SLO | ENG

Večja pisava | Manjša pisava

Iskanje po katalogu digitalne knjižnice Pomoč

Iskalni niz: išči po
išči po
išči po
išči po
* po starem in bolonjskem študiju

Opcije:
  Ponastavi


1 - 10 / 10
Na začetekNa prejšnjo stran1Na naslednjo stranNa konec
1.
PREISKOVANJE POVEZANIH ODPRTIH SEMANTIČNIH PODATKOV IN SOCIALNIH OMREŽIJ
Sašo Karakatič, 2011, diplomsko delo

Opis: V diplomskem delu bomo definirali pojem socialna omrežja in pregledali njihovo zgodovino. Natančneje bomo spoznali eno izmed teh socialnih omrežij, Facebook, in njegov vmesnik za razvijalce. Sledi opis semantičnih podatkovnih baz, njihova razširjenost in podrobnejši vpogled v Freebase-semantično podatkovno bazo. V praktičnem delu smo preiskali možnost povezave med socialnim omrežjem in prosto semantično podatkovno bazo. Naredili smo storitev priporočanja in pri tem uporabili algoritem k najbližjih sosedov, ki ga tudi podrobneje opisujemo v teoretičnem delu naloge. Storitev smo preizkusili na testnih in realnih podatki ter na koncu še preučili možnosti nadgradnje storitve.
Ključne besede: Socialno omrežje, Facebook, Semantična podatkovna baza, Freebase, k najbližjih sosedov
Objavljeno: 20.06.2011; Ogledov: 1403; Prenosov: 253
.pdf Celotno besedilo (2,99 MB)

2.
PRIMERJAVA SPLETNIH ORODIJ ZA IZDELAVO SPLETNIH STRANI
Nataša Rajh, 2014, diplomsko delo

Opis: V diplomskem delu smo analizirali spletna orodja za izdelavo spletnih strani in jih primerjali med seboj. Orodij nismo razvrstili od najenostavnejšega do najzahtevnejšega, niti nismo določili najboljšega. Naš cilj je prikazati, za kakšne uporabnike so določena orodja primerna. Na podlagi analiz posameznih orodij in izdelave preprostega spletnega mesta, bloga, spletnega mesta s poudarkom na lastnem videzu in spletne trgovine smo ugotovili, da orodja svojim uporabnikom dopuščajo hitro in enostavno implementacijo spletnih mest. Orodja pa hkrati poskrbijo tudi za spletno gostovanje in po želji tudi za zakup domene. Kljub temu pa je uporabnikom pogosto odvzeta možnost popolne personalizacije.
Ključne besede: spletna orodja za izdelavo spletnih strani, spletna mesta, princip primi in potegni, WYSIWYG
Objavljeno: 30.10.2015; Ogledov: 631; Prenosov: 85
.pdf Celotno besedilo (3,74 MB)

3.
PRIMERJAVA OGRODIJ ZA RAZVOJ HTML5 APLIKACIJ NA MOBILNIH NAPRAVAH
Klemen Kodrun, 2015, diplomsko delo

Opis: V današnjih časih je na tržišču na desetine različnih operacijskih sistemov in razvoj aplikacij za vsakega posebej je časovno in tudi denarno potraten. S prihodom HTML5 in izjemnim napredkom v razvoju spletnih brskalnikov, se vse bolj brišejo razlike med nativnimi in spletnimi aplikacijami. Takšen pristop k razvoju pa omogoča tudi univerzalnost aplikacij, saj se te prilagajo operacijskim sistemom na katerih jih poganjamo. V nalogi predstavimo prednosti in slabosti izbranih ogrodij, na osnovi katerih smo definirali večkriterijski odločitveni model za ocenitev ogrodij. Ogrodja ocenimo v programu DEXi in nato s pomočjo najbolje ocenjenega ogrodja izdelamo aplikacijo. Poleg HTML5 uporabimo tudi druge tehnologije kot so JSON, JavaScript, CSS. Vse tehnologije podrobno opišemo in predstavimo rezultate.
Ključne besede: ogrodja za razvoj HTML5 aplikacij, HTML5, mobilne aplikacije, JSON, jQuery mobile, Javascript, CSS
Objavljeno: 27.05.2015; Ogledov: 434; Prenosov: 43
.pdf Celotno besedilo (3,21 MB)

