1. Vključevanje orodij umetne inteligence v celovite informacijske rešitve: primer napovedovanja prodaje in zalogGarvin Gajšek, 2024, magistrsko delo Opis: Izziv dela predstavlja integracijo celovitih informacijskih rešitev s tehnologijami umetne inteligence za napovedovanje prodaje in upravljanje zalog v podjetjih, s posebnim poudarkom na platformi Microsoft Dynamics 365 Business Central. V sodobnem poslovnem okolju predstavlja napovedovanje prodaje in zalog enega izmed ključnih elementov za ohranjanje konkurenčne prednosti podjetij. Zaradi naraščajočega pomena teh dejavnikov se vse pogosteje poslužujemo orodij umetne inteligence in strojnega učenja, ki omogočajo bolj natančne in pravočasne napovedi ter optimizacijo zalog. Ena izmed glavnih prednosti strojnega učenja je sposobnost obravnave kompleksnih podatkovnih nizov, ki vključujejo več dejavnikov ali značilk. S tem lahko izboljšamo model in natančnost napovedi, saj lahko algoritmi strojnega učenja učinkoviteje izkoristijo informacije, ki jih vsebujejo podatki. Ta pristop nam daje pomembno prednost nad konkurenco in nam omogoča, da ostajamo korak pred njo v dinamičnem poslovnem okolju. Seveda pa je ključnega pomena pravilna izbira dejavnikov, ustrezna obdelava podatkov ter izbira ustrezne metode strojnega učenja, da lahko dosežemo najboljše rezultate pri napovedovanju. Velik izziv na področju na tem področju je zato vprašanje, katere podatke in zgodovino podatkov umetna inteligenca uporablja in potrebuje za izvajanje kvalitetnih napovedi.
V magistrskem delu predstavimo osnovne paradigme strojnega učenja (angl. machine learning, v nadaljevanju ML), ki so uporabljene v našem eksperimentu napovedovanja prodaje iz zalog. Opisani so elementi poteka dela ML, okvir regresijsko temelječih metod ML in ocenjevalne matrike ML. Pomemben del naloge je posvečen analizi in opisu programske kode jezika R, s katero poglobimo razumevanje delovanja modela strojnega učenja v okolju Azure Machine Learning (v nadaljevanju AML) Studio. Model strojnega učenja v AML Studio je nato objavljen kot spletna storitev, do katere dostopamo preko REST (prenos predstavitvenega stanja, angl. REpresentational State Transfer, v nadaljevanju REST) API (aplikacijski programski vmesnik, angl. Application Programming Interface, v nadaljevanju API) protokola.
V nadaljevanju je opisan razvoj razširitve Business Centrala, ki predstavlja jedro izvedbe napovedovanja in integracije vtičnika strojenega učenja. Razširitev služi kot neposredni komunikator med uporabnikom in modelom strojnega učenja. Končnemu uporabniku Business centrala omogoča izvajanje funkcij učenja, ocenjevanja in napovedovanja.
Magistrsko delo zaključimo z interpretacijo kvantitativnih rezultatov napovedi. Kvantitativna primerjava rezultatov različnih modelov strojenega učenja nam pokaže, da eksperiment strojnega učenja sicer izpolnjuje osnovne pogoje in procese napovedovanja, a se sooča z določenimi pomanjkljivostmi.
Ključne besede: umetna inteligenca, strojno učenje, celovite informacijske rešitve, napovedovanje prodaje in zalog, nadzorovano učenje.
Objavljeno v DKUM: 07.01.2025; Ogledov: 0; Prenosov: 9
 Celotno besedilo (2,64 MB) |
2. Akt EU o umetni inteligenci ter etične dileme uporabe umetne inteligence v pravu : magistrsko deloPina Hrovat, 2024, magistrsko delo Opis: Umetna inteligenca, ki se je v zadnjem času razširila na vsa področja, vedno bolj vpliva na naše vsakdanje življenje. Ker gre za relativno nov izum, ki je s tehnološkim razvojem doživel svoj razcvet, se je pojavila težnja po zakonski ureditvi področja umetne inteligence.
