|
|
Optimalizace distribuovaného I/O subsystému projektu k-Wave
Vysocký, Ondřej ; Hrbáček, Radek (oponent) ; Jaroš, Jiří (vedoucí práce)
Práce se zabývá řešením efektivního paralelního zápisu velkých objemů dat na souborovém systému Lustre. Cílový program je navržen pro projekt k-Wave simulující šíření akustických a ultrazvukových vln. Tato simulace pro svou výpočetní a datovou náročnost vyžaduje spouštění na superpočítači a implementaci pomocí knihoven pro paralelní zpracování (Open MPI) a pro uložení velkých objemů dat (HDF5). Výsledný program je implementován v jazyce C s využitím zmíněných knihoven. Správným nastavením souborového systému Lustre bylo dosaženo rychlosti 2,5 GB/s, jež odpovídá 5-ti násobnému zrychlení nativního zápisu, který byl následně pomocí techniky agregace dat zrychlen až na 3 GB/s, což naráží na teoretické limity diskového pole superpočítače Anselm.
|
|
|
BigData řešení pro zpracování rozsáhlých dat ze síťových toků
Melkes, Miloslav ; Ráb, Jaroslav (oponent) ; Ryšavý, Ondřej (vedoucí práce)
Tato diplomová práce se zaměřuje na problematiku distribuovaného zpracování velkých dat ze síťové komunikace. Začíná analýzou síťové komunikace založené na modelu TCP/IP se zaměřením na datové jednotky na jednotlivých vrstvách, které je nutno při analýze síťových dat zpracovávat. Z hlediska vlastního zpracování rozsáhlých dat je objasněn výpočetní model MapReduce, architektura technologie Apache Hadoop a jejich možné využití pro zpracování síťových toků na clusteru počítačů. Druhá část práce se zbývá návrhem a následnou implementací aplikace pro zpracování síťových toků ze zachycené síťové komunikace. V této části jsou rozebrány klíčové a problematické části z implementace. Celá práce je poté zakončena srovnáním s dostupnými nástroji pro síťovou analýzu a vyhodnocením sady testů, které potvrdili lineární růst zrychlení.
|
|
|
Posouzení informačního systému firmy a návrh změn
Križanský, Ján ; Klusák, Aleš (oponent) ; Koch, Miloš (vedoucí práce)
Tato diplomová práce se zabývá posouzením stávajícího informačního systému v malém podniku a zpracováním plánu pro jeho nahrazení. Hlavním cílem je porovnání několika různých přístupů k pořizování informačního systému a využití metodického přístupu k jejich srovnání. Výsledkem by mělo být doporučení, zdali má dojít k výměně informačního systému, a pokud ano, tak zhodnotit výsledný přínos nového systému.
|
|
|
Comparison of machine learning methods for credit risk analysis
Bušo, Bohumír ; Kolman, Marek (vedoucí práce) ; Vacek, Vladislav (oponent)
Strojové učení je v poslední době stále častěji zmiňované spolu s oblastí,, Big Data ''. Jedná se o oblast, kde je k dispozici velké množství dat, z nichž je třeba získat užitečné informace. Jelikož v této době generujeme stále více a více dat, ať už pomocí mobilních zařízení platebních karet a pod., je otázka zpracování vysoce aktuální. V této práci je popsaných šest různých metod, které slouží k tomuto účelu. Jsou to logistická regrese, mělké a hluboké neuronové sítě, bagging, boosting a stacking. Poslední tři zmíněné patří do kategorie zvané skupinové učení. Metody jsou dále aplikovány na reálná data z prostředí úvěrových institucí, kde mohou pomoci ke klasifikaci potenciálních klientů při žádosti o úvěr. V závěru jsou výsledky získané pro jednotlivé metody porovnány a v krátkosti i interpretovány.
|
|
|
Hadoop a Business Intelligence
Kerner, Josef ; Šperková, Lucie (vedoucí práce) ; Augustín, Jakub (oponent)
Bakalářská práce se zaobírá vlivem a použitím platformy Hadoop při zpracování a analýze velkých dat v procesech a technologiích Business intelligence. Popisuje důvody, proč platforma vznikla, její primární komponenty a také důležité, na ní provozované aplikace, které přinášejí i méně technicky zkušeným uživatelům přidanou hodnotu z dat. Dále se zaobírá přínosy integrace Hadoopu do stávající IT infrastruktury organizace jak z technického hlediska, tak i z pohledu uživatelů datových analýz. Práce obsahuje teoretickou a praktickou část. Teoretická část seznamuje čtenáře s využitím komponent Hadoopu při zpracování nestrukturovaných dat za účelem rozšíření investičních analýz cenných papírů. Praktická část práce poskytuje případovou studii implementace Big Data ETL procesu, realizovaném v frameworku Spark, v oblasti dat z finančních trhů, kde detailně vysvětluje použité postupy jako je datový model, transformační kód a navrhované metriky, které mohou být využity finančními institucemi v jejich obchodních platformách za účelem dosažení zvýšeného zisku z držených titulů. Smyslem práce je poskytnout znalosti potřebné pro úspěšnou integraci Hadoop platformy a jejích komponent do stávající IT infrastruktury a vylepšení procesů Business Intelligence o nové přístupy v analýze velkých dat.
