost, učinkovitost in izvajanje logističnih storitev v realnem času s poudarkom na optimizaciji delovanja ter zmanjšanju trajnostnih obremenitev. Kompleksnost teh zahtev se kaže predvsem pri vodilnem poslovnem modelu e-trgovine, pri dostavah na dom s prisotnostjo prejemnika. Takšno poslovanje je potrebno obvladovati v omejenih dogovorjenih časovnih okvirih, po možnosti še isti dan, kar predstavlja enega najdražjih in trajnostno najbolj obremenjenih področij logistike. Predvidevanje, kdaj bo določena dostava možna, je odvisno tudi od prometnih, vremenskih in drugih okoliščin, ki se stalno spreminjajo ter tako predstavljajo velik izziv za uspešno in trajnostno izvedbo dostav. Za podporo reševanju teh izzivov, v doktorski disertaciji predstavljamo model RELSIF, ki je osnovan na treh segmentih, in sicer: napovedi kapacitet možnih dostav v določenem geografskem in časovnem okviru, načrtovanju optimalnih dostav s točno prostorsko ter časovno definiranimi procesi, in nadzorom izvedbe načrtovanih dostav. Prvi segment se osredotoča na predvidevanje možnih dostav na določeno območje tako, da se lahko kupcu v fazi odločanja o nakupu ponudi možne izvedljive dostave v različnih časovnih okvirih. Poleg tega je prikazana trajnostna obremenitev posameznih dostav, kjer smo predvidevali, da se bo kupec odločil za bolj trajnostno dostavo. V naslednjem segmentu modela se z optimizacijo načrtovanja dostav omogočijo skrajšan čas dostave in dolžina dostavnih poti, dostave pa se izvedejo v dogovorjenih časovnih okvirih. To smo dosegli z upoštevanjem podatkov, ki se obravnavajo v realnem času v namene načrtovanja najustreznejšega zaporedja postankov, ob izogibu predvidenim zastojem, z večjo izkoriščenostjo prevoznih kapacitet, kar ima za posledico zmanjšanje trajnostnih obremenitev. Pri tretjem segmentu se stalno spremljajo vsi logistični dogodki, kjer se inteligentno reagira na možna odstopanja pri izvedbi dostav. V vsakem segmentu za razreševanje izzivov je predstavljena uporaba različnih algoritmov, temelječih na umetni inteligenci, z namenom pridobivanja podatkov iz različnih virov, prepoznavanju vzorcev v podatkih in stalnem učenju v povratni zanki. Uspešnost delovanja modela RELSIF temelji na zajemanju logističnih dogodkov v realnem času, upoštevanju različnih območij dostave, razpoložljivih virov, obsegov naročil za dostavo in ostalih zahtevah kupcev. Model je vpet v dejanski svet dogodkov, katere spremlja in se uči iz njih, vključno z vremenskimi razmerami in prometnimi posebnostmi. Poleg tega lahko model na osnovi podatkov, pridobljenih v realnem času, izbira bolj trajnostne rešitve, (pričakovano) tudi s pomočjo ozaveščenih kupcev. Tako smo ustvarili model, ki je sposoben dovolj točno napovedovati realne časovne okvire in hkrati izračunati trajnostne obremenitve posamezne dostave. Omogoča celovito spremljanje ter zmanjšanje vplivov na okolje in družbo, ter monitoring in izboljšave transparentnosti delovanja.
Keywords: oskrbovalne verige, logistika zadnje milje, 3PL, trajnost, umetna inteligenca, dogodki v realnem času, masivni podatki
Published in DKUM: 06.05.2024; Views: 68; Downloads: 9
.pdf Full text (2,85 MB)