Evropska komisija je 21. aprila 2021 predstavila Predlog akta EU o umetni inteligenci, Akt o umetni inteligenci pa je vstopil v veljavo 1. avgusta 2024. Gre za prvi celoviti tovrstni akt. Njegov cilj je zagotoviti varnost, varstvo temeljnih pravic iz LEUTP in podpirati inovacije. Akt vsebuje pristop, ki temelji na tveganju. Skladno s tem so sistemi umetne inteligence razvrščeni v štiri kategorije glede na tveganje, ki ga sistem predstavlja za varstvo temeljnih človekovih pravic, varstvo zdravja in varnost. Hierarhično najvišje se nahajajo prepovedane prakse, gre za umetnointeligenčne sisteme, ki so tako tvegani, da so prepovedani. Tem sistemom sledijo visokotvegani sistemi, ki se lahko dajejo na trg oz. uporabljajo, kadar izpolnjujejo natančno določene pogoje. Naslednja skupina so sistemi z omejenim tveganjem, ki se uporabljajo pod pogojem, da so uporabnikom zagotovljene ustrezne informacije. Sistemi z minimalnim tveganjem niso predmet urejanja Akta o umetni inteligenci. Akt o umetni inteligenci je po svoji pravni naravi uredba, kar pomeni, da je neposredno uporabljiv v nacionalnih pravnih redih držav članic EU. Ker področje umetne inteligence in varstva temeljnih pravic v slovenski zakonodaji pred sprejetjem akta ni bilo pravno urejeno, tudi ne bo potrebno spreminjati zakonodaje zaradi sprejema akta.
Ker je umetna inteligenca relativno nov pojav, obstajajo med širšo javnostjo in pravno stroko določeni pomisleki v zvezi z umetno inteligenco in njeno uporabo v pravu. Ti pomisleki so zlasti osredotočeni na vprašanje, če je umetna inteligenca zmožna slediti etičnim standardom, ki se pričakujejo od človeških pravnikov, ter če je zmožna zagotoviti varstvo temeljnih človekovih pravic. V magistrski nalogi so v zvezi s tem podrobneje obravnavane sledeče pravice: pravica do enakopravnosti, pravica do poštenega sojenja in pravica do pravne varnosti. V zvezi z uporabo umetne inteligence v pravni znanosti se pojavlja tudi bojazen, če je sploh sposobna doseči stopnjo razvoja, na kateri bi bila zmožna odločitve sprejemati s primerljivo mero empatičnosti kot ljudje.
Ključne besede: Akt o umetni inteligenci, kategorije tveganj, nadzor nad uporabo umetne inteligence, umetna inteligenca v pravu, etika, pravičnost, človekove pravice.
Objavljeno v DKUM: 20.12.2024; Ogledov: 0; Prenosov: 26
Celotno besedilo (1,28 MB) |
3. Napovedovanje namere sprejemanja in uporabe orodja ChatGPT v poslovnem okolju : magistrsko deloPatricia Petek, 2024, magistrsko delo Opis: ChatGPT je klepetalni robot, ki je z razvojem tehnologije, predvsem pa področja umetne inteligence, postal popularno orodje, ki nam lahko olajša marsikatero nalogo v našem vsakdanjem življenju. Hkrati pa je s svojo vsestransko uporabo in mnogimi možnostmi, ki jih ponuja uporabnikom, postal pomembno orodje tudi v poslovnem okolju, saj omogoča, da je delo opravljeno hitreje. ChatGPT svojo vrednost tako kaže na področjih kot so marketing in podpora strankam, ekonomija in finance, na področju kadrovanja in prava, vsekakor pa tudi v mnogih oblikah na področju informacijskih tehnologij. Namen pričujoče raziskave je bil ustvariti napovedni model, s katerim lahko čim bolje napovemo namero sprejemanja orodja ChatGPT in pa tudi njegovo uporabo v poslovnem okolju. Podatke smo pridobili s pomočjo 85 udeležencev, ki delajo na različnih področjih. S pomočjo regresijske analize smo ustvarili model, ki uspešno napoveduje namero sprejemanja orodja ChatGPT v poslovnem okolju na podlagi preprostosti uporabe in navad uporabnika. Prav tako pa smo ustvarili model, ki nadalje uspešno napoveduje tudi uporabo orodja ChatGPT v poslovnem okolju, na podlagi tehnične opremljenosti okolja in navad uporabnika. V navedenih primerih se ni izkazalo, da bi obstajali pomembni moderatorji. Raziskava ima z napovednima modeloma praktične implikacije za podjetja, ki bi želela med zaposlene vpeljati novo orodje, pa morda ni jasno, če je to smiselna naložba.
