prikaz prve stranice dokumenta Analiza podataka o bakteriološkom onečišćenju mora na riječkim plažama
Pristup korisnicima matične ustanove
diplomski rad
Analiza podataka o bakteriološkom onečišćenju mora na riječkim plažama
Rijeka: Sveučilište u Rijeci, Tehnički fakultet, 2020. urn:nbn:hr:190:301999
Žuškin, Sonia
Sveučilište u Rijeci
Tehnički fakultet
Zavod za mehaniku fluida i računalno inženjerstvo
Katedra za računarsko inženjerstvo

Institucijski repozitorij: Repozitorij Tehničkog fakulteta u Rijeci

Citirajte ovaj rad

Žuškin, S. (2020). Analiza podataka o bakteriološkom onečišćenju mora na riječkim plažama (Diplomski rad). Rijeka: Sveučilište u Rijeci, Tehnički fakultet. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:190:301999

Žuškin, Sonia. "Analiza podataka o bakteriološkom onečišćenju mora na riječkim plažama." Diplomski rad, Sveučilište u Rijeci, Tehnički fakultet, 2020. https://urn.nsk.hr/urn:nbn:hr:190:301999

Žuškin, Sonia. "Analiza podataka o bakteriološkom onečišćenju mora na riječkim plažama." Diplomski rad, Sveučilište u Rijeci, Tehnički fakultet, 2020. https://urn.nsk.hr/urn:nbn:hr:190:301999

Žuškin, S. (2020). 'Analiza podataka o bakteriološkom onečišćenju mora na riječkim plažama', Diplomski rad, Sveučilište u Rijeci, Tehnički fakultet, citirano: 23.11.2024., https://urn.nsk.hr/urn:nbn:hr:190:301999

Žuškin S. Analiza podataka o bakteriološkom onečišćenju mora na riječkim plažama [Diplomski rad]. Rijeka: Sveučilište u Rijeci, Tehnički fakultet; 2020 [pristupljeno 23.11.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:190:301999

S. Žuškin, "Analiza podataka o bakteriološkom onečišćenju mora na riječkim plažama", Diplomski rad, Sveučilište u Rijeci, Tehnički fakultet, Rijeka, 2020. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:190:301999

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:190:301999
Podaci o radu
NaslovAnaliza podataka o bakteriološkom onečišćenju mora na riječkim plažama
Naslov (engleski)Analysis of bacteriological sea pollution data for Rijeka beaches
AutorSonia Žuškin
MentorSiniša Družeta (mentor)
MentorLado Kranjčević (komentor)
Član povjerenstvaGoran Mauša (predsjednik povjerenstva)
Član povjerenstvaSandi Ljubić (član povjerenstva)
Član povjerenstvaSiniša Družeta (član povjerenstva)
Član povjerenstvaLado Kranjčević (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Rijeci
Tehnički fakultet
(Zavod za mehaniku fluida i računalno inženjerstvo)
(Katedra za računarsko inženjerstvo)
Rijeka
Datum i država obrane2020-05-28, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Strojarstvo
Sažetak
Napravljena je analiza podataka o bakterijama na riječkim plažama. Uređeni su podaci te je istraženo koje varijable imaju najveći utjecaj na predikcijske modele. Objašnjeni su modeli strojnog učenja: regresor potpornih vektora, Bayesova rubna regresija, Lasso model prilagođen s regresijom najmanjeg kuta, automatska regresija određivanja relevantnosti, pasivno agresivna regresija i Theil-Sen regresor. Izvršena je programska implementacija korištenih modela strojnog učenja. Istražena je uspješnost svakoga modela. Grafički su prikazani predikcije svakog modela. Zaključuje se da najbolju predikciju za dani set daje model regresor potpornih vektora. Najveći utjecaj za predikciju Escherichia coli, prema modelima strojnoga učenja, imaju salinitet i sunčevo zračenje.
Sažetak (engleski)
Data analysis of Rijeka beaches has been made. Data has been processed and the research has been done which variables have most impact on predictions. The machine learning algorithms have been explained. Models that are used: Support vector regression, Bayesian ridge regression, Lasso model fit with least angle regression, Passive aggressive regression and Theil-Sen regression. Program implementation of models have been made, their scores analyzed and graphical display of predictions have been shown. It is concluded that the best prediction for given set is given by support vector regression. The biggest influence for prediction of Escherichia coli, by the machine learning models, have salinity and solar irradiance.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:190:301999
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 pristupaPristup korisnicima matične ustanove
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Datum i vrijeme pohrane2020-08-24 13:14:24