| | SLO | ENG | Piškotki in zasebnost

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 / 68
Na začetekNa prejšnjo stran1234567Na naslednjo stranNa konec
1.
Evolucija prevladujočih paradigem in terminologije na področju raziskav sladkorne bolezni skozi prizmo teorije kompleksnih mrež : magistrsko delo
Luka Benkovič, 2022, magistrsko delo

Opis: Znanstveno-raziskovalna dejavnost v zadnjih desetletjih doživlja velik razmah, kar se med drugim odraža v naraščajočem številu znanstvenih in strokovnih del. Tovrstne objave so ključne za prenos in razvoj znanja, a črpanje uporabnega znanja iz vedno večjih zbirk znanstvenih del postaja vse težje. Vsak posameznik je namreč sposoben obdelati le omejeno količino informacij. Kaže se potreba po tem, da se razvijejo orodja, ki nam bodo iz velike količine podatkov pomagala pri luščenju in agregaciji uporabnih informacij. V magistrski nalogi se te problematike lotimo s podatkovnim rudarjenjem po podatkovni bazi PubMed in z orodij s področja teorije kompleksnih mrež. Kot primer obravnavamo raziskovalno področje sladkorne bolezni, ki zaradi svoje razširjenosti predstavlja pereč problem za sodobno družbo. V prvem delu naloge predstavimo način pridobivanja in obdelave podatkov ter njihove osnovne značilnosti. V nadaljevanju se osredinimo na vsebino raziskovalnih del, ki jo proučujemo na podlagi ključnih besed. Tukaj delujemo ob predpostavki, da so ključne besede dober odraz vsebine pripadajočega dela in lahko iz njih izpeljemo prevladujoče paradigme na področju. Najprej pogledamo pogostost pojavljanja oziroma frekvenco posameznih besed, iz česar sklepamo o njihovi pomembnosti. Ugotovimo, da nam zgolj preprosta frekvenca ne omogoča preučevanja časovnega razvoja pomembnosti, zato uvedemo način rangiranja besed v razrede. Besede z najvišjimi rangi predstavljajo temeljne pojme raziskovalnega področja. Srednje veliki rangi predstavljajo posamezne niše področja, medtem ko najnižji rangi odražajo specifiko posamezne raziskave. Na koncu se lotimo še povezovanja ključnih besed v kompleksne mreže, iz katerih vrednotimo relacije. Iz naših rezultatov je razvidno, da je mreža ključnih besed modularna z jasno izraženimi skupnostmi, na podlagi česar lahko razberemo interdisciplinarno povezovanje. Posebno pozornost namenimo tudi časovnemu razvoju mreže. Le-ta nenehno raste, medtem ko povprečna povezanost ne narašča monotono, temveč ima krivulja jasne vrhe v nekih prelomnih točkah raziskav. To implicira nova odrkitja, ki imajo za posledico umeščanje novih ključnih besed, terminologije oziroma paradigem v obstoječo strukturo.
Ključne besede: sladkorna bolezen, podatkovno rudarjenje, kompleksne mreže, razvoj terminologije
Objavljeno v DKUM: 08.04.2022; Ogledov: 200; Prenosov: 23
.pdf Celotno besedilo (2,63 MB)

2.
Električna vozila: rešitev ali nova težava? : rešitev ali nova težava?
Primož Zupan, 2022, diplomsko delo

Opis: V diplomskem delu smo predstavili pozitivne in negativne vidike pri masovnem uvajanju električnih vozil z analizo vseh procesov, ki nastopajo v življenjski dobi e-avtomobila. Prav tako smo predstavili problem baterij in razpoložljivost surovin, potrebnih za njihovo proizvodnjo v globalnem smislu ter okoljske probleme, ki jih intenzivno rudarjenje povzroča v regijah, kjer se surovine nahajajo. Opisali smo tudi obremenitve, ki bi nastale na distribucijskih omrežjih električne energije ob masovnem uvajanju e-vozil. V nalogi smo opredelili tudi različne pristope, ki jih uporabljajo države EU pri vzpodbujanju prehoda v e-mobilnost.
Ključne besede: električna vozila, e-mobilnost, rudarjenje, baterije, okoljske dileme
Objavljeno v DKUM: 16.02.2022; Ogledov: 309; Prenosov: 122
.pdf Celotno besedilo (1,77 MB)

3.
Analiza raziskovalnih pristopov v zaključnih delih s pomočjo metod rudarjenja besedil
Jan Vidmar, 2022, magistrsko delo