4.
UČINKOVITOST UČNIH ALGORITMOV NA VELIKIH PODATKIH
Jože Gobar, 2015, diplomsko delo

Opis: Tematika te diplomske naloge so veliki podatki, karakteristike velikih podatkov in učni algoritmi, ki jih uporabljamo za klasifikacijo. V diplomski nalogi predstavljam tudi rezultate eksperimenta, s katerim sem ugotavljal učinkovitost učnih algoritmov na velike podatke. Učinkovitost algoritmov sem ovrednotil s klasifikacijsko točnostjo in časovnim izvajanjem učnih algoritmov na podatkovnih množicah. Iz pridobljenih rezultatov lahko sklepam, da se algoritmi glede na dane podatkovne množice različno obnašajo ter da je izbira učnega algoritma za analizo podatkovnih množic odvisna predvsem od problema in zastavljenega cilja.
Ključne besede: veliki podatki, karakteristike velikih podatkov, strojno učenje, klasifikacija, učinkovitost učnih algoritmov
Objavljeno: 22.10.2015; Ogledov: 342; Prenosov: 35
.pdf Celotno besedilo (2,70 MB)

5.
Metode za ovrednotenje algoritmov strojnega učenja
Iva Flisar, 2016, diplomsko delo

Opis: Strojno učenje je pojem, tesno povezan s podatkovnim rudarjenjem, saj s pomočjo učnih algoritmov iščemo vzorce v podatkih. V diplomskem delu smo predstavili in opisali različne učne algoritme, ki se uporabljajo v procesu podatkovnega rudarjenja. Naš glavni cilj je bila predstavitev različnih metrik ovrednotenja učnih algoritmov. V ta namen smo v praktičnem delu diplomske naloge z različnimi metrikami ovrednotili učne algoritme. Eksperiment ovrednotenja smo izvedli na različnih podatkovnih množicah, ki smo jih razdelili z dvema različnima tipoma razdelitve – navzkrižno validacijo ter z metodo razdelitve.
Ključne besede: strojno učenje, klasifikacija, učni algoritmi, ovrednotenje algoritmov, metrike ocenjevanja
Objavljeno: 06.09.2016; Ogledov: 303; Prenosov: 68
.pdf Celotno besedilo (3,31 MB)

6.
ANALIZA IN PRIMERJAVA PLATFORM ZA PODATKOVNO RUDARJENJE RAPIDMINER IN WEKA
Aleksej Miloševič, 2016, diplomsko delo

Opis: V pričujočem diplomskem delu sta analizirani in primerjani splošnonamenski platformi za podatkovno rudarjenje RapidMiner in Weka. V uvodnem delu diplomskega dela so razložene osnove strojnega učenja in podatkovnega rudarjenja ter podrobneje definirane metode dela, ki so uporabljene v praktičnem delu. Primerjava je razdeljena na teoretični in eksperimentalni del. V teoretičnem delu so na podlagi definirane metodologije identificirane pomembne lastnosti orodij in primerjane med seboj, v eksperimentalnem delu pa sta primerjani točnost in F-Mera implementacij algoritmov k-najbližjih sosedov, Naključni gozdovi in Naivni Bayes. S pomočjo statističnih testov je bilo ugotovljeno, da se nobena izvedenka algoritma od drugega statistično pomembno ne razlikuje.
Ključne besede: strojno učenje, klasifikacija, primerjava, RapidMiner, Weka
Objavljeno: 16.09.2016; Ogledov: 430; Prenosov: 42
.pdf Celotno besedilo (2,22 MB)

7.
PRIMERJAVA DOMORODNIH ANIMACIJ CSS3 IN ANIMACIJ Z UPORABO JAVASCRIPTA
Rok Penšek, 2016, diplomsko delo

Opis: V diplomskem delu na podlagi izdelanih testov s tehnologijami CSS3, JavaScript in jQuery opisujemo in podrobno analiziramo zmogljivost in odzivnost spletnih animacij ter pokritost tehnologij med najbolj uporabljenimi mobilnimi brskalniki. V prvem poglavju so predstavljene tehnologije, v naslednjih poglavjih pa izdelava testov in načini testiranja. V končnem poglavju so podani rezultati testiranj.
Ključne besede: spletne animacije, javascript, css3, html, primerjalna analiza, razvoj programske opreme
Objavljeno: 21.10.2016; Ogledov: 267; Prenosov: 20
.pdf Celotno besedilo (3,12 MB)

