Documenti full-text disponibili:
![[img]](http://amslaurea.unibo.it/style/images/fileicons/application_pdf.png) |
Documento PDF (Thesis)
Full-text accessibile solo agli utenti istituzionali dell'Ateneo
Disponibile con Licenza: Salvo eventuali più ampie autorizzazioni dell'autore, la tesi può essere liberamente consultata e può essere effettuato il salvataggio e la stampa di una copia per fini strettamente personali di studio, di ricerca e di insegnamento, con espresso divieto di qualunque utilizzo direttamente o indirettamente commerciale. Ogni altro diritto sul materiale è riservato
Download (612kB)
| Contatta l'autore
|
Abstract
L'attività che ha condotto allo sviluppo di questa tesi è iniziata con un tirocinio presso l'Azienda Global Sistemi che si occupa di software di gestione di flotte aziendali. In particolare l'azienda tramite dispositivi elettronici è in grado di controllare i percorsi che le singole unità di un parco auto possono effettuare.
L'interesse aziendale riguarda l'ottimizzazione delle risorse, in particolare si è posta l'attenzione sui costi che una singola auto comporta annualmente, tale argomento non riguarda in primis l'azienda in cui ho svolto il tirocinio, bensì l'interesse dei propri clienti che sono i possessori del parco auto.
Mi sono stati forniti perciò i dati di alcuni clienti, ma spesso presentavano dati mancanti nelle variabili di interesse.
Il lavoro, quindi, si occupa di analizzare tali informazioni e prevedere con metodi di Data Science il loro andamento, per poter
fornire previsioni future utili a decisioni aziendali.
La tecnica utilizzata è quella della regressione, utile per analizzare una serie di dati che consistono in una variabile dipendente e una o più variabili indipendenti; il principio su cui si basa è servirsi delle informazioni del passato come strumento per la simulazione del futuro. Per la loro versatilità la tecniche di regressione trovano impiego nel campo delle scienze applicate: chimica, fisica, ingegneria, nonché nelle scienze sociali: economia, psicologia e sociologia.
Abstract
L'attività che ha condotto allo sviluppo di questa tesi è iniziata con un tirocinio presso l'Azienda Global Sistemi che si occupa di software di gestione di flotte aziendali. In particolare l'azienda tramite dispositivi elettronici è in grado di controllare i percorsi che le singole unità di un parco auto possono effettuare.
L'interesse aziendale riguarda l'ottimizzazione delle risorse, in particolare si è posta l'attenzione sui costi che una singola auto comporta annualmente, tale argomento non riguarda in primis l'azienda in cui ho svolto il tirocinio, bensì l'interesse dei propri clienti che sono i possessori del parco auto.
Mi sono stati forniti perciò i dati di alcuni clienti, ma spesso presentavano dati mancanti nelle variabili di interesse.
Il lavoro, quindi, si occupa di analizzare tali informazioni e prevedere con metodi di Data Science il loro andamento, per poter
fornire previsioni future utili a decisioni aziendali.
La tecnica utilizzata è quella della regressione, utile per analizzare una serie di dati che consistono in una variabile dipendente e una o più variabili indipendenti; il principio su cui si basa è servirsi delle informazioni del passato come strumento per la simulazione del futuro. Per la loro versatilità la tecniche di regressione trovano impiego nel campo delle scienze applicate: chimica, fisica, ingegneria, nonché nelle scienze sociali: economia, psicologia e sociologia.
Tipologia del documento
Tesi di laurea
(Laurea)
Autore della tesi
Cavallucci, Martina
Relatore della tesi
Correlatore della tesi
Scuola
Corso di studio
Indirizzo
Curriculum ingegneria informatica
Ordinamento Cds
DM270
Parole chiave
Data Science,Regressione,classificazione,analisi predittiva,Python
Data di discussione della Tesi
21 Marzo 2019
URI
Altri metadati
Tipologia del documento
Tesi di laurea
(NON SPECIFICATO)
Autore della tesi
Cavallucci, Martina
Relatore della tesi
Correlatore della tesi
Scuola
Corso di studio
Indirizzo
Curriculum ingegneria informatica
Ordinamento Cds
DM270
Parole chiave
Data Science,Regressione,classificazione,analisi predittiva,Python
Data di discussione della Tesi
21 Marzo 2019
URI
Statistica sui download
Gestione del documento: