|
|
Případová studie na dolování z dat v jazyce Python
Stoika, Anastasiia ; Burgetová, Ivana (oponent) ; Zendulka, Jaroslav (vedoucí práce)
Tato práce se zabývá základními koncepty a technikami procesu získávání znalostí z dat. Cílem práce je demonstrovat dostupné prostředky jazyka Python, které umožňují provádět jednotlivé kroky tohoto procesu. Práce je zaměřena především na metody a techniky detekce odlehlých pozorování, založené na shlukování a klasifikaci. Jedná se o řešení analytické úlohy, která se týká zdrojů dat s omezeným množstvím využitelné informace. Tato kontrolní činnost by měla sloužit k detekci podezřelých prodejních transakcí nějaké společnosti, které mohou znamenat pokusy o podvod jejích prodejci.
|
|
|
Using Data Mining in Various Industries
Fabian, Jaroslav ; Novotný, Jakub (oponent) ; Kříž, Jiří (vedoucí práce)
This master’s thesis concerns about the use of data mining techniques in banking, insurance and shopping centres industries. The thesis theoretically describes algorithms and methodology CRISP-DM dedicated to data mining processes. With usage of theoretical knowledge and methods, the thesis suggests possible solution for various industries within business intelligence processes.
|
|
|
Případová studie na dolování z dat v jazyce Python
Stoika, Anastasiia ; Burgetová, Ivana (oponent) ; Zendulka, Jaroslav (vedoucí práce)
Tato práce se zabývá základními koncepty a technikami procesu získávání znalostí z dat. Cílem práce je demonstrovat dostupné prostředky jazyka Python, které umožňují provádět jednotlivé kroky tohoto procesu. Práce je zaměřena především na metody a techniky detekce odlehlých pozorování, založené na shlukování a klasifikaci. Jedná se o řešení analytické úlohy, která se týká zdrojů dat s omezeným množstvím využitelné informace. Tato kontrolní činnost by měla sloužit k detekci podezřelých prodejních transakcí nějaké společnosti, které mohou znamenat pokusy o podvod jejích prodejci.
|
|
|
Aplikace systému LISp-Miner na rozsáhlá reálná data
Hrnčíř, Jan ; Rauch, Jan (vedoucí práce) ; Chudán, David (oponent)
Tato diplomová práce popisuje pokročilé metody dobývání znalostí z databází (DZD), implementované v systému LISp-Miner. Cílem je ukázat možnosti koordinovaného využití analytických nástrojů a složitějších GUHA procedur tohoto systému. V diplomové práci je použita metodika CRISP-DM, která je nejdříve popsána a v následujících částech práce je podle ní postupováno. Autor práce nejprve představí čtenáři doménovou oblast a poté samotná data, která jsou dle zpracována pro potřeby analýz. Analytické otázky, na které je odpovídáno, jsou čerpány z literatury zabývající se doménovou oblastí. Práce by měla sloužit jako návod uživatelům systému LISp-Miner, použití analytických nástrojů a GUHA procedur je proto popisováno co nejsrozumitelnějším způsobem.
|
|
|
Získávání znalostí z databází
Dolejšek, Jakub ; Peliš, Michal (vedoucí práce) ; Verner, Jonathan (oponent)
Získávání znalostí z databází bakalářská práce Jakub Dolejšek (abstrakt v českém jazyce) Práce se zabývá problematikou dobývání znalostí z databází se zaměřením na metody rozhodovacích stromů a neuronových sítí spolu s ukázkami jejich použití na konkrétních příkladech. Powered by TCPDF (www.tcpdf.org)
|
|
|
Using Data Mining in Various Industries
Fabian, Jaroslav ; Novotný, Jakub (oponent) ; Kříž, Jiří (vedoucí práce)
This master’s thesis concerns about the use of data mining techniques in banking, insurance and shopping centres industries. The thesis theoretically describes algorithms and methodology CRISP-DM dedicated to data mining processes. With usage of theoretical knowledge and methods, the thesis suggests possible solution for various industries within business intelligence processes.
|
|
|
Možnosti prezentace výsledků DZD na webu
Koválik, Tomáš ; Rauch, Jan (vedoucí práce) ; Šimůnek, Milan (oponent)
Diplomová práce se zabývá DZD analýzou dat a způsoby prezentace výsledků DZD na webu. Práce je členěna do tří hlavních částí, které na sebe navazují a kopírují průběh celé práce. První část práce obsahuje teoretický základ, potřebný pro pochopení probírané problematiky. Je zde popsána metodika CRISP-DM, jsou zde definovány pojmy matice dat a doménové znalosti, je zde představena metoda GUHA, systém LISp-Miner a implementace metody GUHA v systému LISp-Miner včetně popis pro tuto práci stěžejních procedur 4ft-Miner a CF-Miner. Druhá část práce je zaměřená na zpracování prvního cíle práce. Stručně se věnuje popisu provedené preanalýzy a následně je zde popsán postup během analýzy doménových znalostí ve vybrané datové sadě. V třetí části práce je následně řešen druhý cíl práce, problém prezentace výsledků DZD na webu. Třetí část práce obsahuje stručný teoretický základ k vybraným technologiím. Následně je zde popsána práce při tvorbě automatického exportu výsledků DZD do formátu HTML včetně struktury výstupu a doporučení pro práci se systémem LISp-Miner.