|
|
|
ICT trends in China and Taiwan
Kačala, Dominik ; Samec, Marek (vedoucí práce) ; Potančok, Martin (oponent)
Tato bakalářská práce se zabývá aktuálními trendy v oblasti informačních a komunikačních technologií, a to se zaměřením na krajiny Dálného východu, konkrétně Čínu a Taiwan. Zakotvení teoretické části práce spočívá v poskytnutí přehledu o současné situaci na trhu ICT a jeho subsektorů v jednotlivých zemích. Ve stručnosti jsou popsané specifika krajin ve vztahu k informačním technologiím. Druhá část práce se soustředí na samotnou analýzu vybraných ICT trendů v Číně a na Taiwanu a porovnává specifické přístupy k nim z nejrůznějších úhlů. V třetí, poslední části jsou závěry a výsledky analýzy z druhé kapitoly aplikovány v porovnání se Západem, konkrétně krajinami USA a EÚ jako celkem, co zasazuje zkoumané trendy do světového kontextu. Přínosem této práce je poskytnutí komplexního pohledu na oblast vybraných ICT trendů v daných krajinách.
|
|
|
Využití Big Data v bankovním prostředí
Dvorský, Bohuslav ; Chlapek, Dušan (vedoucí práce) ; Palovská, Helena (oponent)
Tato diplomová práce se zabývá využitím principů a technologií Big Data v bankovním prostředí. Jejím cílem je nalézt byznys scénáře pro aplikaci Big Data za úče-lem dosažení přidané hodnoty pro banku. Nalezení scénářů bylo dosaženo studiem odborné literatury a konzultacemi s odborníky, následně byly scénáře namodelovány autorem. Mož-nosti aplikace těchto byznys scénářů v bankovním prostředí byly následně verifikovány průzkumem, který se dotazoval odborníků na otázky vztahující se k nalezeným byznys scé-nářům. V práci jsou nejprve vysvětleny základní pojmy a přístupy Big Data, vymezení po-stavení této technologie oproti dosavadním technologiím a dále problematika integrace do bankovního prostředí. Po tomto teoretickém začátku jsou nalezeny a namodelovány byznys scénáře, které jsou podrobeny průzkumu a vyhodnocení. Vybrané byznys scénáře jsou dále verifikovány za účelem stanovení vhodnosti nebo nevhodnosti pro implementaci za použití technologií a principů Big Data. Přínosem této práce je nalezení reálného využití Big Data v bankovnictví, kdy většina materiálů k tomuto tématu je velice obecná a neurčitá. Tato práce verifikuje 2 byznys scénáře, které při realizaci na Big Data platformě mohou přinést bankovní instituci vysokou přidanou hodnotu.
|
|
| |
|
|
Analýza Big Data v oblasti zdravotnictví
Nováková, Martina ; Kučera, Jan (vedoucí práce) ; Chlapek, Dušan (oponent)
Diplomová práce se zabývá analýzou Big Data v oblasti zdravotnictví. Cílem je definovat termín Big Data, seznámit čtenáře s růstem dat ve světě a také i ve zdravotnictví. Dále vysvětlit pojem datový expert a vydefinovat členy týmu datových expertů. V dalších kapitolách jsou vymezeny fáze Big Data analýzy podle metodiky společnosti EMC2 a přiblíženy základní technologie pro analýzu Big Data. Za přínosnou a zajímavou část považuji vymezení úloh, kde již jsou Big Data technologie ve zdravotnictví využívána. V praktické části provádím Big Data analýzu úlohy se zaměřením na meteorotropní choroby, ve které využívám reálná zdravotnická a meteorologická data. Čtenář se seznámí nejen s jedním z doporučených postupů analýzy, použitými statistickými modely, ale zároveň mu budou i přiblíženy některé termíny z oblasti biometeorologie a zdravotnictví. Nedílnou součásti provedené analýzy je i upozornění na její omezení, konzultace výsledků a závěrů s odborníky z meteorologie i zdravotnictví.
|
|
|
Nové trendy v Business Intelligence - Zaměření na Big Data a Hadoop
Korkisch, Josef ; Vacek, Martin (vedoucí práce) ; Pour, Jan (oponent)
Bakalářská práce je zaměřena na několik cílů. První je identifikace nových trendů posledních let v oblasti Business Intelligece. Dále se práce zaměřuje na oblast Big Data (Hadoop). Hlavním účelem je ukázat možné využití technologie Hadoop na reálných příkladech. Důležitá je také část porovnání Business Intelligence nástrojů pro práci s Big Data, jelikož přináší pohled na tyto nástroje s několika významných hledisek (analýza, vizualizace a konektivita). Práce je rozdělena na několik částí, kde popisuje komponenty Business Intelligence, nové trendy v oblasti BI, Hadoop technologii v kontextu BI, komponenty Hadoop, příklady využití Hadoop a porovnání vybraných BI nástrojů pro práci s BI. Smyslem práce je posloužit jako průvodce do světa BI a Big Data (Hadoop).
|
host ::
RSS.