Národní úložiště šedé literatury Nalezeno 510 záznamů.  začátekpředchozí21 - 30dalšíkonec  přejít na záznam: Hledání trvalo 0.01 vteřin. 
Získávání víceúrovňových asociačních pravidel
Nguyenová, Thanh Lam ; Burget, Radek (oponent) ; Bartík, Vladimír (vedoucí práce)
Tato bakalářská práce se zabývá získáváním víceúrovňových asociačních pravidel. Cílem této práce je zaměřit se na dostupné algoritmy pro získávání víceúrovňových asociačních pravidel a implementovat aplikaci s grafickým uživatelským rozhraním, která bude demonstrovat funkčnost těchto algoritmů. Zvoleno bylo pět algoritmů založených na algoritmu Apriori. Pomocí aplikace byly provedeny experimenty s jednotlivými algoritmy a na závěr byly výsledky experimentů porovnány a zhodnoceny.
Knowledge Discovery from Web Logs
Valaštín, Samuel ; Rychlý, Marek (oponent) ; Bartík, Vladimír (vedoucí práce)
This bachelor thesis deals with the problem of knowledge discovery from web logs. The data source in the form of web access logs allows, after appropriate preprocessing, the use of a number of techniques that are designed to deal with knowledge discovery. By applying these techniques to preprocessed data, it is possible to classify user behavior into groups, to discover interesting associations in user behavior, or to discover previously unknown sequences in common user behavior.
Classification on unbalanced data
Hlosta, Martin ; Popelínský, Lubomír (oponent) ; Štěpánková,, Olga (oponent) ; Zendulka, Jaroslav (vedoucí práce)
This thesis is focused on classification on unbalanced data. It is an important part of machine learning with the objective to address the issues when one class is significantly underrepresented compared to the other one. The minority class is usually more important, and the traditional algorithms favouring the majority class may ignore the importance of the minority class. Two application domains motivated the research and identification of two specific problems of the imbalanced data.  First, the presence of a constraint on the performance of a minority class in the computer security domain resulted in the formulation of the constrained classification problem. I proposed a solution that combines the cost-sensitive logistic regression and stochastic algorithms, which in the conducted experiments always improved the performance of the logistic regression.The domain of Learning Analytics motivated me to define a general prediction problem, whether a goal is has been achieved within the deadline. I designed the Self-Learning framework, in which models are trained by analysing attributes of objects that achieved the goal early in the investigated period. Because only a few objects satisfy the goal at the beginning, the problem is by its nature imbalanced, with the imbalance decreasing in time. The evaluation, performed on the task of identification of at-risk students in the distance higher education, showed (1) the predictive power compared the specified baseline models and (2) that methods for tackling the class imbalance without domain information didn't lead to significant improvements. When the domain information is utilised in the extended version of Self-Learning, the evaluation showed the performance increase.  Understanding and exploiting the source of imbalance can also lead to better results.
Metody analýzy sociální sítě pro dolování znalostí
Machulka, Tomáš ; Rozman, Jaroslav (oponent) ; Samek, Jan (vedoucí práce)
V této bakalářské práci jsou popsány některé z mnoha metod analýzy sociálních sítí, spolu s popisem a vizualizací těchto dat. Součástí práce je popis implementace aplikace provádějící tuto analýzu na základě několika implementovaných metod. Je zde popsán výstup analýzy a jeho srovnání s jiným softwarem pro analýzu sociálních sítí.
Získávání znalosti z dat v jazyce Python
Krestianková, Tamara ; Burgetová, Ivana (oponent) ; Zendulka, Jaroslav (vedoucí práce)
Táto práca sa zaoberá procesom dolovania dát, prostriedkami pre podporu dolovania dát v programovacom jazyku Python a demonštráciou využitia tohto jazyka pre účely dátovej analýzy, so zameraním na klasifikáciu a tvorbu klasifikačných modelov. Tieto modely sú schopné na základe dát z biomedicínskych hlasových meraní s určitou presnosťou klasifikovať testované subjekty do dvoch katégórií - ľudí trpiacich Parkinsonovou chorobou a zdravých ľudí.
