Iskanje po repozitoriju

A+ | A- | | SLO | ENG

Opis: Diplomska naloga obravnava razvoj aplikacije za sledenje kalorij, ki je namenjena uporabnikom enostaven in učinkovit način spremljanja obrokov. Glavni cilj je ustvariti novo aplikacija za ročne naprave na Android sistemu, ki jim omogoča natančno beleženje zaužitih kalorij in ponuja koristne funkcionalnosti, kot je pregled preteklih dni, pregled rasti in mase. Aplikacija naloge uporablja tehnologije, kot je Firebase SDK, pri katerem uporabljamo Firebase Realtime Database, Firebase Storage in Firebase Authentication, pri razvoju pa se uporablja Android Studio, keteri bo aplikaciji omogočal preprost razvoj, integracijo z Firebase in grajenje aplikacije. Aplikacija, bo izdelana za Slovensko uporabo in prav tako preprostejšo uporabo, z manj funkcionalnosti, kot podobne aplikacije, vendar lažjim in hitrejšim direktnim dostopom, do vpisa in pregleda vnosa živil. Razvoj vključuje analizo trga, potrebe in optimizacijo funkcionalnosti in programske kode.
Ključne besede: Android studio, android, Firebase, razvoj, sledenje kalorij
Objavljeno v ReVIS: 28.03.2025; Ogledov: 342; Prenosov: 8
Celotno besedilo (2,78 MB)

Opis: V diplomski nalogi je predstavljen uvod v tematiko in pregled ključnih področij, kot so grafične procesne enote (GPE), CUDA tehnologija, 3D animacije in fizikalna osnova simulacije žogic. Predstavljen je opis uporabljenih orodij in tehnologij, vključno s programskim okoljem Cinema 4D, superračunalniki (HPC – High performance computing) ter grafičnimi karticami NVIDIA Tesla P100. V tem delu predstavljamo animacijo v Cinema 4D, kjer smo modelirali našo animacijo in procesirali slike. Sledi poglavje, kjer smo namenili več časa optimizaciji projekta s pomočjo CUDA tehnologije, ki vključuje arhitekturne prednosti, tehnike optimizacije ter implementacijo optimizacije za 3D animacije, vključno z renderiranjem na prenosnem računalniku in superračunalniku Trdina. V zadnjem poglavju smo predstavili rezultate, vključno z analizo testnega okolja, časovno in stroškovno analizo ter analizo zmogljivosti. Zaključek prinaša sklepne ugotovitve.
Ključne besede: grafične procesne enote, GPE, centralno procesne enote, CPE, CUDA tehnologija, fizikalna simulacija, Cinema 4D
Objavljeno v ReVIS: 28.03.2025; Ogledov: 352; Prenosov: 3
Celotno besedilo (1,63 MB)

Opis: Namen magistrske naloge je bil raziskati vpliv digitalnih vplivnežev na sledilce in ugotoviti njihovo vlogo pri nakupnih namerah potrošnikov. Skozi raziskovanje smo ugotovili, da aktivnosti digitalnih vplivnežev ne vplivajo močno na nakupne namere potrošnikov. Digitalni vplivneži vplivajo na nakupne namere potrošnikov predvsem s svojo verodostojnostjo, dobro vsebino ter popusti, ki jih zagotavljajo. Na dojemanje vpliva digitalnih vplivnežev pri nakupnih namerah potrošnikov najbolj vpliva starost, saj je mlajšim bolj pomembna strokovnost, nepristranskost in iskrenost digitalnih vplivnežev ter da se lahko poistovetijo z njimi glede podobnih vrednot in okusa. Na zaupanje kupcev v določeno blagovno znamko lahko digitalni vplivneži s svojimi aktivnostmi vplivajo na način, da za določen izdelek ponudijo popust, prav tako pa mora biti jasno razvidno, da digitalni vplivnež uporablja izdelek ali storitev v njegovem vsakdanjem življenju.
Ključne besede: digitalni mediji, družbena omrežja, digitalni vplivneži, blagovna znamka, spletno nakupovanje
Objavljeno v ReVIS: 28.03.2025; Ogledov: 396; Prenosov: 8
Celotno besedilo (4,44 MB)

