Praca magisterska
Brak miniatury
Licencja
ClosedAccessDostęp zamknięty
 

Wpływ sieciowych zasobów informacyjnych na prognozowanie cen kawy. Analiza cen kawy w wybranych krajach Ameryki Południowej z wykorzystaniem narzędzi big data

Uproszczony widok
dc.abstract.enThe aim of the study was to develop a model for predicting coffee prices in selected South American countries and to examine how the effectiveness of such a model varies depending on the data sources used. The analysis utilized data from various information sources available online, such as coffee organizations (ICO, CEPEA, FNC) and data repositories, particularly Kaggle. Predictive models based on multiple regression considered the impact of weather anomalies and the production sizes of individual coffee-growing countries. The study results showed that the effectiveness of the predictive model varies depending on the chosen data sources. The models did not achieve high accuracy in forecasting coffee prices, which may be due to difficulties in accessing high-quality data and its dispersion. Further research recommends acquiring better quality data and considering the use of more advanced machine learning techniques, such as neural networks, to better handle data uncertainties.
dc.abstract.plCelem pracy było opracowanie modelu do predykcji cen kawy w wybranych krajach Ameryki Południowej oraz zbadanie, jak skuteczność takiego modelu różni się w zależności od wykorzystanych źródeł danych. Do analizy wykorzystano dane pochodzące z różnych źródeł informacji dostępnych w sieci, takich jak organizacje kawowe (ICO, CEPEA, FNC) oraz repozytoria danych, w szczególności Kaggle. Modele predykcyjne oparte na regresji wielorakiej brały pod uwagę wpływ anomalii pogodowych oraz wielkości produkcji poszczególnych krajów uprawiających kawę. Wyniki badania wykazały, że efektywność modelu predykcyjnego różni się w zależności od wybranych źródeł danych. Modele nie osiągnęły wysokiej skuteczności w prognozowaniu cen kawy, co może być spowodowane trudnościami w dostępie do wysokiej jakości danych oraz ich rozproszeniem. W dalszych badaniach zaleca się pozyskanie lepszej jakości danych oraz rozważenie zastosowania bardziej zaawansowanych technik uczenia maszynowego, takich jak sieci neuronowe, w celu lepszego radzenia sobie z niepewnościami danych.
dc.affiliationUniwersytet Warszawski
dc.affiliation.departmentWydział Dziennikarstwa, Informacji i Bibliologii
dc.contributor.authorSzmagaj, Maja
dc.date.accessioned2025-01-09T12:48:14Z
dc.date.available2025-01-09T12:48:14Z
dc.date.defence2024-09-26
dc.date.issued2024
dc.date.submitted2024-07-28
dc.description.promoterJachimczyk, Adam
dc.description.reviewerWłodarczyk, Bartłomiej
dc.description.reviewerJachimczyk, Adam
dc.identifier.apd234575
dc.identifier.urihttps://repozytorium.uw.edu.pl//handle/item/164376
dc.languagepl
dc.language.otheren
dc.publisherUniwersytet Warszawski
dc.rightsClosedAccess
dc.subject.encoffee
dc.subject.enagricultural products
dc.subject.enprice forecasting
dc.subject.enprediction
dc.subject.enbig data
dc.subject.endata analysis
dc.subject.enmachine learning
dc.subject.eninformation sources
dc.subject.plkawa
dc.subject.plprodukty rolne
dc.subject.plprognozowanie cen
dc.subject.plpredykcja
dc.subject.plbig data
dc.subject.planaliza danych
dc.subject.pluczenie maszynowe
dc.subject.plźródła informacji
dc.titleWpływ sieciowych zasobów informacyjnych na prognozowanie cen kawy. Analiza cen kawy w wybranych krajach Ameryki Południowej z wykorzystaniem narzędzi big data
dc.title.alternativeThe impact of online information resources on coffee price forecasting. The analysis of coffee prices in selected South American countries using big data tools
dc.typeMasterThesis
dspace.entity.typePublication