Strojové učení v sociodemografické segmentaci zákazníků telekomunikační společnosti
Machine Learning in Sociodemographic Segmentation of a Telco Company Customers
Typ dokumentu
bakalářská prácebachelor thesis
Autor
Marksfeld Alex Eduard
Vedoucí práce
Romportl Jan
Oponent práce
Kordík Pavel
Studijní obor
Znalostní inženýrstvíStudijní program
InformatikaInstituce přidělující hodnost
katedra aplikované matematikyPráva
A university thesis is a work protected by the Copyright Act. Extracts, copies and transcripts of the thesis are allowed for personal use only and at one?s own expense. The use of thesis should be in compliance with the Copyright Act http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf and the citation ethics http://knihovny.cvut.cz/vychova/vskp.htmlVysokoškolská závěrečná práce je dílo chráněné autorským zákonem. Je možné pořizovat z něj na své náklady a pro svoji osobní potřebu výpisy, opisy a rozmnoženiny. Jeho využití musí být v souladu s autorským zákonem http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf a citační etikou http://knihovny.cvut.cz/vychova/vskp.html
Metadata
Zobrazit celý záznamAbstrakt
Táto práca sa zaoberá použitím algoritmov strojového učenia na klasifikáciu veku a pohlavia u zákaznikov telekomunikačnej spoločnosti. Analyzuje už existujúci predikčný model a semantickú kvalitu dát, ktorej sa to týka. Boli ukázané rozdiely vo výkonnosti a rýchlosti dvoch algoritmov strojového učenia. Ďalej sa v práci experimentuje s využitím neuronových sietí na predikciu veku a pohlavia s úplne iným typom dat, aký bol použitý pri vytváraní dvoch predikčných modelov založených na algoritmoch strojového učenia. This thesis is concerned with machine learning algorithms in order to classify the age and gender of Telco company customers. It provides the analysis of already existing predictive models and of the semantic quality of data, which were used in the training of this model. Differences in speed and performance were shown between two machine learning algorithms. Furthermore this thesis experiments with using neural network in order to predict age and gender with different types of data, than the ones used for creating the two machine learning models used for trainings.
Kolekce
- Bakalářské práce - 18105 [295]