03650ntm a22005297i 4500 000725219 CZ-PrVSE 20250927091917.0 m d cr n|||||||||| 250927s2025 xr fsbm 000 0 cze d NEZPRACOVANÝ IMPORT ABA006 cze ABA006 ABA006 rda Nová, Michaela ISIS:151669 dis Development of Predictive Models to Optimize Order Forecasting in a Technology Company eng Vývoj prediktivních modelů pro optimalizaci předpovědi objednávek v technologické společnosti / Michaela Nová 2025 ?? stran : digital, PDF soubor Vedoucí práce: Marie Kovářová Diplomová práce (Ing.)—Vysoká škola ekonomická v Praze. Fakulta informatiky a statistiky, 2025 Obsahuje bibliografii Textový (vysokoškolská kvalifikační práce) Rok obhajoby 2025 Tato diplomová práce se zaměřuje na tvorbu prediktivního modelu pro předpověď objednávek s využitím metod pro zpracování časových řad. Cílem bylo automaticky předpřipravit data pro datově odlišné soubory zákazníků a nalézt takový model, který by dokázal vhodně predikovat a vystihnout odlišnosti mezi těmito soubory. Vývoj modelu vycházel z metodologie CRISP-DM, která strukturovala jednotlivé kroky od porozumění byznysu až po nasazení. V rámci teoretické části byly představeny jednotlivé přístupy pro modelaci časových řad, které byly následně využity v části praktické. Klíčovým krokem pro vývoj modelu bylo předzpracování dat, v jehož rámci byla data logaritmována, vyhlazena exponenciálně a pomocí klouzavých průměrů, a dále připravena pomocí pipelines. Jelikož se v datech vyskytovaly výrazné fluktuace, byly nejlepších výsledků dosaženo pomocí exponenciálního vyhlazení s většími okny. Nejnižší chyby na validační sadě dosáhl model XGBRegressor, jehož hyperparametry byly laděny pomocí Grid search z důvodu časových omezení a paralelního zpracování, které tento algoritmus umožňuje. Výsledky ukázaly, že klíčovým krokem pro přesnost predikcí byla zejména agregace dat na měsíční úroveň a následné předzpracování dat. Model XGBRegressor je v současnosti ve fázi testování, aby byla ověřena jeho stabilita a spolehlivost v praxi. Způsob přístupu: Internet data a analytika pro business [obor dipl. práce] diplomové práce fd132022 czenas master's theses eczenas Prediktivní modelování objednávky XGBRegressor vyhlazení časové řady Kovářová, Marie ISIS:53805 ths Maryška, Miloš ola2012698940 opn Vysoká škola ekonomická v Praze. Fakulta informatiky a statistiky kn20010709399 dgg https://insis.vse.cz/zp/90874/podrobnosti VŠKP v InSIS https://aleph.vse.cz/neverejny_soubor_prace.pdf Hlavní práce https://insis.vse.cz/zp/90874/posudek/vedouci Hodnocení vedoucího https://insis.vse.cz/zp/90874/posudek/oponent/86369 Oponentura https://aleph.vse.cz/neverejny_soubor_prace.pdf Přiloha k práci https://insis.vse.cz/zp/90874/podrobnosti dc:identifier NEPOSILAT VSKP vse90874 250927 90874