magistrsko delo
Rok Novak (Avtor), Borko Bošković (Mentor), Janez Brest (Komentor)

Povzetek

V magistrski nalogi predstavljamo spletno aplikacijo, ki s pomočjo metod strojnega učenja napoveduje predvidene časovne okvirje posameznih funkcionalnosti pri pripravi ponudb za stranke podjetja. Aplikacija rešuje problem z regresijo in za napovedovanje uporablja tri različne algoritme, in sicer linearno regresijo, k-najbližjih sosedov in metodo podpornih vektorjev. Algoritmi modele naučijo na osnovi že dokončanih časovnih okvirjev. Ob vsakem novem podatku, ki ustreza pogojem, da ga uvrstimo v učno množico, se modeli na novo naučijo. Algoritme smo med seboj primerjali s tremi merami uspešnosti. To so koren srednje kvadratne napake, srednja absolutna napaka in korelacijski koeficient. Raziskovali smo hipotezo, da lahko s strojnim učenjem napovemo podobne ocene, kot jih je podal človek. Izmed izbranih algoritmov je najbolj natančne rezultate podala metoda podpornih vektorjev. S primerjavo mer uspešnosti in odstopanj med napovedmi modelov algoritmov in človeka smo prišli do zaključka, da lahko našo hipotezo potrdimo. Rezultati so pokazali, da so modeli algoritmov podali dovolj natančne ocene, saj napake pri napovedi ne bi imele neposrednega vpliva na izvedbo projekta.

Ključne besede

priprava ponudb;ovrednotocenjevanje časovnih okvirjev;strojno učenje;regresija;magistrske naloge;

Podatki

Jezik: Slovenski jezik
Leto izida:
Tipologija: 2.09 - Magistrsko delo
Organizacija: UM FERI - Fakulteta za elektrotehniko, računalništvo in informatiko
Založnik: R. Novak
UDK: 004.58:004.728.8(043.2)
COBISS: 21512214 Povezava se bo odprla v novem oknu
Št. ogledov: 696
Št. prenosov: 80
Ocena: 0 (0 glasov)
Metapodatki: JSON JSON-RDF JSON-LD TURTLE N-TRIPLES XML RDFA MICRODATA DC-XML DC-RDF RDF

Ostali podatki

Sekundarni jezik: Angleški jezik
Sekundarni naslov: A system for automated evaluation of time estimates for implementation of functionalities in the process of offer preparation
Sekundarni povzetek: In the master's thesis we present an online application that, with the help of methods of machine learning, predicts the anticipated time estimates of individual functionalities in offer preparations for the clients of the company. The application solves the regression problem and uses three different algorithms for predicting: linear regression, k-nearest neighbours, and support vector machine. Algorithms teach models on the basis of already completed time estimates. Each new data, which meets the conditions for classifying it into a learning set, the models re-learn. The algorithms were compared with three performance metrics. These are a root mean square error, a mean absolute error and a correlation coefficient. We have explored the hypothesis that with machine learning, we can predict similar estimates as man has done. Among the selected algorithms, the most accurate results were given by the support vector machine. By comparing the merit of success and deviations between forecasts of algorithms and man, we have come to the conclusion that our hypothesis can be confirmed. The results showed that the models of algorithms gave sufficiently precise estimates, as the errors in the forecast would have no direct impact on the implementation of the project.
Sekundarne ključne besede: offer preparation;evaluation of time estimates;machine learning;
URN: URN:SI:UM:
Vrsta dela (COBISS): Magistrsko delo/naloga
Komentar na gradivo: Univ. v Mariboru, Fak. za elektrotehniko, računalništvo in informatiko, Računalništvo in informacijske tehnologije
Strani: VIII, 70 str.
ID: 10937854