| | SLO | ENG | Piškotki in zasebnost

Večja pisava | Manjša pisava

Izpis gradiva Pomoč

Naslov:Uporaba metod strojnega učenja za izboljšanje procesa vodenja nalog pri projektnih dejavnostih
Avtorji:ID Unuchak, Tatyana (Avtor)
ID Kljajić Borštnar, Mirjana (Mentor) Več o mentorju... Novo okno
Datoteke:.pdf MAG_Unuchak_Tatyana_2024.pdf (6,35 MB)
MD5: DC2BD2DD70EC0613CB736F4AF2CE0301
 
Jezik:Slovenski jezik
Vrsta gradiva:Magistrsko delo/naloga
Tipologija:2.09 - Magistrsko delo
Organizacija:FOV - Fakulteta za organizacijske vede
Opis:Namen te raziskave je ugotoviti, kako lahko uporaba tehnik strojnega učenja izboljša procese upravljanja nalog v projektnih dejavnostih podjetij. Študija je bila izvedena z uporabo metodologije CRISP-DM na podatkih iz dveh virov o projektih Jira. Glavni koraki priprave podatkov so vključevali čiščenje podatkov, tokenizacijo, lematizacijo in uravnoteženje. Modeliranje je bilo izvedeno z uporabo petih klasifikatorjev: Random Forest, SVC (angl. support vector classifier), Logistic Regression, Gradient Boosting in kNN. Upoštevani so bili različni pristopi k razvrstitvi podatkov: razvrstitev v dva, tri in štiri razrede. Analiza je pokazala, da čiščenje podatkov iz tehničnih informacij ne vpliva na rezultate razvrščanja. Uravnoteženje je izboljšalo rezultate. Po našem mnenju je razvrstitev podatkov v dva, tri in celo štiri razrede pokazala dobre rezultate. Uvedba sentimentalne sestavine v model ni izboljšala rezultatov razvrščanja. Menimo, da je bil cilj raziskave dosežen. Nadaljnje raziskave so lahko usmerjene v izboljšanje algoritmov za čiščenje opisov projektnih nalog iz tehničnih informacij. Naši rezultati in priporočila bodo pripomogli k izboljšanju procesov upravljanja nalog v projektih in povečanju njihove učinkovitosti.
Ključne besede:vodenje projektov, strojno učenje, prioriteta nalog, algoritmi za razvrščanje
Kraj izida:Maribor
Leto izida:2024
PID:20.500.12556/DKUM-89216 Novo okno
COBISS.SI-ID:200810499 Novo okno
Datum objave v DKUM:05.07.2024
Število ogledov:276
Število prenosov:40
Metapodatki:XML DC-XML DC-RDF
Področja:FOV
:
Kopiraj citat
  
Skupna ocena:(0 glasov)
Vaša ocena:Ocenjevanje je dovoljeno samo prijavljenim uporabnikom.
Objavi na:Bookmark and Share



Postavite miškin kazalec na naslov za izpis povzetka. Klik na naslov izpiše podrobnosti ali sproži prenos.

Licence

Licenca:CC BY-NC-ND 4.0, Creative Commons Priznanje avtorstva-Nekomercialno-Brez predelav 4.0 Mednarodna
Povezava:http://creativecommons.org/licenses/by-nc-nd/4.0/deed.sl
Opis:Najbolj omejujoča licenca Creative Commons. Uporabniki lahko prenesejo in delijo delo v nekomercialne namene in ga ne smejo uporabiti za nobene druge namene.
Začetek licenciranja:26.06.2024

Sekundarni jezik

Jezik:Angleški jezik
Naslov:Applying machine learning methods to improve the task management process in project activities
Opis:The purpose of this research is to identify how the use of machine learning techniques can improve task management processes in companies' project activities. The study was carried out using the CRISP-DM methodology on data from two sources on Jira projects. The main data preparation steps included data cleaning, tokenization, lemmatization and balancing. The modelling was performed using five classifiers: Random Forest, SVC (support vector classifier), Logistic Regression, Gradient Boosting and kNN. Different approaches to data classification were considered: two, three and four class classification. The analysis showed that data cleaning from technical information does not affect the classification results. The rebalancing improved the results. In our opinion, data classification into two, three and even four classes showed good results. Introducing a sentiment component into the model did not improve the classification results. We believe that the purpose of the study has been achieved. Further research can be directed towards improving algorithms for cleaning project task descriptions from technical information. Our results and recommendations will help to improve the task management processes in projects and increase their efficiency.
Ključne besede:project management, machine learning, task prioritization, classification algorithms


Komentarji

Dodaj komentar

Za komentiranje se morate prijaviti.

Komentarji (0)
0 - 0 / 0
 
Ni komentarjev!

Nazaj
Logotipi partnerjev Univerza v Mariboru Univerza v Ljubljani Univerza na Primorskem Univerza v Novi Gorici