Využití Machine Learningového algoritmu k předcházení nežádoucích stavů v rámci elektronické preskripce – Miroslav Lutovský
Miroslav Lutovský
Diplomová práce
Využití Machine Learningového algoritmu k předcházení nežádoucích stavů v rámci elektronické preskripce
Use of Machine Learning algorithm to prevent undesirable conditions within electronic prescription
Anotace:
Hlavním cílem této diplomové práce je implementování Machine learningového algoritmu pro hledání anomálií ve spotřebě Antiinfektiv nad daty ze systému eRecept. K vytvoření řešení je nutné načerpat teoretické znalosti z oblastí spotřeby Antiinfektiv, eReceptu a Machine learningu. Dále je pro tvorbu řešení nezbytné vytvořit algoritmy pro získávání dat ve vhodné podobě pro použití ML algoritmy. Tyto algoritmy …víceAbstract:
The main goal of this diploma thesis is to implement a Machine learning algorithm for finding anomalies in the consumption of anti-infectives over data from the ePrescription system. To create a solution, it is necessary to gain theoretical knowledge in the areas of consumption of Anti-infectives, ePrescription and Machine Learning. Furthermore, in order to create a solution, it is necessary to create …více
Jazyk práce: čeština
Datum vytvoření / odevzdání či podání práce: 28. 6. 2021
Identifikátor:
https://vskp.vse.cz/eid/84495
Obhajoba závěrečné práce
- Obhajoba proběhla 12. 10. 2021
- Vedoucí: Martin Potančok
- Oponent: Pavel Zimmermann
Citační záznam
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/84495
Vysoká škola ekonomická v Praze
Magisterský studijní program / obor:
Aplikovaná informatika / Informační systémy a technologie
Práce na příbuzné téma
-
Použití MS Azure Machine Learning a AI služeb v kontextu vývoje ASP.NET Core aplikací
Lucie Dvořáčková -
Machine learning a zpracování dat pomocí Microsoft Azure
Lukáš Beran -
Strojové učení v cloudovém prostředí Azure
Irina OSOVSCHI -
Cognitive Computing and Machine Learning
Fredy Alberto Rodriguez Bautista -
Anomaly Detection in Galaxy Images using Deep Learning
Karina Batalova -
Machine learning analysis and cataloging of extragalactic sources
Matej Kosiba -
Overview and Analysis of Data Vault 2.0 - Flexible Data Warehousing Methodology
Adam Hospodka -
Data analysis of production defect data
Veronika Aksamítová