Search

Ovaj rad istražuje primjenu statističkih metoda i metoda strojnog učenja u analizi podataka iz zdravstva. Primjena strojnog učenja u zdravstvenom sektoru uključuje klasifikaciju bolesti, predviđanje dijagnoza, otkrivanje prijevara u zdravstvenom osiguranju, personalizaciju tretmana i analizu medicinskih slika. Rad proučava podatkovni skup u svrhu identifikacije rizičnih faktora i predviđanja dijagnoze raka pluća. Provedena je eksploratorna analiza s ciljem boljeg shvaćanja skupa te su zatim, uz stečena saznanja o značajkama skupa, implementirana četiri prediktivna modela čiji su rezultati prikazani i međusobno uspoređeni. This paper explores the application of statistical methods and machine learning techniques in healthcare data analysis. The use of machine learning in the healthcare sector includes disease classification, diagnosis prediction, fraud detection in health insurance, treatment personalization and medical image analysis. The paper explores the dataset with the aim of identifying risk factors and predicting lung cancer diagnosis. An exploratory analysis was conducted to gain a better understanding of the dataset. Based on the acquired knowledge of the dataset's features, four predictive models were implemented and their results were presented and compared.

U radu je provedena analiza podataka na povijesnim podacima o utrkama Formule 1. Na temelju analize su izvedeni zaključci o značajkama koje bi mogle utjecati na vjerojatnost pobjede vozača. Odabrane su najbitnije značajke i kombinirane u skup podataka koji je korišten za treniranje modela. Problem je tretiran i kao klasifikacijski i kao regresijski pa su korištene prikladne metode strojnog učenja. Prikazani su i uspoređeni rezultati korištenih metoda. In the paper, data analysis was performed on historical data on Formula 1 races. Based on the research, conclusions were drawn about the features that could affect the probability of a driver's victory. The most important features were selected and combined into a dataset that was used to train the model. The problem was treated as both classification and regression, so appropriate machine learning methods were used. The results of the methods used are presented and compared.

U ovom radu provedena je eksploratorna analiza podatkovnog skupa teniskih mečeva te su na osnovu značajki iz tog skupa izrađeni prediktivni modeli za predviđanje pobjednika u teniskom meču. U prvim poglavljima opisana su pravila tenisa te dijelovi statističke analize podataka, statistički modeli i modeli strojnog korišteni kasnije u radu. U drugom dijelu rada izrađeni su izloženi prediktivni modeli te su prikazani rezultati predviđanja na osnovu raznih kombinacija ulaznih varijabli. In this paper, an exploratory analysis of the data set containing data about tennis matches was performed, and based on the features extracted from that data set, predictive models were developed to predict the winner of a tennis match. The first chapter describes rules of tennis and parts of statistical data analysis as well as statistical and machine learning models used later in the paper. In the second part of the paper, previously described models are developed and the results of predictions with various combinations of input variables are presented.

Ovaj rad analizira potrebu računarske sigurnosti, potrebu kibernetičke sigur- nosti i problem zlonamjernih programa te njihov utjecaj na računalne sustave. Analiziraju se i opisuju izvršne datoteke programa operacijskog sustava Microsoft Windows i njihovo PE zaglavlje koje sadrži razne vrijednosti od kojih neke uka- zuju na legitimnost, odnosno zlonamjernost programa. Rad zatim opisuje teoriju nekoliko izabranih algoritama nadziranog strojnog učenja, područja umjetne in- teligencije, a to su logistička regresija, stablo odluke, slučajna šuma i neuronske mreže. Koristeći metode Znanosti o podacima te pomoću izabranih algoritama, nad skupom podataka koji je preuzet s interneta i nad kojim je provedena eks- ploratorna analiza podataka te koji pripremljen za strojno učenje, grade se klasi- fikacijski modeli. Završni rad uspoređuje izgrađene modele i donosi zaključke. This paper analyses the need for computer security, for cybersecurity and the effect of malware and malicious programs on computer systems. Executable files for Microsoft Windows operating systems are examined, specifically their PE headers which they all contain and which are used for identifying the legi- timacy of a program. Following that this paper examines the field of Artificial intelligence and describes select supervised learning machine learning algorithms, specifically Logistic regression algorithm, Decision tree algorithm, Random Forest algorithm and Neural networks. Using the field of Data science and the menti- oned algorithms this paper builds several classification models and trains them on a downloaded dataset which is explored and prepared for machine learning consumption. Finally, the built models are compared, and conclusions are given.