Algoritmy pro shlukování textových dat
Sedláček, Josef ; Burget, Radim (oponent) ; Karásek, Jan (vedoucí práce)
Tato diplomová práce se zabývá problematikou dolování textových dat. Je zde popsána teorie potřebná ke shlukování textových dokumentů a také algoritmy, které se při shlukování využívají. Podle této teorie je pak vytvořena aplikace pro shlukování textových dat. Aplikace je vytvořena v programovacím jazyku Java a obsahuje tři metody používané při shlukování. Uživatel si tak sám může vybrat metodu, podle které chce kolekci dokumentů shlukovat. Implementované metody jsou K medoids, BiSec K medoids a SOM (self organization map). Součástí aplikace je také vytvoření validační množiny, pomocí které jsou algoritmy testovány. V závěru jsou pak algoritmy porovnány podle dosažených výsledků.
Webová aplikace doporučovacího systému
Koníček, Igor ; Bartík, Vladimír (oponent) ; Zendulka, Jaroslav (vedoucí práce)
Tato práce řeší tvorbu doporučovacího systému, který je využit v~reálné aplikaci serveru cbdb.cz. S~využitím přístupů kolaborativního filtrování a filtrování založeného na obsahu se podařilo vyvinout funkční doporučovací systém. Díky zpětné vazbě uživatelů bylo zjištěno, že většina doporučených knih je pro ně relevantní. Hlavním přínosem této práce je rozšíření stávající funkčnosti serveru cbdb.cz o~doporučovacím systémem, který využívá jeho rozsáhlé databáze hodnocení, uživatelů a knih.
Spisová služba advokátní kanceláře s napojením na veřejné databáze
Janda, Jiří ; Bartík, Vladimír (oponent) ; Očenášek, Pavel (vedoucí práce)
Tato práce se zabývá popisem systému pro podporu administrativních procesů v advokátních kancelářích. Zaměřuje se na zjištění procesů v kancelářích, analyzuje možnosti zjednodušení práce a celkově její automatizace. Důraz je kladen zejména na možnosti automatizovaného získávání informací z veřejných databází. Dále práce popisuje a porovnává již existující řešení, která jsou běžně dostupná na trhu. V další části práce je řešen návrh samotného systému a volba vhodných technologií pro praktickou realizaci navrženého systému. Cílem práce je pak implementace systému dle vytvořeného návrhu a jeho otestování na reálných datech.
Využití metod dolování dat pro analýzu sociálních sítí
Novosad, Andrej ; Očenášek, Pavel (oponent) ; Bartík, Vladimír (vedoucí práce)
Práce se zabývá problematikou dolování dat v prostředí sociálních sítí. Podává přehled o dolování z dat a možných metodách dolování. Práce také zkoumá sociální média a sítě, co mohou poskytnout a jaké problémy se sebou přinášejí. Jsou prozkoumané API třech sociálních sítí a jejich možnosti z hlediska získání dat vhodných pro dolování. Zkoumají se techniky dolování znalostí z textových dat. Je popsán způsob implementace webové aplikace, která doluje data ze sociální sítě Twitter pomoci algoritmu SVM. Implementovaná aplikace klasifikuje zprávy na základě jejich textu do tříd reprezentujících kontinenty původu. Je provedeno několik experimentů v softwaru RapidMiner a v implementované webové aplikaci a jejich výsledky jsou prozkoumány.
Vytvoření nových predikčních modulů v systému pro dolování z dat na platformě NetBeans
Havlíček, David ; Bartík, Vladimír (oponent) ; Lukáš, Roman (vedoucí práce)
Předmětem této diplomové práce je vytvoření nového predikčního modulu pro již existující systém pro získávání znalostí z databází. První část práce se věnuje obecné problematice získávání znalostí, predikci a predikčním metodám. Druhá část se věnuje systému vyvíjenému na FIT, pro který se modul implementuje, použitým technologiím, návrhu a implementaci samotného dolovacího modulu pro uvedený systém. Řešení je implementováno v jazyce Java a postaveno na platformě NetBeans.

Národní úložiště šedé literatury : Nalezeno 510 záznamů.   začátekpředchozí21 - 30dalšíkonec  přejít na záznam:
Chcete být upozorněni, pokud se objeví nové záznamy odpovídající tomuto dotazu?
Přihlásit se k odběru RSS.