Techniky A.I. aplikované pro datovou analýzu v oblasti automotive

Bc. Eva Bedáňová

Diplomová práce

A.I. Techniques Applied to Automotive Data Analysis

Abstract:

This master thesis explores the application of artificial intelligence techniques, specifically Restricted Boltzman Machine (RBM) and Recurrent Neural Network (RNN), to analyse automotive sales and production data. Recurrent Neural Network focuses on time-series analysis for forecasting sales trends. In contrast, Restricted Boltzman Machine focuses on sample-based prediction of sales increases based on country-specific data. The study aims to provide valuable insights and improve decision-making in the automotive industry using these AI models.

Abstract:

Tato magisterská práce se zabývá aplikací technik umělé inteligence, konkrétně Restricted Boltzman Machine (RBM) a Recurrent Neural Network (RNN), k analýze dat o prodeji a výrobě automobilů. Recurrent Neural Network se zaměřuje na analýzu časových řad pro předpovídání prodejních trendů. Naproti tomu se Restricted Boltzman Machine zaměřuje na predikci nárůstu prodeje na základě vzorku na základě údajů specifických pro jednotlivé země. Cílem studie je poskytnout cenné poznatky, testování různých konfigurací pro modely, a ukázat možné zlepšení rozhodování v automobilovém průmyslu pomocí těchto modelů umělé inteligence.

Keywords

AI, RBM, RNN, automobilová data, prodej, výroba, analýza časových řad, predikce

Jazyk práce: angličtina

Datum vytvoření / odevzdání či podání práce: 25. 8. 2023

Obhajoba závěrečné práce

• Vedoucí: prof. Ing. Roman Šenkeřík, Ph.D.

Univerzita Tomáše Bati ve Zlíně

Fakulta aplikované informatiky

Magisterský studijní program / obor:
Informační technologie / Softwarové inženýrství