|
|
Získávání znalostí z datových skladů
Pumprla, Ondřej ; Chmelař, Petr (oponent) ; Stryka, Lukáš (vedoucí práce)
Diplomová práce se zabývá principy procesu získávání znalostí se zaměřením na asociační pravidla. Je vybudován teoretický aparát obecného popisu a principů tvorby datových skladů. Na základě těchto teoretických poznatků je implementována aplikace pro získávání asociačních pravidel. Aplikace očekává data buď v transakční nebo multidimenzionální podobě ve schématu hvězdy. Implementované algoritmy na hledání frekventovaných množin jsou Apriori a FP-strom. Systém umožňuje variantní nastavení parametrů dolování a byly provedeny ověřovací výkonnostní testy. Z pohledu podpory hledání asociačních pravidel se výsledná aplikace jeví robustnější než existující porovnávané systémy SAS a Oracle Data Miner.
|
|
|
Dolování dat v prostředí DB serveru Oracle
Pap, Juraj ; Kunc, Michael (oponent) ; Zendulka, Jaroslav (vedoucí práce)
Cílem této práce bylo oboznámit se s problematikou dolování dat a následně zjistit podporu DB serveru Oracle pro dolování. Práce je zaměřená na dolování asociačních pravidel. Výsledkem práce je ukázkova aplikace, která umožní uživateli práci s dolovacími modely, změnu jejich nastavení a pomocí grafického rozhraní zobrazení zpracovávaných dat využívajících podporu DB serveru Oracle.
|
|
|
Získávání znalostí z databází
Jaroš, Ondřej ; Stryka, Lukáš (oponent) ; Jurka, Pavel (vedoucí práce)
Tato bakalářská práce se zabývá problematikou získávání znalostí z databází. Jsou zde podrobně probrány metody pro dolování dat z databází. Konkrétně se tato práce zaměřuje na metodu získávání znalostí pomocí Asociačních pravidel a to za pomocí algoritmu Apriori. Cílem práce bylo implementovat vybranou metodu a její funkčnost ověřit na vybraném vzorku dat. Aplikace je implementována v programovacím jazyce Java a vzorek dat, nad kterými metoda pracuje je uložen v souboru XML. Nejedná se tedy o klasické získávání znalostí z databáze, nýbrž z XML souboru. Informace pro spuštění dolovací úlohy jsou načítány z konfiguračního(systémového) XML dokumentu. Získané znalosti jsou poté ukládány do systémového XML dokumentu.
|
|
|
Big Social Data and the Study of Celebrity Fandom
Sedláček, Jakub ; Numerato, Dino (vedoucí práce) ; Špaček, Ondřej (oponent) ; Mikuláš, Peter (oponent)
Tato práce přináší nový pohled na celebrity a jejich fanoušky optikou big social data, přičemž zkoumá možnosti využití digitální stopy ze sociálních sítí pro sociologický výzkum. První kapitola přináší sociologické zarámování celebrity, její krátkou historii v kontextu rozvoje médií a diskusi o revoluční roli, kterou pro celebritní kulturu sehrály platformy sociálních médií. Nakonec se snaží o propojení teorií role celebrity ve společnosti s výzkumem životního stylu, polarizace, subkultur vkusu a "enkláv životního stylu". Druhá kapitola slouží jako úvod do problematiky digitální stopy a big social data obecně. Nejprve jako sociálně- technologických fenoménů, poté jako výzkumných nástrojů. Zabývá se jejich historickou i současnou dostupností, epistemologickými implikacemi pro výzkum, limity i nebezpečími. Nakonec představuje seznamy oblíbených stránek na Facebooku jako cenný zdroj informací o životním stylu. Třetí kapitola empiricky zkoumá digitální stopu 90 tisíc fanoušků českých celebrit na Facebooku. Klade si otázku, zda preference celebrit souvisejí s rozdíly v různých aspektech života, včetně politiky, volného času nebo kulturní spotřeby. Z metodologického hlediska se zabývá kombinací dat z API s web scrapingem a praktickými výzvami při práci s "řídkými" daty ze sociálních médií. Testuje rovněž využití...
|
|
|
Získávání víceúrovňových asociačních pravidel
Nguyenová, Thanh Lam ; Burget, Radek (oponent) ; Bartík, Vladimír (vedoucí práce)
Tato bakalářská práce se zabývá získáváním víceúrovňových asociačních pravidel. Cílem této práce je zaměřit se na dostupné algoritmy pro získávání víceúrovňových asociačních pravidel a implementovat aplikaci s grafickým uživatelským rozhraním, která bude demonstrovat funkčnost těchto algoritmů. Zvoleno bylo pět algoritmů založených na algoritmu Apriori. Pomocí aplikace byly provedeny experimenty s jednotlivými algoritmy a na závěr byly výsledky experimentů porovnány a zhodnoceny.
