Analiza podataka o bakteriološkom onečišćenju mora na riječkim plažama

Žuškin, Sonia

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

Citirajte ovaj rad

APA 6th Edition

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

MLA 8th Edition

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

Chicago 17th Edition

Harvard

Žuškin, S. (2020). 'Analiza podataka o bakteriološkom onečišćenju mora na riječkim plažama', Diplomski rad, Sveučilište u Rijeci, Tehnički fakultet, citirano: 24.04.2024., https://urn.nsk.hr/urn:nbn:hr:190:301999

Vancouver

Žuškin S. Analiza podataka o bakteriološkom onečišćenju mora na riječkim plažama [Diplomski rad]. Rijeka: Sveučilište u Rijeci, Tehnički fakultet; 2020 [pristupljeno 24.04.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:190:301999

IEEE

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

Prijavite se u repozitorij kako biste mogli spremiti objekt u svoju listu.

Podaci o radu

Naslov	Analiza podataka o bakteriološkom onečišćenju mora na riječkim plažama
Naslov (engleski)	Analysis of bacteriological sea pollution data for Rijeka beaches
Autor	Sonia Žuškin
Mentor	Siniša Družeta (mentor)
Mentor	Lado Kranjčević (komentor)
Član povjerenstva	Goran Mauša (predsjednik povjerenstva)
Član povjerenstva	Sandi Ljubić (član povjerenstva)
Član povjerenstva	Siniša Družeta (član povjerenstva)
Član povjerenstva	Lado 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 obrane	2020-05-28, 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)
Jezik	hrvatski
URN:NBN	urn:nbn:hr:190:301999
Studijski program	Naziv: Računarstvo Vrsta studija: sveučilišni Stupanj studija: diplomski Akademski / stručni naziv: magistar/magistra inženjer/inženjerka računarstva (mag. ing. comp.)
Vrsta resursa	Tekst
Način izrade datoteke	Izvorno digitalna
Prava pristupa	Pristup korisnicima matične ustanove
Uvjeti korištenja
Repozitorij	Repozitorij Tehničkog fakulteta u Rijeci
Datum i vrijeme pohrane	2020-08-24 13:14:24

Nacionalna i sveučilišna knjižnica u Zagrebu

Dabar