1. Uporaba javno dostopnih podatkov za oceno podobnosti vozil z ukradenimi : diplomsko delo visokošolskega študijskega programa Informacijska varnostBenjamin 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: 934; Prenosov: 83
 Celotno besedilo (1,06 MB) |
2. Interaktivna vizualizacijska orodja za izboljševanje športnih treningov : magistrsko deloRoman Šuster, 2020, magistrsko delo Opis: Vsakodnevno se soočamo z veliko količino podatkov, ki jih generirajo elektronske naprave.
Še več, ta količina se z dneva v dan celo povečuje in temu povečevanju ni videti konca.
Vseprisotne elektronske naprave so korenito spremenile tudi življenje človeka.
Med drugim te naprave beležijo naše odločitve, na podlagi katerih določajo naše preference, spremljajo naše nakupovalne navade v trgovinah, odkrivajo naše finančne navade in obnašanje na družbenih omrežjih.
Zaradi vsega prej omenjenega so se razvile metode, ki omogočajo shranjevanje in obdelavo velike količine podatkov, ki jih danes označujemo z izrazom masivni podatki (angl. big data).
V pričujočem magistrskem delu smo se lotili obdelave podatkov športnikov (natančneje kolesarjev) dobljenih iz športnih ur (npr. Polar, Garmin ipd.), ki spremljajo športnika med treningi.
Na podlagi te analize lahko športni trener določi trende v obnašanju športnika znotraj predpisanih časovnih intervalov, na podlagi česar lahko ta ugotavlja, v kakšni trenutni formi je njegov varovanec in napovedati priporočila za njegov nadaljnji trening.
Ključne besede: podatkovno rudarjenje, analiza podatkov, vizualizacija, šport, spletna aplikacija
Objavljeno v DKUM: 04.11.2020; Ogledov: 1265; Prenosov: 87
Celotno besedilo (5,91 MB) |
3. Uporaba orodja Orange za podatkovno rudarjenjeDamir Kos, 2017, diplomsko delo Opis: Ob vse večjem številu informacij, ki krožijo na najrazličnejše načine, je podatkovno rudarjenje za uspešno in učinkovito rabo informacij ključnega pomena. Preko podatkovnega rudarjenja namreč dosežemo rezultate, s katerimi ugotovimo ustreznost informacij, odpravimo pomanjkljivosti, poiščemo vzorce, znanje in podobno.
V diplomskem delu je predstavljen program Orange, delo z njim, njegova uporaba ter nekatere lastnosti. Glavni segmenti podatkovnega rudarjenja s programom Orange, ki so predstavljeni v diplomskem delu, so klasifikacija, gručenje in pred procesiranje podatkov.
Praktični del diplomskega dela, ki je hkrati ključen, je razdeljen na tri dele. Prvi del predstavlja vse tri glavne segmente preko uporabniškega vmesnika, drugi del preko kode, v tretjem delu pa se nato prikaže izgradnja lastnega modula in njegova uporaba.
Ključne besede: podatkovno rudarjenje, orodje Orange, klasifikacija, gručenje, predprocesiranje podatkov
Objavljeno v DKUM: 24.10.2017; Ogledov: 2506; Prenosov: 353
Celotno besedilo (2,35 MB) |
4. Profiliranje in sledenje uporabnikom na spletuDenis Vodišek, 2017, diplomsko delo Opis: Na današnjem spletu je skorajda težko ostati neviden. Podjetja, mediji in posamezniki se čedalje bolj zavedajo, da lahko s poznavanjem svojih strank oziroma uporabnikov ugotovijo njihove želje, interese in omogočijo odlično uporabniško izkušnjo, saj je ravno to tisto, kar odloča o nadaljnjem ravnanju uporabnika na strani. V diplomskem delu smo vzpostavil storitev za sledenje uporabnikom z brezplačno storitvijo Google Analytics. Pridobljene podatke smo z orodjem za podatkovno rudarjenje R združili v skupine in ustvarili uporabniške profile. Zajeli smo glavne metodologije zbiranja podatkov, piškotke in orodje, ki jih bomo uporabili za spletno analitiko. Prav tako smo obravnavali tudi zasebnost uporabnika na spletu in načine sledenja ter profiliranja uporabnikov. V diplomskem delu smo tudi implementirali storitve na že obstoječo spletno stran in zbirali podatke s po meri ustvarjenimi razsežnosti in meritvami. Podatke smo obdelali v programu R in jih vizualno predstavili. Ugotovili smo, da lahko s spletno analitiko natančno odkrijemo, kaj uporabniki počnejo na strani, kaj jih zanima in na podlagi teh informacij ustvarili uporabniške profile. Tako lahko z ustvarjenimi profili uporabnikom iste skupine priporočamo podobne rezultate.
