| | 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 / 113
Na začetekNa prejšnjo stran12345678910Na naslednjo stranNa konec
1.
Strojno učenje : s Pythonom do prvega klasifikatorja
Sašo Karakatič, Iztok Fister, 2022

Opis: Knjiga služi kot uvod v področje strojnega učenja za vse, ki imajo vsaj osnovne izkušnje s programiranjem. Pregledajo se pomembni pojmi strojnega učenja (model znanja, učna in testna množica, algoritem učenja), natančneje pa se predstavi tehnika klasifikacije in način ovrednotenja kvalitete modelov znanja klasifikacije. Spozna se algoritem klasifikacije k najbližjih sosedov in predstavi se uporaba tega algoritma – tako konceptualno kakor v programski kodi. Knjiga poda številne primere v programskem jeziku Python in okolju Jupyter Notebooks. Za namen utrjevanja znanja pa so ponujene naloge (tako računske, kot programerske) s podanimi rešitvami.
Ključne besede: strojno učenje, umetna inteligenca, klasifikacija, k najbližjih sosedov, Python
Objavljeno v DKUM: 27.01.2022; Ogledov: 368; Prenosov: 83
.pdf Celotno besedilo (7,04 MB)
Gradivo ima več datotek! Več...

2.
UPORABA UMETNE INTELIGENCE V RAZVOJU APLIKACIJE ZA RAZPOREJANJE ZAPOSLENIH
Nejc Pisk, 2021, magistrsko delo

Opis: Magistrsko delo obravnava proces optimizacije ustvarjanja urnikov in razporejanja zaposlenih, s katerim se dnevno srečujejo vodje in organizatorji več vrst industrij, kjer je potrebno izmensko delo. Optimizacijo procesa dosežemo s samodejnim razporejanjem zaposlenih, kjer si lahko pomagamo s pristopi umetne inteligence, ki z učinkovitimi izračuni pomagajo pri izdelavi urnikov. Predpostavimo, da bodo računalniški izračuni ključnega pomena pri optimizaciji procesa. Ukvarjamo se z razvojem spletne aplikacije ter postavitve potrebne infrastrukture in pričakujemo, da bo takšna rešitev samodejno reševala problem razporejanja zaposlenih. Preučimo teoretične osnove umetne inteligence, področja izpolnjevanja omejitev in metahevristike ter predstavimo problemsko domeno. Ugotovimo, da uporabljene tehnologije in pristopi niso omejeni samo na problemsko domeno razporejanja zaposlenih, vendar tudi na številne ostale probleme. Dosežemo vse začrtane cilje in potrdimo našo domnevo, da bo računalnik problem razporejanja zaposlenih rešil hitreje in bolj učinkovito. Ugotovimo tudi, da je reševanje problema izpolnjevanje omejitev z metahevristiko ključnega pomena, ko želimo zagotoviti optimalno rešitev v razumnem času.
Ključne besede: umetna inteligenca, optimizacijski algoritmi, spletna aplikacija, razporejanje zaposlenih
Objavljeno v DKUM: 01.12.2021; Ogledov: 239; Prenosov: 40
.pdf Celotno besedilo (3,01 MB)

3.
Model inteligentnega nadzora obrabe in poškodb rezalnih orodij z uporabo termografije
Nika Brili, 1987, katalog

Opis: Nadzor obrabe rezalnega orodja pri struženju prispeva k izboljšanju kakovosti izdelkov, optimizaciji stroškov orodja in zmanjšanju števila neželenih dogodkov. Pri maloserijski in posamični proizvodnji se operater stroja na podlagi izkušenj odloča, kdaj zamenjati rezalno orodje. Slabe odločitve lahko vodijo do povišanja stroškov, zastojev proizvodnje in izmeta. V disertaciji smo predstavili sistem nadzora stanja rezalnega orodja, ki med in po struženju samodejno prepozna obrabo rezalnega orodja. Za nadzor procesa smo uporabili infrardečo (IR) kamero, ki za razliko od uporabe navadnih industrijskih kamer ne spremlja zgolj vizualnega stanja procesa, ampak zajema še termografsko stanje. Kljub zahtevnemu okolju (vroči ostružki) smo kamero ustrezno zaščitili in namestili tik ob rezalno ploščico, kar omogoča spremljanje obdelave iz neposredne bližine. Material smo obdelovali z različno obrabljenimi rezalnimi ploščicami in ustvarili bazo 18.486 slik, ki so bile namenjene učenju in testiranju modela. Z uporabo globokega učenja in konvolucijske nevronske mreže (CNN) smo razvili napovedni model obrabe in poškodb rezalnega orodja. Pripravljeno bazo slik smo razdelili na slike, ki so nastale med procesom struženja (slike procesa), in na slike, ki so nastale po struženju (termografske slike rezalnega orodja). Ugotovili smo, da je model uspešen na obeh bazah slik. Naučen model na podlagi termografske slike procesa samodejno razvrsti stanje rezalnega orodja glede na primernost za nadaljnjo uporabo pri struženju (brez obrabe, majhna obraba, velika obraba). Točnost klasifikacije za združeno množico vseh slik je 99,92 % in potrjuje ustreznost predlagane metode. Model smo testirali tudi na nepoznanih slikah (spremenjeni obdelovalni pogoji), s čimer smo z več kot 98 % točnostjo klasifikacije potrdili robustnost naučenega sistema pri uporabi za nepoznani material obdelovanca. Takšen sistem omogoča takojšnje ukrepanje v primeru obrabe ali zloma rezalnega orodja, ne glede na znanje in usposobljenost operaterja.
Ključne besede: umetna inteligenca, globoko učenje, Industrija 4.0, odrezavanje, rezalna orodja, struženje, obraba orodja, termografija
Objavljeno v DKUM: 22.11.2021; Ogledov: 236; Prenosov: 36
.pdf Celotno besedilo (3,70 MB)

