1. Mobilna aplikacija za pretvorbo slik iz formata raw v format png s pomočjo strojnega učenjaUroš Mravljak, 2025, diplomsko delo Opis: V diplomskem delu je prikazan razvoj aplikacije za pretvorbo slik formata RAW v format PNG, pri čemer uporabljamo dva pristopa. Prvi temelji na standardnih algoritmih za pretvorbo slik, drugi pa na strojnem učenju, kar pomeni, da je bil model naučen čim bolj natančno pretvarjati sliko iz enega formata v drugega. Ta aplikacija dobro služi fotografom, ki zajemajo slike v formatu RAW, saj jih lahko na svojem mobilnem telefonu pretvorijo kar na poti. Na koncu sta sledili primerjava in analiza rezultatov za ugotavljanje, kateri postopek prinaša boljše rezultate. Za učenje modela je bilo uporabljenih 16 različnih slik, algoritem pa je bil implementiran s pomočjo knjižnic. Pretvorba z algoritmom je poskrbela za kvalitetnejše slike, vendar je bila pretvorba z modelom včasih hitrejša. Pretvorjene slike so bile primerjane z metrikama PSNR in SSIM ter analizirane.
Ključne besede: raw, png, slika, pretvorba, strojno učenje
Objavljeno v DKUM: 08.05.2025; Ogledov: 0; Prenosov: 3
 Celotno besedilo (2,93 MB) |
2. Spoznavanje ljudskih glasbil Grilove etnološke zbirke pri glasbeni umetnosti : magistrsko deloTjaša Hameršak, 2025, magistrsko delo Opis: Skozi sistematično analizno literature smo v magistrskem delu opredelili izkustveno učenje, pri čemer smo se osredotočili na muzejsko pedagogiko. Prav tako smo opredelili pojma kulturna dediščina in ljudska glasbila ter pripravili pregled ljudskih glasbil v Grilovi etnološki zbirki. Gre za največjo zasebno etnološko zbirko v severno-vzhodnem delu Slovenije, ki priča o tem, da lahko tudi amaterski zbiratelji pripomorejo k ohranjanju kulturne dediščine.
Na podlagi analize teoretičnih izhodišč smo oblikovali štiri učne enote, zasnovane na podlagi izkustvenih delavnic. Učne enote smo v obliki delavnic izvedli na Gradu Rače s petim razredom osnovne šole. Izvedli smo kvalitativno metodo študije primera, kjer smo s triangulacijo preverili odziv učencev in učiteljev na izvedene učne enote. Učenci so izrazili zadovoljstvo z vključenimi dejavnostmi, ki so jih spremljali z zanimanjem. Učitelji so izpostavili dobro premišljen preplet dejavnosti in teoretičnega znanja, kar je učencem omogočilo, da so si snov bolje zapomnili.
Ključne besede: Grilova etnološka zbirka kulturne dediščine, kulturna dediščina, ljudska glasbila, zvočne igrače, izkustveno učenje
Objavljeno v DKUM: 25.04.2025; Ogledov: 0; Prenosov: 4
Celotno besedilo (3,38 MB) |
3. Primeri učnih poti po občini Velika Polana kot oblika izkustvenega učenja izven učilnice pri poučevanju v prvem triletju osnovne šole : magistrsko deloNina Kotnjek, 2025, magistrsko delo Opis: Pouk izven učilnice učencem omogoča, da znanje pridobijo skozi konkretno izkušnjo, kar vodi do boljšega razumevanja snovi ter hkrati tudi trajnejšega znanja. Poznamo veliko različnih oblik pouka na prostem, med katerega spada tudi učna pot. Magistrska naloga z naslovom Primeri učnih poti po občini Velika Polana kot oblika izkustvenega učenja izven učilnice pri poučevanju v prvem triletju osnovne šole je sestavljena iz teoretičnega in praktičnega dela. V teoretičnem delu se osredotočimo na opredelitev izkustvenega učenja, pouka na prostem, učne poti ter predstavitev same občine Velika Polana in njenih znamenitosti. V praktičnem delu pa predstavimo načrt poteka učnih poti za 1., 2. in 3. razred osnovne šole. Nato sledijo podrobne učne priprave za posamezni razred, v katere so vključeni splošni in operativni cilji, ki se realizirajo pri izvedenih dejavnostih učne poti. Dejavnosti in aktivnosti so načrtovane tako, da se osredotočajo na čim večjo aktivnost učencev, zraven tega pa učenci razvijajo še sodelovanje v skupini, komunikacijo, natančno opazovanje ter poslušanje. Primeri učnih poti so zapisani za vsak razred posebej, prav tako pa je težavnost proge primerna starosti učencev.