Rijetki događaji u podatkovnim skupovima predstavljaju velik problem zbog velike zahtjevnosti njihove klasifikacije. Problem proizlazi iz neuravnoteženosti instanci normalnih i rijetkih događaja. Upravo zbog toga je potrebno promijeniti pristup izrade predikcijskog modela koji bi ih uspješno klasificirao. Ovakve situacije se često javljaju u područjima medicine i informacijske sigurnosti, sve do prijevara u kartičnom poslovanju, čijom problematikom se ovaj rad bavi. Za savladavanje neuravnoteženosti podataka koriste se metode poduzorkovanja i preuzorkovanja, a za izradu modela koriste se algoritmi logističke regresije, k-najbližih susjeda, slučajnih šuma i neuronskih mreža. Iz dobivenih rezultata vidljivo je da je metoda SMOTE preuzorkovanja povoljnija zato što, za razliku od poduzorkovanja, ne dolazi do gubitka informacija. Što se modela tiče, najbolji rezultati dobiveni su za algoritme k-najbližih susjeda i slučajnih šuma. No, kako je svaki bolji za određenu metriku, jedino krajnji korisnik može odlučiti o tome koji mu je prihvatljiviji, što je u ovom slučaju banka. Zbog velike širine područja klasifikacije, koristili su se jednostavni algoritmi strojnog učenja te su dobiveni rezultati, s tim na umu, zadovoljavajući. Rare events in data sets pose a major problem due to the high complexity of their classification. The problem stems from an imbalance of instances of normal and rare events. That is why it is necessary to change the approach to creating a prediction model that would successfully classify them. Such situations often occur in the fields of medicine and information security, all the way to fraud in the card business, the issues of which this paper deals with. Undersampling and oversampling methods are used to overcome data imbalances, and logistic regression algorithms, k-nearest neighbors, random forests, and neural networks are used to model. From the obtained results it is clear that the SMOTE method of oversampling is more favorable because, unlike undersampling, there is no loss of information. As for the model, the best results were obtained for the algorithms of k-nearest neighbors and random forests. But as each is better for a particular metric, only the end-user can decide which is more acceptable to him, which in this case is the bank. Due to the large breadth of the classification area, simple machine learning algorithms were used and the results obtained, with this in mind, were satisfactory.

Mrežni podaci predstavljaju skup podataka koji se šalju mrežom, najčešće internetom. U tim mrežnim podacima koji se prenose postoje i zlonamjerni podaci zvani napadi kojima je cilj naštetiti sustavu ili korisniku. Neki od tih napada su jako rijetki u odnosu na sve poslane mrežne podatke. Kako bi se zaštitili od tih rijetkih napada potrebno je napraviti dobro otkrivanje takvih mrežnih napada. Tu dolazi do problema klasifikacije rijetkih događaja gdje su određeni napadi toliko rijetki da ih modeli strojnog učenja zanemaruju, a metrike evaluacije prikrivaju. Nakon upoznavanja s domenom podataka i odabranim skupom podataka \textit{KDD Cup 99} korišteno je 6 različitih metoda učenja u Spark okruženju. Korištene metode su obično učenje, PCA uz k vrijednosti 5 i 10, te metode naduzorkovanja, poduzorkovanja i hibridna metoda uzorkovanja. Iako je najbolji rezultat za obične metrike postiglo obično učenje za model slučajnih šuma, detaljnijim pregledom točnosti za pojedinu klasu vidi se kako takav model ima lošu točnost za rijetke klase. Kada se u obzir evaluacije uzela i točnost po klasama koja ne ovisi o kardinalitetu skupa, najbolji rezultati postignut je za hibridnu metodu uzorkovanja koristeći model slučajnih šuma. Taj rezultat je pokazao da je moguće poboljšati klasifikaciju rijetkih događaja zadržavajući dobre rezultate evaluacije i za česte klase. Network data is a data set sent over a network, usually the Internet. There is also malicious data in these transmitted network data called attacks that targets the system or the user. Some of these attacks are very rare compared to all of network data sent. In order to protect against these rare attacks, it is necessary to make good detection of such network attacks. The problem of classifying rare events is present where certain attacks are so rare that machine learning algorithms ignore them and evaluation metrics conceal them. After getting acquainted within the data domain and the selected data set \textit{KDD Cup 99}, 6 different algorithms were used in the Spark environment. The methods used are raw learning, PCA with k values of 5 and 10, and then oversampling, downsampling, and hybrid sampling method. The best result for usual metrics was achieved by raw learning method for the random forest model. A closer look at the accuracy for a particular class shows that such model has poor accuracy for rare classes. When class-independent accuracy that does not depend on the cardinality of the set was taken into account, the best results were achieved for the hybrid sampling method using the random forest model. This result showed that it is possible to improve the classification of rare events while maintaining good evaluation results for frequent classes as well.