Ključne besede: UTAUT 2, ChatGPT, umetna inteligenca, poslovno okolje
Objavljeno v DKUM: 28.11.2024; Ogledov: 0; Prenosov: 11
Celotno besedilo (1,67 MB) |
4. Uporaba umetne inteligence za analizo podatkovih baz : diplomsko deloBenjamin Lokmić, 2024, diplomsko delo Opis: Diplomsko delo se osredotoča na uporabo umetne inteligence, natančneje modela GPT-4o, za analizo treh podatkovnih baz, ki vključujejo meritve koncentracij črnega ogljika, prometne podatke in meteorološke podatke. Glavni namen raziskave je raziskati, kako umetna inteligenca omogoča učinkovito obdelavo teh podatkov, ter izvesti analizo vzorcev in korelacij med prometnimi konicami, ravnjo onesnaženja in vremenskimi pogoji. V raziskavi so uporabljeni podatki, zbrani v desetdnevnem obdobju na različnih lokacijah glede na oddaljenost od ceste. Osrednja naloga raziskave sta združevanje teh različnih podatkovnih nizov in preučevanje, kako lahko GPT-4o prispeva k hitrejši in zanesljivejši analizi teh podatkov. Poleg tega raziskava proučuje potencial umetne inteligence pri izboljšanju tradicionalnih pristopov za analizo okoljskih podatkov, zlasti kar zadeva natančnost, hitrost obdelave in prepoznavanje povezav med analiziranimi podatkovnimi bazami.
Ključne besede: umetna inteligenca, GPT-4o, obdelava podatkov
Objavljeno v DKUM: 27.11.2024; Ogledov: 0; Prenosov: 11
Celotno besedilo (2,53 MB) |
5. Umetna inteligenca na področju izobraževanja z vidika učiteljevFeliks Strehar, 2024, diplomsko delo Opis: Diplomsko delo obravnava uporabo umetne inteligence (UI) v izobraževanju z vidika učiteljev. Namen dela je bilo raziskati, kakšne so dosedanje izkušnje z uporabo orodij UI, ali vidijo UI kot uporabno, ali jo uporabljajo v svojem učnem procesu, kako jim najbolj koristi ter kakšne so njihovi pogledi na prihodnost izobraževanja. Uporabljena metodologija vključuje anketiranje učiteljev, katerih odgovore smo analizirali. Rezultati raziskave kažejo, da učitelji prepoznavajo prednosti UI, kot so prilagajanje učnih vsebin in avtomatizacija rutinskih nalog, vendar opozarjajo tudi na potrebo po dodatnem usposabljanju. Ugotovitve vključujejo priporočila za večje vlaganje v tehnično izobraževanje učiteljev ter skrb za etično uporabo UI v izobraževalnem procesu. Zaključki nakazujejo, da lahko UI bistveno izboljša izobraževanje, vendar je potreben premišljen pristop k njeni integraciji, da bi ohranili človeški element v učenju.
Ključne besede: Umetna inteligenca (UI), pogledi učiteljev, izobraževalni proces, etična uporaba umetne inteligence.
Objavljeno v DKUM: 20.11.2024; Ogledov: 0; Prenosov: 14
Celotno besedilo (962,73 KB) |
6. Analiza uporabe umetne inteligence v slovenskih medijih : graduation thesisŽiga Kapun, 2024, diplomsko delo Opis: Uporaba umetne inteligence je prisotna že na nešteto področjih, kjer se uporablja za najrazličnejše namene. Najdemo jo lahko v optimizaciji procesov, pregledovanju velikih količin podatkov ter tudi ustvarjanju vsebin. Podobno kot na drugih področjih, se je umetna inteligenca, ali AI, uveljavila tudi na področju medijev. Tako se diplomska naloga posveča prav uporabi AI na področju medijev v Sloveniji. Naloga le-te je predstaviti vrste AI in možnosti, ki jih slednja omogoča medijem, prav tako pa z analizo ankete predstavi dejansko stanje uporabe AI v Sloveniji.
