Iskanje po katalogu digitalne knjižnice

Opis: Uvod: Uporaba naprednih tehnologij, kot je navidezna resničnost (NR), postaja vse bolj prisotna v izobraževanju na področju tematik iz urgentne medicine. V diplomski nalogi predstavljamo učinkovitost NR pri učenju temeljnih postopkov oživljanja (TPO) odrasle osebe. Metode: Pridobivanje podatkov je bilo opravljeno s pomočjo podatkovnih baz Pubmed in ScienceDirect ter iskalnikov Journal of Medical Internet Research Publications in Google Scholar. Zbrano literaturo smo pregledali, analizirali in sintetizirali. Rezultati: Od 51 zadetkov smo v analizo vključili tri članke iz baz in 8 z ročnim iskanjem. V raziskave, izvedene med letoma 2019–2024 v Evropi, Aziji in Severni Ameriki, je bilo vključenih 867 študentov zdravstvenih ved oz. delavcev. Sedem je bilo randomiziranih kontroliranih študij, dve kvazieksperimentalni in dve mešanih metod. Najpogosteje so študije proučevale vpliv NR na znanje, natančnost TPO in samozavest, redkeje pa na stres, dolgoročno znanje, zadovoljstvo in stroškovno učinkovitost. Razprava in sklep: Uporaba NR pri učenju TPO odraslih se je večinoma izkazala kot učinkovita – izboljšali so se znanje, samozavest in dolgoročna ohranjenost znanja, stres pa se je ponekod znižal ali ostal enak. Povečalo se je zadovoljstvo, stroškovna učinkovitost pa je bila v nekaterih primerih pozitivna. NR tako predstavlja obetavno dopolnilo tradicionalnim metodam, zlasti v kombiniranem učenju.
Ključne besede: navidezna resničnost, oživljanje, temeljni postopki oživljanja, učenje, odrasla oseba
Objavljeno v DKUM: 18.11.2025; Ogledov: 0; Prenosov: 2
Celotno besedilo (1,59 MB)

Opis: V magistrskem delu so predstavljeni temeljni koncepti strojnega učenja in orodja za njihovo implementacijo, s posebnim poudarkom na praktičnem učenju z uporabo programskega jezika Python in njegovih uveljavljenih knjižnic, kot so NumPy, Pandas, Scikit-learn, Matplotlib, Keras in TensorFlow. Delo sistematično opisuje ključne faze razvoja modelov strojnega učenja, ki vključujejo pridobivanje in predobdelavo podatkov, izvedbo eksplorativne analize, uporabo različnih algoritmov za učenje ter vrednotenje njihove uspešnosti z ustreznimi metričnimi kazalci. V praktičnem delu so podrobneje prikazani trije primeri uporabe. Prvi primer obravnava napoved topnosti spojin, pri čemer je bil na osnovi javno dostopnega nabora podatkov razvit regresijski model za napoved kvantitativnih vrednosti. Drugi primer prikazuje uporabo klasifikacijskega modela za razvrščanje podatkov, pri čemer je bil poseben poudarek namenjen vrednotenju uspešnosti modela z različnimi metrikami. Tretji primer vključuje učenje večplastne nevronske mreže na znanem podatkovnem naboru ročno napisanih številk MNIST in ilustrira celoten proces – od priprave podatkov, nastavitve arhitekture modela, učenja modela, do vizualizacije in interpretacije rezultatov. Rezultati teh primerov potrjujejo, da je strojno učenje mogoče učinkovito približati študentom kemijskega inženirstva s kombinacijo teoretičnih osnov in praktičnih vaj, kar pomembno prispeva k njihovi boljši usposobljenosti za izzive sodobne industrije.
Ključne besede: strojno učenje, kemijsko procesno inženirstvo, nevronske mreže, regresija, klasifikacija
Objavljeno v DKUM: 30.10.2025; Ogledov: 0; Prenosov: 11
Celotno besedilo (3,02 MB)

Opis: V magistrskem delu je bila izvedena obsežna raziskava o poznavanju varne hrane med učenci predmetne stopnje slovenskih osnovnih šol. V ta namen je bil razvit strukturiran anketni vprašalnik, ki ga je izpolnilo 1.178 učencev iz različnih osnovnih šol po vsej Sloveniji. Analiza zbranih podatkov je pokazala, da je znanje učencev o varni hrani pomanjkljivo, pri čemer so dekleta v povprečju izkazovala višjo raven znanja kot fantje. V okviru raziskave je bila razvita tudi didaktična družabna igra z naslovom »Varna hrana – naša skupna odgovornost: Od vil do vilic«. Cilj igre je bil učencem na interaktiven in njim prijazen način približati tematiko varnosti hrane ter preveriti njen vpliv na raven znanja pri učencih izbrane osnovne šole. Primerjava rezultatov pred in po igranju igre je pokazala statistično značilno izboljšanje znanja učencev, kar potrjuje, da je igra učinkovito didaktično orodje za krepitev zavedanja in znanja o varni hrani med osnovnošolci izbrane šole.
Ključne besede: varna hrana, znanje, osnovnošolci, učenje, družabna igra
Objavljeno v DKUM: 27.10.2025; Ogledov: 0; Prenosov: 7
Celotno besedilo (3,11 MB)