Eksploratorna i dubinska analiza bave se proučavanjem podatkovnih skupova te izvlačenja korisnih informacija iz njih primjenom metoda statistike i strojnog učenja. Primjena ovakvih metoda u domeni medicine danas je od velike važnosti zbog mogućnosti poboljšanja dijagnosticiranja različitih bolesti, pa čak i u slučaju pandemija poput aktualnog Covid-19, za kontrolu širenja epidemija odnosno pandemija. Primjene eksploratorne i dubinske analize su beskonačne te postoji još puno područja i potpodručja koja nisu zahvaćena ovakvom analizom, a mogla bi biti u potpunosti promijenjena. U ovom radu bavio sam se analizom podatkovnog skupa ljudi sa srčanim udarom te pokušao predvidjeti koji bi od njih mogli imati isti. Exploratory and depth analysis deals with the study of data sets and the extraction of information from them using the methods of statistics and machine learning. The application of such methods in fields of medicine is of great importance today, because of the possibility of improving the diagnosis of various diseases, and even in case of pandemic, like Covid-19, to control the spread of virus. The use of exploratory and depth analysis is endless and there are still many different areas and subareas that have not been covered with this kind of analysis. In this work, I analyzed the data set of people with heart attack and tried to predict which of them might have one.

Povratna informacija o proizvodu može biti od velike važnosti proizvođačima te im pomaže unaprijediti svoje poslovanje. Ovaj rad se bavi implementacijom sustava za klasifikaciju povratnih informacija o proizvodu. U uvodnim poglavljima opisani su pojmovi strojnog i dubokog učenja te metode obrade prirodnog jezika potrebne za implementaciju sustava. Implementirano je nekoliko modela konvencionalnih metoda strojnog učenja te LSTM arhitektura dubokog učenja. Naposljetku su prikazani rezultati modela s optimalnim hiperparametrima te je dan zaključak ukupnog rada. Product feedback can be of great importance to manufacturers in improving their business. This thesis deals with the implementation of the product feedback classification system. The introductory chapters describe the concepts of machine learning, deep learning and natural language processing methods required for system implementation. Several models of conventional machine learning methods and the LSTM deep model were implemented. Finally, the results of the models with optimal hyperparameters are presented and the conclusion of the overall work is given.

Sustavi za digitalno učenje generiraju ogromne količine podataka iz kojih se dubinskom analizom mogu izvući informacije koje nisu dostupne jednostavnim pretraživanjem. Primjenom programskog okruženja Python razvijen je sustav za automatsku klasifikaciju zadataka predmeta Osnove elektrotehnike Fakulteta elektrotehnike i računarstva u Zagrebu po prethodno dodijeljenim glavnim i sporednim konceptima. Objašnjene su korištene metode predobrade i vektorizacije zadataka. Klasifikacija je izvedena po glavnim i sporednim konceptima odvojeno, združenim glavnim i sporednim konceptima i hijerarhijski. Izgrađeno je pet različitih klasifikatora te su komentirani dobiveni rezultati za svaki slučaj klasifikacije. Digital learning systems generate huge amounts of data from which information that is not accessible by simple search can be collected by applying data mining methods. Using the Python program environment, an automated classification system for the exam questions of Electrical Engineering course at the Faculty of Electrical Engineering and Computing in Zagreb was developed over previously assigned primary and secondary concepts. Used pre-processing and vectorization methods are explained. Classification is performed by primary and secondary concepts separately, joined primary and secondary concepts, and hierarchically. Five different classifiers were constructed and the results for each case were commented.