4.
Uvedba umetne inteligence v industrijske panoge
Zala Martinjak, 2024, master's thesis

Abstract: Namen magistrske naloge je bil predstaviti umetno inteligenco, ki je v današnjem svetu ena izmed najhitreje rastočih tehnologij. Sisteme umetne inteligence smo povezali tudi z rabo v štirih izbranih panogah, to so logistika, kmetijstvo, farmacija in gradbeništvo, ter med drugim raziskovali tudi, kakšen odnos imajo v posamezni panogi do umetne inteligence. V magistrski nalogi smo na začetku opisali teoretična izhodišča, ki so nam služila za boljše razumevanje tematike ter kot opora nadaljnjemu raziskovalnemu delu. V teoretičnem delu smo spoznali umetno inteligenco, njeno zgodovino ter možnosti uporabe, prav tako pa tudi nevarnosti, ki pridejo z njeno uporabo. Nadaljevali smo s povezavo umetne inteligence med posameznimi panogami in vlogo, ki jo ima oziroma jo bo le-ta še imela v posamezni panogi. V raziskovalnem delu pa smo na podlagi izvedene ankete analizirali in predstavili pridobljene rezultate, pri analizi pa smo si pomagali s postavljenimi raziskovalnimi vprašanji. Ugotovili smo, da so si panoge pri pogledu in v uporabi umetne inteligence v delovnem procesu med seboj različne. Povezanosti med panogami in negativnim mnenjem nismo mogli potrditi, saj ni bilo dovolj dokazov o njeni povezanosti. Prva tako smo spoznali, da tako pri vplivu na pomembnost vpeljave umetne inteligence v proces delovanja kot tudi pri vplivu na prihodnost dela obstajata dva skupna faktorja, ki jih določajo spremenljivke.
Keywords: umetna inteligenca, logistika, farmacija, kmetijstvo, gradbeništvo.
Published in DKUM: 09.04.2024; Views: 103; Downloads: 17
.pdf Full text (1,31 MB)

5.
Učinki uporabe umetne inteligence pri planiranju proizvodnje stiskanja in brizganja
Jernej Gabrijel, 2024, undergraduate thesis

Abstract: Iz preteklih raziskovanj in dela na področju integracije umetne inteligence v proizvodno industrijo je jasno, da ima implementacija UI metodologij strojnega učenja jasne prednosti. Hkrati pa ugotavljamo, da obstajajo na tem področju tudi mnoge priložnosti za izboljšave in nadgradnjo. V zaključnem delu smo ugotavljali, ali lahko uporaba UI prispeva pozitivne učinke na delo planerjev v proizvodnji. To ugotavljanje temelji na primerjavi razlik med predvidevanji na podlagi ročnega planiranja in dejansko realizacijo ter s planiranjem s pomočjo UI in realizacijo planiranega. Namen zaključnega dela je ugotavljanje praktičnosti in zanesljivosti umetne inteligence na področju planiranja in razporejanja.
Keywords: Umetna inteligenca, stiskanje in brizganje, planiranje in razporejanje proizvodnje, delo planerjev, optimizacija
Published in DKUM: 08.04.2024; Views: 108; Downloads: 5
.pdf Full text (1,47 MB)

6.
Pravni vidiki informacijske varnosti : magistrsko delo
Monika Holešek, 2024, master's thesis

Abstract: Prepričanje, da obstaja zamejen krog pravnih pravil, ki zanesljivo in popolno regulirajo področje informacijske varnosti, je huda zmota. Na tem področju se vrstijo in medsebojno prepletajo najrazličnejši družbeni podsistemi, ki jih je potrebno upoštevati. Hiter razvoj informacijsko-komunikacijskih tehnologij in z njimi povezanih sistemov, s seboj prinaša tudi kar nekaj težav ter vseskozi odpira nove pravne dileme. Živimo v družbi, ki je praktično odvisna od tehnologije. Pravo pa tehnološkemu razvoju težko sledi. Razloga za to sta vsaj dva. Prvi je togost nekaterih klasičnih pravnih institutov in posledična neuporabnost za nove izzive, ki jih prinaša digitalizacija. Drugi problem je, da bi nenehno spreminjanje pravnih pravil ogrozilo pravno varnost. V magistrskem delu je tako na kratko predstavljeno področje informacijske varnosti, s poudarkom na razlogih za reguliranje tega področja. Predstavljeni so nekateri splošni pravni akti Republike Slovenije in relevantni predpisi Evropske unije. Razvoj tehnologij, kot so umetna inteligenca, internet stvari, robotika in druge informacijsko-komunikacijske tehnologije eksponentno napreduje, kar bo v prihodnosti predstavljajo vedno večji izziv.
Keywords: Informacije, informacijska tehnologija, osebni podatki, tveganje, informacijska zasebnost, komunikacijska zasebnost, kibernetski kriminal, informacijsko pravo, ''uhajanje'' informacij, umetna inteligenca
Published in DKUM: 02.04.2024; Views: 145; Downloads: 55
.pdf Full text (1,20 MB)

7.
Akt o digitalnih storitvah v EU: zagotavljanje svobode govora proti grožnjam lažnih informacij : magistrsko delo
Ilona Osrajnik, 2023, master's thesis

