Predikce nemocnosti zaměstnanců Škoda Auto
pomocí strojového učení

Novotný, Dominik

Publikace:
Predikce nemocnosti zaměstnanců Škoda Auto pomocí strojového učení

Diplomová práceopen access

dc.contributor.advisor	Hájek, Petr
dc.contributor.author	Novotný, Dominik
dc.contributor.referee	Mikát, Vojtěch
dc.date.accepted	2019-06-04
dc.date.accessioned	2019-06-18T07:05:46Z
dc.date.available	2019-06-18T07:05:46Z
dc.date.issued	2019
dc.date.submitted	2019-04-30
dc.description.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 nízkou chybou. Výsledky všech použitých metod jsou vyhodnoceny z hlediska chyby a vysvětleného rozptylu. Ukazuje se také, že navržený predikční model výkonností překonává současně používaný přístup a může tak značně přispět ke zvýšení efektivnosti řízení lidských zdrojů v oblasti personálního plánování.	cze
dc.description.abstract-translated	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 departments with a low error. The results of the used methods are compared in terms of error and variance explained. It is showed that the proposed prediction model outperforms the currently used approach and, thus, it is expected to improve the effectiveness of human resource management in personal planning	eng
dc.description.defence	Student představil základní teze své diplomové práce. Uvedl cíl diplomové práce, způsob řešení a prezentoval výsledky, kterých dosáhl. V rámci rozpravy odpověděl na otázky vedoucího a oponenta práce a na následující otázky od členů komise: Na straně 33 máte obrázek 2 a uvádíte, že se jedná o váš návrh, je opravdu váš, nebo je pouze upraven podle literatury? Jak tento obrázek neuronu koresponduje s rovnicemi na straně 20 a 21? Jaký je rozdíl mezi rozhodovacím stromem a rozhodovacím lesem? Jakým způsobem jste řešil problematiku práce časovou řadou zaměstnanců. Do které kategorie modelů patří algoritmus, který dává nejlepší výsledky. Student na otázky odpověděl a diplomovou práci obhájil.	cze
dc.description.department	Fakulta ekonomicko-správní	cze
dc.description.grade	Dokončená práce s úspěšnou obhajobou	cze
dc.format	74 s.
dc.identifier	Univerzitní knihovna (studovna)	cze
dc.identifier.signature	D39503
dc.identifier.stag	37036
dc.identifier.uri	https://hdl.handle.net/10195/73031
dc.language.iso	cze
dc.publisher	Univerzita Pardubice	cze
dc.rights	bez omezení	cze
dc.subject	strojové učení	cze
dc.subject	XGBoost	cze
dc.subject	Python	cze
dc.subject	Scikit-learn	cze
dc.subject	neuronové sítě	cze
dc.subject	nemocnost zaměstnanců	cze
dc.subject	machine learning	eng
dc.subject	XGBoost	eng
dc.subject	Python	eng
dc.subject	Scikit-learn	eng
dc.subject	neural networks	eng
dc.subject	employee sickness	eng
dc.thesis.degree-discipline	Informatika ve veřejné správě	cze
dc.thesis.degree-grantor	Univerzita Pardubice. Fakulta ekonomicko-správní	cze
dc.thesis.degree-name	Ing.
dc.thesis.degree-program	Systémové inženýrství a informatika	cze
dc.title	Predikce nemocnosti zaměstnanců Škoda Auto pomocí strojového učení	cze
dc.title.alternative	ŠKODA AUTO employee sickness prediction using machine learning	eng
dc.type	diplomová práce	cze
dspace.entity.type	Publication