| Studiju veids |
bakalaura akadēmiskās studijas |
| Studiju programmas nosaukums |
Informācijas tehnoloģija |
| Nosaukums |
Datu analītikas un mašīnmācīšanās izmantošana menopauzes riska faktoru identificēšanai un to nozīmīguma izvērtēšanai |
| Nosaukums angļu valodā |
Identification and Assessment of Menopausal Risk Factors Using Data Analytics and Machine Learning |
| Struktūrvienība |
33000 Datorzinātnes, informācijas tehnoloģijas un enerģētikas fakultāte |
| Darba vadītājs |
Inese Poļaka |
| Recenzents |
Olga Kotova |
| Anotācija |
Menopauzes iestāšanos ietekmē vairāki savstarpēji saistīti demogrāfiskie, dzīvesveida un veselības faktori, kuru analīze ar tradicionālajām statistikas metodēm var būt laikietilpīga un sarežģīta. Darba mērķis ir identificēt menopauzes riska faktorus un izvērtēt to nozīmīgumu, izmantojot datu analītikas un mašīnmācīšanās pieejas. Pētījumā izmantoti strukturēti kvantitatīvi un kategoriski veselības un anketu dati. Prognozējošo modeļu izveidei izmantoti loģistiskās regresijas, lineārās regresijas un XGBoost mašīnmācīšanās metodes, kuru veiktspēja novērtēta, izmantojot veiktspējas metrikas rādītājus. Darba rezultāti apliecina mašīnmācīšanās metožu piemērotību menopauzes riska faktoru analīzē un prognozēšanā.
Dati par darba apjomu – 64 lappušu, 4 attēlu, 27 tabulu, 24 pielikumu, 23 izmantoto informācijas avotu
Atslēgas vārdi: mašīnmācīšanās, datu analīze, riska faktoru analīze, prognoze. |
| Atslēgas vārdi |
mašīnmācīšanās, datu analīze, riska faktoru analīze, prognoze |
| Atslēgas vārdi angļu valodā |
machine learning, data analysis, risk factor analysis, forecast |
| Valoda |
lv |
| Gads |
2026 |
| Darba augšupielādes datums un laiks |
25.05.2026 17:17:14 |
