Národní úložiště šedé literatury Nalezeno 35 záznamů.  1 - 10dalšíkonec  přejít na záznam: Hledání trvalo 0.00 vteřin. 
Automatická konfigurace virtuální infrastruktury
Kadlíček, Jan ; Mašek, Jan (oponent) ; Uher, Václav (vedoucí práce)
Tato diplomová práce se zaměřuje na problematiku automatizace virtuální infrastruktury a dostupné nástroje jako jsou například Ansible, Terraform či Puppet. Jednotlivé nástroje jsou zde posupně porovnávány v rámci instalací či vytváření konfigurací. Výsledkem této semestrální práce je pak výběr vhodného nástroje pro automatizaci virtuální infrastruktury.
Platforma pro virtualizaci komunikační infrastruktury
Stodůlka, Tomáš ; Martinásek, Zdeněk (oponent) ; Uher, Václav (vedoucí práce)
Diplomová práce se zabývá výběrem platformy pro virtualizaci infrastruktury se zaměřením na kontejnerizaci s podporou sandboxingu a následným zkoumáním její náročnosti. Práce začíná vysvětlením základních technologií jako: virtualizace, cloud computing a kontejnerizace spolu s jejími zástupci, kteří danou technologii zprostředkovávají. Zvláštní prostor je vymezen právě pro platformy cloud computingu: Kubernetes, OpenStack a OpenShift. Nejvhodnější platforma je pak vybrána a vlastním způsobem nasazena tak, aby splňovala veškeré podmínky stanovené vedoucím práce. V rámci testování náročnosti vybrané platformy jsou vytvořeny skripty (převážně v jazyce Bash) určené ke skenování vytíženosti systému, vytváření scénářů, simulaci zátěže a automatizaci.
Filtrování spamových zpráv pomocí metod umělé inteligence
Safonov, Yehor ; Uher, Václav (oponent) ; Kolařík, Martin (vedoucí práce)
V moderním počítačovém světě e-mailová komunikace patří do nejpoužívanějších prostředků pro výměnu zpráv mezi uživateli. Jedná se o volně dostupný, efektivní a jednoduchý způsob sloužící ke sdělení informací. Tyto tři základní pilíře přispívají k její světové rozšířenosti a strmému nárůstu přenášených elektronických zpráv. Na druhou stranu, rostoucí popularita této technologie v sobě skrývá velká bezpečnostní rizika a tvoří z ní ideální nástroj pro šíření nevyžádaného obsahu a realizaci útoků cílených jak na koncové uživatele, tak i na celé počítačové infrastruktury. Ačkoliv v dnešní době používané klasické nástroje na filtrování spamu dosahují vysokých přesností, často neumožňují pokrytí dynamičnosti vývoje spamových technik a trpí problémy s přeučením, uváznutím v nevhodných lokálních minimech, neschopností efektivně zpracovávat vysoce dimenzionální data a z dlouhodobého hlediska disponují problémy s udržitelností. Hlavním cílem této diplomové práce je vytvoření a naučení modelů hlubokých neuronových sítí použitím nejmodernějších technik a přístupů existujících ve světě zpracování přirozeného jazyka a strojového učení. V rámci teoretické části se práce zaměřuje na problematiku e-mailové komunikace se zaměřením na filtrování nevyžádané pošty. Následně se věnuje doméně strojového učení a umělých neuronových sítí, zejména principům jejich fungování, základním vlastnostem a možnostem jejich aplikování na okruh problémů spojených s provedením textové analýzy. Mezi silné stránky práce patří provedení podrobného srovnání současných metod strojového učení, jejich specifik a přesnosti při aplikování na klasifikaci spamu. V praktické části práce byl důraz položen na zpracování datové sady surových e-mailů a srovnání modelů ULMFiT, BERT a XLNet. Zpracování dat bylo rozděleno do pěti etap, a to s cílem zachování co nejvyšší informační hodnoty zpráv a vytvoření kvalitní datové sady, která byla použita pro trénování, testování a validaci zvolených druhů neuronových sítí. Dále diplomová práce zahrnuje popis procesu učení sítí včetně etapy finálního přizpůsobení dat k modelování. Na konci práce byly implementované modely srovnány a byla nastíněna případná rozšíření do budoucna.
A tool for generating a random configuration of a cyber arena
Matisko, Maroš ; Kolařík, Martin (oponent) ; Uher, Václav (vedoucí práce)
The master's thesis is focused on the design and implementation of a tool for generating configuration named Ansible. The result of using this tool is generated configuration, which contains random values chosen according to specified parameters and it was deployed on a virtual testing infrastructure. The theoretical part describes approaches of network automation in the process of deploying and configuration of network devices called Infrastructure as code. It also describes programme Ansible, which will be using the output of the implemented tool. The practical part of the thesis is focused on designing the functionality and internal structure of the tool, implementation of the tool and testing implemented tool as well as generated configuration.
Detection of anomalies in data center network traffic
Korzhasbayeva, Leila ; Uher, Václav (oponent) ; Burget, Radim (vedoucí práce)
In large companies there are a lot of~business critical machines working without a pause every day. A~simple Log Management solution is not always enough to catch all the data passing by. And Security Analyst is not able to watch every log source for any changes in normal traffic. Here is the point when machine can help us. Anomaly detection in the environment is main goal of this project. There are few solutions presented and tested on a data from servers in real environment of a company. There are still might be some false positives, but it is a good opportunity to solve in a future research.