Opis: Corruption is a pervasive societal issue, entailing the misuse of public authority for personal benefits. Traditionally, corruption was estimated via perception surveys, which rely on probing the individuals about their views on corruption rather than directly measuring it. Such assessments encounter challenges in accurately capturing corruption and often diverge from actual corruption levels. Recent advancements in data collection, spurred by calls for transparency in public institutions and fueled by enhanced computational and storage capabilities, opened unprecedented opportunities for a far more precise analysis of corruptive processes. By quantitatively analyzing concrete datasets, such as transactions between public sector and private companies, contractual documents, public procurement records, bid outcomes, and healthcare product prices, novel avenues emerged for both addressing and predicting corruption. These scientific endeavors aim to discover the best policies to mitigate corruption and rebuild trust in public institutions. This doctoral dissertation pioneers this novel approach, forging a collaborative partnership with the Commission for the Prevention of Corruption in Slovenia (CPC). Harnessing state-of-the-art data mining, statistical analysis, and machine learning, we analyze a large CPC’s datasets detailing 17 years of public spending on private companies and reported receiving of gifts to public officials. We uncover an array of findings along three research directions: 1. We reveal the presence of self-organizing principles that govern Slovenian public expenditure. Such mechanisms are usually observed in more orderly (e.g. physical) systems and come across as surprising in this context, where interactions are dominated by human factors. 2. We construct an interactive framework tailored for CPC's use. It enables quick identification of suspicious private companies whose revenues from public sources exhibit visible disparities that correlate with changes of the government. 3. Finally, employing natural language processing, we uncover how seemingly innocent ceremonial gifts can foster favoritism and enable misuse of public positions for personal gains. We illustrate the disparities between the laws regulating gift reporting and the actual practices. In conclusion, this research contributed: (i) new computational methods for data-driven analysis of corruption, and (ii) better understanding of societal processes that govern public spending in Slovenia. Our work delivers valuable recommendations to governmental, public, and administrative bodies. We hope these insights will bolster the use of transparent public data as the key tool in the fight against corruption.
Ključne besede: corruption, public spending, gift reporting, transparency, data mining, time series, unsupervised learning
Objavljeno v ReVIS: 17.02.2025; Ogledov: 539; Prenosov: 19
Celotno besedilo (6,92 MB)

Opis: Magistrska naloga predstavlja primerjalno analizo desetih različnih QSAR-algoritmov strojnega učenja, uporabljenih na desetih različnih QSAR-podatkovnih množicah, ob uporabi različnih molekulskih odtisov, da bi ocenili njihovo učinkovitost pri različnih značilnostih in velikostih podatkov. Glavni cilj je bil oceniti, kako izbira algoritma vpliva na natančnost in robustnost modelov pri napovedovanju biološke aktivnosti. Vsak algoritem je bil sistematično testiran z uporabo metrik, kot sta korelacijski koeficient (R²) in koren srednje kvadratne napake (RMSE) za ocenjevanje uspešnosti algoritmov strojnega učenja. Rezultati kažejo znatne razlike v delovanju modelov, kar poudarja, da značilnosti in velikost podatkovne množice ter izbira prstnih odtisov kritično vplivajo na napovedno uspešnost QSAR-modelov. Ta študija ponuja vpoglede v izbire algoritmov za raznolike aplikacije v odkrivanju zdravil ter potrjuje pomembnost značilnosti podatkovnih množic pri QSAR-modeliranju.
Ključne besede: QSAR, strojno učenje, molekulski odtisi, vrednotenje modelov, napovedno modeliranje
Objavljeno v ReVIS: 20.01.2025; Ogledov: 493; Prenosov: 10
Celotno besedilo (3,30 MB)