Opis: Raziskovalna področja se med seboj razlikujejo tudi po uporabi raziskovalnih strategij, kar se prav tako odraža v študijskih programih. Čedalje več je v uporabi tudi mešanih raziskovalnih strategij, kar ne preseneča, saj se tudi področja med seboj vse bolj prepletajo. Zato smo na primeru povzetkov diplomskih nalog s Fakultete za organizacijske vede želeli ugotoviti, ali je mogoče s pomočjo metod rudarjenja besedil ugotoviti raziskovalno strategijo in jo povezati s študijskim programom. Zbrali smo po 100 povzetkov diplomskih del iz treh osnovnih študijskih programov na fakulteti, torej skupno 300 povzetkov diplomskih nalog. Želeli smo tudi ugotoviti, ali je mogoče iz povzetka diplomske naloge prepoznati raziskovalno strategijo in napovedati, iz katerega programa prihaja diplomska naloga. V ta namen smo uporabili raziskovalno strategijo načrtovanja in razvoja, kot osnovno metodo razvojnega cikla pa smo izbrali CRISP-DM. Izdelali smo Python skripto, ki je omogočila ekstrakcijo povzetkov in jih uredila v urejen korpus. S področja rudarjenja besedil smo uporabili tako nenadzorovane kot nadzorovane metode: metode gručenja, besednega oblaka in napovedovanja razreda. Za uporabo metod rudarjenja besedil smo uporabili orodje Orange Data Mining tool. Ugotovili smo, da lahko iz povzetkov z visoko natančnostjo napovemo študijski program, v katerega sodi posamezna diploma. Rezultati kažejo, da je najpogostejša raziskovalna strategija na področju kadrovskih in izobraževalnih sistemov vzorčna raziskava, medtem ko sta na področju informacijskih sistemov to načrtovanje in razvoj.
Ključne besede: raziskovalne strategije, python ekstrakcija besedil, orange rudarjenje besedil, CRISP-DM
Objavljeno v DKUM: 02.02.2022; Ogledov: 175; Prenosov: 33
.pdf Celotno besedilo (2,53 MB)

4.
Napovedovanje prodaje z dodatnimi odprtimi podatkovnimi viri
Denis Kolman, 2021, magistrsko delo

Opis: Rešitev, predstavljena v nalogi, se osredotoča na izboljšanje procesa napovedovanja prodajnih rezultatov izdelkov ali storitev s pomočjo vpeljave dodatnih odprtih virov podatkov. Z nalogo želimo poudariti, kako enostavno lahko pridobimo podatke in jih zelo dragoceno uporabimo v procesu poslovanja. Za končno primerjavo in vrednotenje smo najprej postavili dva modela v različnih sistemih za napovedovanje prodajnih rezultatov na podlagi enega vira, to so zgodovinski podatki prodaje. V nadaljevanju smo napovedni model s historičnimi podatki nadgradili. Dodali smo še podatke o številu zabeleženih bolezni, ki smo jih pridobili preko spletnega portala z javno objavljenimi podatki (odprti podatki). Korelacija med omenjenimi podatki obstaja, vendar je povezovanje te vrste podatkov kompleksno, zato je interpretacija rezultatov po eni strani lahko zelo zahtevna, po drugi strani pa povsem logična in zanimiva. Cilj, ki smo si ga zadali, je torej pokazati tri različne modele za napovedovanje, jih primerjati in ugotoviti, kakšen doprinos prinesejo odprti podatki. Rezultati naloge so pokazali, da smo zgradili zelo dobro osnovo za nadaljnji razvoj rešitve in enostavno implementacijo v uporabo.
Ključne besede: Odprti (javni) podatki, napovedovanje, podatkovno rudarjenje, model CRISP-DM.
Objavljeno v DKUM: 07.12.2021; Ogledov: 197; Prenosov: 23
.pdf Celotno besedilo (2,29 MB)

5.
Uporaba javno dostopnih podatkov za oceno podobnosti vozil z ukradenimi : diplomsko delo visokošolskega študijskega programa Informacijska varnost
Benjamin Steiner, 2021, diplomsko delo

