Original title:
Metody dolování z časových řad
Translated title:
Knowledge Discovery from Time Series
Authors:
Krutý, Peter ; Burget, Radek (referee) ; Bartík, Vladimír (advisor) Document type: Master’s theses
Year:
2022
Language:
slo Publisher:
Vysoké učení technické v Brně. Fakulta informačních technologií Abstract:
[slo][eng]
Táto práca sa zaoberá problematikou získavania znalostí z dát, konkrétne z časových radov. Jej cieľom je uskutočniť prieskum podpory programovacieho jazyka Python pre túto oblasť a následný návrh a implementáciu aplikácie, ktorá umožní demonštráciu a porovnanie vybraných metód dolovania. Metódy sú demonštrované v rámci experimentov, pre ktoré je vybratá vhodná dátová sada. Výstupom práce je porovnanie metód pre jednotlivé úlohy a aplikácia implementujúca zvolené metódy.
This thesis is focused on the field of knowledge discovery from data, specifically from time series. Main objective is to research Python programming language support in this area and then design and implement an application that will allow to demonstrate and compare selected methods. Methods are demonstrated in experiments using appropriate data set. The output of the thesis is a comparison of methods for specific tasks and the application implementing selected methods.
Keywords:
annotation; classification; clustering; cryptocurrencies; data analysis; data mining; data visualization; decomposition; forecasting; knowledge discovery from databases; Python programming language; representation; search; segmentation; summarization; time series
Institution: Brno University of Technology
(web)
Document availability information: Fulltext is available in the Brno University of Technology Digital Library. Original record: http://hdl.handle.net/11012/207855