1. Učinkovit iterativni algoritem učenja razložljivih značilnic za izboljšano klasifikacijo : doktorska disertacijaDino Vlahek, 2024, doktorska disertacija Opis: 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.
Ključne besede: klasifikacija podatkov, razložljiva umetna inteligenca, učenje značilnic, odkrivanje znanja
Objavljeno v DKUM: 07.05.2024; Ogledov: 266; Prenosov: 95
 Celotno besedilo (1,22 MB) |
2. Razvoj napovednega modela za trgovanje z delniškimi vrednostnimi papirji na slovenskem borznem trguPrimož Cimperman, 2018, magistrsko delo/naloga Opis: Vpetost informacijsko-komunikacijske tehnologije v vsakdanje življenje je povzročila množično zbiranje, shranjevanje in obdelovanje podatkov, iz katerih se pridobivajo različne informacije, ki jih človek spretno uporablja pri vsakdanjih odločitvah tako doma kot na preostalih področjih svojega delovanja. Ob njihovi uporabi mora pri tem oceniti njihovo korist oziroma morebitno tveganje, ki jih pridobljena informacija prinaša. Podobno to velja tudi za trgovanje z vrednostnimi papirji na borzi, saj je primerno za lažjo odločitev o nakupu oziroma prodaji uporabiti določene pripomočke, ki so zasnovani v obliki programskih orodij. Ta nam na podlagi izbranega seta podatkov določene delnice izvajajo simulacije o potencialnem gibanju tečajnih vrednosti v prihodnosti.
V magistrskem delu smo izdelali več napovednih modelov, pri katerih smo uporabili različne metode napovedovanja, ki se pogosto uporabljajo pri analizah gibanja tečajnih vrednosti delnic. Z metodologijo CRISP-DM smo razvili štiri napovedne modele, ki se med seboj razlikujejo tako po uporabljeni metodi kot tudi po primernosti časovnega obdobja napovedovanja. Z ocenami posameznih modelov na izbranih delnicah smo prišli do različnih ugotovitev, ki so nam podale širšo sliko o tem, kakšne so prednosti in slabosti posameznih modelov ter kateri model se je izkazal za najučinkovitejšega pri napovedovanju gibanja tečajev delnic.
S pridobljenimi spoznanji si lahko pomagamo pri odločanju, ki zadeva borzno trgovanje na primeru izbranih delnic.
Ključne besede: odkrivanje znanja v podatkih, strojno učenje, podatkovno rudarjenje, metoda podpornih vektorjev, logistična regresija, trg vrednostnih papirjev.
Objavljeno v DKUM: 05.06.2018; Ogledov: 1447; Prenosov: 127
Celotno besedilo (2,55 MB) |
3. |
4. Pridobivanje znanja iz podatkov o aktivnostih nevladnih organizacij z metodo podatkovnega rudarjenjaAndrej Kositer, 2016, magistrsko delo/naloga Opis: Delovanje podjetij (predvsem globalnih) vedno večkrat vpliva na družbeno aktualne teme trajnostnega razvoja, vpliva na okolje/naravo, varstvo okolja, družbeno pravičnost, razporejanje dodane vrednosti in dobička ali odnos med razvitimi in nerazvitimi. Z dviganjem družbene zavesti in popularizacijo aktivnega državljanstva so globalna podjetja vedno bolj pod drobnogledom nevladnih organizacij, družbenih gibanj, neformalnih državljanskih skupin, ki s svojim delovanjem želijo neposredno vplivati na delovanje podjetja ali vsaj posredno oblikujejo poslovno okolje. Kot bomo kasneje opredelili, nevladne organizacije zastopajo zelo različne interese, od ozkih političnih ali poslovnih do splošnih družbenih interesov, ko delujejo v imenu najširših državljanskih pobud in želijo zaščititi splošne družbene vrednote, kot so okolje, zdravje, družbeni razvoj, izobraževanje, enakomerna porazdelitev dobrin ali splošen pravičen svetovni razvoj.