4.
Uporaba umetne inteligence v mednarodni trgovini
Ahmedina Pašić, 2021, diplomsko delo

Opis: Tema diplomskega dela je obravnava umetne inteligence z vidika mednarodne trgovine. Namreč, v današnjem času je umetna inteligenca prisotna skoraj v vseh aspektih človeškega življenja, od nekaterih najpreprostejših zadev, kot je razvrščanje neželjene e-pošte pa vse do uporabe umetne inteligence za zdravljenje ljudi. Umetna inteligenca, sodi med četrto industrijsko revolucijo (Industria 4.0) in je za pričakovati, da bo nova industrijska revolucija, kot tudi vse prejšnje, naredila veliko sprememb v poslovanju podjetij in držav. V diplomski nalogi najprej razlagamo pojme Umetna inteligenca in Mednarodna trgovina, potem pa se osredotočamo na načine uporabe umetne inteligence v trgovanju in poslovanju podjetij in držav. Torej, predstavljamo, kako je umetna inteligenca spremenila mednarodno trgovino in kako jo še bo. Kot praktičen del predstavljamo uspešnost razvoja in uporabe umetne inteligence v poslovanju EU, ter primerjamo EU z ZDA in Kitajsko. Naslednje področje obravnave diplomske naloge se nanaša na trgovinska pravila, oziroma ustrezen regulativni okvir, ki ga je treba zagotoviti, da bi vpliv umetne inteligence na poslovanje in življenje ljudi bil pozitiven. V tem delu smo predstavili odnos do oblikovanja pravil za razvoj umetne inteligence na Kitajskem, v ZDA in v EU. Ker umetna inteligenca s pomočjo ogromnih količin podatkov pospešuje prehod na storitvena gospodarstva, se kot posledica javlja nezaupanje in etične dileme ljudi. Glavna tveganja, povezana z uporabo umetne inteligence, se nanašajo na uporabo pravil o varstvu temeljnih pravic (vključno z varstvom osebnih podatkov in zasebnosti ter načeloma nediskriminacije), pa tudi na vprašanja v zvezi z varnostjo in odgovornostjo. Zaradi pomembnosti omenjenih tveganj, obravnavamo tudi etične vidike uporabe umetne inteligence, pri čemer poudarjamo evropski pristop oblikovanja pravil za razvoj UI – na človeka usmerjenja umetna inteligenca
Ključne besede: Umetna inteligenca, mednarodna trgovina, digitalna transformacija, etične dileme
Objavljeno v DKUM: 26.10.2021; Ogledov: 192; Prenosov: 21
.pdf Celotno besedilo (1,00 MB)

5.
Primerjava umetne inteligence v rešitvah SAP S/4HANA in Microsoft Dynamics 365
Ana Kovačič Miklavec, 2021, magistrsko delo

Opis: Zadnja leta na pomenu pridobiva tehnologija umetne inteligence, ki dnevno prinaša spremembe v naša življenja. V vedno večji meri se jo tudi vključuje v ERP rešitve, ki so danes nuja za obstoj na trgu. Tako organizacije dobivajo nove možnosti za svoje poslovanje, kar jim prinaša številne prednosti. V magistrskem delu želimo ugotoviti v kolikšni meri danes ERP rešitve zajemajo tehnologije umetne inteligence in katere funkcionalnosti nam omogočajo. V teoretičnem delu podrobneje predstavimo ERP rešitve, umetno inteligenco in rešitvi SAP S/4HANA in Microsoft Dynamics 365 Business Central. V praktičnem delu pa je izdelana primerjava funkcionalnosti obeh rešitev v modulih financ, prodaje, proizvodnje in nabave. Ugotovili smo, da že danes lahko organizacije poslujejo inteligentno in se poslužujejo funkcij umetne inteligence. Med drugim lahko avtomatizirajo procese in številna ponavljajoča se opravila, izvajajo napredno analitiko in še mnogo več.
Ključne besede: ERP, umetna inteligenca, SAP S/4HANA, Microsoft Dynamics 365
Objavljeno v DKUM: 22.10.2021; Ogledov: 222; Prenosov: 26
.pdf Celotno besedilo (2,58 MB)