8.
Uporaba orodja Orange za podatkovno rudarjenje
Damir Kos, 2017, diplomsko delo

Opis: 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.
Ključne besede: podatkovno rudarjenje, orodje Orange, klasifikacija, gručenje, predprocesiranje podatkov
Objavljeno: 24.10.2017; Ogledov: 81; Prenosov: 16
.pdf Celotno besedilo (2,35 MB)

9.
Razvoj in ovrednotenje aplikacije za prepoznavo obraza v C#
Tevž Šart, 2017, diplomsko delo

Opis: V diplomski nalogi sem predstavil analizo in rezultate testiranja že obstoječih programskih knjižic za prepoznavo obraza. Na spletu obstaja veliko različnih programskih knjižic, ki ponujajo razvoj aplikacij za prepoznavo obraza v programskem jeziku C#. Skozi diplomsko nalogo sem poskušal odgovoriti na vprašanja, katero programsko knjižico je najbolje uporabiti, katera izmed programskih knjižic deluje najbolje, In katera izmed njih ima največ uporabnih funkcionalnosti, pomanjkljivosti in prednosti. Predstavil in opisal sem tudi največje razlike med programskimi knjižicami in kako vsaka izmed uporabljenih knjižic opravi svoje delo. Raziskal sem obstoječe programske knjižice in jih ob razvoju aplikacije za prepoznavo obraza analiziral in ovrednotil ter predstavil rezultate, iz katerih je razvidno, kakšne so razlike med njimi ter katera ponuja največ.
Ključne besede: prepoznava obraza, C#, računalniški vid
Objavljeno: 17.10.2017; Ogledov: 125; Prenosov: 34
.pdf Celotno besedilo (2,39 MB)

10.
Metoda alokacije za klasifikacijo neuravnoteženih podatkov
Sašo Karakatič, 2017, doktorska disertacija

Opis: V doktorski disertaciji predstavimo metodo z imenom alokacija, ki je namenjena klasifikaciji neuravnoteženih podatkov. Metoda alokacije je klasifikacijski ansambel iz dveh nivojev. V prvem nivoju deluje alokator, ki se s pomočjo algoritmov nenadzorovanega učenja nauči učinkovito deliti izvorno množico podatkov na homogene podmnožice, ki se nato alocirajo specializiranim klasifikatorjem na drugem nivoju. Drugi nivo sestavlja množica specializiranih klasifikatorjev, kjer je vsak naučen na specifični podmnožici, ki mu je bila alocirana, in se tako specializira za točno določeno vrsto podatkov. Ti klasifikatorji tako vrnejo končno odločitev o razredu posameznih instanc, kar je tudi rezultat metode alokacije. Z namenom preizkusa delovanja koncepta metode alokacije smo v okviru doktorske disertacije razvili dve varianti alokatorja -- alokator z detekcijo anomalij, ki uporablja eno razredni klasifikator SVM, in alokator z gručenjem k-means. Obe vrsti alokatorja smo preizkusili v kombinaciji s šestimi klasifikacijskimi metodami na mestu specializiranih klasifikatorjev na drugem nivoju. Vse variante metode alokacije v vseh kombinacijah smo preverili na neuravnoteženih in uravnoteženih podatkih, slednje z namenom validacije metode kot splošnega klasifikacijskega pristopa. Rezultate alokacij smo primerjali z obstoječimi metodami za spopadanje z neuravnoteženi podatki -- informiranim podvzorčenjem, nadvzorčenjem SMOTE in ansambli bagging, MultiBoost in AdaBoost. V eksperimentih smo primerjali rezultate metrik klasifikacije (ki smo jih identificirali v teoretičnem delu disertacije) in čase, potrebne za učenje klasifikacijskega modela. Rezultate eksperimentov smo dodatno preverili s statistično analizo in na podlagi tega prišli do zaključkov, da je metoda alokacije učinkovita alternativa obstoječim pristopom pri klasifikaciji neuravnoteženih in tudi uravnoteženih podatkov.
Ključne besede: strojno učenje, klasifikacija, neuravnoteženi podatki, detekcija anomalij, alokacija, gručenje, ansambli
Objavljeno: 10.05.2017; Ogledov: 565; Prenosov: 109
.pdf Celotno besedilo (3,59 MB)

Iskanje izvedeno v 0.16 sek.
Na vrh
Logotipi partnerjev Univerza v Mariboru Univerza v Ljubljani Univerza na Primorskem Univerza v Novi Gorici