| | 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 / 24
Na začetekNa prejšnjo stran123Na naslednjo stranNa konec
1.
Podatkovni kanjoni, pristop strojnega učenja za potrebe razložljive umetne inteligence : doktorska disertacija
Bojan Žlahtič, 2023, doktorska disertacija

Opis: Z uporabo algoritmov strojnega učenja je mogoče izvesti zapletene analize in pridobiti globlje vpoglede na osnovi obsežnih količin podatkov, kar presega človeške zmožnosti. Navedena značilnost je ključni dejavnik, zaradi katerega je strojno učenje vpeljano v številne domene. Kljub številnim prednostim ni vedno možno integrirati strojnega učenja na določena področja, predvsem zaradi tega, ker se za naprednimi metodami pogosto skrivajo modeli tipa črne skrinje. Ti modeli uporabnikom ne omogočajo vpogleda v logiko njihovega odločanja, kar lahko predstavlja oviro v kontekstih, kjer so odločitve kritične in lahko napačna odločitev vodi v resne posledice. Z namenom ublažiti te problematike smo razvili metodo strojnega učenja, temelječo na naravnem pojavu rečnih kanjonov. Ta pojav lahko vizualiziramo v digitalni grafični obliki, kar omogoča intuitiven prikaz logike odločanja. Rezultat je model strojnega učenja, ki generira globinske slike gibanja podatkov za posamezen razred. V teh slikah je pripadnost posamezne instance kanjonu prikazana s pomočjo barvno kodiranih grafov. Podatkovni kanjoni se zaradi svojih lastnosti in metodologije lahko uporabljajo za potrebe razložljive umetne inteligence, bodisi samostojno ali kot dopolnilni mehanizem drugim pristopom strojnega učenja.
Ključne besede: razložljiva umetna inteligenca, strojno učenje, klasifikacija, razložljivost, zaupanje
Objavljeno v DKUM: 05.12.2023; Ogledov: 263; Prenosov: 60
.pdf Celotno besedilo (3,26 MB)

2.
OTS 2023 Sodobne informacijske tehnologije in storitve : Zbornik 26. konference
2023, zbornik

Opis: V zborniku šestindvajsete konference OTS 2023 so objavljeni prispevki strokovnjakov s področja informatike, v katerih so predstavljena nova spoznanja in trendi razvoja, vpeljave, prilagajanja ter upravljanja informacijskih rešitev, kot tudi konkretni uspešni pristopi in dobre prakse. Prispevki naslavljajo področja sodobnih arhitekturnih izzivov, klasične, generativne in globoke umetne inteligence, sodobnih spletnih ali mobilnih uporabniških vmesnikov, kot tudi tradicionalnih, brezstrežniških in decentraliziranih zalednih sistemov v oblaku. Tematike prispevkov obsegajo tudi zagotavljanje ustreznega skalabilnega okolja zanje ter avtomatizacijo testiranja, merjenje kakovosti in dostavo s proaktivnim naslavljanjem najpogostejših kibernetskih napadov. Rdečo nit prispevkov predstavljajo podatkovne tehnologije, ki so zastopane v obliki klasičnih podatkovnih baz, podatkovnih jezer ter učinkovitega zbiranja, obdelave in vizualizacije velepodatkov. Prispevki tako še naprej omogočajo boljšo povezanost IT strokovnjakov, informatikov, arhitektov in razvijalcev naprednih IT rešitev in storitev, kot tudi akademske sfere in gospodarstva.
Ključne besede: informatika, informacijske tehnologije, programsko inženirstvo, informacijski sistemi, informacijske rešitve, digitalna preobrazba, razvoj mobilnih in spletnih rešitev, arhitekture v oblaku, podatkovne tehnologije, poslovna inteligenca, umetna inteligenca in strojno učenje, obdelava velepodatkov in podatkovnih tokov, metode agilnega razvoja, tehnologije veriženja blokov, kibernetska varnost
Objavljeno v DKUM: 04.09.2023; Ogledov: 425; Prenosov: 52
.pdf Celotno besedilo (32,01 MB)
Gradivo ima več datotek! Več...

3.
Napredne tehnologije in metodologije za pametno proizvodnjo : magistrsko delo
Ana Bedrač, 2023, magistrsko delo

Opis: V magistrski nalogi je predstavljen koncept pametne proizvodnje. Predstavljene so ključne značilnosti, ki po mnenju različnih avtorjev oblikujejo pametno proizvodnjo. Obravnavanih je več primerov oz. konceptov pametne proizvodnje, pri čemer se podrobneje osredotočamo na opredelitev pametne proizvodnje po avtorju A. Kusiaku. Predstavljene so ključne tehnologije in metodologije, ki so že v uporabi ali pa imajo velik potencial, da se bodo še uveljavile. Magistrska naloga vključuje sodobne trende na področju pametne proizvodnje. Izpostavljene so tehnologije in metodologije, ki so trenutno najsodobnejše, še posebej pa napredne proizvodne tehnologije, strojno učenje in tudi blokovne verige v povezavi z ekonomijo strojev. Nekatere od predstavljenih tehnologij in metodologij so obravnavane na praktičnih primerih.
Ključne besede: pametna proizvodnja, umetna inteligenca, strojno učenje, globoko učenje, blokovne verige, ekonomija strojev, veliki podatki, kibernetsko-fizični sistem, digitalni dvojček, internet stvari, pametni materiali.
Objavljeno v DKUM: 09.03.2023; Ogledov: 581; Prenosov: 98
.pdf Celotno besedilo (2,50 MB)

