Original title:
Využití získávání znalostí pro data z PDF souborů
Translated title:
Use of Knowledge Discovery for Data from PDF Files
Authors:
Dvořáček, Libor ; Burgetová, Ivana (referee) ; Bartík, Vladimír (advisor) Document type: Bachelor's theses
Year:
2021
Language:
cze Publisher:
Vysoké učení technické v Brně. Fakulta informačních technologií Abstract:
[cze][eng]
Bakalářská práce se zabývá extrakcí tabulek z digitálně vytvořených pdf a následným použitím získatých dat pro datovou analýzu. Použity jsou metody redukce dimenzí a shlukové analýzy. Hlavním obsahem je rozbor dostupných nástrojů pro extrakci dat v jazyce python, popis a porovnání použitých metod strojového učení a implementace aplikace, která všechna tato témata sdružuje do jednoho funkčního celku na adrese: http://extraktor.herokuapp.com
This bachelor thesis deals with the extraction of tables from digitally created pdfs and the subsequent use of the obtained data for data analysis. Methods of dimension reduction and cluster analysis are used. The main content is an analysis of available tools for data extraction in the python language, a description and comparison of the used machine learning methods and implementation of an application that combines all these topics into one functional unit at: http://extraktor.herokuapp.com
Keywords:
cluster analysis; Dash; data mining; Dendrogram; dimensionality reduction; Heroku; K-MEANS; knowledge discovery; PCA; PDF; Plotly; Python; T-SNE; UMAP; visualization of high-dimensional datasets; Dash; data mining; Dendrogram; Heroku; K-MEANS; PCA; PDF; Plotly; Python; redukce dimenzí; shluková analýza; T-SNE; UMAP; získávání znalostí; vizualizace vícerozměrných dat
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/11012/199479