prikaz prve stranice dokumenta Raspodijeljeni modeli prostorno-vremenski ponderirane i grupirane regresije korištenjem platforme Apache Spark
Rad nije dostupan
diplomski rad
Raspodijeljeni modeli prostorno-vremenski ponderirane i grupirane regresije korištenjem platforme Apache Spark
Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2021. urn:nbn:hr:168:496608
Britvec, Darko
Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva

Institucijski repozitorij: Repozitorij FER-a

Citirajte ovaj rad

Britvec, D. (2021). Raspodijeljeni modeli prostorno-vremenski ponderirane i grupirane regresije korištenjem platforme Apache Spark (Diplomski rad). Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:168:496608

Britvec, Darko. "Raspodijeljeni modeli prostorno-vremenski ponderirane i grupirane regresije korištenjem platforme Apache Spark." Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2021. https://urn.nsk.hr/urn:nbn:hr:168:496608

Britvec, Darko. "Raspodijeljeni modeli prostorno-vremenski ponderirane i grupirane regresije korištenjem platforme Apache Spark." Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2021. https://urn.nsk.hr/urn:nbn:hr:168:496608

Britvec, D. (2021). 'Raspodijeljeni modeli prostorno-vremenski ponderirane i grupirane regresije korištenjem platforme Apache Spark', Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, citirano: 20.12.2024., https://urn.nsk.hr/urn:nbn:hr:168:496608

Britvec D. Raspodijeljeni modeli prostorno-vremenski ponderirane i grupirane regresije korištenjem platforme Apache Spark [Diplomski rad]. Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva; 2021 [pristupljeno 20.12.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:496608

D. Britvec, "Raspodijeljeni modeli prostorno-vremenski ponderirane i grupirane regresije korištenjem platforme Apache Spark", Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, Zagreb, 2021. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:496608

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:168:496608
Podaci o radu
NaslovRaspodijeljeni modeli prostorno-vremenski ponderirane i grupirane regresije korištenjem platforme Apache Spark
Naslov (engleski)Distributed Models of Geo-Temporal Weighted and Clustered Regression using Apache Spark
AutorDarko Britvec
MentorKrešimir Pripužić (mentor)
Član povjerenstvaKrešimir Pripužić (predsjednik povjerenstva)
Član povjerenstvaSiniša Sovilj (član povjerenstva)
Član povjerenstvaJurica Babić (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva
Zagreb
Datum i država obrane2021-07-09, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Računarstvo
Sažetak
Analiza i ekstrakcija znanja iz velikih prostorno-vremenskih skupova podataka sve su više zastupljeni kako u istraživačkim radovima tako i u stvarnim programskim rješenjima. U ovom radu analizirani su modeli strojnog učenja koji iskorištavaju postojanje prostorne i vremenske heterogenosti u podacima. U radu je implementiran raspodijeljeni model prostorno-vremenski ponderirane regresije (GTWR) korištenjem platforme Apache Spark. Arhitektura tog modela ne omogućava efektivnu stvarnovremensku obradu velikih skupova podataka u računalnom grozdu. Stoga je u radu predložen te implementiran raspodijeljeni model prostorno-vremenski grupirane regresije (GTCR) koji umjesto postupka ponderiranja koristi algoritam grupiranja kako bi opisao prostornu i vremensku nestacionarnost podataka. Naposljetku, modeli su isprobani i uspoređeni na stvarnom skupu podataka koji opisuje koncentracije najučestalijih onečišćivača zraka sa 12 mjernih postaja u Pekingu kroz period od 2013. do 2017. godine.
Sažetak (engleski)
Analysis and data mining performed on big spatio-temporal datasets is more and more frequent topic both in research and the software development. Machine learning models analysed in this paper take advantage of the spatio-temporal heterogeneity in the data. The paper covers the implementation of the Geo-Temporally Weighted Regression (GTWR) distributed machine learning model using the Apache Spark platform. This model does not support the effective near-real-time computation in cluster. Geo-Temporally Clustered Regression (GTCR) model was introduced in this paper to accommodate the need of the machine learning model which can describe the spatio-temporal non-stationarity in large datasets. Finally, models are tested and compared using the real-world dataset which consists of measurements of most common air pollutants from 12 stations in Beijing in a period from 2013 to 2017.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:168:496608
Studijski programNaziv: Računarstvo
Vrsta studija: sveučilišni
Stupanj studija: diplomski
Akademski / stručni naziv: magistar/magistra inženjer/inženjerka računarstva (mag.ing.comp.)
Vrsta resursaTekst
Način izrade datotekeIzvorno digitalna
Prava pristupaZatvoreni pristup
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Javna napomena
Datum i vrijeme pohrane2023-01-13 11:53:26