4.
Spremljanje obrabe rezalnega orodja z uporabo umetne inteligence : diplomsko delo
Andrej Jukić, 2022, diplomsko delo

Opis: V diplomskem delu so na začetku predstavljena obravnavana področja, kjer se teoretično spoznamo s proizvodnimi sistemi, umetno inteligenco, klasifikacijo, učnimi algoritmi, merami za ocenjevanje in z obdelovalnim postopkom rezkanja. Bistvenega pomena je področje klasifikacije in mer za ocenjevanje, zaradi tega sta ti dve področji bolj podrobno opisani. Po teoretičnem izhodišču sledi poglavje praktične izvedbe, pri katerem smo predstavljeno teorijo uresničili. V tem sklopu so opisani trije poizkusi, kjer smo preverjali zastavljene teze s pomočjo gravirnega stroja Lakos 150 in računalniškega programa Matlab, ki je podpiral strojno učenje (klasifikacijo). S poizkušanjem smo tako potrdili vse teze, dosegli večino zastavljenih ciljev, pri čemer nismo dosegli glavnega cilja dela (uspešna klasifikacija glede na status orodja) zaradi strokovne zahtevnosti področja.
Ključne besede: umetna inteligenca, strojno učenje, klasifikacija, rezkanje
Objavljeno v DKUM: 25.10.2022; Ogledov: 437; Prenosov: 35
.pdf Celotno besedilo (2,03 MB)
Gradivo ima več datotek! Več...

5.
Vzorčenje soseščine v heterogenih grafih pri grafovskih nevronskih mrežah : magistrsko delo
Vid Keršič, 2022, magistrsko delo

Opis: Grafovske nevronske mreže so v zadnjem času eno izmed najbolj aktivnih področij raziskovanja globokega učenja. Uspešno so bile uporabljene pri problemih, kjer so podatki predstavljeni v obliki grafa, na primer pri analizi družbenih omrežij, napovedovanju prometa, razvoju zdravil itd. Kljub nekaterim zelo dobrim rezultatom pa ostaja še veliko odprtih izzivov pri uporabi nevronskih mrež na zelo velikih grafih, kjer smo omejeni z zmogljivostjo strojne opreme. V magistrskem delu naslavljamo problem uporabe grafovskih nevronskih mrež na obsežnih heterogenih grafih, kjer se med učenjem izvaja vzorčenje soseščine na vsaki plasti mreže, pri čemer se velikosti vzorca omejijo s hiperparametri. Heterogeni grafi vsebujejo več različnih tipov vozlišč in povezav, kar je pri vzorčenju soseščine koristno upoštevati in optimizirati vrednosti hiperparametrov za posamezne tipe povezav. Za reševanje tega problema predstavimo in analiziramo lasten algoritem, ki odpravi potrebo po časovno zahtevnem procesu obravnavanja in nastavljanja hiperparametrov za vse tipe vozlišč ter povezav. Prednosti algoritma z vidika časovne zahtevnosti in uspešnosti klasifikacije prikažemo na dveh grafih – akademskem grafu MAG240M, ki vsebuje več kot 240 milijonov vozlišč in nekaj manj kot 2 milijardi povezav, ter grafu znanja Freebase.
Ključne besede: umetna inteligenca, strojno učenje, heterogeni grafi, grafovske nevronske mreže
Objavljeno v DKUM: 20.10.2022; Ogledov: 524; Prenosov: 60
.pdf Celotno besedilo (1,59 MB)

6.
OTS 2022 Sodobne informacijske tehnologije in storitve : zbornik petindvajsete konference, Maribor, 7. in 8. september 2022
2022, zbornik