Ključne besede: Spletna analitika, sledenje, profiliranje, Google Analytics, splet, zbiranje podatkov, R, podatkovno rudarjenje
Objavljeno v DKUM: 09.10.2017; Ogledov: 1543; Prenosov: 229
Celotno besedilo (1,45 MB) |
5. FUNKCIONALNOSTI ANALITIČNEGA CRM NA PRIMERU REŠITVE MICROSOFT DYNAMICS CRMSandra Anžič, 2016, diplomsko delo Opis: Ker naš svet postaja vse bolj globaliziran in naše aktivnosti vse bolj digitalizirane, sočasno postajajo podatki bogatejši, raznoliki in na voljo kadarkoli in od kjerkoli. Organizacije danes izkoriščajo te velike količine podatkov za podrobnejše prilagoditve sistemov, podporo pri odločanju in razvoju novih proizvodov in storitev. Podatki igrajo pomembno vlogo v vrednosti in ustvarjanju koristi. Upravljanje odnosov z odjemalci (angl. Customer Relationship Management; v nadaljevanju CRM) postaja vse bolj pomembno, tako v malih kot velikih organizacijah, saj kot pravi znameniti rek »Biti zaseden, ne pomeni, biti učinkovit«. Slednje se odraža v dobrem odnosu z odjemalci, kar vpliva na celotno delovanje organizacije, kajti, če organizacija ne pozna dobro želja svojih odjemalcev, se ta ne bo zmogla prilagajati trenutnim tržnim razmeram. Danes informacijsko-tehnološki (angl. Information Technology; v nadaljevanju IT) razvoj organizacijam omogoča zbiranje, obdelavo in interpretacijo vse večjega obsega podatkov o odjemalcih, s čimer organizacije pridobivajo donosne informacije za sprejemanje strateških poslovnih odločitev. Zbiranje, obdelavo in interpretacijo podatkov pa lahko organizacije izvajajo s pomočjo poslovnih rešitev. S poslovno rešitvijo Microsoft Dynamics CRM (v nadaljevanju MS Dynamics CRM) lahko organizacija izvaja analitiko svojih odjemalcev. Analitika ima tudi svoje mesto v rešitvi MS Dynamics CRM. Analitični CRM organizaciji omogoča, da ta pridobi bistvene poglobljene informacije o zgodovini svojih odjemalcev in njihovih preferencah, saj analitični CRM omogoča analiziranje, predvidevanje, ustvarjanje vrednosti za odjemalce in napovedovanje povpraševanja. Ugotovimo, da analitični del MS Dynamics CRM vsebuje kar nekaj funkcionalnosti analitičnega CRM, med njimi najbolj izstopa analiziranje in vizualiranje podatkov s pomočjo različnih vrst grafikonov in posledično iskanje izvora teh podatkov, ki pa zagotavlja dobro poznavanje preferenc odjemalcev in njihovo zgodovino nakupov.
Ključne besede: velike količine podatkov, analitični CRM, podatkovno rudarjenje, Microsoft Dynamics CRM
Objavljeno v DKUM: 17.11.2016; Ogledov: 1527; Prenosov: 202
Celotno besedilo (1,59 MB) |
6. |
7. INFORMACIJSKA PODPORA NAPOVEDOVANJU ZNAČILNOSTI PROMETA NA PODLAGI ČASOVNIH SERIJ PODATKOVAndrej Sevčnikar, 2013, magistrsko delo Opis: V magistrskem delu smo se osredotočili na napovedovanje značilnosti prometa na osnovi podatkov časovnih vrst. Za dosego cilja smo v magistrski nalogi proučili področje integracije podatkov in podatkovnih skladišč, z uporabo katerega smo izdelali celovit pogled na podatke, ki je nujno potreben za nadaljnjo manipulacijo s podatki. Osrednja tematika magistrske naloge so modeli za napovedovanje podatkov časovnih vrst, s katerimi smo napovedovali gostoto prometa, pri tem pa preverjali napovedno napako. Določili smo najbolj optimalne modele za napovedovanje gostote prometa. Pokazali smo, da je pravilna predpriprava podatkov oziroma učenje modelov na podlagi dobro zasnovanih časovnih okvirjev izredno pomembno za pravilno napoved prometa, hkrati pa določili optimalno število časovnih okvirjev, pri katerih je napovedna napaka še sprejemljiva.