Abstract: Uporabniki spletnih platform se v današnjem času za pridobitev novic večinoma zanašajo na družbena omrežja, vendar pa zaradi razvoja tehnologij vse težje razločujejo pristne in preverjene vsebine od vedno prepričljivejših dezinformacij. Zato je izrednega pomena učinkovita ureditev ukrepanja za zagotovitev varnega spletnega okolja. Tako je bila v magistrskem delu raziskan prispevek novega pravnega okvirja, Akta o digitalnih storitvah (v nadaljevanju ADS), pri zmanjševanju širjenja dezinformacij in morebitnih ovirah za zagotavljanje spoštovanja temeljne pravice do svobode izražanja. ADS se pretežno osredotoča na določitev ukrepov, potrebnih za boj proti nezakonitemu govoru, vendar pa ne vsebuje izrecnih določb za ukrepanje zoper dezinformacije. Tako je bil poudarek moje raziskave namenjen vprašanju, kakšne ukrepe ADS posredno nalaga ponudnikom posredniških storitev in spletnih platform v zvezi s škodljivimi vsebinami, s katerimi omejuje prekomerno poseganje v temeljne pravice uporabnikov. Ob upoštevanju naraščanja uporabe umetne inteligence za moderiranje vsebin uporabnikov je zato v magistrski nalogi obravnavana tudi tematika učinkovitosti uporabe algoritmov in drugih samodejnih orodij filtriranja pri prepoznavanju lažnih informacij in zmanjšanju njihovega širjenja. V magistrskem delu ugotavljam, da trenutno ponudniki posredniških storitev in spletnih platform za ukrepanje zoper dezinformacije kot regulativne smernice upoštevajo neuradne zaveze, določene v Okrepljenem kodeksu ravnanja EU glede dezinformacij iz leta 2022 (v nadaljevanju Kodeks 2022). Kljub odsotnosti zavezujočih ukrepov za zajezitev širjenja dezinformacij v ADS so ukrepi, navedeni v tem kodeksu ravnanja, pridobili de facto zavezujočo naravo. Namreč za pravilno izpolnjevanje posameznih obveznosti ponudnikov ADS predvideva uporabo ukrepov, opredeljenih v kodeksih ravnanj. Tako zakonodajalec EU kljub koregulacijskem pristopu k preprečevanju negativnih učinkov dezinformacij do določene mere učinkovito vpliva na zagotavljanje spoštovanja pravice do svobode izražanja uporabnikov. Pravni okvir za ravnanje spletnih ponudnikov, ki ga določa ADS, je nov pravni okvir, saj je v veljavo stopil šele konec leta 2022. Tako kot predhodna Direktiva o elektronskem poslovanju tudi ADS ne ureja izrecno postopanja v primeru dezinformacij. Zato je doprinos moje magistrske naloge namenjen predvsem opredelitvi učinkovitosti uporabe ukrepov ADS in drugih samoregulacijskih pristopov ponudnikov, kot je Kodeks 2022, pri zagotavljanju varstva pravice do svobode izražanja.
Keywords: digitalno okolje, ponudniki posredniških storitev, kodeks ravnanja, zaščita temeljnih pravic, moderiranje spletnih vsebin, umetna inteligenca in algoritmi
Published in DKUM: 25.01.2024; Views: 213; Downloads: 28
.pdf Full text (3,75 MB)

8.
Analiza umetne inteligence in možnosti njene uporabe v inovacijah in inovacijskem okolju podjetja "x"
Jasmina Gergorec, 2023, master's thesis

Abstract: Umetna inteligenca (UI), ki vključuje področja, kot so strojno učenje, globoko učenje, konvolucijske in ponavljajoče se nevronske mreže ter procesiranje naravnega jezika, igra ključno vlogo v sodobnem poslovnem svetu. Ta tehnologija temelji na naprednih metodah obdelave in analize velikih količin podatkov in ponuja podjetjem, kot je BTC d. d., možnost za pridobivanje konkurenčne prednosti. Z integracijo UI lahko BTC d. d. izboljša interpretacijo tržnih trendov, optimizira logistične operacije in nadgradi uporabniško izkušnjo. To omogoča boljše razumevanje in napovedovanje potreb strank, optimizacijo zalog in avtomatizacijo komunikacije. Poleg tehnoloških izboljšav UI prinaša tudi pravne in etične izzive, predvsem v upravljanju intelektualne lastnine, ki vključuje patente, blagovne znamke in avtorske pravice. To je bistveno za ohranjanje inovativnosti in zaščito inovacij pred nepooblaščenim kopiranjem ali uporabo. Jasno opredeljeni pravni okviri, ki obravnavajo etična vprašanja, varstvo podatkov in intelektualno lastnino, so ključni za ustvarjanje okolja, ki spodbuja zakonite in etične inovacije. Predstavili smo konkretne predloge za integracijo UI v različne oddelke podjetja BTC d. d., kot so računovodstvo, kadrovanje, logistika in marketing. V naši študiji, ki je vključevala uporabo ChatGPT-4, smo odkrili, da ta oblika umetne inteligence znatno pospešuje generiranje inovativnih idej, kar je ključnega pomena za BTC d. d. Ta sposobnost omogoča hitrejši razvoj in testiranje novih konceptov, s čimer se izboljšuje agilnost in učinkovitost inovacijskega procesa. S pomočjo ChatGPT lahko podjetje bolj učinkovito razume in implementira UI v svoje poslovne strategije. Naše raziskovanje zaključujemo s SWOT analizo in praktičnimi spoznanji o uporabi ChatGPT. UI igra pomembno vlogo v inovacijskem procesu v BTC d. d., saj ne le optimizira obstoječe procese, ampak tudi odpira nove poslovne možnosti in strategije.
Keywords: umetna inteligenca, inovacije, inovacijsko okolje, intelektualna lastnina, BTC d. d., ChatGPT
Published in DKUM: 18.01.2024; Views: 291; Downloads: 111
.pdf Full text (1,27 MB)

