Národní úložiště šedé literatury Nalezeno 2 záznamů.  Hledání trvalo 0.00 vteřin. 
Dolování znalostí z rozsáhlých statistických souborů lékařských dat
Badelita, Elvyn-George
Závěrečná práce se zabývá problematikou dolování informací z rozsáhlých souborů lékařských dat pomocí metod a algoritmů strojového učení. Předmětem teoretické části je strojové učení a jeho rozdělení, popis základních datových typů v data miningu, nejdůležitější klasifikační a predikční metody, kritéria definující kvalitu predikčních metod, popis data miningové metodiky a nevyužívanějších systémů. Praktická část se zaměřuje na statistický a informatický průzkum poskytnutých lékařských dat, její vhodnou transformaci, následný návrh a uskutečnění experimentů pomocí metod strojového učení s cílem získat znalosti a skryté informace a nakonec interpretace získaných výsledků společně s vyvozením závěrů pro cílové skupiny.
Návrh a implementace Data Mining modelu v technologii MS SQL Server
Peroutka, Lukáš ; Maryška, Miloš (vedoucí práce) ; Smutný, Zdeněk (oponent)
Tato práce se zabývá návrhem a implementací data miningové úlohy s reálnými daty. Úloha bude analyzována, zpracována a její dosažené výsledky vyhodnoceny. Zdrojovým datovým souborem je databáze obsahující studijní záznamy Vysoké ško-le ekonomické v Praze. V první teoretické části se práce zaměřuje na dolování z dat, definici pojmu, histo-rický vývoj data miningu, analýzu a popis jednotlivých částí dolovací úlohy a sou-časnou metodologii. Představeny jsou nejznámější používané dolovací techniky a standardy, včetně jejich vlastností, výhod a nevýhod při praktickém nasazení. Ana-lyzována jsou také vstupní data, zejména z pohledu kvality a operací ve fázi před-zpracování dat pro dolovací úlohu. Následně je přistoupeno k aplikaci teoretických znalostí na reálnou úlohu data mi-ningu. Zdrojový soubor se školními daty je popsán, analyzován a vhodné atributy jsou vybrány jako základ pro tvorbu dolovacích modelů. Ty jsou poté na platformě MS SQL Server vytvořeny s cílem najít, prozkoumat a popsat možné závislosti a asociace v datech. Dílčí výsledky jednotlivých modelů a jejich potenciální přínos jsou zhodnoceny, a to včetně návrhu možných vylepšení a dalšího budoucího využití výsledků.

Chcete být upozorněni, pokud se objeví nové záznamy odpovídající tomuto dotazu?
Přihlásit se k odběru RSS.