Ključne besede: izkustveno učenje, pouk izven učilnice, učna pot, občina Velika Polana
Objavljeno v DKUM: 18.04.2025; Ogledov: 0; Prenosov: 22
Celotno besedilo (13,73 MB) |
4. Strojno učenje in obdelava naravnega jezika za pripravo analize sentimenta na spletuMatija Jerin, 2025, magistrsko delo Opis: Magistrsko delo obravnava področje analize sentimenta z uporabo strojnega učenja in obdelave naravnega jezika. Namen dela je razviti model, ki bi bil sposoben analizirati sentiment besedil, pridobljenih s spletnih platform, zlasti z družbenega omrežja X (prej Twitter).
V delu smo uporabili različne metode strojnega učenja in obdelave naravnega jezika. Najprej smo podatke pridobili iz odprtih virov, jih očistili in normalizirali z metodami, kot sta lemmatizacija in tokenizacija. Pri obdelavi podatkov smo uporabili več tehnik, vključno z Bag of Words, s pozitivno/z negativno frekvenco in s TF-IDF, za kar smo uporabili Python knjižnice, kot sta NLTK in scikit-learn. Model smo učili z metodo logistične regresije, naivnega bayesa in z metodo podpornih vektorjev ter testirali njihovo natančnost s pomočjo ločenih testnih podatkov.
Rezultati kažejo, da je logistična regresija v kombinaciji z značilkami TF-IDF dosegla najvišjo natančnost pri predvidevanju sentimenta, in sicer 88,65 %, kar pomeni, da je model sposoben zanesljivo prepoznati sentiment besedil kot pozitiven ali negativen. Kljub uspehu modela obstaja potencial za nadaljnje izboljšave. Uporaba večjih in bolj raznovrstnih podatkovnih zbirk ter naprednejših tehnik globokega učenja, kot so nevronske mreže (LSTM ali BERT), bi lahko še povečala natančnost in zmogljivost modela.
Zaključki magistrskega dela potrjujejo, da je analiza sentimenta z uporabo strojnega učenja izvedljiva in uporabna v različnih okoljih. V prihodnje priporočamo implementacijo API-ja za omrežje X, kar bi omogočilo sprotno pridobivanje podatkov in avtomatizirano analizo sentimenta v realnem času. Prav tako bi lahko nadgradnja modela z globokim učenjem pripomogla k obvladovanju kompleksnejših jezikovnih struktur in kontekstov, kot sta sarkazem in večpomenskost.