9.
Temeljne pravice in izzivi digitalizacije : od pravne ureditve do prakse
2023

Abstract: Bliskovit razvoj digitalizacije vpliva na vsa področja našega življenja. Na ravni EU se v zadnjih letih že odvija široka etična in pravna razprava o umetni inteligenci, robotiki stvari, močnih komunikacijskih omrežjih in primernem regulativnem okvirju, ki mora spoštovati tudi temeljne pravice. O tem so leta 2020 v sklopu Študentskega inovativnega projekta za družbeno korist (ŠIPK) raziskovali na Pravni fakulteti UM skupaj s sodelovanjem partnerja iz negospodarstva, Zavoda PIP, in osmih študentov iz štirih fakultet Univerze v Mariboru, in sicer Pravne fakultete, Ekonomsko-poslovne fakultete, Fakultete za elektrotehniko, računalništvo in informatiko in Filozofske fakultete. Namen projekta in pričujoče monografije je ozaveščati vse družbene deležnike o vplivu digitalizacije na družbena razmerja in pripraviti podlago za smernice za bodoče urejanje digitalizacije.
Keywords: digitalizacija, umetna inteligenca, etične dileme, pravna država, diskriminacija, varstvo zasebnosti
Published in DKUM: 19.12.2023; Views: 353; Downloads: 73
.pdf Full text (6,29 MB)
This document has many files! More...

10.
Podatkovni kanjoni, pristop strojnega učenja za potrebe razložljive umetne inteligence : doktorska disertacija
Bojan Žlahtič, 2023, doctoral dissertation

Abstract: Z uporabo algoritmov strojnega učenja je mogoče izvesti zapletene analize in pridobiti globlje vpoglede na osnovi obsežnih količin podatkov, kar presega človeške zmožnosti. Navedena značilnost je ključni dejavnik, zaradi katerega je strojno učenje vpeljano v številne domene. Kljub številnim prednostim ni vedno možno integrirati strojnega učenja na določena področja, predvsem zaradi tega, ker se za naprednimi metodami pogosto skrivajo modeli tipa črne skrinje. Ti modeli uporabnikom ne omogočajo vpogleda v logiko njihovega odločanja, kar lahko predstavlja oviro v kontekstih, kjer so odločitve kritične in lahko napačna odločitev vodi v resne posledice. Z namenom ublažiti te problematike smo razvili metodo strojnega učenja, temelječo na naravnem pojavu rečnih kanjonov. Ta pojav lahko vizualiziramo v digitalni grafični obliki, kar omogoča intuitiven prikaz logike odločanja. Rezultat je model strojnega učenja, ki generira globinske slike gibanja podatkov za posamezen razred. V teh slikah je pripadnost posamezne instance kanjonu prikazana s pomočjo barvno kodiranih grafov. Podatkovni kanjoni se zaradi svojih lastnosti in metodologije lahko uporabljajo za potrebe razložljive umetne inteligence, bodisi samostojno ali kot dopolnilni mehanizem drugim pristopom strojnega učenja.
Keywords: razložljiva umetna inteligenca, strojno učenje, klasifikacija, razložljivost, zaupanje
Published in DKUM: 05.12.2023; Views: 263; Downloads: 60
.pdf Full text (3,26 MB)

Search done in 5.13 sec.
Back to top
Logos of partners University of Maribor University of Ljubljana University of Primorska University of Nova Gorica