Opis: V Sloveniji je letno ukradenih med 900 in 1100 vozil, ampak policiji uspe izslediti le 25% teh vozil. Trenutno ne obstaja storitev, preko katere lahko poljubno vozilo primerjamo s seznamom ukradenih vozil in izluščimo le najbolj podobna vozila, ali posledično najdemo ukradeno vozilo. Za naslovitev problema je bil ustvarjen model, ki s pomočjo uporabe algoritma za iskanje najbližjih sosedov išče ukradena vozila, ki so najbolj podobna poljubno izbranemu vozilu. Da bi testirali razviti model, smo izbrali 200 vozil za vsako izmed 11 najpogostejših znamk avtomobilov na spletni strani Avto.net. Razdalje med avtomobili smo razvrstili v 3 opisne stopnje glede na podobnost: zelo podobna vozila, podobna vozila in malo podobna vozila. Opisne stopnje podobnosti so ustrezno merilo za ocenjevanje podobnosti vozil, saj so mejne razdalje med vozili jasno določene in neodvisne od znamke avtomobilov.
Ključne besede: podatki, javno dostopni podatki, rudarjenje podatkov, ukradena vozila, diplomske naloge
Objavljeno v DKUM: 18.11.2021; Ogledov: 209; Prenosov: 41
.pdf Celotno besedilo (1,06 MB)

6.
Poslovni vpliv bitcoina
Aljaž Sobočan, 2021, diplomsko delo

Opis: Bitcoin je globalno prisoten že vse od svojega nastanka, leta 2009. Vse od takrat so njegova prepoznavnost, možnosti uporabe, cena ter moč močno naraščale. Vendar ima kljub mnogim prednostim ter izboljšavam obstoječih finančnih sistemov, kar nekaj pomanjkljivosti. Namen diplomskega dela je predstaviti lastnosti Bitcoina, pridobivanje ter tehnologijo, ki stoji v ozadju celotnega omrežja. Raziskali smo kdo stoji za reguliranjem po svetu, kakšne prednosti prinaša in možnosti dolgoročne naložbe. Prav tako smo raziskali slabosti Bitcoina. Usmerili smo se predvsem na slabosti volatilnosti, varnosti ter negativen vpliv na vlade ter vladne organizacije. Predstavili smo tudi trenutne regulacije po svetu ter možnosti uporabe po svetu. Na koncu smo predstavili največjega konkurenta, Ethereum ter ga primerjali z Bitcoinom, skušali smo ugotoviti, katera izmed kripto valut ima večje možnosti za množično uporabo v prihodnosti.
Ključne besede: Bitcoin, ethereum, kripto valuta, veriga blokov, rudarjenje.
Objavljeno v DKUM: 11.11.2021; Ogledov: 334; Prenosov: 62
.pdf Celotno besedilo (937,20 KB)

7.
Obdavčitev trgovanja ter ostalih oblik ustvarjanja dohodka s kriptovalutami : magistrsko delo
Gianluca Holderjan, 2021, magistrsko delo

Opis: Tradicionalne metode obdavčitve teh dohodkov zmeraj niso več primerne, tako da sem se odločil skozi magistrsko delo prikazati, na kak način se je s tem problemom soočila predvsem Republika Slovenija. Gre za eno novejših davčnih problematik, saj sama možnost trgovanja v 24-urnem, 7 dni na teden trajajočem trgu prinaša nove izzive za učinkovito in pošteno davčno regulacijo. Visoka volatilnost kriptovalutnega trga prinaša možnost trgovalcu, da v kratkem času izvede večje število nakupov in prodaj, kar hkrati pomeni težave za finančni organ, da bi kriptovalute ustrezno prilagodila v že obstoječo, tradicionalno davčno zakonodajo. Namen magistrske naloge je bil raziskati in predstaviti, kako poteka obdavčitev različnih oblik ustvarjanja dohodka s kriptovalutami. Magistrsko delo je primarno osredotočeno na Bitcoin kot osrednjo figuro tehnologije veriženja blokov. Zaradi popolnejšega pregleda sem skozi osnove tehnologije veriženja blokov prikazal pomen te tehnologije, kakšne prednosti in slabosti prinaša v moderno računalniško, finančno in davčno dobo. Nadalje je prikazano kako, za koga in kdaj se je slovenski davčni organ - FURS odločil obdavčiti trgovanje, rudarjenje ter ostale načine pridobivanja dohodka s kriptovalutami. Primerjalno je prikazana tudi davčna ureditev kriptovalut v ZDA, v Nemčiji, na Hrvaškem ter še nekaterih drugih državah.
Ključne besede: Kriptovalute, Bitcoin, Ethereum, davki, trgovanje, dobiček, izguba, rudarjenje.
Objavljeno v DKUM: 11.10.2021; Ogledov: 306; Prenosov: 58
.pdf Celotno besedilo (1,83 MB)

