Národní úložiště šedé literatury Nalezeno 514 záznamů.  začátekpředchozí279 - 288dalšíkonec  přejít na záznam: Hledání trvalo 0.00 vteřin. 
Webová aplikace pro tvorbu predikcí call centra
Mička, David ; Hynek, Jiří (oponent) ; Bartík, Vladimír (vedoucí práce)
Cílem práce je vytvořit aplikaci pro tvorbu predikcí call centra, která by mohla nahradit stávající řešení predikcí v prostředí firmy Kiwi.com s.r.o. Výsledná aplikace by měla být intuitivnější a snazší na používání než systém Verint, či tabulkové řešení predikcí a zároveň by měla poskytovat dostatečné množství použití pro tvorbu taktických predikcí, díky kterým lze reagovat na nastávající situace a nastavovat reálná očekávání pro management zákaznického centra.
Predikce rozpustnosti proteinů
Marušiak, Martin ; Martínek, Tomáš (oponent) ; Hon, Jiří (vedoucí práce)
Proteínová rozpustnosť je úzko spojená s použiteľnosťou proteínov pre účely priemyselného využitia a vo výskume. Predikcia rozpustnosti by preto viedla k značnému ušetreniu finančných prostriedkov. V tejto práci je prezentovaný nový prediktor rozpustnosti Solpex založený na strojovom učení, ktorý na nezávislej testovacej sade dosiahol vyššiu presnosť ako porovnateľné existujúce prediktory. Realizácii prediktoru predchádzalo oboznámenie s biologickou podstatou rozpustnosti, preskúmanie existujúcich prístupov k predikcii, tvorba dátových sád, uskutočnenie experimentov a výber vlastností pre prediktor. Najpodstatnejšou z týchto častí je pravdepodobne tvorba dátových sád, ktoré sú kľúčové pre vytvorenie kvalitného prediktoru. V súvislosti s dátovými sadami je v tejto práci podrobne popísané spracovanie hlavného zdroja ich dát - databázy TargetTrack.
Optimalizace strojového učení pro predikci KPI
Haris, Daniel ; Burget, Radek (oponent) ; Bartík, Vladimír (vedoucí práce)
Cieľom tejto práce je optimalizácia strojového učenia pre predikciu KPI metrík pre jednu organizáciu. Organizácia predpovedá oneskorenie termínov ukončenia poslednej fázy projektov v procese vývoja pomocou strojového učenia. Práca sa zameriava na analýzu predikčných modelov a stanoví si za cieľ vybrať nové kandidátne modely na predikciu. V rámci práce sme implementovali systém, ktorý automaticky vyberie najlepšie rysy pre učenie. Naučené modely sme vyhodnotili pomocou rôznych výkonnostných metrík a vybrali najlepšie kandidátne modely. Kandidátne modely majú vyššiu presnosť predpovede, čo pre organizáciu znamená, že sa zvýšila dôveryschopnosť predpovede oneskorenia. V závere práce sme navrhli ďalšie vylepšenia, ktoré by mohli zvýšiť presnosť predpovede.
Machine learning with applications to finance
Mešša, Samuel ; Hurt, Jan (vedoucí práce) ; Večeř, Jan (oponent)
The impact of data driven, machine learning technologies across a wide variety of fields is undeniable. The financial industry, which relies heavily on predictive modeling being no exception. In this work we summarize two widely used machine learning models: support vector machines and neural networks, discuss their limitations and compare their performance to a more traditionally used method, namely logistic regression. Evaluation was done on two real world datasets, which were used to predict default of loan applicants and credit card holders formulated as a binary classification task. Neural networks and support vector machines either outperformed or showed comparable results to logistic regression with performance measured in receiver operator characteristic area under curve. In the second task neural networks outperformed both other models by a significant margin.
Analýza vývoje neživotního pojištění pomocí časových řad
Fousek, Jan ; Popela, Pavel (oponent) ; Chvátalová, Zuzana (vedoucí práce)
Bakalářská práce se zaměřuje na analýzu dat v oblasti neživotního pojištění. Představuje oblasti pojišťovnictví v České republice, vybrané statistické metody, zejména prostředky teorie časových řad. Výchozí data jsou čerpána z portálu České asociace pojišťoven. Výpočty a vizualizace jsou provedeny s podporou software STATISTICA a systému MATLAB.
