Iskanje po katalogu digitalne knjižnice

Iskalni niz:	išči po
	išči po
	išči po
	išči po
Vrsta gradiva:	* po starem in bolonjskem študiju
Jezik:
Išči po:
Opcije:	Prikaži samo zadetke s celotnim besedilom
	Ponastavi

1 - 2 / 2

Comparing algorithms for predictive data analytics : magistrsko delo
Goran Kirov, 2024, magistrsko delo

Opis: The master’s degree thesis is composed of theoretical and practical parts. The theoretical part describes the basics of predictive data analytics and machine learning algorithms for classification such as Logistic Regression, Decision Tree, Random Forest, SVM, and KNN. We also describe different evaluation metrics such as Recall, Precision, Accuracy, F1 Score, Cohen’s Kappa, Hamming Loss, and Jaccard Index that are used to measure the performance of these algorithms. Additionally, we record the time taken for the training and prediction processes to provide insights into algorithm scalability. The key part master’s thesis is the practical part that compares these algorithms with a self-implemented tool that shows results for different evaluation metrics on seven datasets. First, we describe the implementation of an application for testing where we measure evaluation metrics scores. We tested these algorithms on all seven datasets using Python libraries such as scikit-learn. Finally, w
Ključne besede: data analytics, machine learning, classification, evaluation metrics
Objavljeno v DKUM: 15.01.2025; Ogledov: 0; Prenosov: 52
Celotno besedilo (2,68 MB)

BIG DATA TEHNOLOGIJE ZA ANALIZO VELIKE KOLIČINE POSLOVNIH PODATKOV
Jana Medved, 2014, magistrsko delo

Opis: S tem, ko naš svet postaja vedno bolj povezan in naše aktivnosti vse bolj digitalizirane, postajajo podatki bogatejši, raznoliki in na voljo kadarkoli. Organizacije izkoriščajo te ogromne količine podatkov za natančnejše prilagoditve sistemov, podporo odločanju in razvoj proizvodov in storitev. V magistrskem delu smo predstavili karakteristike Big Data, njegove prednosti in izzive s katerimi se soočajo organizacije pri analiziranju ogromnih količin podatkov, osredotočili pa smo se na tehnologije Big Data analitike in v povezavi s tem na vizualizacijo Big Data - kot primer je predstavljena rešitev SAS Visual Analytics. Organizacije uporabljajo Big Data tehnologije, da dobijo odgovore na pomembna vprašanja z analizo podatkov takoj, torej v realnem času ter ne rabijo čakati na rezultate dneve, tedne ali celo mesece. Največja prednost Big Data tehnologij je tako pospešitev časa prejema rezultatov analize ter posledično hitrejše sprejemanje odločitev. Kot tehnologije Big Data analitike smo predstavili delovanje Hadoopa ter značilnosti NoSQL podatkovnih baz in masivnih paralelnih analitičnih podatkovnih baz. Prav tako smo predstavili visoko zmogljivo analitiko, ki s hitrostjo spreminja način obdelave in izkoriščanje vrednosti Big Data v organizacijah ter v povezavi z njo analitiko v pomnilniku (angl. in-memory analytics), ki omogoča organizacijam hitrejše odločanje, natančnejše rezultate in vzpostavitev zanesljive ter prilagodljive analitične infrastrukture. Z Big Data se povečuje tudi potreba po bolj napredni podatkovni vizualizaciji. Predstavitev informacij na razumljiv način, je glavni izziv analiziranja podatkov, če želimo, da rezultati privedejo do konkretnih ukrepov. Rezultati analiz in vizualizacija podatkov sta učinkovita kombinacija za predstavitev in deljenje informacij v podjetju. Rešitev, ki podpira vizualizacijo podatkov, izbranih za analizo, je lahko zelo koristna, sploh kadar lahko pomaga uporabniku izbrati najprimernejšo vizualizacijo za določen nabor podatkov. Takšna rešitev je SAS Visual Analytics, zmogljivo orodje raziskovanja podatkov za razkritje trendov in skritih priložnosti. Združuje analitiko, in-memory arhitekturo, raziskovanje podatkov, podporo Hadoopa in različne možnosti uporabe informacij.
Ključne besede: Big Data, vizualizacija, poslovna analitika, visoko zmogljiva analitika, SAS Visual Analytics
Objavljeno v DKUM: 13.10.2014; Ogledov: 4047; Prenosov: 690
Celotno besedilo (1,50 MB)

Iskanje izvedeno v 0.05 sek.

Na vrh