8.
Implementacija sistema za klasifikacijo novic o vrednostnih papirjih
Jure Jakič, 2021, magistrsko delo

Opis: Klasifikacija novic o podjetjih predstavlja časovno zelo dolgotrajen proces, saj je vsako novico potrebno prebrati in ji na podlagi vsebine določiti vsebinski pomen. Z razvojem metod za podatkovno rudarjenje lahko ta proces avtomatiziramo, s čimer novice razvrščamo v zanemarljivem času. V okviru magistrskega dela smo razvili sistem pridobivanja, prečiščevanja in klasifikacije novic. Novice smo pridobivali iz brezplačnih spletnih virov ter si ustvarili korpus besedil, ki smo jih najprej obdelali z orodjem Orange ter nato zgradili napovedne modele z uporabo različnih algoritmov. S pomočjo vizualizacij in matrike zamenjav smo prikazali kakovost napovednih modelov ter jih na podlagi njihove uspešnosti ovrednotili. S pomočjo ML.NET knjižnice smo na koncu razvili sistem avtomatske klasifikacije, ki novice glede na njihovo vsebino z 80 % natančnostjo klasificira v skupine.
Ključne besede: podatkovno rudarjenje, klasifikacija tekstov, trgovanje, novice, vrednostni papir
Objavljeno v DKUM: 09.08.2021; Ogledov: 261; Prenosov: 22
.pdf Celotno besedilo (1,84 MB)

9.
Razvoj metodologije za avtomatično klasifikacijo elektronskih publikacij v univerzalno decimalno klasifikacijo – udk24112018
Matjaž Kragelj, 2019, doktorska disertacija

Opis: Čeprav so znanstveni in strokovni članki večinoma bibliografsko obdelani in imajo zapis v knjižničnem katalogu COBIB, ter s tem definiranega enega ali več vrstilcev iz sistema Univerzalne decimalne klasifikacije (UDK), je večina člankov, dostopnih prek portala Digitalne knjižnice Slovenije, predvsem s področja kulture (starejši članki iz revij in časopisov), ki takšnega zapisa nimajo. Na spletnem mestu Digitalne knjižnice Slovenije je mogoče preiskovanje dokumentov zgolj po polnem besedilu. To je trenutno najboljše orodje za preiskovanje starejših besedil, a uporaba in preiskovanja publikacij na tak način, zaradi pomanjkljivosti (slabša kvaliteta razpoznave besedila v časopisih in revijah starejšega tipa, uporaba stare slovenščine, itd.) in prevelikega števila vrnjenih zadetkov pri iskanju, ne nudi sodobne uporabniške izkušnje in uporabniku otežuje delo. Osnovni problem, ki ga naslavljamo v disertaciji je pomoč pri bibliografski obdelavi besedil, ki je še vedno v rokah človeških ekspertov. Izhajamo iz teze, da je s pomočjo metod strojnega učenja možno avtomatsko klasificirati besedila v ustrezen UDK vrstilec in s tem podpreti človeka pri bibliografski obdelavi zapisov. V ta namen smo po pristopu načrtovanja in razvoja razvili klasifikacijski model, ki smo ga uporabili za klasificiranje starih besedil, ki so bila doslej klasificirana večinoma zgolj posredno, preko klasifikacije celotne revije oz. časopisa, kot na primer "Časopisi. Tisk. Novinarstvo". V disertaciji smo razvili klasifikacijski model s pomočjo metod strojnega učenja, s katerimi smo uspeli avtomatsko klasificirati kakršnokoli besedilo s pomočjo Univerzalne decimalne klasifikacije. Med tehnikami strojnega učenja smo se poslužili nenadzorovanega in nadzorovanega učenja. V prvem koraku smo nad manjšo množico podatkov (900 člankov) nenadzorovano učenje uporabili za preverjanje sorodnosti med dodeljenimi UDK vrstilci s strani bibliotekarjev in izgrajenimi gručami s strani algoritma. V drugem koraku smo nad celotnim korpusom znanstvenega časopisja Digitalne knjižnice Slovenije (več kot 70.000 znanstvenih besedil) razvili klasifikacijske modele, kjer je bilo razmerje učne in testne množice je bilo 80/20 odstotkov. Ko smo potrdili uspešnost klasifikacijskih modelov nad znanstvenimi besedili, smo jih uporabili za klasifikacijo več kot 200.000 starejših besedil. Uporabili smo Naivni Bayesov klasifikator, Metodo podpornih vektorjev, Večslojni perceptron, Logistično regresijo in algoritem k najbližjih sosedov. Ustreznost klasifikacije starih besedil smo preverili s človeškimi eksperti – bibliotekarji. Potrdili smo domnevo, da lahko s pomočjo znanstvenih in strokovnih člankov, klasificiranih v UDK, v vsaj 80% primerov ponudimo avtomatsko določene UDK vrstilce za starejše gradivo, ki ni bibliotekarsko obdelano. Poudariti velja, da gre pri tem delu za človeško odločitev, testiranje s človeškimi eksperti, za oceno in presojo, ki lahko variira od odločevalca do odločevalca. Poleg oplemenitenja starejših besedil iz osemnajstega, devetnajstega in prve polovice dvajsetega stoletja s vsebinskimi oznakami UDK vrstilcev, ima raziskava praktično moč v vsakodnevni rabi. Z gledišča podpore avtomatske klasifikacije publikacij pri vsakodnevnem delu bibliotekarjev, vidimo moč implementacije raziskave v informacijski sistem, ki je bibliotekarju sposoben v realnem času ponuditi izračunane predloge za določitev primernih klasifikatorjev publikacije, ki jo obdeluje. Bibliotekar lahko pridobi s strani stroja "drugo mnenje" pri procesu dodeljevanja UDK vrstilcev publikaciji, ki jo obdeluje. Hkrati je metodologija lahko uporabljena na različnih področjih in podatkovnih bazah ter klasifikacijskih sistemih, ne zgolj za dodeljevanje UDK vrstilcev.
Ključne besede: Umetna inteligenca, strojno učenje, podatkovno rudarjenje, Univerzalna decimalna klasifikacija, klasifikacija besedil
Objavljeno v DKUM: 03.02.2021; Ogledov: 535; Prenosov: 62
.pdf Celotno besedilo (4,35 MB)

