prikaz prve stranice dokumenta Algoritmi strojnog učenja za predviđanje gledanosti televizijskih kanala
Rad nije dostupan
diplomski rad
Algoritmi strojnog učenja za predviđanje gledanosti televizijskih kanala
Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2021. urn:nbn:hr:168:255073
Josipović, Marko
Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva

Institucijski repozitorij: Repozitorij FER-a

Citirajte ovaj rad

Josipović, M. (2021). Algoritmi strojnog učenja za predviđanje gledanosti televizijskih kanala (Diplomski rad). Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:168:255073

Josipović, Marko. "Algoritmi strojnog učenja za predviđanje gledanosti televizijskih kanala." Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2021. https://urn.nsk.hr/urn:nbn:hr:168:255073

Josipović, Marko. "Algoritmi strojnog učenja za predviđanje gledanosti televizijskih kanala." Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2021. https://urn.nsk.hr/urn:nbn:hr:168:255073

Josipović, M. (2021). 'Algoritmi strojnog učenja za predviđanje gledanosti televizijskih kanala', Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, citirano: 27.12.2024., https://urn.nsk.hr/urn:nbn:hr:168:255073

Josipović M. Algoritmi strojnog učenja za predviđanje gledanosti televizijskih kanala [Diplomski rad]. Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva; 2021 [pristupljeno 27.12.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:255073

M. Josipović, "Algoritmi strojnog učenja za predviđanje gledanosti televizijskih kanala", Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, Zagreb, 2021. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:255073

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:168:255073
Podaci o radu
NaslovAlgoritmi strojnog učenja za predviđanje gledanosti televizijskih kanala
Naslov (engleski)Machine Learning Algorithms for Forecasting Television Channels Viewership
AutorMarko Josipović
MentorAlan Jović (mentor)
Član povjerenstvaAlan Jović (predsjednik povjerenstva)
Član povjerenstvaJan Šnajder (član povjerenstva)
Član povjerenstvaMarko Čupić (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva
Zagreb
Datum i država obrane2021-09-17, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Računarstvo
Sažetak
Ovaj rad opisuje teorijsku podlogu algoritama strojnog učenja koji su razmatrani za predviđanje gledanosti televizijskih kanala. Eksperimentalna usporedba odabranih algoritama pokazala je da algoritam stroja potpornih vektora za regresiju (SVR) daje najbolje rezultate predviđanja dostupnih podataka o stvarnim gledanostima. Algoritam linearne regresije ne daje zadovoljavajuće rezultate, a algoritam slučajne šume (ExtraTrees) ima malo lošije rezultate od stroja potpornih vektora. Opisana je i implementacija web aplikacije koja korisnicima omogućava predviđanje gledanosti na temelju učitanog rasporeda emitiranja. Aplikacija se može koristiti kao alat za optimizaciju rasporeda. Zbog velike vremenske složenosti algoritma stroja potpornih vektora, za korištenje u aplikaciji odabran je algoritam slučajne šume.
Sažetak (engleski)
This paper describes the theoretical basis of machine learning algorithms that have been considered for forecasting the viewership of television channels. An experimental comparison of chosen algorithms showed that the support vector regression algorithm (SVR) gives the best results on the available real world viewership data. The linear regression algorithm does not give satisfactory results, and the extremely randomized trees algorithm (ExtraTrees) has slightly worse results than the support vector machine algorithm. The implementation of a web application that allows users to forecast viewership based on the uploaded broadcast schedule is also described. The application can be used as a schedule optimization tool. Due to the high time complexity of the support vector machine algorithm, the randomized trees algorithm was chosen for use in the application.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:168:255073
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 12:32:24