Diplomová práce

Integrace hybridních prediktivních modelů do systémů Business Inteligence

Integrating hybrid predictive models into Business Inteligence systems

Bc. Lukáš Plšek, učo 496361
Anotace

Tato diplomová práce se zabývá integrací hybridních metod do systémů Business Intelligence, kdy pomocí kombinace matematicko-statistických modelů ETS a modelů třídy ARIMA s modelem strojového učení LSTM je vytvořen návrh adaptabilního systému. Cílem práce je popsat teoretický rámec těchto metod doplněný o empirickou ilustraci jejich možného využití na podnikových datech v konkrétním systému Business …více

Abstract

This diploma thesis deals with integrating hybrid methods into Business Intelligence systems, where an adaptable system is designed using a combination of mathematical-statistical models ETS and ARIMA class models with the LSTM machine learning model. The thesis aims to describe the theoretical framework of these methods supplemented by an empirical illustration of their possible use on company data …více

Klíčová slova
Adaptabilita Predikce Reporting Business Intelligence Power BI Hybridní modely Modely ETS Modely ARIMA Strojové učení LSTM Adaptability Prediction Hybrid Models ETS Models ARIMA Models Machine Learning
Zadání práce

Cílem práce bude vyhodnotit možnosti a meze využití hybridních modelů, které kombinující metody strojového učení s metodami statistickými, pro predikce vycházející z podnikových dat. Toto hodnocení bude založené zejména na srovnání oproti predikcím založených pouze na klasických matematicko-statistických metodách využívaných v ekonometrii časových řad. Struktura práce bude následující:

1. Rešerše literatury zaměřená na problematiku forecastingu (predikcí) v kontextu BI systémů.

2. Podrobné představení zvolených statistických metod (zejména pak exponenciálního vyrovnání pro sezónní data v podobě ETS(AAA) a modely z třídy S-ARIMA) a metod strojového učení (jako je například Long short-term memory neboli LSTM).

3. Představení dat, modelů, nástrojů a metod k vyhodnocování predikční schopnosti zvolených modelů a pro jejich vzájemné srovnání.

4. Vyhodnocení dosažených výsledků, jejich věcná interpretace a shrnutí.

Administrativní informace
Práce zkontrolována:
11. 1. 2024 15:18, doc. Ing. Daniel Němec, Ph.D., učo 22939
Plný text práce
3,7 MB / soubor PDF
Přílohy (1)
Jazyk práce
čeština čeština
Termín obhajoby
30. 1. 2024
Práce byla úspěšně obhájena

Vedoucí

doc. Ing. Daniel Němec, Ph.D., učo 22939
KE ESF MU

Oponent

Ing. Jakub Moučka, Ph.D.
KE ESF MU

Literatura

  • BOX, George E. P.; Gwilym M. JENKINS a Gregory C. REINSEL. Time series analysis : forecasting and control. 4th ed. Hoboken: John Wiley & Sons, 2008, xxiv, 746. ISBN 9780470272848.
Citovat tuto práci
Masarykova univerzita Ekonomicko-správní fakulta
Studijní program
Plán
Matematické a statistické metody v ekonomii

Práce na příbuzné téma

Seznam prací, které mají shodná klíčová slova.

Podobné práce

  • Přidání souboru

    Soubor nebo složku lze nahrát pomocí tlačítka Přidat.

  • Další operace se soubory

    Podrobnosti lze zjistit označením příslušného řádku.

  • Pohled pro experty

    Pro častou práci je možné zvolit režim Více možností.

  • Vyhledávání souborů

    Vyhledávaný výraz můžete zadat přímo do adresního řádku.

  • Rychlý přístup k souborům

    Pomocí funkce Nedávné je možné se rychle vrátit k právě prohlíženým souborům. Oblíbené soubory je také možné označit Hvězdičkou.