|
| |
|
|
Srovnání metod vyhodnocujících výsledky shlukování
Polcer, Ondřej
Srovnání metod vyhodnocujících výsledky shlukování Diplomová práce: Mendelova univerzita v Brně, 2015. V této práci je detailně popsáno téma shlukování dat, vývoj vlastní implementace shlukovací aplikace, její porovnání s programem Cluto a analýza výsledků.
|
|
|
Integrace data miningových nástrojů do prostředí MS Visual Studio
Dvořan, Jan
Diplomová práce se zabývá návrhem řešení a následnou implementací importování dataminingového nástroje Weka do prostřední Visual Studia a Microsoft SQL 2012 serveru, pomocí Managed Plug-in algoritmu. V práci je popsán postup tvorby nového Managed Plug-in Algoritmu a dále, jakým způsobem je možné jej rozšířit o funkcionalitu dataminingového nástroje Weka. Pro zpřístupnění funkcí nástroje Weka do prostředí Visual Studia a Managed Plug-in algoritmu je využit port IKVM, který dokáže vytvořit z nástroje Weka knihovnu v jazyce C#, která je následně využita při integraci nástroje Weka do Managed Plug-in Algoritmu.
|
|
|
Převod vybraných algoritmů data-mining z jazyka Java do binární (.exe) formy
Šrom, Jakub
Existují úspěšné systémy pro data-mining (např. WEKA, RapidMiner, aj.) obsahující v současnosti desítky implementovaných algoritmů v jazyce Java, což umožňuje jejich použití pod různými operačními systémy. Nevýhodou interpretovaného zdrojového kódu je zpomalení výpočtu a limitované využití paměti. Diplomová práce je zaměřena na převod několika vybraných implementací algoritmů z Java do binární formy (.exe) prostřednictvím převodu zdrojového kódu do C++ pod operační systém MS Windows 7, 64bitová verze. Cílem je urychlení výpočtů a zlepšení správy využití paměti. Binární forma musí dávat identické výsledky jako forma originální. Kromě vlastního převodu zahrnuje práce také porovnání časových a paměťových nároků původní (pomocí Java Runtime Environment, JRE) interpretované implementace v jazyce Java (64bitové JRE) a výsledné binární 64bitové formy, a to pro zvolená testovací data.
|
|
|
Dolování znalostí z rozsáhlých statistických souborů lékařských dat
Cupal, Jan
V teoretické části práce se seznámíme s pojmy, které úzce souvisí se zkoumanou problematikou. Tyto poznatky poté využijeme při analýze lékařských dat a k vhodnému zvolení algoritmů, které použijeme při dolování znalostí z dat. Získané výsledky otestujeme a na základě těchto výsledků zhotovíme závěr. Praktická část bude probíhat v programu od společnosti IBM SPSS Statistics a programu IBM SPSS Modeler.
|
|
| |
|
|
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.
|
|
|
Porovnání výpočetní složitosti vybraných algoritmů pro dolování znalosti z dat
Bílek, Tomáš
Diplomová práce se zabývá porovnáním časové a paměťové složitosti vybraných algoritmů pro data mining. Předmětem teoretické části je seznámení s algoritmy strojového učení a podrobný rozbor problematiky složitosti algoritmů. Následuje výběr a zdůvodnění výběru nejběžnějších algoritmů používaných pro data mining. V praktické části se práce věnuje porovnání teoretické složitosti vybraných algoritmů s jejich naměřenými hodnotami na reálných a syntetických datech. Výstupem práce je grafické zobrazení výsledků testování, porovnání a interpretace těchto výsledků a doporučení z hlediska vhodnosti výběru algoritmu pro daný typ úlohy.
|
|
|
Moderní technologie analýzy dat a jejich využití při odhalování pojistných podvodů
Stodolová, Jana
Bakalářská práce se zabývá problematikou moderních technologií analýzy dat a možnostmi jejich využití při odhalování pojistných podvodů. Analytická část baka-lářské práce uvádí základní možnosti, přístupy a algoritmy analýzy dat, představu-je reálné příklady nasazení této technologie v praxi a analyzuje současný stav v oblasti odhalování pojistných podvodů. Návrhová část hodnotí výsledky kvalita-tivního průzkumného šetření, které se zabývalo využitím těchto moderních tech-nologií v praxi, uvádí vybrané softwarové produkty určené pro nasazení v pojišťovnách, ukazuje modelový příklad odhalení pojistného podvodu s využitím nástrojů analýzy dat a zabývá se konceptem data miningu pro tuto úlohu.
|
|
|
Analýza metod k odhalení znalosti v datech
Procházková, Veronika
PROCHÁZKOVÁ, V. Analýza metod k odhalení znalosti v datech. Diplomová práce. Brno, 2013. Diplomová práce se zabývá problematikou data miningu a jeho využití v komerční sféře. Cílem mé práce bylo nejprve získat a shromáždit znalosti z oblasti data miningu a ty následně využít na konkrétních datech. V první části práce se shromažďují teoretické informace o data miningu. Zaměřila jsem se na vlastní definice, metody data miningu, algoritmy a samozřejmě také nejčastější využití algoritmů v praxi. Druhá část práce je tvořena praktickou aplikací získaných znalostí na reálných datech z oblasti telekomunikačních technologií.
|
host ::
RSS.