prikaz prve stranice dokumenta Metode strojnog i dubinskog učenja za predikciju otkazivanje rezervacija
  Preuzmi
PDF 465.45 KB
završni rad
Metode strojnog i dubinskog učenja za predikciju otkazivanje rezervacija
Pula: Sveučilište Jurja Dobrile u Puli, 2019. urn:nbn:hr:137:774325
Ferlatti, Aldo
Sveučilište Jurja Dobrile u Puli
Fakultet informatike u Puli

Institucijski repozitorij: Digitalni repozitorij Sveučilišta Jurja Dobrile u Puli

Citirajte ovaj rad

Ferlatti, A. (2019). Metode strojnog i dubinskog učenja za predikciju otkazivanje rezervacija (Završni rad). Pula: Sveučilište Jurja Dobrile u Puli. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:137:774325

Ferlatti, Aldo. "Metode strojnog i dubinskog učenja za predikciju otkazivanje rezervacija." Završni rad, Sveučilište Jurja Dobrile u Puli, 2019. https://urn.nsk.hr/urn:nbn:hr:137:774325

Ferlatti, Aldo. "Metode strojnog i dubinskog učenja za predikciju otkazivanje rezervacija." Završni rad, Sveučilište Jurja Dobrile u Puli, 2019. https://urn.nsk.hr/urn:nbn:hr:137:774325

Ferlatti, A. (2019). 'Metode strojnog i dubinskog učenja za predikciju otkazivanje rezervacija', Završni rad, Sveučilište Jurja Dobrile u Puli, citirano: 08.11.2024., https://urn.nsk.hr/urn:nbn:hr:137:774325

Ferlatti A. Metode strojnog i dubinskog učenja za predikciju otkazivanje rezervacija [Završni rad]. Pula: Sveučilište Jurja Dobrile u Puli; 2019 [pristupljeno 08.11.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:137:774325

A. Ferlatti, "Metode strojnog i dubinskog učenja za predikciju otkazivanje rezervacija", Završni rad, Sveučilište Jurja Dobrile u Puli, Pula, 2019. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:137:774325

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:137:774325
Podaci o radu
NaslovMetode strojnog i dubinskog učenja za predikciju otkazivanje rezervacija
Naslov (engleski)Machine learning and deep learning methods for forecasting reservation cancellations
AutorAldo Ferlatti
MentorDarko Etinger (mentor)
Član povjerenstvaSiniša Miličić (predsjednik povjerenstva)
Član povjerenstvaDarko Etinger (član povjerenstva)
Član povjerenstvaNikola Tanković (član povjerenstva)
Član povjerenstvaGoran Oreški (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište Jurja Dobrile u Puli
(Fakultet informatike u Puli)
Pula
Datum i država obrane2019-09-10, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		DRUŠTVENE ZNANOSTI
Informacijske i komunikacijske znanosti
Informacijsko i programsko inženjerstvo
Sažetak
Metode strojnog učenja su sveprisutne neovisno o vrsti industrije za koju se primjenjuje. U ovom završnom radu se analizira proces gradnje klasifikacijskoga modela: metode analiziranja podataka i gradnje skupa podataka; metode strojnog i dubinskog učenja za gradnju modela te njegovu optimizaciju. Zbog izvornih podataka, analiza se temelji na hotelijerskoj industriji ali metode su primjenjive i u širem području. Prema usporedbi algoritama, odabralo se XGBoosting i DNN kao algoritmi za testiranja te za optimizaciju istih se koristi metoda mrežnog pretraživanja i Bayesova optimizacija.
Sažetak (engleski)
Machine learning methods are present independently of the type of industry they are applied to. In this final thesis it is analyzed the process of building a classification model: methods used for dataset building and analysis; methods of machine learning and deep learning for model creation and its optimization. Because of the nature of the source data, analysis are made for the hospitality industry but applicable on others too. Based on algorithms comparison, XGBoosting and DNN algorithms are chosen for the tests. Grid search and Bayesian optimization are the methods for the model optimization.
Ključne riječi
Jezikhrvatski
URN:NBNurn:nbn:hr:137:774325
Studijski programNaziv: Informatika
Vrsta studija: sveučilišni
Stupanj studija: preddiplomski
Akademski / stručni naziv: sveučilišni/a prvostupnik/prvostupnica (baccalaureus/baccalaurea) informatike (univ.bacc inf.)
Vrsta resursaTekst
Način izrade datotekeIzvorno digitalna
Prava pristupaOtvoreni pristup
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Datum i vrijeme pohrane2019-10-24 14:13:42