|
|
Nákupní mapa
Sherstneva, Sofya ; Kofroň, Jan (vedoucí práce) ; Töpfer, Michal (oponent)
Cílem této práce bylo navrhnout a implementovat webovou aplikaci, umožňující vytvoření nákupních map pro jednodušší orientaci v obchodě. Hotová aplikace kromě této funkcionality také nabízí možnost navazování přátelství mezi uživateli pro práci se společnými nákupními seznamy. Řešení kromě webové aplikace také obsahuje mobilní aplikaci, která funguje v režimu offline.
|
|
|
Machine-learning-based self-adaptation of component ensembles
Töpfer, Michal ; Bureš, Tomáš (vedoucí práce) ; Parízek, Pavel (oponent)
Strojové učení se úspěšně používá pro dílčí úlohy v oblasti distribuovaných adaptivních systémů (například internet věcí a tzv. cyber-physical systémy). Mezi nejčastější použití patří predikce budoucího stavu komponent systému (například kolik energie bude zbý- vat v baterii dané komponenty za určitý čas) a prořezávání prostoru možných adaptací systému. Většina dosavadního výzkumu se soustředila především na použití algoritmů strojového učení pro konkrétní úlohy, nicméně zatím nebylo věnováno příliš pozornosti systematickému zapojení strojového učení přímo do architektury systémů. V této práci představujeme ML-DEECo - komponentový model specificky navržený pro snadné použití strojového učení v adaptivní komponentové architektuře systému. ML-DEECo je založen na konceptech komponent a jejich kooperace z komponentového modelu DEECo a rozšiřuje DEECo o abstrakce pro specifikaci predikcí přímo v architek- tuře systému. Architekt softwarového systému se tak může soustředit pouze na logiku systému a vše potřebné pro získání predikcí (například trénink modelu pomocí algoritmů strojového učení) zajišťuje náš framework. Součástí práce je implementace ML-DEECo frameworku v Pythonu a ukázka jeho použití na příkladech adaptivních systémů z oblastí chytrého farmaření a Průmyslu 4.0.
|
|
|
Components for visualization of correlations for IVIS framework
Töpfer, Michal ; Bureš, Tomáš (vedoucí práce) ; Kofroň, Jan (oponent)
S rostoucím počtem zařízení připojených k internetu věcí roste i množství dat, které je potřeba analyzovat a prohlížet. Jedním z frameworků pro tvorbu všestranných a kon- figurovatelných vizualizací je IVIS, který je vyvíjen na D3S, MFF UK. Cílem této práce je vyvinout a implementovat pro IVIS komponenty pro korelační diagram (XY bodový graf), bublinový graf, histogram a 2D histogram. Tyto komponenty se dají použít pro vizualizaci korelací v datech a znázornění distribuce dat. Všechny komponenty jsou interaktivní a snadno nastavitelné, přičemž možná nasta- vení jsou popsána v textu práce. Použití komponent je ukázáno na několika praktických příkladech, které mimo jiné demonstrují, jak lze komponenty provázat s už existujícími částmi IVISu. Nově použité koncepty jsou také doplněny do už existujících typů grafů. 1
|
host ::
RSS.