|
| |
|
|
How to Create Self-Driven Education: The Social Web & Social Sciences, Coursera & Khan Academy 2014 Case Study
Růžička, Jakub ; Remr, Jiří (vedoucí práce) ; Soukup, Petr (oponent)
Diplomová práce se zabývá možnostmi využití social web dat v sociálních vědách. Teoretická část popisuje změny ve vzdělávání v kontextu dynamiky soudobé společnosti v rámci třech základních (vzájemně souvisejících) dimenzích: technologie (příčina a/nebo nástroj změny); práce (nové modely spolupráce); ekonomie (udržitelnost free a open source obchodních modelů). Hlavní metodologická část práce je zaměřena na problematiku výběru vzorku, reprezentativity výběrového souboru, posouzení validity a reliability, etiky, a sběru dat ve formujícím se se social web výzkumu v sociálních vědách. Výzkumná část obsahuje ilustrativní analýzy sociálního webu a závěry autorova výzkumu "Coursera & Khan Academy on the Social Web" (2014). Závěry kompletní výzkumné zprávy (v přílohách práce) jsou porovnány se závěry teoretické části s cílem poskytnout "naivní" (odvozenou ze zmínek a sítí na sociálním webu) odpověď na základní otázku: "Jak vytvořit samostatně motivované vzdělávání?" Powered by TCPDF (www.tcpdf.org)
|
|
|
Analýza sentimentu s využitím dolování dat
Sychra, Martin ; Burget, Radek (oponent) ; Bartík, Vladimír (vedoucí práce)
Obsahem práce je analýza sentimentu, především z informatického hlediska (okrajově z hlediska lingvistického). V lingvistické části je rozebrán pojem sentiment a jazykové metody pro jeho analýzu, např. lemmatizace, POS tagging, využití seznamu stopwords apod. Větší pozornost je následně věnována struktuře analyzátoru sentimentu, který je založen na některé z metod strojového učení (metoda podpůrných vektorů, naivní Bayesův klasifikátor a klasifikátor maximální entropie). Na základě teoretických východisek je navržen a implementován funkční analyzátor. Experimenty jsou zaměřeny především na porovnání klasifikačních metod a přínos využití jednotlivých metod předzpracování. Úspěšnost sestrojeného klasifikátoru dosahuje až 84 % v křížové validaci.
|
|
|
Metody strojového učení ve zpracování přirozeného jazyka
Vodička, Jan ; Otrusina, Lubomír (oponent) ; Smrž, Pavel (vedoucí práce)
Bakalářská práce se zajímá hodnocením sentimentu textu v českém jazyce za pomocí metod strojového učení, hlavně za použití naivního bayesovského klasifikátoru. Členění probíhá do dvou kategorií - pozitivní, negativní zprávy. Jako datové zdroje pro automatické vytvoření korpusu jsou použity zprávy ze sociální sítě Twitter, zbožového porovnávače Heuréka, filmové databáze ČSFD a restauračního portálu Scuk. Jsou porovnány z hlediska výkonnosti při hodnocení sentimentu. Následně je sestavena výsledná tréninková sada, která je použita při hodnocení zpráv z Twitteru v téměř reálném čase.
|
|
|
Hadoop a Business Intelligence
Kerner, Josef ; Šperková, Lucie (vedoucí práce) ; Augustín, Jakub (oponent)
Bakalářská práce se zaobírá vlivem a použitím platformy Hadoop při zpracování a analýze velkých dat v procesech a technologiích Business intelligence. Popisuje důvody, proč platforma vznikla, její primární komponenty a také důležité, na ní provozované aplikace, které přinášejí i méně technicky zkušeným uživatelům přidanou hodnotu z dat. Dále se zaobírá přínosy integrace Hadoopu do stávající IT infrastruktury organizace jak z technického hlediska, tak i z pohledu uživatelů datových analýz. Práce obsahuje teoretickou a praktickou část. Teoretická část seznamuje čtenáře s využitím komponent Hadoopu při zpracování nestrukturovaných dat za účelem rozšíření investičních analýz cenných papírů. Praktická část práce poskytuje případovou studii implementace Big Data ETL procesu, realizovaném v frameworku Spark, v oblasti dat z finančních trhů, kde detailně vysvětluje použité postupy jako je datový model, transformační kód a navrhované metriky, které mohou být využity finančními institucemi v jejich obchodních platformách za účelem dosažení zvýšeného zisku z držených titulů. Smyslem práce je poskytnout znalosti potřebné pro úspěšnou integraci Hadoop platformy a jejích komponent do stávající IT infrastruktury a vylepšení procesů Business Intelligence o nové přístupy v analýze velkých dat.
