|
|
Artificial neural networks for macroeconomic data analysis
Padrón Peňa, Ildefonso ; Mrázová, Iveta (vedoucí práce) ; Kuboň, David (oponent)
The analysis and prediction of macroeconomic time-series is a factor of great interest to national policymakers. However, economic analysis and forecast- ing are not simple tasks due to the lack of a precise model for the economy and the influence of external factors, such as weather changes or political decisions. Our research is focused on Spanish speaking countries. In this thesis, we study dif- ferent types of neural networks and their applicability for various analysis tasks, including GDP prediction as well as assessing major trends in the development of the countries. The studied models include multilayered neural networks, recur- sive neural networks, and Kohonen maps. Historical macroeconomic data across 17 Spanish speaking countries, together with France and Germany, over the time period of 1980-2015 is analyzed. This work then compares the performances of various algorithms for training neural networks, and demonstrates the revealed changes in the state of the countries' economies. Further, we provide possible reasons that explain the found trends in the data.
|
|
| |
|
| |
|
|
Webová aplikace pro tvorbu predikcí call centra
Mička, David ; Hynek, Jiří (oponent) ; Bartík, Vladimír (vedoucí práce)
Cílem práce je vytvořit aplikaci pro tvorbu predikcí call centra, která by mohla nahradit stávající řešení predikcí v prostředí firmy Kiwi.com s.r.o. Výsledná aplikace by měla být intuitivnější a snazší na používání než systém Verint, či tabulkové řešení predikcí a zároveň by měla poskytovat dostatečné množství použití pro tvorbu taktických predikcí, díky kterým lze reagovat na nastávající situace a nastavovat reálná očekávání pro management zákaznického centra.
|
|
|
Predikce rozpustnosti proteinů
Marušiak, Martin ; Martínek, Tomáš (oponent) ; Hon, Jiří (vedoucí práce)
Proteínová rozpustnosť je úzko spojená s použiteľnosťou proteínov pre účely priemyselného využitia a vo výskume. Predikcia rozpustnosti by preto viedla k značnému ušetreniu finančných prostriedkov. V tejto práci je prezentovaný nový prediktor rozpustnosti Solpex založený na strojovom učení, ktorý na nezávislej testovacej sade dosiahol vyššiu presnosť ako porovnateľné existujúce prediktory. Realizácii prediktoru predchádzalo oboznámenie s biologickou podstatou rozpustnosti, preskúmanie existujúcich prístupov k predikcii, tvorba dátových sád, uskutočnenie experimentov a výber vlastností pre prediktor. Najpodstatnejšou z týchto častí je pravdepodobne tvorba dátových sád, ktoré sú kľúčové pre vytvorenie kvalitného prediktoru. V súvislosti s dátovými sadami je v tejto práci podrobne popísané spracovanie hlavného zdroja ich dát - databázy TargetTrack.
|
|
|
Optimalizace strojového učení pro predikci KPI
Haris, Daniel ; Burget, Radek (oponent) ; Bartík, Vladimír (vedoucí práce)
Cieľom tejto práce je optimalizácia strojového učenia pre predikciu KPI metrík pre jednu organizáciu. Organizácia predpovedá oneskorenie termínov ukončenia poslednej fázy projektov v procese vývoja pomocou strojového učenia. Práca sa zameriava na analýzu predikčných modelov a stanoví si za cieľ vybrať nové kandidátne modely na predikciu. V rámci práce sme implementovali systém, ktorý automaticky vyberie najlepšie rysy pre učenie. Naučené modely sme vyhodnotili pomocou rôznych výkonnostných metrík a vybrali najlepšie kandidátne modely. Kandidátne modely majú vyššiu presnosť predpovede, čo pre organizáciu znamená, že sa zvýšila dôveryschopnosť predpovede oneskorenia. V závere práce sme navrhli ďalšie vylepšenia, ktoré by mohli zvýšiť presnosť predpovede.
|
|
|
Machine learning with applications to finance
Mešša, Samuel ; Hurt, Jan (vedoucí práce) ; Večeř, Jan (oponent)
The impact of data driven, machine learning technologies across a wide variety of fields is undeniable. The financial industry, which relies heavily on predictive modeling being no exception. In this work we summarize two widely used machine learning models: support vector machines and neural networks, discuss their limitations and compare their performance to a more traditionally used method, namely logistic regression. Evaluation was done on two real world datasets, which were used to predict default of loan applicants and credit card holders formulated as a binary classification task. Neural networks and support vector machines either outperformed or showed comparable results to logistic regression with performance measured in receiver operator characteristic area under curve. In the second task neural networks outperformed both other models by a significant margin.
|
|
| |
|
|
Využití umělé inteligence jako podpory pro rozhodování
Nezbedová, Katarína ; Pekárek, Jan (oponent) ; Dostál, Petr (vedoucí práce)
Táto bakalárska práca sa zaoberá problematikou Tamariho atraktoru a jeho aplikáciou pre formovanie predikčného modelu. Jadrom práce je vytvorenie programu na simuláciu, vo vývojovom prostredí MATLAB, a jeho využitie pre vytvorenie a porovnanie niekoľkých prípadových štúdií predikčného modelu založeného na odlišných parametroch. Tento model je zobrazený graficky a doplnený o ekonomickú interpretáciu.
|
|
|
Dítě s rizikem specifické poruchy učení
WALDOVÁ, Petra
Diplomová práce se zabývá možnostmi predikce specifických poruch učení u dětí předškolního věku. Práce je členěna do dvou na sebe navazujících částí části teoretické a části praktické. V teoretické části se zaměřuji především na etiologii a diagnostiku specifických poruch učení. Stěžejní úlohu pak nesou uvedené příklady několika prediktivních baterií od českých, ale i zahraničních autorů. Obsahem praktické části jsou výsledky výzkumného šetření, jehož data jsem sbírala pomocí prediktivní baterie britských autorů Nicolsna a Fawcettové The Dyslexia Early Screening Test. Hlavním cílem diplomové práce bylo zjistit možnost využitelnosti tohoto testu pedagogickými pracovníky v mateřských školách tak, aby bylo možno předcházet specifickým obtížím v učení. Výzkum byl realizován prostřednictvím kvantitativní výzkumné metody.
|
host ::
RSS.