Predikce nemocnosti zaměstnanců Škoda Auto pomocí strojového učení – Bc. Dominik Novotný
Bc. Dominik Novotný
Master's thesis
Predikce nemocnosti zaměstnanců Škoda Auto pomocí strojového učení
Abstract:
Diplomová práce se zabývá popisem používaných metod strojového učení pro regresní úlohy a následnou aplikací těchto metod na úloze zaměřené na predikci nemocnosti zaměstnanců firmy ŠKODA AUTO, a.s. Použité metody predikce zahrnují zejména neuronové sítě, podpůrnou vektorovou regresi a XGBoost. Výsledky ukazují, že pomocí těchto metod lze predikovat nemocnost zaměstnanců na jednotlivých odděleních s …moreAbstract:
This thesis deals with description of commonly used machine learning methods for regression tasks followed by their application on a prediction task focused on ŠKODA AUTO, a.s. employee sickness prediction. The machine learning methods used for this task mainly include neural networks, support vector regression and XGBoost. The results show that it is possible to predict employee sickness in individual …more
Language used: Czech
Date on which the thesis was submitted / produced: 30. 4. 2019
Accessible from:: 31. 12. 2999
Thesis defence
- Supervisor: doc. Ing. Petr Hájek, Ph.D.
Citation record
ISO 690-compliant citation record:
NOVOTNÝ, Dominik. \textit{Predikce nemocnosti zaměstnanců Škoda Auto pomocí strojového učení}. Online. Master's thesis. Pardubice: University of Pardubice, Faculty of Economics and Administration. 2019. Available from: https://theses.cz/id/zl1fvb/.
The right form of listing the thesis as a source quoted
Novotný, Dominik. Predikce nemocnosti zaměstnanců Škoda Auto pomocí strojového učení. Pardubice, 2019. diplomová práce (Ing.). Univerzita Pardubice. Fakulta ekonomicko-správní
Full text of thesis
Accessibility: Autor si nepřeje zpřístupnění práce veřejnosti
Contents of on-line thesis archive
Published in Theses:- Soubory jsou nedostupné.
Other ways of accessing the text
Institution archiving the thesis and making it accessible: Univerzita Pardubice, Fakulta ekonomicko-správníUniversity of Pardubice
Faculty of Economics and AdministrationMaster programme / field:
System Engineering and Informatics / Informatics in Public Administration
Theses on a related topic
-
Modelování hudební transkripce pomocí hlubokého učení: návrh, konstrukce a validace modelu na principu rekurentní neuronové sítě
Daniel Kvak -
Strojové učení a virtuální nervové sítě jako nástroje filmové tvorby
Jakub KUCHAŘ -
Vzdělávací hra vysvětlující strojového učení a neuronové sítě
Jakub Ostrihoň -
Strojové učení s využitím metody transfer learning
Jan Štol -
Detekce strojově přeložených textů pomocí strojového učení
Jan Kusák