6.
Poslovni učinki rabe umetne inteligence v CRM na primeru rešitve Salesforce
Denis Gönc, 2021, magistrsko delo

Opis: V magistrskem delu smo preučili rabo umetne inteligence (AI) v najbolj napredni rešitvi za upravljanje odnosov s strankami (CRM) Salesforce. Na konkurenčnem trgu kombinacija CRM-rešitve in AI omogoča, da podjetja izstopajo od povprečja in postanejo učinovitejša pri poslovanju ter zmanjšajo svoje stroške. Prodajnikom se s tem pristopom olajša delo, saj AI daje priporočila za najboljši naslednji korak, pripomore k oblikovanju nadzornih plošč in vpogledov ter omogoča izdelavo raznih napovednih modelov. Zaradi avtomatizacije se lahko osredotočajo na druga bolj pomembna opravila. CRM-rešitve so že v osnovi zelo napredne, vendar dodatek AI izboljša njihove zmogljivosti in podjetjem omogoča, da presežejo zastavljene cilje. V prvem delu magistrske naloge smo najprej preučili AI, predstavili njeno zgodovino, opisali področja rabe in najbolj znane ponudnike. Preučili smo tudi okrepitev varnosti in predpostavke različnih znanstvenikov o njenem razvoju v prihodnosti. V nadaljevanju smo preučili CRM-rešitve, njihove značilnosti, prednost in slabosti, zgodovino, trende ter opisali tudi njene največje ponudnike . V drugem delu smo opisali vodilno CRM-rešitev Salesforce, predstavili njene produkte, opisali skupne stroške lastništva teh produktov in utemeljili, zakaj spada med najbolj priljubljene CRM-rešitve na svetu. V nadaljevanju smo opisali Einstein AI, ki je vgrajena v jedro platforme Salesforce in s svojim naborom rešitev zagotavlja napredne zmogljivosti. Na koncu smo opisali 12 študij primerov, s katerimi smo ugotavljali, kako podjetja iz različnih panog uporabljajo Einstein AI v vodilni CRM-rešitvi in kakšne rezultate so s tem dosegli.
Ključne besede: umetna inteligenca, upravljanje odnosov s strankami, CRM, salesforce, Einstein AI, strojno učenje, globoko učenje, oblačna rešitev, študije primerov, poslovni učinki.
Objavljeno v DKUM: 20.10.2021; Ogledov: 266; Prenosov: 54
.pdf Celotno besedilo (1,92 MB)

7.
Umetna inteligenca na sodiščih : diplomsko delo univerzitetnega študijskega programa Varstvoslovje
Klavdija Erzar, 2021, diplomsko delo

Opis: Živimo v obdobju, ko se tehnologija iz dneva v dan hitro razvija. Posledično je umetna inteligenca eno od glavnih orodij človeštva, ki ljudem izboljšuje kakovost življenja. Pojem umetne inteligence je največkrat mišljen v kontekstu strojnega posnemanja človeškega obnašanja in razmišljanja. Njena vpeljava v pravni sektor, natančneje v sodni sistem, pa je vse bolj kot preproste narave. Kljub temu da uporaba umetne inteligence s seboj prinese vprašanja glede etičnih načel in človekovih pravic, si kar nekaj držav zelo prizadeva za njeno vpeljavo v pravosodni sistem. Med njimi so Kitajska in Združene države Amerike, ki v tehnološkem razvoju močno prednjačijo pred ostalimi. Za razliko od njiju so drugod po svetu v Evropi, Rusiji in Avstraliji do uporabe naprednih tehnologij na sodiščih zelo kritični. Lahko bi rekli, da želijo postopoma in natančno izdelati zakonodajo, ki bo ščitila človeka in skrbela, da mu ne bodo kršene njegove temeljne pravice. Z uporabo umetne inteligence se namerava razbremeniti sodni sistem in izboljšati njegovo učinkovitost. Ugotovili smo, da uporaba orodij umetne inteligence skrajša sodne postopke in posledično se zmanjšajo tudi stroški obravnave. Nazadnje smo v diplomski nalogi opredelili prihodnost sodniškega poklica. Ugotovili smo, da v časovnem okviru desetih let še ne bo prišlo do uporabe robotskih oziroma e-sodnikov, saj do danes še nismo uspeli razviti sistemov, ki bi pri svojih odločitvah lahko upoštevali večje število okoliščin, kot jih je pri odločanju sposoben človek. Ne glede na to, da trenutno v razvoju in uporabi prednjačijo Združene države Amerike, menimo, da je Kitajska na zelo dobri poti, da jo v roku nekaj let prehiti. Kitajska bi lahko bila celo prva država, ki bi vzpostavila sistem, v katerem imajo pomembno vlogo robotski sodniki.
Ključne besede: diplomske naloge, umetna inteligenca, sodišče, sodnik, postopek, sistem, zakonodaja
Objavljeno v DKUM: 19.10.2021; Ogledov: 214; Prenosov: 40
.pdf Celotno besedilo (848,62 KB)