|
|
|
Analýza sentimentu v českém prostředí sítě Twitter
Koller, Michael ; Kincl, Tomáš (vedoucí práce) ; Novák, Michal (oponent)
Názory mají klíčový vliv na lidské chování. Tato bakalářská práce se proto zabývá analýzou názorů neboli sentimentu, která je jednou z nejaktivnějších oblastí zpracování přirozeného jazyka a stále více se uplatňuje v komerční sféře. V práci je vysvětlena podstata takové analýzy, její výhody i její možné aplikace pro firmy. Teoretická východiska jsou základem pro praktickou část této práce, jejímž cílem je popsat a zhodnotit na webu dostupné nástroje pro analýzu sentimentu, a to především pro české prostředí se zaměřením na mikroblogovací službu Twitter.
|
|
|
Analýza sentimentu
Pelíšek, Jiří ; Kincl, Tomáš (vedoucí práce) ; Novák, Michal (oponent)
V této bakalářské práci jsou popsány možnosti používání analýzy sentimentu a je porovnáno několik nástrojů, které analýzu sentimentu provádí. Nejprve je vysvětlen význam této analýzy v rámci marketingu. Následně je definován pojem analýza sentimentu. V další části jsou objasněny základní pojmy a popsány metody. V poslední kapitole je porovnáno několik služeb poskytujících nástroje pro analýzu sentimentu.
|
|
|
Sentiment analýza na sociálních sítích
Zaplatílek, Jan ; Jelínek, Ivan (vedoucí práce) ; Bruckner, Tomáš (oponent)
Práce se zabývá problematikou sentiment analýzy, především jejím využitím na sociálních sítích, jejímž cílem je určení zda posuzovaný dokument vyjadřuje nějaký sentiment a pokud ano, rozhodnout zda je pozitivní či negativní. Hlavním důvodem pro provádění sentiment analýzy na sociálních sítích je zjištění reputace a nálady určité firmy nebo značky. Takto získané informace mohou být dále použity např. pro vylepšení marketingu nebo komunikace se zákazníkem. Tato práce se zabývá sentiment analýzou na příspěvcích pocházejících z veřejných facebookových profilů několika českých bankovních institucí a telefonních operátorů. Cílem práce je vytvořit model, jehož úspěšnost v hodnocení sentimentu těchto příspěvků dosahuje alespoň 80%. Metodou dosažení tohoto cíle je provedení experimentu. První část práce představuje teoretickou část, jsou zde vymezeny základní pojmy a principy sentiment analýzy a její problémy a možnosti využití. Další část představuje rešerše metod sentiment analýzy a dat, která jsou zpracovávána v zahraničních pracích. Konečně poslední část popisuje samotný experiment. Činnosti, které mu předcházely a jeho výsledky. Hlavním přínosem práce je vytvoření modelu, který bude moci být následně používán v praxi.
|
|
|
Automatizovaná analýza sentimentu
Zeman, Matěj ; Kincl, Tomáš (vedoucí práce) ; Přibil, Jiří (oponent)
Cílem této diplomové práce je popsat automatizovanou analýzu sentimentu, její metody a problematiku Cross-Domain a následně otestovat již existující model. Poté tento model aplikovat na data z webů Česko-slovenské filmové databáze CSFD.cz, českého e-shopu MALL.cz a jednoho z největších českých webů o knihách Databazeknih.cz se snahou přispět k řešení Cross-Domain problému za pomoci n-gramů a analytického softwaru RapidMiner.
|
|
|
Konkurenční analýza předních ICT firem na českém trhu
Dvořák, Oskar ; Feige, Tomáš (vedoucí práce) ; Molnár, Zdeněk (oponent)
Diplomová práce pojednává o oboru Competitive Intelligence ve vztahu k možnostem aplikace jeho metod a nástrojů pro konkurenční analýzu tržního prostředí s využitím moderních virtuálních sociálních sítí. Teoretická část se zaměřuje na charakteristiku tržního prostředí ICT firem s využitím Porterovy analýzy a dále na popis vybraných nástrojů a metod sloužících ke zpracování nestrukturovaných dat a analýze sociálních sítí. Praktická část vychází z reálného projektu, který probíhal od začátku března 2013 ve společnosti IBM Česká republika, spol. s r. o. Na něm jsou demonstrovány současné možnosti využití potenciálu informačních technologií v oboru Competitive Intelligence.
|
host ::
RSS.