Ključne besede: analiza sentimenta, strojno učenje, obdelava naravnega jezika
Objavljeno v DKUM: 09.04.2025; Ogledov: 0; Prenosov: 8
Celotno besedilo (4,85 MB) |
5. Upravljanje talentov v digitalni dobiMarija Jovičić, 2025, magistrsko delo Opis: Raziskava obravnava digitalizacijo v kontekstu upravljanja talentov in organizacijskega razvoja v digitalni dobi. V današnjem hitrem in dinamičnem poslovnem okolju digitalizacija oblikuje vse vidike poslovanja organizacij, vključno z menedžmentom človeških virov. V tem kontekstu postaja upravljanje talentov vse pomembnejši proces za dosego in ohranjanje konkurenčne prednosti organizacij. Digitalna orodja, kot so umetna inteligenca in sistemi za podporo odločanju, izboljšujejo preglednosti in omogočajo etično usmerjene odločitve, kar pripomore k večji natančnosti in preglednosti v organizacijskih procesih. Hkrati digitalizacija prinaša izzive, kot so povečana konkurenca pri pridobivanju talentov ter izzivi pri usklajevanju poklicnega in zasebnega življenja, kar zahteva uvedbo politik, kot je pravica do odklopa, da bi preprečili izgorelost zaposlenih. Poleg tega digitalna orodja pozitivno vplivajo na razvoj kompetenc, karierni napredek in izboljšanje zadrževanja talentov. Vendar digitalizacija prinaša tudi izzive, kot so manjša osebna interakcija in večja fluktuacija zaposlenih. Digitalizacija torej preoblikuje prakse upravljanja talentov, vendar zahteva premišljeno strategijo za obvladovanje negativnih vplivov, kot so izgorelost in težave pri usklajevanju osebnega in poklicnega življenja. Uspešna implementacija digitalnih orodij v organizacijah je mogoča le, če se upoštevajo izzivi ter oblikujejo ustrezne strategije, ki omogočajo polno izkoriščanje prednosti digitalne preobrazbe. Tako lahko organizacije v celoti izkoristijo potencial digitalnih orodij za razvoj in upravljanje talentov v dinamičnem poslovnem okolju.
Ključne besede: digitalizacija, upravljanje talentov, osebna blagovna znamka, nenehno učenje, etika v HR, ravnovesje med poklicnim in zasebnim življenjem.
Objavljeno v DKUM: 25.03.2025; Ogledov: 0; Prenosov: 64
Celotno besedilo (1,26 MB) |
6. Povezovanje naravoslovnih in tehničnih vsebin z izkustvenim učenjem v naravi: vzorčni model za izvedbo aktivnosti znotraj različnih gozdnih okolij : magistrsko deloDan Simenčič, 2025, magistrsko delo Opis: Osrednja naloga magistrskega dela je bila raziskati pomen naravoslovnega in tehničnega izobraževanja v naravnem (gozdnem) okolju, s poudarkom na izkustvenem učenju in praktičnih aktivnostih. Sestavljena je iz teoretičnega in praktičnega dela.
V teoretičnem delu so predstavljeni vsebine predmeta naravoslovje in tehnika ter tudi pomembnost in vpliv učenja v naravi, vloga staršev in primeri dobrih praks. Velika pozornost se namenja učnim pristopom, kot so raziskovalno učenje, taborništvo, gozdna pedagogika in pustolovsko učenje, ki koristijo pri poučevanju v naravnih okoljih. Omenjen je tudi pomen gozda v izobraževanju.
Praktični del zavzema sklop nalog in opis treh aktivnosti (vezanje vozlov, izdelava gozdnega kolesa in gradnja bivaka), ki so bile izvedene na dveh osnovnih šolah v različnih naravnih okoljih. Enkrat v mestnem parku, drugič pa v klasičnem slovenskem gozdu. Aktivnosti so bile zasnovane s pomočjo učne priprave in predstavljene s pomočjo priročnika. Rezultati so potrdili večjo stopnjo motivacije, zanimanja, ustvarjalnosti in sodelovanja učencev pri izvedbi. Prav tako se je uresničilo, da je narava ponudila prostor, ki ponuja bogate možnosti za celostni in trajnostni razvoj vseh učencev.