8.
Uporaba končnih avtomatov v igrah : zaključno delo
Nejc Sevčnikar, 2021, diplomsko delo

Opis: Diplomska naloga opisuje izdelavo končnih avtomatov, ki se lahko odzovejo na okolico in med seboj komunicirajo. Implementiramo jih znotraj računalniške igre z namenom interakcije z igralcem. Končnemu avtomatu definiramo stanja in pogoje za prehode med njimi. Na podlagi tega vežemo na stanja ustrezne dogodke. Stanjem dodamo animacije in vežemo pogoje za prehode na interne spremenljivke ali okolice. Zraven dodamo preprostega igralca, ki lahko vpliva na delovanje končnih avtomatov. Rezultat je več agentov znotraj igre, ki se lahko pomikajo po mapi in delujejo neodvisno. Poleg tega lahko sodelujejo tako, da premagajo igralca.
Ključne besede: končni avtomati, video igre, umetna inteligenca
Objavljeno v DKUM: 18.10.2021; Ogledov: 166; Prenosov: 20
.pdf Celotno besedilo (1,90 MB)

9.
Uporaba okrepitvenega učenja za optimizacijo krmiljenja semaforjev : diplomsko delo
Žiga Sušin, 2021, diplomsko delo

Opis: V tej nalogi bomo podrobno preučili metodo okrepitvenega učenja in načine implementacije le-tega. Nato ga bomo uporabili za rešitev zadanega problema, ki je optimizacija krmiljenja semaforjev v križišču. V naslednjih poglavjih bomo na splošno opisali strojno učenje, podrobneje pa okrepitveno učenje. Opisali bomo tudi način implementacije v programskem jeziku Python in knjižnice, ki nam pomagajo pri tem. V drugem delu naloge bomo izdelali program s pomočjo pridobljenega znanja. Na koncu pa bomo še predstavili rezultate simulacij.
Ključne besede: Okrepitveno učenje, umetna inteligenca, promet, Python
Objavljeno v DKUM: 18.10.2021; Ogledov: 208; Prenosov: 21
.pdf Celotno besedilo (1,21 MB)

10.
Celovit pregled orodij za samodejno strojno učenje : diplomsko delo
Tomi Milošič, 2021, diplomsko delo

Opis: V diplomski nalogi smo raziskali področje samodejnega strojnega učenja, osredotočili smo se na orodja za samodejno strojno učenje in poudarili njihove prednosti in slabosti na podlagi primerjave glede na različne nabore podatkov. Osredotočili smo se tudi na metodo klasifikacije, saj je to pogosta naloga strojnega učenja. Namen diplomske naloge je ugotoviti, katero orodje je najbolj optimalno za posamezno nalogo. Diplomsko nalogo smo razdelili na dva dela, in sicer teoretični del in praktični del. V teoretičnem delu smo se osredotočili na razjasnitev pojmov, zgodovino strojnega učenja in opis orodij samodejnega strojnega učenja. V praktičnem delu smo opravili primerjave med orodji in ugotovili, da le-ta vračajo podobne rezultate klasifikacije različno hitro. Ugotovili smo tudi, da so orodja namenjena uporabnikom, ki niso strokovnjaki na področju strojnega učenja, in da si orodja delijo skupne značilnosti.
Ključne besede: klasifikacija, strojno učenje, samodejno strojno učenje, umetna inteligenca
Objavljeno v DKUM: 18.10.2021; Ogledov: 218; Prenosov: 34
.pdf Celotno besedilo (1,37 MB)

Iskanje izvedeno v 0.15 sek.
Na vrh
Logotipi partnerjev Univerza v Mariboru Univerza v Ljubljani Univerza na Primorskem Univerza v Novi Gorici