|
|
|
Algoritmus pro cílené doporučování produktů
Bodeček, Miroslav ; Bartík, Vladimír (oponent) ; Zendulka, Jaroslav (vedoucí práce)
Tato diplomová práce se zabývá prozkoumáním problematiky doporučování produktů v internetovém obchodování, zhodnocením dostupných technik, detailním návrhem systému doporučování produktů pro existující internetový obchod a implementací tohoto systému včetně otestování. V technické zprávě je nejprve prezentován úvod do problematiky, představen současný stav v internetovém obchodování a specifikovány požadavky na implementaci nadstavby nad internetovým obchodem. Dále zpráva obsahuje úvod do dolování dat. Následuje detailní návrh systému a zpráva o provedeném testování. Závěr obsahuje zhodnocení dosažených výsledků a diskuzi o možném dalším vývoji.
|
|
|
Integrace Business Inteligence nástrojů do IS
Novák, Josef ; Bartík, Vladimír (oponent) ; Stryka, Lukáš (vedoucí práce)
Tato diplomová práce se zabývá problematikou integrace prostředků Business Intelligence do informačních systémů. V prvních kapitolách jsou představeny oblasti Business Intelligence, datových skladů, OLAP analýzy a získávání znalostí z databází, zejména se zaměřením na dolování asociačních pravidel. V kapitolách věnujícím se praktické části je popsán návrh a implementace výsledné aplikace spolu s použitými technologiemi jako je např. Microsoft SQL Server 2005.
|
|
|
Data Mining in Small Business
Sabovčik, František ; Burgetová, Ivana (oponent) ; Zendulka, Jaroslav (vedoucí práce)
This thesis has as an objective to evaluate techniques of data mining for use in small business. By examining data and consultations with domain experts, two approaches were chosen: market basket analysis and sales forecasting. For market basket analysis, Relim algorithm together with metrics measuring interestingness of association rules. For prediction task, decompostion model, SARIMA, MARS and time-lagged neural network models were implemented. Acceptable results were obtained by hyper-parameter optimization. In contrast to expectation, additional weather data and use of non-linear model did not improve accurancy above SARIMA model. Forecasting was implemented as a backend service for testing in production.
|
|
|
OLAP Recommender
Koukal, Bohuslav ; Chudán, David (vedoucí práce) ; Vojíř, Stanislav (oponent)
Manuální prozkoumávání agregovaných dat v datových kostkách a vyhledávání potenciálně užitečných informací je od určitého objemu dat časově náročné a neefektivní. V této práci jsem navrhnul, implementoval a na reálných datech otestoval systém, který prohledávání datové kostky automatizuje a nabízí uživateli potenciálně zajímavé pohledy na OLAP kostku. Systém je založen na propojení dvou metod datové analýzy - vizualizaci dat v OLAP analýze a dobývání znalostí z dat, reprezentovaném GUHA asociačními pravidly. Dalším přínosem práce je výzkum možností řešení rozdílů mezi OLAP analýzou a dolováním asociačních pravidel. Mezi implementačně řešené rozdíly patří především diskretizace dat, problém souměřitelnosti dimenzí, návrh automatického nastavení algoritmu pro dolování na základě struktury dat a definice provázání asociačních pravidel s OLAP vizualizací. Nástroj byl testován s reálnými maloobchodními prodejními daty a s daty o strukturálních fondech EU. Testování prokázalo, že propojení metod dolování asociačních pravidel a OLAP analýzy dokáže identifikovat zajímavé vztahy v datech s vyšší úspěšností než použití těchto metod samostatně.
|
|
|
Porovnatelnost dat v dobývání znalostí z databází
Horáková, Linda ; Chudán, David (vedoucí práce) ; Svátek, Vojtěch (oponent)
Diplomová práce se zabývá analýzou porovnatelnosti a souměřitelnosti dat v datových souborech, nad kterými jsou prováděny úlohy dobývání znalostí z databází. Porovnatelnost dat je jedním z aspektů datové kvality, která je kritická pro získání správných a využitelných výsledků získaných metodami dolování dat. Teoretická část se věnuje obecným principům datové kvality, porovnatelnosti a souměřitelnosti dat, a také procesu dobývání znalostí z databází a specifickým aspektům dolování agregovaných dat. Tyto poznatky jsou následně aplikovány v praktické části diplomové práce, jejímž cílem je navrhnout obecnou metodologii, která slouží k rozeznání potenciálních problémů v porovnatelnosti dat v rámci datového souboru. Tato metodologie vznikla na základě analýzy reálného souboru dat, obsahujícího údaje o prodejích. Následně je metodologie aplikována na údaje z oblasti veřejných rozpočtů, konkrétně na data z Evropského sociálního fondu.
|
host ::
RSS.