Design and implementation of a solution for a machine learning task in the cloud
| Thesis title: | Návrh a implementace řešení úlohy strojového učení v cloudu |
|---|---|
| Author: | Krumpholz, Tomáš |
| Thesis type: | Diplomová práce |
| Supervisor: | Novotný, Ota |
| Opponents: | Pour, Jan |
| Thesis language: | Česky |
| Abstract: | Tato diplomová práce se zabývá řešením úlohy strojového učení v cloudu. Cílem této diplomové práce je návrh a implementace řešení v cloudovém prostředí, jehož účelem je odhad pravděpodobnosti dobrovolného či nedobrovolného ukončení studia bez absolvování. První část práce se věnuje porozumění problematice studijní neúspěšnosti – hlavním teoretickým přístupům, příčinám a důsledkům. Další část je zaměřena na výběr vhodné služby strojového učení na platformě Microsoft Azure. Z široké nabídky poskytovaných služeb popsaných v této části byla pro svou všestrannost vybrána služba Azure Machine Learning. Dále se práce věnuje prediktivní datové analytice, strojovému učení a možnostem jejich uplatnění. Následně se již práce věnuje návrhu a implementaci řešení úlohy odhadu pravděpodobnosti předčasného ukončení studia za pomocí služeb platformy Microsoft Azure. Při realizaci řešení bylo postupováno v souladu s metodikou CRISP-DM. |
| Keywords: | strojové učení; studijní neúspěšnost; Cloud computing; CRISP-DM; Platform as a service; Prediktivní datová analytika |
| Thesis title: | Design and implementation of a solution for a machine learning task in the cloud |
|---|---|
| Author: | Krumpholz, Tomáš |
| Thesis type: | Diploma thesis |
| Supervisor: | Novotný, Ota |
| Opponents: | Pour, Jan |
| Thesis language: | Česky |
| Abstract: | This thesis deals with the machine learning task in the cloud. The aim of the thesis is to design and implement a solution in the cloud to estimate the probability of voluntary or involuntary dropout. The first part of the thesis is devoted to understanding the problem of academic failure – the main theoretical approaches, causes, and consequences. The next part focuses on the selection of a suitable machine learning service on the Microsoft Azure platform. From the wide range of provided services described in this section, the Azure Machine Learning service was chosen for its versatility. Furthermore, the thesis discusses predictive data analytics, machine learning, and their possible applications. Subsequently, the thesis focuses on the design and implementation of a solution to the task of estimating the probability of dropping out using Microsoft Azure platform services. The implementation of the solution was carried out in accordance with the CRISP-DM methodology. |
| Keywords: | CRISP-DM; dropout; Machine Learning; Predictive data analytics; Cloud computing; Platform as a service |
Information about study
| Study programme: | Data a analytika pro business |
|---|---|
| Type of study programme: | Magisterský studijní program |
| Assigned degree: | Ing. |
| Institutions assigning academic degree: | Vysoká škola ekonomická v Praze |
| Faculty: | Faculty of Informatics and Statistics |
| Department: | Department of Information Technologies |
Information on submission and defense
| Date of assignment: | 1. 1. 2022 |
|---|---|
| Date of submission: | 13. 12. 2022 |
| Date of defense: | 23. 1. 2023 |
| Identifier in the InSIS system: | https://insis.vse.cz/zp/83122/podrobnosti |