Mogućnosti primjene metoda strojnog učenja u području telekomunikacija

završni rad

• Naslov (engleski): Opportunities for Applying Machine Learning Methods in Telecommunications
• Autor: David Aleksić
• Mentor: Ivan Cvitić (mentor)
• Član povjerenstva: Dragan Peraković (predsjednik povjerenstva)
• Član povjerenstva: Siniša Husnjak (član povjerenstva)
• Član povjerenstva: Marko Periša (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet prometnih znanosti; (Promet); (Zavod za informacijsko komunikacijski promet); Zagreb
• Datum i država obrane: 2021-08-31, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: TEHNIČKE ZNANOSTI; Tehnologija prometa i transport; Poštansko-telekomunikacijski promet

Sažetak

Ovaj završni rad prikazuje metode strojnog učenja i mogućnosti primjene strojnog učenja u području telekomunikacija. Uz primjere primjene strojnog učenja također je definiran pojam umjetne inteligencije koja je danas u sve češćoj upotrebi u svijetu. Strojno učenje kao podsustav umjetne inteligencije ima veliki broj vlastitih algoritama koji se koriste za različite primjere. Sa sve većim razvojem tehnologija kao što su veće brzine interneta, 5G mobilne mreže itd. iz npr. telekomunikacijskog područja dolazi do potrebe za boljim upravljanjem i podrškom za sustave koji se koriste novim tehnologijama. Metode strojnog učenja mogu se koristiti za poboljšanje korisničke usluge prikupljanjem podataka, za prikupljanje podataka o prometu u mreži i općenito u svim sustavima u kojima se zahtjeva prikupljanje, grupiranje i analiza podataka.

Sažetak (engleski)

This bachelor's thesis shows methods of machine learning and opportunities of using it in telecommunications. With the examples of using machine learning methods, the term of artificial intelligence, which is today used more than ever before, is defined in this thesis as well. Machine learning as a subset of artificial intelligence has a lot of its own algorithms and methods. With the improvement of the new technologies such as higher internet speeds, 5G mobile networks etc. for e.g., in telecommunication, comes the need for the new and improved management and support for the systems that are using those new technologies. Some types of machine learning can be used for collecting data to improve user’s quality of service, some are used for collecting data of traffic in networks or generally for any system that has the need to collect data, cluster data points and analysing data.

• Ključne riječi: umjetna inteligencija; strojno učenje; nadzirano strojno učenje; nenadzirano strojno učenje; algoritmi strojnog učenja
• Ključne riječi (engleski): Artificial Intelligence; Machine Learning; Supervised Machine Learning; Unsupervised Machine Learning; Machine Learning algorithms
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:119:003361
• Studijski program: Naziv: Promet; smjerovi: Cestovni, Željeznički, Vodni, Zračni, Poštanski, Informacijsko-komunikacijski, Gradski; Smjer: Cestovni; Vrsta studija: sveučilišni; Stupanj studija: preddiplomski; Akademski / stručni naziv: sveučilišni/a prvostupnik/prvostupnica (baccalaureus/baccalaurea) inženjer/inženjerka prometa (univ. bacc. ing. traff.)
• Vrsta resursa: Tekst
• Način izrade datoteke: Izvorno digitalna
• Prava pristupa: Otvoreni pristup
• Datum i vrijeme pohrane: 2021-09-03 14:08:11