10.
Uporaba metod strojnega učenja za izboljšanje spletnega vprašalnika
Duško Rodić, 2020, magistrsko delo

Opis: Zbiranje podatkov preko spletnega vprašalnika je v današnjem času pravzaprav stalnica, saj gre za hiter in učinkovit način za zajemanje podatkov iz širše populacije. Pogosto pa so vprašalniki predolgi in tudi kompleksne, zato ne zajemamo ciljne populacije in ne dobimo prave slike o raziskovanem stanju. Poseben primer je zajemanje podatkov z namenom ocene primernosti uporabe zalo-zmogljivega računalništva v oblaku za mala in srednje velika podjetja. Ta vprašalnik je namenjen zajemu vhodnih podatkov za večkriterijski model, ki omogoča oceno potenciala, ki v praksi ni v celoti zaživel. Izhajamo iz predpostavke, da je tudi kompleksnost vprašalnika vplivala na šibek odziv respondentov. Iz tega smo razvili raziskovalno vprašanje: »Ali je mogoče vprašalnik skrajšati s pomočjo strojnega učenja?«. Cilj magistrske naloge je, da s pomočjo metod strojnega učenja skušamo ugotoviti katera vprašanja največ prispevajo k oceni potenciala ter na ta način skrajšati vprašalnik. Problem smo reševali z uporabo metod strojnega učenja. V ta name smo analizirali večkriterijski model, vprašalnik za zajemanje podatkov, odgovore respondentov ter v programu Orange , ki poleg metod strojnega učenja vsebuje tudi vizualizacijo podatkov, IV analizirali prispevek posameznega vprašanja h končni oceni. Rezultati kažejo, da imajo nekateri kriteriji večji vpliv na končno oceno potenciala uporabe zelo-zmogljivega računalništva v oblaku, vendar se ti kriteriji nanašajo na splošne atribute primerov (npr. država, vrsta organizacije). Ob izločitvi trivialnih kriterijev napoved modela še vedno ni dovolj natančna, zato je edini zaključek, ki ga lahko potegnemo, da na pričujočih podatkih ni bilo možno izbrati takega nabora kriterijev oziroma vprašanj, s katerimi bi lahko natančno ocenili potencial uporabe zelo-zmogljivega računalništva v oblaku.
Ključne besede: - zelo-zmogljivo računalništvo, - oblak, - strojno učenje, - podatkovno rudarjenje, - Orange (program).
Objavljeno v DKUM: 23.12.2020; Ogledov: 432; Prenosov: 38
.pdf Celotno besedilo (4,63 MB)

Iskanje izvedeno v 0.18 sek.
Na vrh
Logotipi partnerjev Univerza v Mariboru Univerza v Ljubljani Univerza na Primorskem Univerza v Novi Gorici