Pričujoča magistrska naloga se ukvarja s študijem in raziskovanjem značilnosti in dinamiko ekosistema, ki ga sestavljajo nevladne organizacije, globalna podjetja, zainteresirana javnost in mediji, ki spremljajo tovrstne aktivnosti. Raziskave značilnosti odnosov, povezav, odvisnosti in aktivnosti akterjev temeljijo na uporabi, analizi in tolmačenju rezultatov iskanja znanja v podatkovni bazi SigWatch. Portal SigWatch in zbrani podatki se posvečajo predvsem delovanju tovrstnih nevladnih organizacij.
V magistrski nalogi smo predstavili informacijski sistem oz. portal SigWatch in na podlagi njegovih podatkov oblikovali modele, postopke in informacijski sistem za odkrivanje novih spoznanj o delovanju nevladnih organizacij. Modele, nova spoznanja in znanja smo kritično ovrednotili, ocenili njihovo vrednost in nakazali možnosti nadaljnjih korakov pri odkrivanju pravil in znanj v obravnavanem ekosistemu.
Ključne besede: podatkovno rudarjenje
odkrivanje znanja v podatkovnih bazah
delovanje nevladnih organizacij
Objavljeno v DKUM: 08.11.2016; Ogledov: 1792; Prenosov: 176
Celotno besedilo (3,94 MB) |
5. UPORABA PODATKOVNEGA RUDARJENJA V ŠPORTUMatjaž Ogrinc, 2016, magistrsko delo/naloga Opis: V podatkih se skrivajo potencialno koristne informacije, ki jih lahko izkoristimo za pridobitev novega, uporabnega znanja. V magistrski nalogi smo obravnavali problem analize igre hokeja na ledu z uporabo podatkovnega rudarjenja.
Glavni cilj naloge je predstaviti možnosti in uporabnost podatkovnega rudarjenja v športu ter s tem prispevati k razvoju hokeja na ledu doma in po svetu. Po drugi strani pa želimo spodbuditi tudi vodenje statistike, ki je podlaga za uporabo podatkovnega rudarjenja v športu.
Rešitev problema smo izvedli po korakih procesa za odkrivanje znanja v podatkih in metodologije CRISP-DM. Na podlagi Evklidske razdalje smo praktično prikazali kako iščemo podobnosti med primeri. Njihovo povezanost pa smo preverili s pomočjo Pearsonovega koeficienta korelacije in postavili homogene napadalne trojke. S programom Orange, smo izdelali modele za uvrščanje igralcev na igralne pozicije (metoda k-NN), razvrstitev ekip in igralcev v skupine (hierarhično razvrščanje, metoda voditeljev) in za vpliv igralca na uspeh ekipe (agoritem CN2, Naive Bayesov klasifikator, odločitvena drevesa in nevronske mreže). Kot pomoč pri vizualizaciji rezultatov smo uporabili ustrezne diagrame. V zaključku smo izdelali SWOT analizo in predstavili statistike, ki bi jih bilo potrebno uvesti za resnejše analize v slovenskem hokeju.
Izdelani modeli so v pomoč strokovnemu in učinkovitemu pristopu k hokejski igri ter so z modifikacijami uporabni tudi za druge športe. Koristni so za igralce in trenerje pri analizi igre, moštva in nasprotnikov, managerjem ter vodstvu klubov pri nakupu in menjavi igralcev, iskalcem talentov, sponzorjem, novinarjem…
Ključne besede: podatkovno rudarjenje, odkrivanje znanja v podatkih, Orange, hokej na ledu
Objavljeno v DKUM: 22.04.2016; Ogledov: 1872; Prenosov: 213
Celotno besedilo (4,51 MB) |
6. Primer analize bibliografskih zapisov s področja različnih vrst kriminalitete in povezanih temKarl Petrič, Matjaž Mravlja, Teodor Petrič, Vladislav Rajkovič, 2013, izvirni znanstveni članek Ključne besede: bibliografski zapisi, analize, kriminaliteta, gospodarska kriminaliteta, migracije, kazensko pravo, odkrivanje znanja, znanstveni članki, Slovenija
Objavljeno v DKUM: 21.12.2015; Ogledov: 1421; Prenosov: 74
 Povezava na celotno besedilo
Gradivo ima več datotek! Več... |
