The field of natural language processing has received increased attention lately, but less focus is put on comparing models, which differ in complexity. This thesis compares Random Forest to LSTM, for the task of classifying a message as question or non-question. The comparison was done by training and optimizing the models on historic chat data from the Swedish insurance company Hedvig. Different types of word embedding were also tested, such as Word2vec and Bag of Words. The results demonstrated that LSTM achieved slightly higher scores than Random Forest, in terms of F1 and accuracy. The models’ performance were not significantly improved after optimization and it was also dependent on which corpus the models were trained on. An investigation of how a chatbot would affect Hedvig’s adoption rate was also conducted, mainly by reviewing previous studies about chatbots’ effects on user experience. The potential effects on the innovation’s five attributes, relative advantage, compatibility, complexity, trialability and observability were analyzed to answer the problem statement. The results showed that the adoption rate of Hedvig could be positively affected, by improving the first two attributes. The effects a chatbot would have on complexity, trialability and observability were however suggested to be negligible, if not negative. / Det vetenskapliga området språkteknologi har fått ökad uppmärksamhet den senaste tiden, men mindre fokus riktas på att jämföra modeller som skiljer sig i komplexitet. Den här kandidatuppsatsen jämför Random Forest med LSTM, genom att undersöka hur väl modellerna kan användas för att klassificera ett meddelande som fråga eller icke-fråga. Jämförelsen gjordes genom att träna och optimera modellerna på historisk chattdata från det svenska försäkringsbolaget Hedvig. Olika typer av word embedding, så som Word2vec och Bag of Words, testades också. Resultaten visade att LSTM uppnådde något högre F1 och accuracy än Random Forest. Modellernas prestanda förbättrades inte signifikant efter optimering och resultatet var också beroende av vilket korpus modellerna tränades på. En undersökning av hur en chattbot skulle påverka Hedvigs adoption rate genomfördes också, huvudsakligen genom att granska tidigare studier om chattbotars effekt på användarupplevelsen. De potentiella effekterna på en innovations fem attribut, relativ fördel, kompatibilitet, komplexitet, prövbarhet and observerbarhet analyserades för att kunna svara på frågeställningen. Resultaten visade att Hedvigs adoption rate kan påverkas positivt, genom att förbättra de två första attributen. Effekterna en chattbot skulle ha på komplexitet, prövbarhet och observerbarhet ansågs dock vara försumbar, om inte negativ.

The ability to predict stock returns is an ability many wish to possess, and in an accurate way as possible. For many years there has been an interest in the field of factor models explaining the returns, with the aim to increase the explanatory power. This is however a complex business since the factors and their improvement of explanatory power need to be significant. Now and then, researchers come up with new significant factors that have a positive impact on models. AQR Capital Management is no exception to this, since they in 2013 presented the factor Quality Minus Junk, earning significant risk-adjusted returns. This bachelor thesis work within mathematical statistics and industrial engineering and management, aims to investigate whether or not the commercial multi-factor model used at the public pension fund Fjärde AP-fonden will be improved by adding the factor Quality Minus Junk, in the sense of explanatory power. The method used is mainly based on multiple linear regression and three three-year time periods are studied ranging from 2010 to 2018. The results from this thesis work show that the QMJ factor provides significant increases in explanatory power for one of three time periods, the most recent period 2016$-$2018. However, since the results are inconclusive further studies are needed in order to better understand how to interpret the results and whether or not to include the QMJ factor in the model. / Förmågan att förutsäga aktiers avkastning önskar många besitta, och på ett så precist sätt som möjligt. Under många år har forskning pågått inom området för faktormodeller som förklarar avkastningar, med målet att öka modellernas förklaringsgrad. Detta är dock en komplex verksamhet eftersom faktorerna och deras förbättring av förklaringsgraden måste vara signifikanta för modellen. Då och då kommer forskare fram med nya sådana faktorer som har positiv påverkan på modeller. AQR Capital Management är inget undantag eftersom de 2013 presenterade sin faktor Quality Minus Junk som visar signifikanta riskjusterade avkastningar. Detta kandidatexamensarbete inom matematisk statistik och industriell ekonomi, ämnar att utreda huruvida den kommersiella faktormodellen som används på Fjärde AP-fonden förbättras genom tillägget av faktorn Quality Minus Junk, i förklaringsgradsmening. Metoden som används är till största delen baserad på multipel linjär regression och tre treårsperioder studeras i tidsintervallet 2010 till 2018. Resultaten från detta projekt visar på att faktorn Quality Minus Junk bidrar med signifikanta ökningar av förklaringsgraden för en av tre perioder, den senaste perioden 2016-2018. Eftersom resultaten är inkonklusiva krävs vidare studier för att bättre förstå och konkludera vad dessa resultat faktiskt innebär samt för att inkludera QMJ-faktorn i modellen eller ej.