Ključne besede: podatkovno skladišče, integracija podatkov, časovne vrste, podatkovno rudarjenje, gručenje, promet, napovedovanje
Objavljeno v DKUM: 16.12.2013; Ogledov: 2306; Prenosov: 197
Celotno besedilo (3,55 MB) |
8. METODE INFORMACIJSKE PRENOVE POSLOVNIH PROCESOVDavid Marsič, 2012, diplomsko delo Opis: Za obvladovanje prenove poslovanja ni več zadostna funkcijska organizacija, temveč je
potrebno preiti na procesno orientiranost. Razlogov za obvladovanje lastne informatizacije
je veliko zaradi novih poslovnih priložnosti, ki se v globalnem in pa lokalnem prostoru
pojavljajo. Cilji vsakršne prenove morajo biti skladni s strateško usmeritvijo, ki zagotavlja
obstojnost uvedenih sprememb. Informacijsko prenovo poslovanja je potrebno najprej
obvladovati na procesnem nivoju. Z medpodjetniško primerjavo in metodami za
ustvarjalno reševanje problemov se lahko razmeroma hitro pripravi pobude za prenovo.
Učinkovito upravljanje kakovosti procesov je prava smer in pogoj za doseganje poslovne
odličnosti ter posledično uspeha. Informacijska prenova poslovnih procesov se v prvi vrsti
izvaja z modeliranjem procesov. To je oblika grafične uprizoritve procesov, ki jo spremlja
podroben opis lastnosti procesa. Danes je na voljo veliko orodij in tehnik za modeliranje
procesov. Informacijska prenova je postala donosen posel za razvijalce informacijskih
rešitev, strokovnjake in raziskovalce. Celovite informacijske rešitve so očiten dokaz, da se
meje razumevanja ciljne skupine razvijalcev informacijskih rešitev majejo.
Ključne besede: Avtomatizacija, brainstorming, benchmarking, celovita informacijska rešitev, diagram poteka procesa, diagram toka podatkov, histogram, informacijska arhitektura, informatizacija, kaizen, management celovite kakovosti, modeliranje procesov, podatkovna skladišča, podatkovno rudarjenje, poslovni proces, poslovno-procesna usmerjenost, procesni management, reinženiring, shema procesa, sprotna analitična obdelava, strateški informacijski sistem
Objavljeno v DKUM: 01.06.2012; Ogledov: 3507; Prenosov: 402
Celotno besedilo (1,06 MB) |
9. METODE PRIDOBIVANJA ZNANJA IZ PODATKOV V ZAVAROVALNICIJanez Kralj, 2010, magistrsko delo Opis: Velike podatkovne baze podjetij vsebujejo veliko znanja, ki je strokovnim službam dobro znano, pa tudi veliko novega znanja, ki ga strokovne službe ne poznajo. Z metodami umetne inteligence, kot sta metoda pridobivanja znanja iz podatkov (KDD) in metoda podatkovnega rudarjenja (DM), smo preverili možnosti odkrivanja novih znanj in uporabnost le-teh pri ciljno usmerjenem trženju v zavarovalništvu. Zanimalo nas je ali lahko z novo pridobljenim znanjem stranki ponudimo storitve, ki so bolj prilagojene njenim individualnim potrebam. Rezultati so potrdili, da poleg znanih pravil iz podatkov pridobimo tudi marsikatero novo, presenetljivo pravilo. Na osnovi takšnih novo odkritih pravil pa lahko stranko obravnavamo drugače kot smo jo do sedaj in se s svojo ponudbo storitev bolj približamo njenim potrebam. Individualna obravnava posledično povečuje zadovoljstvo strank. Z uporabo metod umetne inteligence torej lahko povečamo učinkovitost in zmanjšamo stroške poslovanja.
Ključne besede: umetna inteligenca - AI, strojno učenje - ML, ciljno trženje, zavarovalništvo, pridobivanje znanja iz podatkov - KDD, podatkovno rudarjenje - DM
Objavljeno v DKUM: 07.09.2010; Ogledov: 3673; Prenosov: 372
Celotno besedilo (8,37 MB) |
10. |