7. UPORABA METOD PODATKOVNEGA RUDARJENJA ZA PLANIRANJE PRODAJNEGA PROGRAMAMilan Radaković, 2015, magistrsko delo/naloga Opis: Živimo v času, ko je na voljo velika kopica nepreglednih podatkov, ki se zbirajo preko različnih informacijskih sistemov. V okviru magistrskega dela smo se odločili analizirati podatke, ki so bili zbrani v treh letih poslovanja preko programa za vodenje poslovanja v maloprodaji (Birokrat), in skušati odkriti nove uporabne informacije, ki bi pripomogle k boljšemu poslovanju podjetja. Po preučitvi podatkov in specifično globokega prodajnega asortimenta smo se fokusirali na napovedovanje verjetnosti za prodajo posameznih izdelkov. Glavni motiv za to je bil zmanjšanje posledic napačnih odločitev. Izdelkov je veliko, napačne odločitve v nabavi pa se rezultirajo v slabi prodaji izdelkov. Podatke smo uredili in analizirali, zgradili napovedni model in nazadnje tudi uvedli napovedni model v poslovanje podjetja. Pri tem smo dosegli 50 % učinkovitejše napovedovanje prodaje v primerjavi z intuitivnim napovedovanjem poslovodje. Poleg tega smo z analizo podatkov prišli do veliko uporabnih informacij, ki jih prej ni bilo mogoče razbrati iz neobdelanih podatkov.
Ključne besede: odkrivanje znanja v podatkih, napovedovanje prodaje B2C, podatkovno rudarjenje, optimizacija poslovanja z uporabo metod podatkovnega rudarjenja, optimizacija prodajnega programa
Objavljeno v DKUM: 04.11.2015; Ogledov: 1929; Prenosov: 168
Celotno besedilo (1,78 MB) |
8. PRENOVA PORTALA "E-UPRAVA"Hamza Sadiković, 2014, magistrsko delo Opis: V magistrskem delu smo obravnavali prenovo portala Republike Slovenije E-uprava, ki je bila izvedena z agilno metodologijo scrum. Zahtevnost prenove državnega portala je predvsem v njegovi kompleksnosti, spreminjajočem se okolju ter nujnosti tesnega sodelovanja državne uprave in izbranega razvijalca.
V nalogi smo zasledovali dva cilja. Prvi je bil analizirati primernost metodologije scrum za prenovo portala, drugi pa je bil ugotoviti, ali lahko s podatkovnim rudarjenjem z orodjem Orange prepoznamo kritična mesta in problematične korake portala E-uprava pri oddajanju elektronskih vlog. V ta namen smo z metodo podatkovnega rudarjenja podrobno analizirali obstoječi portal E-uprava in korake za izpolnitev posameznih vlog. Ugotovili smo, da je scrum za izbrani projekt primeren, identificirali pa smo tudi njegove kritične dele, npr. kadrovske in organizacijske spremembe sredi projekta, discipliniranost, sprejemanje odločitev. Tudi odkrivanje znanja v podatkih smo potrdili kot uspešno.
Alfa različico prenovljenega portala E-uprava smo testirali s skupino študentov Fakultete za upravo Univerze v Ljubljani. Ugotovili smo, da se uporabniki na prenovljenem portalu lažje znajdejo, saj je poleg izgleda portala prenovljena tudi struktura in vsebina posameznih storitev, ki je kratka in jedrnato napisana. V veliki večini so uporabniki iskali in našli informacije z iskalnikom, uporabili in pohvalili pa so tudi nove funkcionalnosti. Magistrsko delo zaključuje SWOT-analiza projekta.
Magistrsko delo Prenova portala E-uprava lahko koristi vodstvu projekta pri boljšem organiziranju dela in določanju prednostnih nalog nadaljnje prenove, poleg tega pa je lahko tudi primer prikaza izvedbe projekta za ostale državne portale, za katere se načrtuje prenova.
Ključne besede: prenova portala, E-uprava, scrum, odkrivanje znanja v podatkih
Objavljeno v DKUM: 25.09.2014; Ogledov: 2566; Prenosov: 311
Celotno besedilo (5,39 MB) |
9. |
10. |