Uganda is using a strategy called treatment as prevention where as many individuals as possible that are infected with HIV receive treatment. As a result, the number of newly infected individuals has decreased significantly. However, there is a discussion about a potential problem regarding transmitted drug resistance. This work aims to investigate if this in fact will be a problem in the future, and to estimate the costs for different scenarios. Through developing a population-based mathematical model that describes transmission dynamics of HIV in Uganda, stochastic simulations are made for different conditions. Through analysing our simulations, we can see that Uganda may have to change their approach to HIV treatment. / För att minska smittoriskerna av HIV nyttjar Uganda en strategi som syftar till att behandla så många smittade personer som möjligt. Detta har lett till en signifikant minskning av antalet smittade personer. Det har dock uppstått en diskussion angående om läkemedels-resistent smitta kan komma att utgöra ett problem. Detta arbete syftar till att undersöka om detta kan utgöra ett problem i framtiden samt till att uppskatta de kostnader som kan uppstå i olika typer av scenarion. Under olika förutsättningar genomförs stokastiska simuleringar med hjälp av en matematisk populationsmodell framtagen för att beskriva spridningen av HIV i Uganda. Genom att analysera resultaten från olika simuleringar dras slutsatsen att Uganda kan behöva omvärdera sitt tillvägagångssätt gällande behandling av HIV.

This thesis examines which factors that affect the number of trades in exchange-traded products (ETPs) on Nordic Derivatives Exchange. Multiple linear regression is used to model the relationship between the number of trades and 65 initially chosen predictor variables. The predictor variables include various indices, commodities, stocks, and volatility measures. Two models are presented, one of which includes a lagged dependent variable. These models explain 89% and 92% of the variance within the data. Foremost, the results confirm previous research advocating the volatility to play a significant role on the number of trades, but now also shown for ETPs. Currency exchange rates, equity indices and palladium are also shown to be statistically significant. In addition, interpretations of the results are given and suggestions for further research. / Den här uppsatsen undersöker vilka faktorer som påverkar antalet avslut i börshandlade produkter (ETP:er) på Nordic Derivatives Exchange. Multipel linjär regression används för att undersöka relationen mellan antalet avslut och 65 på förhand valda regressionsvariabler som vi anser intressanta att undersöka. Dessa regressionsvariabler består av bland annat olika index, råvaror, aktier samt volatilitetsmått. Två modeller presenteras, varav en inkluderar en laggad beroende variabel. Dessa två modeller förklarar 89 % respektive 92% av variationen i datan. Resultatet visar att volatiliteten har en signifikant påverkan med avseende på antal avslut vilket bekräftar tidigare forskning, men visas nu gälla även för ETPer. Valutakurser, aktieindex och palladium visas vara signifikanta. Vidare ges tolkning av resultatet och förslag på framtida forskning.

Denna kandidatexamen ligger inom området matematisk statistik. I samarbete med försäkringsbolaget Hedvig syftar denna avhandling till att utforska en ny metod för hantering av Hedvigs försäkringsdata genom att bygga en prissättningsmodell för alla riskförsäkringar med generaliserade linjära modeller. Två generaliserade linjära modeller byggdes, där den första förutspår frekvensen för ett anspråk och den andra förutspår svårighetsgraden. De ursprungliga uppgifterna delades in i 9 förklarande variabler. Båda modellerna inkluderade fem förklarande variabler i början och reducerades sedan. Minskningen resulterade i att fyra av fem egenskaper var förklarande signifikanta i frekvensmodellen och endast en av de fem var förklarande signifikanta i svårighetsmodellen. Var och en av modellerna erhöll relativa risker för nivåerna av deras förklarande variabler. De relativa riskerna resulterade i en total risk för varje nivå. Genom multiplicering av en skapad basnivå med en uppsättning kombination av riskparametrar kan premien för en vald kund erhållas. / Det här kandidatexamensarbetet ligger inom ämnet matematisk statistik. Jag samarbete med försäkringsbolaget Hedvig, avser uppsatsen att undersöka en ny metod att hantera Hedvigs försäkringsdata genom att bygga en prissättningsmodell för drulleförsäkring med hjälp av generaliserade linjära modeller. Två modeller skapades varav den första förutsättningen frekvensen av ett försäkringsanspråk och den andra förutsäger storleken. Originaldatan var indelad i 9 förklarande variabler. Båda modellerna innehöll till en början fem förklarande variabler, vilka sedan reducerades till fyra respektive en variabler i de motsvarande modellerna. Från varje modell kunde sedan de relativa riskerna tas fram för varje kategori av de förklarande variablerna. Tillsammans bildades sedan totalrisken för alla grupper.

