prikaz prve stranice dokumenta Predviđanje vremena do događaja: trenutačni smjerovi u strojnom učenju
Rad nije dostupan
diplomski rad
Predviđanje vremena do događaja: trenutačni smjerovi u strojnom učenju
Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2022. urn:nbn:hr:168:939821
Stresec, Ivan
Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva

Institucijski repozitorij: Repozitorij FER-a

Citirajte ovaj rad

Stresec, I. (2022). Predviđanje vremena do događaja: trenutačni smjerovi u strojnom učenju (Diplomski rad). Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:168:939821

Stresec, Ivan. "Predviđanje vremena do događaja: trenutačni smjerovi u strojnom učenju." Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2022. https://urn.nsk.hr/urn:nbn:hr:168:939821

Stresec, Ivan. "Predviđanje vremena do događaja: trenutačni smjerovi u strojnom učenju." Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2022. https://urn.nsk.hr/urn:nbn:hr:168:939821

Stresec, I. (2022). 'Predviđanje vremena do događaja: trenutačni smjerovi u strojnom učenju', Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, citirano: 22.11.2024., https://urn.nsk.hr/urn:nbn:hr:168:939821

Stresec I. Predviđanje vremena do događaja: trenutačni smjerovi u strojnom učenju [Diplomski rad]. Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva; 2022 [pristupljeno 22.11.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:939821

I. Stresec, "Predviđanje vremena do događaja: trenutačni smjerovi u strojnom učenju", Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, Zagreb, 2022. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:939821

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:168:939821
Podaci o radu
NaslovPredviđanje vremena do događaja: trenutačni smjerovi u strojnom učenju
Naslov (engleski)Time-to-Event Prediction: Current Trends in Machine Learning
AutorIvan Stresec
MentorBojana Dalbelo-Bašić (mentor)
Član povjerenstvaBojana Dalbelo-Bašić (predsjednik povjerenstva)
Član povjerenstvaSiniša Šegvić (član povjerenstva)
Član povjerenstvaŽeljka Mihajlović (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva
Zagreb
Datum i država obrane2022-06-28, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Računarstvo
Sažetak
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.
Sažetak (engleski)
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.
Ključne riječi
Ključne riječi (engleski)
Jezikengleski
URN:NBNurn:nbn:hr:168:939821
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 pohrane2023-01-14 09:58:25