prikaz prve stranice dokumenta Predviđanje vremena do događaja: trenutačni smjerovi u strojnom učenju
No public access
master's thesis
Predviđanje vremena do događaja: trenutačni smjerovi u strojnom učenju
Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing, 2022. urn:nbn:hr:168:939821
Stresec, Ivan
University of Zagreb
Faculty of Electrical Engineering and Computing

Institutional repository: FER Repository

Cite this document

Stresec, I. (2022). Predviđanje vremena do događaja: trenutačni smjerovi u strojnom učenju (Master's thesis). Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing. Retrieved from https://urn.nsk.hr/urn:nbn:hr:168:939821

Stresec, Ivan. "Predviđanje vremena do događaja: trenutačni smjerovi u strojnom učenju." Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, 2022. https://urn.nsk.hr/urn:nbn:hr:168:939821

Stresec, Ivan. "Predviđanje vremena do događaja: trenutačni smjerovi u strojnom učenju." Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, 2022. https://urn.nsk.hr/urn:nbn:hr:168:939821

Stresec, I. (2022). 'Predviđanje vremena do događaja: trenutačni smjerovi u strojnom učenju', Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, accessed 20 May 2024, https://urn.nsk.hr/urn:nbn:hr:168:939821

Stresec I. Predviđanje vremena do događaja: trenutačni smjerovi u strojnom učenju [Master's thesis]. Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing; 2022 [cited 2024 May 20] Available at: https://urn.nsk.hr/urn:nbn:hr:168:939821

I. Stresec, "Predviđanje vremena do događaja: trenutačni smjerovi u strojnom učenju", Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, Zagreb, 2022. Available at: https://urn.nsk.hr/urn:nbn:hr:168:939821

Metadata
TitlePredviđanje vremena do događaja: trenutačni smjerovi u strojnom učenju
Title (english)Time-to-Event Prediction: Current Trends in Machine Learning
AuthorIvan Stresec
MentorBojana Dalbelo-Bašić (mentor)
Committee memberBojana Dalbelo-Bašić (predsjednik povjerenstva)
Committee memberSiniša Šegvić (član povjerenstva)
Committee memberŽeljka Mihajlović (član povjerenstva)
GranterUniversity of Zagreb
Faculty of Electrical Engineering and Computing
Zagreb
Defense date and country2022-06-28, Croatia
Scientific / art field,
discipline and subdiscipline		TECHNICAL SCIENCES
Computing
Abstract
Podaci o vremenu do događaja bave se vremenom koje prolazi od neke točke u vremenu do pojave promatranog događaja. Takvi se podaci najčešće susreću u medicini (analiza doživljenja) i inženjerstvu (analiza pouzdanosti), ali i u drugim područjima kao što su ekonomija i sociologija. Ključna značajka podataka o vremenu do događaja je pojava cenzure, mehanizma koji stvara nepotpune podatke o vremenu i sprječava korištenje uobičajenih metoda regresije. U radu se raspravlja o važnim metodama analize vremena do događaja, grane statistike koja se bavi takvim podacima. Trenutno korišteni modeli strojnog učenja prilagođeni predviđanju vremena do događaja su detaljno opisani i obrađeni, kao i relevantne mjere performansi. Modeli se uspoređuju i analiziraju s obzirom na njihove performanse na dva skupa podataka, od kojih se jedan bavi podacima iz medicine, tradicionalnom domenom predviđanja vremena do događaja.
Abstract (english)
Time-to-event data is concerned with the time that passes from some point in time until an observed event happens. It is most commonly encountered in medicine (survival analysis) and engineering (reliability analysis) but is also present in other fields such as finance and sociology. The primary feature of time-to-event data is the occurrence of censorship, a mechanism that produces incomplete time data and prevents the use of standard regression methods. Important methods of time-to-event analysis, the branch of statistics concerned with time-to-event data, are discussed. Currently used machine learning models adapted for time-to-event prediction are described and examined in some detail, as are the relevant performance measures. Models are compared and analyzed in terms of performance on two datasets, one of which is concerned with medical data, the traditional domain of time-to-event prediction.
Keywords
Keywords (english)
Languageenglish
URN:NBNurn:nbn:hr:168:939821
Study programmeTitle: Computing
Study programme type: university
Study level: graduate
Academic / professional title: magistar/magistra inženjer/inženjerka računarstva (magistar/magistra inženjer/inženjerka računarstva)
Type of resourceText
File originBorn digital
Access conditionsClosed access
Terms of useLicence In copyright icon
Public note
Created on2023-01-14 09:58:25