Využití umělé inteligence jako podpory pro rozhodování
Nezbedová, Katarína ; Pekárek, Jan (oponent) ; Dostál, Petr (vedoucí práce)
Táto bakalárska práca sa zaoberá problematikou Tamariho atraktoru a jeho aplikáciou pre formovanie predikčného modelu. Jadrom práce je vytvorenie programu na simuláciu, vo vývojovom prostredí MATLAB, a jeho využitie pre vytvorenie a porovnanie niekoľkých prípadových štúdií predikčného modelu založeného na odlišných parametroch. Tento model je zobrazený graficky a doplnený o ekonomickú interpretáciu.
Dítě s rizikem specifické poruchy učení
WALDOVÁ, Petra
Diplomová práce se zabývá možnostmi predikce specifických poruch učení u dětí předškolního věku. Práce je členěna do dvou na sebe navazujících částí části teoretické a části praktické. V teoretické části se zaměřuji především na etiologii a diagnostiku specifických poruch učení. Stěžejní úlohu pak nesou uvedené příklady několika prediktivních baterií od českých, ale i zahraničních autorů. Obsahem praktické části jsou výsledky výzkumného šetření, jehož data jsem sbírala pomocí prediktivní baterie britských autorů Nicolsna a Fawcettové The Dyslexia Early Screening Test. Hlavním cílem diplomové práce bylo zjistit možnost využitelnosti tohoto testu pedagogickými pracovníky v mateřských školách tak, aby bylo možno předcházet specifickým obtížím v učení. Výzkum byl realizován prostřednictvím kvantitativní výzkumné metody.
Dynamika výskytu orchidejí ve vybraném modelovém území v horských polohách
Černocká, Veronika ; Kindlmann, Pavel (vedoucí práce) ; Křenová, Zdeňka (oponent)
Všechny druhy orchidejí jsou citlivými rostlinami a záznamy o jejich výskytu jsou málo početné. Vzácnost orchidejí je především následkem komplexní biologie a jejich citlivosti na změny prostředí. Těmto ohroženým druhům, jejichž lokality často zanikaly a zanikají, je v rámci jejich zachování potřeba věnovat pozornost. Pro jejich efektivní ochranu je důležité znát hlavní příčiny zániku jejich lokalit. Aby mohly být objeveny nové lokality výskytu, je užitečné znát faktory, které určují distribuci těchto druhů, a podmínky zvyšující pravděpodobnost jejich výskytu. V rámci této práce byly analyzovány některé klimatické, geografické a ekologické faktory v oblasti Jeseníků a jejich okolí. Samotné analýze předcházel sběr dat na základě rozsáhlých databází o výskytu orchidejí v minulosti. Pomocí programu MaxEnt byly vytvořeny modely pro čtyři lokálně nejhojnější druhy orchidejí. Na základě revizí byla potvrzena existence 2/3 revidovaných lokalit, 8% lokalit zaniklo následkem absence kosení nebo vlivem lidských zásahů do krajiny. Z výsledků analýz v programu MaxEnt vyplývá, že při zvoleném měřítku (50 × 50 m) hraje roli pro přežívání všech zkoumaných druhů zejména typ biotopu a heterogenita krajiny. Mezi nejvhodnější biotopy patří lužní a mokřadní lesy, mezofilní louky, přírodní křoviny, rašeliniště a...
Posouzení vybraných ukazatelů pomocí statistických metod
Miléřová, Eliška ; Mucalová, Marcela (oponent) ; Doubravský, Karel (vedoucí práce)
Bakalářská práce se zabývá zhodnocením finanční situace společnosti. V první části jsou uvedena teoretická východiska. Praktická část obsahuje vybrané ukazatele finanční analýzy, analýzu časových řad a regresní analýzu společnosti za období 2009 až 2016. Pomocí regresní analýzy je stanovena predikce budoucího vývoje vybraných ukazatel. Na základě získaných výsledků jsou v poslední části zpracovány návrhy na zlepšení stávající situace vybrané společnosti.

Národní úložiště šedé literatury : Nalezeno 514 záznamů.   začátekpředchozí279 - 288dalšíkonec  přejít na záznam:
Chcete být upozorněni, pokud se objeví nové záznamy odpovídající tomuto dotazu?
Přihlásit se k odběru RSS.