Computational tasks for solving parallel data processing
Rexa, Denis ; Uher, Václav (oponent) ; Mašek, Jan (vedoucí práce)
The goal of this diploma thesis was to create four laboratory exercises for the subject "Parallel Data Processing", where students will try on the options and capabilities of Apache Spark as a parallel computing platform. The work also includes basic setup and use of Apache Kafka technology and NoSQL Apache Cassandra database. The other two lab assignments focus on working with a Travelling Salesman Problem. The first lab was designed to demonstrate the difficulty of a task where the student will face an exponential increase in complexity. The second task consists of an optimization algorithm to solve the problem in cluster. This algorithm is subjected to performance measurements in clusters. The conclusion of the thesis contains recommendations for optimization as well as comparison of running with different number of computing devices.
Vícetřídá segmentace 3D lékařských dat pomocí hlubokého učení
Slunský, Tomáš ; Uher, Václav (oponent) ; Kolařík, Martin (vedoucí práce)
Diplomová práce se zabývá segmentací obrazu do více tříd pomocí konvolučních neuronových sítí. Teoretická část práce se zaměřuje na souhrn problematiky segmentace obrazu, kde jsou popsány základní principy fungování jak samotných neuronových sítí, tak segmentací obrazu včetně popsání jejich různých typů a variant. V praktické částí je zvolena pro segmentace obrazu a podrobněji popsána architektura U-net, která byla aplikována na dataset medicínských dat. Dále je tu popsán postup zpracování trojrozměrných dat, jejich předzpracování a metody, jakými byla provedena celá vícetřídá segmentace. Závěr práce vyhodnocuje dosažené výsledky a zasazuje je do širšího kontextu.
Trénovatelné metody pro automatické zpracování biomedicínských obrazů
Uher, Václav ; Tučková,, Jana (oponent) ; Brezany, Peter (oponent) ; Burget, Radim (vedoucí práce)
Tato práce se zabývá možnostmi automatické segmentace biomedicínských obrazů. Pro 3D segmentaci obrazu byla navržena metoda využívající hluboké učení. V~práci jsou řešeny problémy návrhu sítě, paměťové optimalizace metody a následné složení výsledného obrazu. Unikátnost metody spočívá ve 3D zpracování snímku na GPU v kombinaci s~augmentací trénovacích dat a zachování rozměru výstupu s originálním snímkem. Toho je dosaženo rozdělením obrazu na menší části s překryvem a následným složením do původní velikosti. Funkčnost metody je ověřena na segmentaci lidské mozkové tkáně na snímcích z magnetické rezonance, kde překonává lidskou přesnost při porovnání odborník vs. odborník, a segmentaci buněk na řezech mozku octomilky z~elektronového mikroskopu, kde jsou překonány publikované výsledky z impaktovaného článku.
Zpětnovazební učení pro řešení herních algoritmů
Daňhelová, Jana ; Uher, Václav (oponent) ; Kolařík, Martin (vedoucí práce)
Bakalářská práce Zpětnovazební učení pro řešení herních algoritmů je rozdělena do dvou částí. V teoretické části jsou popsány a srovnávány základní metody zpětnovazebního učení, přičemž zvláštní pozornost je věnována metodám aktivního učení – Q-učení a hlubokému učení. Praktická část je zaměřena na aplikaci metody deep learning na hru Had. Výsledky jsou prezentovány ve formě programu napsaného v programovacím jazyku Python, který se skládá z herního prostředí vytvořeného v PyGame, modelu konvoluční neuronové sítě zkonstruovaného v knihovně Keras a herního agenta. Výstupem programu je několik typů datasetů ve formátu csv. Získaná data, obsahující hodnoty jednotlivých parametrů jako počet epoch, přesnost, ztráta nebo výše odměny, mohou být následně použita jako podklady pro další zpracování.
Detekce odložených zavazadel ve veřejných prostorech
Ligocki, Roman ; Mašek, Jan (oponent) ; Uher, Václav (vedoucí práce)
Cílem této práce je vytvořit program pro detekci odložených zavazadel na veřejnosti, které mohou být potenciální hrozbou pro jejich okolí. Součástí práce je popis detekční metody pro hledání objektů v digitálním obrazu. Text dále obsahuje popis použité neuronové sítě YOLO a metod pro porovnávání obrazů. V práci je rovněž popis navrženého algoritmu pro sledování objektů a detekci vlastnictví zavazadla. Výsledkem prace je program, který je schopen detekovat odložené zavazadlo na základě jeho pohybu a vlastnictví.

Národní úložiště šedé literatury : Nalezeno 35 záznamů.   1 - 10dalšíkonec  přejít na záznam:
Viz též: podobná jména autorů
2 UHER, Vladimír
2 Uher, Vladimír
4 Uher, Vojtěch
1 Uher, Vít
Chcete být upozorněni, pokud se objeví nové záznamy odpovídající tomuto dotazu?
Přihlásit se k odběru RSS.