prikaz prve stranice dokumenta Metode strojnog i dubinskog učenja za predikciju otkazivanje rezervacija
  Download
PDF 465.45 KB
undergraduate thesis
Metode strojnog i dubinskog učenja za predikciju otkazivanje rezervacija
2019. urn:nbn:hr:137:774325
Ferlatti, Aldo
University of Pula
Faculty of Informatics in Pula

Cite this document

Ferlatti, A. (2019). Metode strojnog i dubinskog učenja za predikciju otkazivanje rezervacija (Undergraduate thesis). Pula: University of Pula. Retrieved from https://urn.nsk.hr/urn:nbn:hr:137:774325

Ferlatti, Aldo. "Metode strojnog i dubinskog učenja za predikciju otkazivanje rezervacija." Undergraduate thesis, University of Pula, 2019. https://urn.nsk.hr/urn:nbn:hr:137:774325

Ferlatti, Aldo. "Metode strojnog i dubinskog učenja za predikciju otkazivanje rezervacija." Undergraduate thesis, University of Pula, 2019. https://urn.nsk.hr/urn:nbn:hr:137:774325

Ferlatti, A. (2019). 'Metode strojnog i dubinskog učenja za predikciju otkazivanje rezervacija', Undergraduate thesis, University of Pula, accessed 20 April 2024, https://urn.nsk.hr/urn:nbn:hr:137:774325

Ferlatti A. Metode strojnog i dubinskog učenja za predikciju otkazivanje rezervacija [Undergraduate thesis]. Pula: University of Pula; 2019 [cited 2024 April 20] Available at: https://urn.nsk.hr/urn:nbn:hr:137:774325

A. Ferlatti, "Metode strojnog i dubinskog učenja za predikciju otkazivanje rezervacija", Undergraduate thesis, University of Pula, Pula, 2019. Available at: https://urn.nsk.hr/urn:nbn:hr:137:774325

Please login to the repository to save this object to your list.
Metadata
TitleMetode strojnog i dubinskog učenja za predikciju otkazivanje rezervacija
Title (english)Machine learning and deep learning methods for forecasting reservation cancellations
AuthorAldo Ferlatti
MentorDarko Etinger (mentor)
Committee memberSiniša Miličić (predsjednik povjerenstva)
Committee memberDarko Etinger (član povjerenstva)
Committee memberNikola Tanković (član povjerenstva)
Committee memberGoran Oreški (član povjerenstva)
GranterUniversity of Pula
(Faculty of Informatics in Pula)
Pula
Defense date and country2019-09-10, Croatia
Scientific / art field,
discipline and subdiscipline		SOCIAL SCIENCES
Information and Communication Sciences
Information and Software Engineering
Abstract
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.
Abstract (english)
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.
Keywords
Languagecroatian
URN:NBNurn:nbn:hr:137:774325
Study programmeTitle: Informatics
Study programme type: university
Study level: undergraduate
Academic / professional title: sveučilišni/a prvostupnik/prvostupnica (baccalaureus/baccalaurea) informatike (sveučilišni/a prvostupnik/prvostupnica (baccalaureus/baccalaurea) informatike)
Type of resourceText
File originBorn digital
Access conditionsOpen access
Terms of useLicence In copyright icon
Created on2019-10-24 14:13:42