Ključne besede: umetna inteligenca - AI, mediji, generativna AI, strojno učenje, globoko učenje
Objavljeno v DKUM: 14.11.2024; Ogledov: 0; Prenosov: 55
Celotno besedilo (2,03 MB) |
7. Generiranje načrta vadbe s pomočjo umetne inteligenceJan Korže, 2024, diplomsko delo Opis: Delo opisuje uporabo in delovanje ChatGPT API-ja za implementacijo uporabniškega vmesnika, preko katerega lahko z umetno inteligenco ustvarimo unikaten trening za uporabnika, ki ga lahko nato izvede s pomočjo mobilne aplikacije Impact Wrap. Namen je predstaviti različne modele ChatGPT in bistvene razlike med njimi in hkrati preveriti ali lahko že v naprej naučen model pripravimo in uporabimo za olajšanje dela trenerjev boksa, kickboxa in ostalih športov , ki želijo uporabiti večdnevne treninge
Ključne besede: ChatGPT, umetna inteligenca, učenje modela
Objavljeno v DKUM: 22.10.2024; Ogledov: 0; Prenosov: 41
Celotno besedilo (8,68 MB) |
8. Komparativna analiza orodij za vodenje it skupin z uporabo umetne inteligenceHana Muzelj, 2024, diplomsko delo Opis: Diplomska naloga se osredotoča na komparativno analizo orodij za vodenje IT skupin, ki vključujejo elemente umetne inteligence. V teoretičnem delu so obravnavane definicije in koncepti informacijskih tehnologij, vodenja IT skupin in umetne inteligence, medtem ko praktični del vključuje poglobljeno primerjavo izbranih orodij glede na njihove funkcionalnosti, integracijo UI ter prispevek k učinkovitosti in organizaciji dela IT ekip. Cilj naloge je oceniti, katero orodje najbolj podpira optimalno delovanje IT skupin v sodobnem tehnološkem okolju.
Ključne besede: vodenje IT skupin, umetna inteligenca, komparativna analiza, učinkovitost, integracija UI
Objavljeno v DKUM: 22.10.2024; Ogledov: 0; Prenosov: 19
Celotno besedilo (5,09 MB) |
9. Integracija velikih jezikovnih modelov v mobilne rešitveDavid Balažic, 2024, diplomsko delo Opis: Diplomsko delo se osredotoča na analizo in implementacijo velikih jezikovnih modelov v mobilne rešitve z namenom raziskave njihovega delovanja, integracije in vpliva na uporabniško izkušnjo. V prvem delu je predstavljen teoretični del delovanja velikih jezikovnih delov. V praktičnem delu je ponazorjeno implementiranje teh modelov v mobilne rešitve in predstavljanje pristopa delovanja preko programskega vmesnika ter neposredno na napravi. Rezultati raziskave kažejo, da je pristop s programskim vmesnikom primernejši ob uporabi kompleksnejših modelov, vendar se pristop neposredno na napravi izkaže za koristnega ob uporabi manjših modelov.
Ključne besede: veliki jezikovni modeli, umetna inteligenca, mobilne rešitve, model
Objavljeno v DKUM: 22.10.2024; Ogledov: 0; Prenosov: 7
Celotno besedilo (1,58 MB) |
10. Primerjava sistemov za upravljanje vsebin Wix in WordPress za spletno stran samostojnega podjetnikaSabina Paurič, 2024, diplomsko delo Opis: Diplomsko delo se osredotoča na primerjavo dveh priljubljenih sistemov za upravljanje vsebin, Wix in WordPress, s poudarkom na uporabniški izkušnji, prilagodljivosti, tehnični zahtevnosti in stroških. Raziskuje tudi vlogo umetne inteligence pri generiranju spletnih strani. V okviru diplomskega dela sta bili izdelani dve spletni strani, ena s sistemom WordPress in druga z Wix. Na koncu je bila izvedena primerjalna analiza obeh sistemov ter podani odgovori na raziskovalna vprašanja.
Ključne besede: Umetna inteligenca, WordPress, Wix, CMS-primerjava
Objavljeno v DKUM: 22.10.2024; Ogledov: 0; Prenosov: 17
Celotno besedilo (2,87 MB) |
