Odhad pravděpodobnosti výskytu chyby při zprovozňování elektroniky vozu – Ján Šudák
Ján Šudák
Diplomová práce
Odhad pravděpodobnosti výskytu chyby při zprovozňování elektroniky vozu
Estimating the probability of an error occurence during flashing of electronic components
Anotace:
Diplomová práce se zabývá predikcí pravděpodobnosti vzniku chyby při testování elektroniky vozidla ve výrobě. Cílem práce je aplikace metod strojového učení při řešení reálného byznys problému. Práce byla strukturována podle metodiky CRISP-DM a zahrnuje analýzu byznys procesu, identifikaci problému, analýzu a zpracování dat, volbu vhodných metod strojového učení, realizaci řešení, vyhodnocení výsledků …víceAbstract:
The thesis deals with the prediction of the probability of a fault occurrence during the testing of vehicle electronics in production. The aim of the thesis is the application of machine learning methods in solving a real byznys problem. The thesis was structured according to the CRISP-DM methodology and includes byznys process analysis, problem identification, data analysis and processing, selection …více
Jazyk práce: čeština
Datum vytvoření / odevzdání či podání práce: 1. 5. 2023
Identifikátor:
https://vskp.vse.cz/eid/89415
Obhajoba závěrečné práce
- Obhajoba proběhla 2. 6. 2023
- Vedoucí: Pavel Zimmermann
- Oponent: Jan Fojtík
Plný text práce
Obsah online archivu závěrečné práce
Zveřejněno v Theses:- autentizovaným zaměstnancům ze stejné školy/fakulty
Jak jinak získat přístup k textu
Instituce archivující a zpřístupňující práci: Vysoká škola ekonomická v Prazehttps://vskp.vse.cz/eid/89415
Vysoká škola ekonomická v Praze
Magisterský studijní program:
Data a analytika pro business
Práce na příbuzné téma
-
Testování elektronických řídicích jednotek
Jan KADLEC -
Aplikace robotů v automatizovaném testování řídicích jednotek automobilů
Josef VANĚK -
Demand estimation using Machine Learning methods
Gabriela Moravčíková -
Analyzing use of cryptographic primitives by machine learning approaches
Adam Janovský -
Processing Research-related Information with Machine learning and Knowledge Graphs
Gollam Rabby