|
|
|
Využití data miningu v řízení podniku
Prášil, Zdeněk ; Pour, Jan (vedoucí práce) ; Novotný, Ota (oponent)
Ve své diplomové práci jsem zkoumal, jakým způsobem lze zpracovat podniková data pomocí data miningu a jak využít získaných výsledků pro lepší řízení podniku. Práce je rozdělena na teoretickou část a na část praktickou. Cílem teoretické části práce bylo zjistit: 1/ jaké jsou nejčastěji využívané metody data miningu, 2/ definovat typické aplikační oblasti, 3/ ukázat typické úlohy, které se v těchto oblastech řeší. Cílem praktické části bylo zjistit: 1/ jak může data mining pomoci malému českému elektronickému obchodu k lepšímu pochopení struktury prodeje, 2/ jak může data mining zlepšit výsledky prodeje. Ve své práci jsem zjistil, že nejčastěji používané metody data miningu jsou rozhodovací stromy, lineární a logistická regrese, neuronové sítě, segmentační metody a asociační pravidla. Nejčastější používané obchodní aplikační oblasti jsou CRM a marketing, finanční instituce, pojišťovnictví, telekomunikace, maloobchod a výroba. Úlohy jsou odvislé od typu aplikační oblasti, nejčastěji se úlohy týkají sledování a odhadování chování zákazníků. Analýzou dat elektronického obchodu jsem zjistil, které výrobky jsou spolu nakupovány, což může vést k akcím pro podporu prodeje. Ukázal jsem, že data mining je možné použít i v malém elektronickém obchodě a že i zde může přispět k zefektivnění případných marketingových akcí.
|
|
|
Metodika vývoje a nasazování Business Intelligence v malých a středních podnicích
Rydzi, Daniel ; Jandoš, Jaroslav (vedoucí práce) ; Vlček, Radim (oponent) ; Slánský, David (oponent)
Disertační práce pojednává o vývoji a nasazování Business Intelligence řešení v malých a středních podnicích (SME) v České republice. Práce je vyvrcholením dosavadní profesní snahy autora o sestavení metodického modelu vývoje těchto aplikací v malém a středním podniku s využitím vlastních sil a minimálních nákladů. Tuto práci lze rozdělit do pěti základních částí, které se dále dělí na kapitoly. První část, popisující v práci užité technologie, je rozdělena do dvou kapitol. První kapitola popisuje soudobý stav oblasti Business Intelligence a její součástí je i původní rozdělení jednotlivých úrovní tohoto konceptu. Druhá kapitola popisuje dvě techniky z oblasti dobývání znalostí z databází (KDD), které byly vybrány pro tvorbu řešení užitých v případových studiích. Druhá část popisuje oblast společenského života, ve které tato práce vznikala a pro kterou je učeno její využití, tedy oblast malých a středních podniků v ČR. Tato oblast je reprezentována jednou kapitolou, ve které jsou definovány vymezující rozdíly malých a středních podniků oproti ostatním, tedy velkým společnostem. Dále jsou zde vysvětleny autorovy pohnutky zaměření se na tuto oblast. Třetí samostatný celek představuje výsledky průzkumu, který byl uskutečněn mezi českými SME s podporou Katedry informačních technologií Fakulty informatiky a statistiky VŠE Praha. Cílem průzkumu bylo zmapovat připravenost českých SME na vývoj a nasazování aplikací typu BI, determinovat, jaké jsou nejčastější problémy SME, s jejichž podporou řešení by takové aplikace mohly pomoci a determinovat nejvýznamnější faktory omezující vyšší míru nasazení BI řešení mezi českými SME. Čtvrtá část práce je zároveň jejím jádrem. Ve dvou kapitolách jsou zde popsány existující metodiky implementace BI řešení včetně známé metodiky CRISP-DM a především původní Metodika vývoje a nasazování Business Intelligence řešení v malých a středních podnicích. Poslední, pátá část, se skládá z kapitoly o představení konkrétního podniku, ve kterém byl pro potřeby této práce prováděn výzkum vývoje a nasazování Business Intelligence řešení a z kapitol, které představují jednotlivé případové studie nasazování BI řešení v tomto podniku dle původní metodiky a které přinášejí důkaz o jejím ověření v praxi.
|
|
|
Aplikace DZD na data o pacientech kliniky plastické chirurgie
Šotlík, Jakub ; Rauch, Jan (vedoucí práce) ; Tomášek, David (oponent)
Cílem mé bakalářské práce, je pomocí metod a technologií procesu dobývání znalostí z databází, analyzovat data o klientech soukromé plastické chirurgie a pokusit se v nich nalézt co nejvíce užitečných znalostí z pohledu majitele dat, která pak budou vhodně prezentována v systému SEWEBAR. Zpracování práce probíhá podle metodologie CRISP-DM, navržené pro obor dobývání znalostí z databází. Jednotlivé analytické otázky budou řešeny pomocí systému LISp-Miner, který bude zpracovávat jednotlivé úlohy pomocí analytické procedury 4ft-Miner metody GUHA. Nalezené vztahy budou prezentovány v systému SEWEBAR, přičemž některé zajímavé vztahy budou prezentovány i v této práci. Tato práce má za úkol pokusit se vyhledat užitečné znalosti do odvětví plastické chirurgie a to jak ze stránky obchodní, kde se vyhledávají vztahy spíše manažerské povahy, tak i z lékařského pohledu na věc, kde se práce zaměřuje na hledání vztahů jejich zdravotního a psychického stavu. Práce je strukturovaná tak, aby odpovídala metodologii CRISP-DM, kde jednotlivé etapy této fáze odpovídají jednotlivým kapitolám, přičemž v každé fázi předkládám její výsledek a popisuji způsob jejího dosažení.
|
host ::
RSS.