Datová analýza Covid-19

Bc. Matěj Bílek

Master's thesis

Covid-19 data analysis

Abstract:

Diplomová práce se zabývá tvorbou prediktivních modelů časových řad šíření onemocnění Covid-19. Hlavním cílem práce je vytvořit prediktivní modely zachycující vývoj šíření onemocnění v roce 2025 pomocí metod strojového učení v programovacím jazyce Python. V teoretické části jsou popsána klíčová témata související s datovou analýzou a modelováním, zahrnující charakteristiku onemocnění Covid-19, význam sledování statistik vývoje této nemoci, programovací jazyk Python a metody strojového učení. Na základě teoretických poznatků je v praktické části vybrán reprezentativní datový soubor, na který jsou aplikovány tři odlišné prediktivní modely v jazyce Python: statistický model Prophet určený pro práci s časovými řadami, model XGBoost využívající rozhodovací stromy v kombinaci s algoritmem gradientního boostingu a model hlubokého učení LSTM založený na rekurentních neuronových sítích. Součástí tvorby modelu je popis důležitých matematických principů, rozbor implementace a vizualizace výsledků predikcí počtu nových případů Covid-19 pro rok 2025. V závěru práce jsou výsledky jednotlivých modelů porovnány a vyhodnoceny, včetně diskuse o jejich predikčních schopnostech, silných a slabých stránkách, limitech a případných překážkách v procesu modelování.

Abstract:

Diploma thesis is focused on developing predictive models for time series forecasting of the spread of Covid-19. The main objective of the thesis is to create predictive models capturing the progression of disease spread in 2025 using machine learning methods in the Python programming language. The theoretical section describes essential topics related to data analysis and modeling, including the characteristics of Covid-19, the significance of monitoring disease progression statistics, the Python programming language, and machine learning methods. Based on the theoretical insights, a representative dataset is selected in the practical section, and three distinct predictive models are applied in Python: the statistical model Prophet for time series analysis, the XGBoost model using decision trees combined with gradient boosting algorithms, and the LSTM deep learning model based on recurrent neural networks. The creation of each model includes a description of essential mathematical principles, analysis of implementation, and visualization of predictions for the number of new Covid-19 cases for year 2025. Finally, the thesis concludes by comparing and evaluating the results of individual models, including a discussion of their predictive capabilities, strengths and weaknesses, limitations, and potential obstacles encountered during the modeling process.

Keywords

Python, strojové učení, prediktivní modely, vizualizace dat, Covid-19, datová analýza, neuronové sítě, hluboké učení, časové řady, Python knihovny

Keywords

Machine Learning, prediction models, Python, time series, Deep Learning, Covid-19, data analysis, neural networks, data visualization, Python libraries

Language used: Czech

Date on which the thesis was submitted / produced: 3. 4. 2025

Thesis defence

• Date of defence: 26. 5. 2025
• Supervisor: prof. Ing. Jindřich Špička, Ph.D.
• Reader: Marie Šimpachová Pechrová, externi

Czech University of Life Sciences Prague

Faculty of Economics and Management

Master programme:
Informatika