1. Metode za oceno zanesljivosti napovedi učinkov malih molekulRok Močnik, 2011, diplomsko delo Ključne besede: strojno učenje, ocena zanesljivosti, kvantitativno razmerje med strukturo in delovanjem, naključni gozd, računalništvo, univerzitetni študij, diplomske naloge Celotno besedilo (datoteka, 4,49 MB) |
2. Večciljno učenje v klasifikaciji in regresijiGregor Čepin, 2016, magistrsko delo/naloga Ključne besede: strojno učenje, odločitveno drevo, večciljno učenje, naključni gozd, bagging, klasifikacija, regresija, rangiranje Celotno besedilo (datoteka, 453,51 KB) |
3. Avtomatsko prepoznavanje vedenjskih vzorcevMartin Molan, 2018, diplomsko delo Ključne besede: strojno učenje, nadzorovano učenje, nenadzorovano učenje, napovedno modeliranje, modeliranje vedenja, igralniška industrija, umetna inteligenca, odločitveno drevo, naključni gozd, segmentacija Celotno besedilo (datoteka, 3,88 MB) |
4. Analiza tveganj pri spletnih posojilihJure Zukanovič, 2017, diplomsko delo Ključne besede: finančna matematika, posojanje denarja prek spleta, ocena tveganja, spletna posojilnica, posojevalec, izposojevalec, strojno učenje, naključni gozd, logistična regresija, metoda podpornih vektorjev, metoda k-najbližjih sosedov Celotno besedilo (datoteka, 836,14 KB) |
|
6. Obramba pred sovražnimi napadi na perturbacijske razlage modelov strojnega učenjaDOMEN VREŠ, 2020, diplomsko delo Ključne besede: razložljiva umetna inteligenca, sovražni napadi, generatorji podatkov, perturbacije, LIME, SHAP, IME, MCD--VAE, RBF kot generator, naključni gozd kot generator Celotno besedilo (datoteka, 2,24 MB) |
7. Tehnike kombiniranja napovedi pri strojnem učenju ansamblovSara Bizjak, 2020, diplomsko delo Ključne besede: strojno učenje, nadzorovano strojno učenje, klasifikacija, homogeni ansambli, naključni gozd, kombiniranje napovedi, uteževanje na osnovi zmogljivosti Celotno besedilo (datoteka, 1,93 MB) |
|
|
|