This bachelor’s thesis paper investigates the security of a smart Wi-Fi plug a power outlet remotely controlled by a smart phone, the Deltaco Smart Home SH-P01. In order to raise the security standards of the numerous new digital products produced every year, the possible security flaws of these devices must be exposed and made official to the general public. Especially since these flaws could be exploited by an adversary. By the means of ethical hacking, this paper aims to contribute with a security assessment of a device with components from a globally leading actor, Tuya. This is done by picking up where a previous study of the same device left off; penetration testing of the smart plug’s Android mobile application and its related cloud service, following the guidelines based on years of previous tests in the field. The final security assessment is that Tuya has made a real effort to securing the smart plug’s systems. The Android app, Tuya Smart, does contain some sensitive information and lacks two-factor authentication, but this did not allow for critical exploits. The cloud is deemed well-protected, and overall, there were no severe security flaws exposed by this investigation. Through more extensive penetration testing and by targeting the device’s firmware, future work could perhaps render an even more substantial assessment. / Det här kandidatexamensarbetet undersöker säkerheten hos ett smart Wi-fi-uttag - ett eluttag som styrs trådlöst av en mobiltelefon, uttaget Deltaco Smart Home SH-P01. För att kunna höja säkerhetsstandarden hos de otaliga nya digitala produkter som produceras varje år, måste de eventuella säkerhetsbristerna inom dessa enheter exponeras och offentliggöras för allmänheten. Framför allt då dessa brister kan utnyttjas av någon med fientlig agenda. Genom användning av etisk hackning är avsikten med denna rapport att bidra med en säkerhetsbedömning av en enhet innehållandes komponenter från en världsledande aktör, Tuya. Utförandet påbörjades där ett tidigare arbete avslutades; med penetrationstestning av det smarta uttagets Android-mobilapplikation och enhetens relaterade molntjänst, utfört i riktlinjer baserat på flera år av tidigare tester inom området. Den slutgiltiga säkerhetsbedömningen är att Tuya verkligen har satsat på säkerheten hos det smarta uttaget. Mobilappen, Tuya Smart, visades innehålla känslig information och saknade två-stegs-autentisering, men detta möjliggjorde inte någon kritisk exploatering. Molntjänsten bedöms vara väl skyddad, och överlag hittades inga allvarliga säkerhetsbrister under undersökningen. Ytterligare mer omfattande penetrationstestning, samt undersökning av enhetens mjukvara, skulle kunna bidra till en ännu mer gedigen säkerhetsbedömning i framtida arbeten.

In cooperation with a consumer credit company based in Stockholm, this bachelor thesis investigates if the customer profitability in the consumer credit market can be predicted with multiple linear regression. Data collected before the initial credit was accepted and data connected to the account activity of the customers' first nine months are analyzed. Further, it is examined if the findings could be useful in a profitability analysis and as a reduction of adverse selection. The findings show that a number of covariates express promising correlations with the costumer profitability. However, the prediction error is high and not efficient in individual cases. Further, some reduction in adverse selection, due to a decrease in asymmetric information between the customers and the company, can be identified, but further research is encouraged. Finally, potential improvements are discussed, especially concerning the choice of regression algorithm. / I samarbete med ett konsumentkreditbolag baserat i Stockholm undersöker detta kandidatexamensarbete om kundlönsamhet inom marknaden för konsumentkrediter kan förutsägas med hjälp av multipel linjär regression. Data består av information som insamlades innan den initiala kreditförfrågningen accepterades, och av kontoaktivitet under kundens nio första månader. Vidare undersöks om resultatet kan användas i en lönsamhetsanalys och som en metod för att minska snedvridet urval.  Resultatet visar att ett antal kovariat uttrycker en lovande korrelation med kundlönsamheten. Dessvärre är felen från förutsägelserna stora och därför ineffektiva gällande estimering av individuella kunder. Fortsättningsvis kan det identifieras viss reduktion av snedvridet urval som en följd av minskad informationsasymmetri mellan kunderna och företaget, men vidare undersökning uppmuntras. Avslutningsvis diskuteras ett antal förbättringsmöjligheter, framför allt gällande val av regressionsalgoritm.