Opis: V okviru magistrskega dela smo razvili in implementirali tri metode za detekcijo jajčnih mešičkov in jajčnikov v 3D ultrazvočnih volumnih z uporabo globokih nevronskih mrež, osnovanih na arhitekturah tipa transformer. Implementirani sistemi uporabljajo globoko učenje ter arhitekturo transformer in so posebej prilagojeni za obdelavo volumetričnih podatkov. Vse tri rešitve vključujejo pripravo vhodnih ultrazvočnih podatkov, učenje modela na ročno segmentiranih vzorcih ter napovedovanje prisotnosti in oblike mešičkov/jajčnikov v novih podatkih. Za izboljšanje natančnosti smo uporabili različne tehnike bogatenja podatkov ter ločeno obravnavali prisotnost jajčnikov in jajčnih mešičkov. Učinkovitost metod smo ovrednotili s pomočjo kvantitativnih metrik ter vizualno analizo rezultatov nad več volumni iz javno dostopne podatkovne zbirke USOVA3D. Ugotovili smo, da modeli transformer potrebujejo znatno več podatkov, da enačijo ali presežejo zmožnosti konvolucijskih nevronskih mrež.
Ključne besede: nevronske mreže, 3D segmentacija, globoko učenje, 3D sivinski volumni, model transformer
Objavljeno v DKUM: 22.10.2025; Ogledov: 0; Prenosov: 13
Celotno besedilo (3,45 MB)

Opis: Zanesljiva identifikacija kompleksnih vsebinskih struktur v primerih, kjer posamezni primerki podatkovnega nabora niso homogeni, pač pa združujejo informacije več virov, predstavlja enega izmed ključnih metodoloških izzivov sodobne podatkovne analitike. Relativno enostavna je namreč naloga, kjer je določen primerek homogen in ga z uporabo večrazredne klasifikacije znamo relativno preprosto razvrstiti v enega izmed ponujenih razredov. Kompleksnost pa se drastično poveča, ko se v istem primerku skriva več virov. V tem primeru osnovne metode analize ne zadostujejo več in potrebujemo naprednejše pristope, ki so sposobni razbrati soobstoj več razredov oziroma oznak, kar je tudi domena večznačne klasifikacije. V predloženi doktorski disertaciji obravnavamo omenjeni problem na področju metagenomike, ki med drugim omogoča raziskovanje mikrobiote, raznolike skupnosti bakterij in drugih mikroorganizmov v določenem okolju. Z naprednimi tehnikami sekvenciranja iz njih pridobimo zaporedja DNK celotne mikrobne združbe, ki jih lahko opišemo kot izjemno dolga besedila, zapisana z abecedo štirih nukleotidov: A, T, G in C. Naš cilj je v teh besedilih poiskati t. i. označevalne gene, ki so izključno ali močno povezani z gostiteljem. V ta namen smo na podlagi optimizacijskih pristopov in domenskih pravil predlagali metodo ekstrakcije značilnic, temelječo na osnovi k-merov, tj. krajših delov DNK. Pristop na osnovi k-merov se je izkazal za zelo učinkovitega, zato smo ga uporabili tudi pri sintetičnem generiranju vzorcev mikrobnih oziroma mikrobiotskih podatkov. Metoda temelji na pripravi profilov k-merov in na nanje osnovanih grafih prehodov. Ker smo v doktorski disertaciji analizirali lokacijsko specifične vzorce, smo morali njihov manjši nabor čistih vzorcev ustrezno razširiti. Še več, sintetično smo razširili tudi nabor mešanih vzorcev, kar predstavlja še večji izziv v realnih okoljih. Obe predlagani metodi sta se združili v konceptualno najzahtevnejšem delu doktorske naloge, predlagani metodi hierarhične večznačne klasifikacije na osnovi ekstrakcije značilnic, imenovani MLB. Z njo smo na osnovi vhodnih podatkov, tj. čistih ali sintetično ustvarjenih vzorcev, napovedovali deleže gostiteljev v mešanih mikrobnih vzorcih. Rezultate metode MLB smo primerjali s tistimi, pridobljenimi z orodjem SourceTracker, vodilnim orodjem za natančno identifikacijo in kvantifikacijo gostiteljev mikrobov v mešanih vzorcih. Metodi smo ovrednotili z uveljavljenimi metrikami na področju večznačne klasifikacije, ki razkrivajo, da metoda MLB učinkovito rešuje problem določitve gostiteljev in njihovih deležev ter poda primerljive, večinoma pa boljše rezultate kot orodje SourceTracker.
Ključne besede: strojno učenje, večznačna klasifikacija, ekstrakcija značilnic, obdelava naravnega jezika, mikrobiotski podatki
Objavljeno v DKUM: 20.10.2025; Ogledov: 0; Prenosov: 29
Celotno besedilo (22,60 MB)