| |
|
Aplikace metod strojového učení na dolování znalosti z dat
Kraus, Jan
Diplomová práce se zabývá problematikou dolování znalostí z rozsáhlých kolekcí textových dat. Konkrétně je práce zaměřena na analýzu sentimentu uživatele na základě subjektivního slovního hodnocení v přirozeném jazyce. Teoretická část diplomové práce seznamuje čtenáře se základními pojmy z oblasti strojového učení a získávání znalostí zejména z rozsáhlých textových kolekcí. Dále jsou v této části popsány metody předzpracování textových dat a principy algoritmů strojového učení. V praktické části práce jsou navrženy samotné experimenty, které jsou ná-sledně realizovány pomocí softwarového nástroje SPSS Modeler. Experimentální část je zaměřena zejména na identifikaci význačných atributů a nalezení vztahů mezi nimi. Důraz je kladen zvláště na důkladnou interpretaci dosažených výsledků.
|
|
Aplikace Bayesovských sítí
Chaloupka, David ; Rozman, Jaroslav (oponent) ; Zbořil, František (vedoucí práce)
Tato diplomová práce se zabývá možnými aplikacemi Bayesovských sítí. Nejprve se zaměřuje na obecnou teorii pravděpodobnosti a později na úrovni matematiky vysvětluje samotnou teorii Bayesovských sítí, přístupy k inferenci a k učení včetně ozřejmění silných a slabých stránek popisovaných technik. Součástí výkladu jsou v mnoha případech ilustrativní příklady a podrobně komentovaná matematická odvození prezentovaných vzorců. V praktické části práce je kladen důraz na aplikace vyžadující učení Bayesovské sítě, jednak ve smyslu učení parametrů a jednak ve smyslu struktury. První aplikací jsou obecné benchmarkové úlohy, které zkoumají chování prezentovaných technik a zaměřují se na způsob optimální volby parametrů učení Bayesovské sítě. Druhou aplikací je užití Bayesovských sítí pro účely dolování znalostí o příčinách zločinnosti prostřednictvím vizualizace závislostí mezi náhodnými proměnnými popisujícími zkoumanou doménu. Třetí aplikace zkoumá možnosti nasazení Bayesovské sítě jakožto spam filtru a dosažené výsledky porovnává prostřednictvím všeobecně užívané datové sady s výsledky naivního Bayesovského filtru, který rovněž vychází z teorie pravděpodobnosti.
|
|
Návrh řešení studeného startu doporučovacího systému
MAŠTALÍŘ, Jakub
Hlavní téma této bakalářské práce tkví v návrhu a implementaci modulu doporučovacího systému v oblasti turistiky a cestování. V teoretické části je cílem zmapovat prostředí doporučovacích systémů, jejich typy a přístupy. Dále je zde popsán problém studeného startu a teorie Bayesovských sítí, na jejichž základě budou zpracovávána a prezentována data pro doporučení. V praktické části již programujeme a testujeme doporučovací modul, je zde uveden popis využitých technologií a jsou rozebrány jednotlivé funkcionality doporučovacího modulu zaměřeného na ubytování v Českých Budějovicích
|
|
Využití bayesovských sítí v manažerské praxi
Rod, Martin ; Váchová, Lucie (vedoucí práce) ; Bína, Vladislav (oponent)
Hlavním cílem bakalářské práce je vytvoření kvantitativního modelu, který popisuje skutečnou bioplynovou stanici a její možný troubleshooting v agrární firmě Výrobně obchodní družstvo Kadov. Vytvořený model má vícero využití, prvé jako přímo podpora managementu při rozhodování, ať již o možné poruše, tak dále pro možná zlepšení. Neméně důležitou roli sehrává však i v objasnění vnitřních závislostí a provázanosti celého systému, kdy, na rozdíl od kvalitativního pojetí, přináší i tvrdý kvantifikovaný statistický pohled. Potřebná kvantifikace je realizována za pomoci bayesovského statistického přístupu ve formě bayesovské sítě a k ní vyvinutých postupů, používáme (leaky) noisy OR-gate model a metody diskretizace proměnných. Při modelování vycházíme zejména z interních dat společnosti o spolehlivosti. Pomocí sestaveného modelu jsme podrobně demonstrovali případné poruchy a dále i postup jejich odstranění.
|
|
Aplikace Bayesovských sítí
Chaloupka, David ; Rozman, Jaroslav (oponent) ; Zbořil, František (vedoucí práce)
Tato diplomová práce se zabývá možnými aplikacemi Bayesovských sítí. Nejprve se zaměřuje na obecnou teorii pravděpodobnosti a později na úrovni matematiky vysvětluje samotnou teorii Bayesovských sítí, přístupy k inferenci a k učení včetně ozřejmění silných a slabých stránek popisovaných technik. Součástí výkladu jsou v mnoha případech ilustrativní příklady a podrobně komentovaná matematická odvození prezentovaných vzorců. V praktické části práce je kladen důraz na aplikace vyžadující učení Bayesovské sítě, jednak ve smyslu učení parametrů a jednak ve smyslu struktury. První aplikací jsou obecné benchmarkové úlohy, které zkoumají chování prezentovaných technik a zaměřují se na způsob optimální volby parametrů učení Bayesovské sítě. Druhou aplikací je užití Bayesovských sítí pro účely dolování znalostí o příčinách zločinnosti prostřednictvím vizualizace závislostí mezi náhodnými proměnnými popisujícími zkoumanou doménu. Třetí aplikace zkoumá možnosti nasazení Bayesovské sítě jakožto spam filtru a dosažené výsledky porovnává prostřednictvím všeobecně užívané datové sady s výsledky naivního Bayesovského filtru, který rovněž vychází z teorie pravděpodobnosti.
|