Learning Management Systems have become increasingly used in all levels of education since more people have access to computers and the internet. An important feature of the LMS is to provide students with information about their courses. This information, however, is not always easy to find. Especially when the system does not follow usability guidelines about how to provide your users with information. In this study four different course pages on the KTH LMS Canvas have been evaluated with a moderated usability test to asses how well users find information on the LMS. The results show that some improvements could be made by adhering more to usability guidelines and that the courses that did were easier for testers to navigate. Some conclusions that can be made are that users find things easier when there is a high similarity between link names and the information they are looking for and that users scan web pages rather than read them. This is in line with previous research. The conclusions lead to four recommendations to KTH that can improve the usability of all Canvas course pages. / Utbildningsplattformar används allt mer sen intågen av datorer och internet i människors hem. En viktig funktion på en utbildningsplattform är att ge studenter information om sina kurser. Dock är denna information inte alltid så lätt att hitta. Särskilt inte om plattformen inte följer de riktlinjer som finns för hur man förser användare med information på ett användarvänligt sätt. I denna studie har fyra olika KTH- Canvassidor undersökts med ett modererat användartest för att utvärdera hur lätt användare hittar information på utbildningsplattformen. Resultaten visar att vissa förbättringar kan ske genom att tydligare följa riktlinjerna för användarvänlighet och att kurserna som följde riktlinjerna bättre var lättare att navigera. Slutsater som kan dras är bland annat att det är lättare för användare att hitta information när länknamnet är likt den information som söks och att användare skumläser hemsidor istället för att läsa dem noggrant. Detta överensstämmer med resultat från tidigare studier. Från slutsatserna gjordes fyra rekommendationer till KTH som kan förbättra användarvänligheten för alla Canvassidor.

This bachelor thesis is written for KTH Royal Institute of Technology and Ymer Technology AB. It examines the friction factor associated with the pressure drop in wavy-fin heat exchangers. Previous studies have used a nonlinear approach for determining the regression coefficients. This study introduces a linearizing transform that solves the issues of finding non-optimal parameter values stemming from the current nonlinear approach. The linearization also drastically improves the computational time. A final model explaining 95.4\% of the variance in the data is presented. Methods for avoiding overfitting, detecting outliers and hidden extrapolation are presented and used to evaluate the model. The implications of the mathematical results on improving profit, competitiveness, and customer relationships are analyzed in the second part of the report with a qualitative approach. / Denna kandidatuppsats är skrivet vid Kungliga Tekniska Högskolan och Ymer Technology AB. Det undersöker den friktionsfaktor som associeras med tryckfallet i kylare med wavy-fins. Tidigare studier har använt ett ickelinjärt tillvägagångssätt för att bestämma regressionskoefficienterna. Denna studie introducerar en linjäriserande transform som löser problemen med att hitta icke-optimala paramatervärden, som härstammar från tidigare icke-linjära tillvägagångsätt. Linjäriseringen visar sig även förbättra beräkningstiden drastiskt. En slutgiltig modell som förklarar 95\% av variansen i datan presenteras. Metoder för att undvika overfitting, identifiera outliers, och undvika att falla offer för gömd extrapolation presenteras och används för att evaluera modellen. De matematiska resultatens implikationer för Ymer med avseende på vinst, konkurrenskraft och kundrelationer, analyseras i den andra delen av rapporten med en kvalitativ ansats.

Image Super-Resolution (ISR) is a technology that aims to increase image resolution while preserving as much content and detail as possible. In this study, we evaluate four different Deep Learning models (EDSR, LapSRN, ESPCN, and FSRCNN) to determine their effectiveness in increasing the resolution of lowresolution images. The study builds on previous research in the field as well as the results of the comparison between the different deep learning models. The problem statement for this study is: “Which of the four Deep Learning-based models, EDSR, LapSRN, ESPCN, and FSRCNN, generates an upscaled image with the best quality from a low-resolution image on a dataset of Abyssinian cats, with a factor of four, based on quantitative results?” The study utilizes a dataset consisting of pictures of Abyssinian cats to evaluate the performance and results of these different models. Based on the quantitative results obtained from RMSE, PSNR, and Structural Similarity (SSIM) measurements, our study concludes that EDSR is the most effective Deep Learning-based model. / Bildsuperupplösning (ISR) är en teknik som syftar till att öka bildupplösningen samtidigt som så mycket innehåll och detaljer som möjligt bevaras. I denna studie utvärderar vi fyra olika Deep Learning modeller (EDSR, LapSRN, ESPCN och FSRCNN) för att bestämma deras effektivitet när det gäller att öka upplösningen på lågupplösta bilder. Studien bygger på tidigare forskning inom området samt resultatjämförelser mellan olika djupinlärningsmodeller. Problemet som studien tar upp är: “Vilken av de fyra Deep Learning-baserade modellerna, EDSR, LapSRN, ESPCN och FSRCNN generarar en uppskalad bild med bäst kvalité, från en lågupplöst bild på ett dataset med abessinierkatter, med skalningsfaktor fyra, baserat på kvantitativa resultat?” Studien använder en dataset av bilder på abyssinierkatter för att utvärdera prestandan och resultaten för dessa olika modeller. Baserat på de kvantitativa resultaten som erhölls från RMSE, PSNR och Structural Similarity (SSIM) mätningar, drar vår studie slutsatsen att EDSR är den mest effektiva djupinlärningsmodellen.