Opis: V zborniku petindvajsete konference OTS 2022 so objavljeni prispevki strokovnjakov s področja informatike, v katerih so predstavljene izkušnje in, skozi konkretne projekte, dokazano uspešni pristopi in dobre prakse naslavljanja arhitekturnih izzivov, povezanih z vpeljavo umetne inteligence in strojnega učenja, zasnove in vpeljave rešitev poslovne inteligence, učinkovite obdelave velepodatkov in podatkovnih tokov, apliciranja vzorcev pri zasnovi mikrostoritvenih in brezstrežniških arhitektur, uporabe zmožnosti tehnologij veriženja blokov in decentraliziranih aplikacij, digitalne preobrazbe in posodobitve IKT rešitev na osnovi funkcionalnosti, ki jih omogočajo digitalne denarnice, apliciranja agilnih metod ter izboljšanjem odzivnosti pri zagotavljanju učinkovite podpore poslovnim procesom, integracije sistemov in razvoja podpornih storitev pametnega doma, telemedicine in zelenega prehoda, razvoja in optimizacije mobilnih, spletnih in oblačnih rešitev ter uporabe sodobnih in aktualnih, tudi odprtokodnih, tehnologij pri razvoju naprednih informacijskih rešitev in storitev.
Ključne besede: informatika, informacijske tehnologije, programsko inženirstvo, informacijske rešitve, digitalna preobrazba, razvoj mobilnih in spletnih rešitev, poslovna inteligenca, umetna inteligenca in strojno učenje, obdelava velepodatkov in podatkovnih tokov, agilne metode, tehnologije veriženja blokov, kibernetska varnost
Objavljeno v DKUM: 07.09.2022; Ogledov: 702; Prenosov: 113
.pdf Celotno besedilo (44,60 MB)
Gradivo ima več datotek! Več...

7.
Digitalna transformacija v zdravstvu
Lara Cigler, 2022, magistrsko delo

Opis: Nenehen razvoj tehnologije sili različne industrije in gospodarske sektorje k razvoju ter uvedbi različnih tehnoloških rešitev, ki organizacijam prinašajo številne izzive, hkrati pa omogočajo tudi možnost pridobitve konkurenčnih prednosti, kar je v današnjih časih ključnega pomena, če želimo naše organizacije dolgotrajno obdržati na trgu. To pa od organizacij ne zahteva zgolj zunanje preobrazbe organizacije, temveč predvsem notranje preoblikovanje. Da bi se organizacija pravilno odločila, v kaj se morajo usmeriti, potrebujejo jasno zastavljen cilj in vizijo. Pripraviti in izbrati morajo ustrezen pristop ter kasneje tudi negovati svojo odločitev, saj preoblikovanje organizacije ni zgolj kratkoročen in enkraten proces, ampak ga moramo tudi spremljati, prilagajati ter izboljševati v prihodnosti. Zato smo se v magistrskem delu osredotočili na digitalno transformacijo, predstavili, kaj ta pojem pomeni, zakaj je prišlo do digitalne transformacije organizacij in katere tehnologije omogočajo le-to, kaj vse ter katera področja zajema. Predstavili smo poslovni model, ki postaja vse bolj priljubljen med organizacijami in brez katerega le-te ne morejo več dobičkonosno poslovati. Ker ne vemo in si niti ne moremo predstavljati, kako daleč lahko pripelje razvoj tehnologije ter kako lahko spremeni in olajša človekov vsakdan, smo raziskali tudi trende, ki napovedujejo, da se bodo pojavili na tem področju. Ker že nekaj časa živimo v »covid« časih, če le-te lahko tako imenujemo, smo se odločili, da se osredotočimo na transformacijo organizacij v zdravstveni industriji. Zanimalo nas je, kakšne priložnosti in izzive prinaša tehnologija v tej industriji, kakšen vpliv ima na organizacijo samo, kakor tudi na potrošnika te storitve, kakšne prednosti ter slabosti prinaša itd. Ogledali smo si tudi primer digitalne transformacije mednarodno priznane organizacije Philips, ki jo v večini poznamo kot organizacijo, usmerjeno k proizvajanju in ponujanju različnih vrst produktov, od gospodinjskih ter kuhinjskih aparatov, do bele tehnike in še bi lahko naštevali. Mi pa vam bomo predstavili organizacijo Philips kot organizacijo, ki je razvila številne zdravstveno-informacijske rešitve (angl. Healthtech), z namenom izboljšanja in sodelovanja pri prihodnosti svetovnega zdravstvenega varstva.
Ključne besede: digitalna transformacija, Philips, Healthtech, zdravstveno varstvo, umetna inteligenca, strojno učenje.
Objavljeno v DKUM: 09.06.2022; Ogledov: 850; Prenosov: 155
.pdf Celotno besedilo (1,98 MB)

8.
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: 2146; Prenosov: 262
.pdf Celotno besedilo (7,04 MB)
Gradivo ima več datotek! Več...

9.
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: 1045; Prenosov: 111
.pdf Celotno besedilo (1,92 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: 1266; Prenosov: 205
.pdf Celotno besedilo (1,37 MB)

Iskanje izvedeno v 5.31 sek.
Na vrh
Logotipi partnerjev Univerza v Mariboru Univerza v Ljubljani Univerza na Primorskem Univerza v Novi Gorici