Ključne besede: naravoslovje in tehnika, naravno okolje, učenje v naravi, izkustveno učenje, praktične aktivnosti
Objavljeno v DKUM: 19.03.2025; Ogledov: 0; Prenosov: 34
Celotno besedilo (10,38 MB) |
7. Učenje redkih nevronskih mrež z iterativnim rezanjem parametrovNejc Podvratnik, 2025, magistrsko delo Opis: Moderno globoko učenje pogosto vključuje nevronske mreže, ki imajo nepotrebno veliko število parametrov oziroma povezav. Posledica tega je višja časovna in prostorska zahtevnost pri delu z mrežami. Možna rešitev problema je hipoteza loterijskih srečk, ki pravi, da v množici povezav vsake naprej povezane nevronske mreže obstaja podmnožica, ki je manjša in ohranja enako in v nekaterih primerih tudi večjo uspešnost. Imenujemo jo zmagovita srečka. V magistrskem delu je predstavljena in dokazana hipoteza loterijske srečke ter implementiran lasten algoritem za iterativno rezanje parametrov, ki je bil testiran in analiziran na različnih arhitekturah, podatkovnih zbirkah in hiperparametrih.
Ključne besede: strojno učenje, redka nevronska mreža, hipoteza loterijskih srečk, rezanje
Objavljeno v DKUM: 04.03.2025; Ogledov: 0; Prenosov: 31
Celotno besedilo (2,88 MB) |
8. Detekcija napak v proizvodnji z uporabo algoritma YOLO : magistrsko deloJovan Babajić, 2025, magistrsko delo Opis: Magistrsko delo preučuje uporabo algoritma You Only Look Once (YOLO) za zaznavanje napak na piškotkih v proizvodnih procesih. Ugotovitve kažejo, da modeli manjše velikosti učinkovito zaznavajo napake pri manjših podatkovnih naborih, medtem ko večji modeli zahtevajo večjo količino podatkov za optimalno delovanje. Implementacija YOLO algoritma za avtomatizirano zaznavanje napak prinaša izboljšano kakovost in učinkovitost proizvodnje ter zmanjšuje stroške. Avtomatizacija omogoča zaposlenim, da se osredotočijo na analizo podatkov, kar povečuje njihovo zadovoljstvo in vrednost. Delo poudarja pomembnost naprednih tehnologij pri spodbujanju inovacij in konkurenčne prednosti v industriji.
Ključne besede: YOLO, zaznavanje napak, piškotek, avtomatizirana kontrola kakovosti, strojno učenje
Objavljeno v DKUM: 03.03.2025; Ogledov: 0; Prenosov: 23
Celotno besedilo (4,83 MB) |
9. Analiza učinkovitosti različnih metod strojnega učenja pri napovedovanju sončnega sevanja : diplomsko deloDragan Popović, 2024, diplomsko delo Opis: V diplomskem delu smo primerjali učinkovitost dveh modelov strojnega učenja, LSTM (Long Short-Term Memory) in FFNN (Feedforward Neural Network), pri napovedovanju globalnega horizontalnega obsevanja (GHO). Sončna energija je ključna za trajnostni razvoj, saj predstavlja čisto in obnovljivo alternativo fosilnim gorivom, vendar njeno izkoriščanje zahteva natančne napovedi sončnega obsevanja. V nalogi smo najprej obravnavali teoretične osnove sončne energije, fotovoltaike in izzive, povezane z napovedovanjem vrednosti GHO. Nato smo v praktičnem delu izvedli simulacije v okolju MATLAB, kjer smo modela trenirali na podatkih iz let 2018–2021 in napovedovali vrednosti za leto 2022. Rezultati so pokazali, da je LSTM model splošno boljši pri napovedovanju GHO, saj je izkazal večjo stabilnost, natančnost in zmožnost zajemanja sezonskih sprememb v primerjavi s FFNN modelom, ki je imel več težav pri napovedovanju ekstremnih vrednosti in sezonskih nihanj. Na podlagi teh ugotovitev zaključujemo, da je LSTM model primernejši za napovedovanje GHO, medtem ko FFNN model potrebuje nadaljnjo optimizacijo. Naloga ponuja prispevek k razvoju natančnejših napovednih modelov, ki so ključni za optimizacijo izkoriščanja sončne energije in prispevek k trajnostnemu razvoju.
Ključne besede: sončna energija, strojno učenje, globalno horizontalno obsevanje
Objavljeno v DKUM: 07.02.2025; Ogledov: 0; Prenosov: 18
Celotno besedilo (6,31 MB) |
10. |
