|
Využítí nestrukturovaných dat v Business Intelligence
Rakhmanova, Malika ; Šperková, Lucie (vedoucí práce) ; Karkošková, Soňa (oponent)
Cílem bakalářské práce je identifikovat hlavní trendy, které se vyskytují na trhu Business Intelligence a týkají se nestrukturovaných dat, popsat možnosti pro integraci nestrukturovaných dat, objasnit, jaký vliv na podnik mají výsledky, které lze získat pomocí těchto řešení, a jak celkově zakomponovat analýzu nestrukturovaných dat do BI. Dalším cílem je ukázat současnou situaci zpracování nestrukturovaných dat na trhu na příkladu systému BI. Práce je rozdělená do několika částí. Nejdřív je popsaná problematika a základní komponenty Business Intelligence, dále identifikace trendů na trhu. Potom následuje další část: rozdělení dat na strukturované a nestrukturované. Zde je část o tom, jak se dá přistupovat a analyzovat nestrukturovaná data a jaké mají místo v BI. Tímto se končí blok nestrukturovaných dat a začíná popis rozšířené verze BI. Nakonec je představena současná situace na trhu a nástroje BI, které zahrnují nestrukturovaná data. Tato část poskytuje přehled o tom, jak nástroje přistupují k analýze nestrukturovaných dat. Ke zpracování práce je použita odborná literatura, profesionální i volně dostupné internetové zdroje. Smyslem práce je posloužit jako informační zdroj pro rychlé zorientování v současné situaci, sloužit jako průvodce světem BI řešení a ukázat potenciálním uživatelům, jaké jsou možnosti a funkcionality těchto řešení.
|
|
Využití metod Competitive Intelligence pro podniky chemického průmyslu
Lisová, Martina ; Molnár, Zdeněk (vedoucí práce) ; Kocánek, Marek (oponent)
Obsahem této diplomové práce je představení problematiky Competitive Intelligence a využití jejích metod pro podniky v chemickém průmyslu. Hlavním cílem práce je sestavení konkrétního řešení z oblasti Competitive Intelligence pro společnost Lovochemie, a.s., tzn. navržení kompetentního zaměstnance, který bude v různých časových intervalech pravidelně monitorovat vybrané informační zdroje pomocí softwarových nástrojů Competitive Intelligence. K dosažení tohoto stanoveného cíle byly použity analýzy. Nejprve je proveden důkladný rozbor chemického průmyslu nejen v České republice ale i ve světě a následuje analýza vybrané společnosti. Na základě těchto informací byly vybrány informační zdroje, které by společnost měla sledovat pomocí softwarových nástrojů Competitive Intelligence. První část práce se zabývá představením Competitive Intelligence, zpravodajským cyklem CI, metodami strategické analýzy a nástroji pro vyhledávání a monitorování informací na internetu. Druhá část práce je věnována již zmiňovaným analýzám. Nejprve je zanalyzován chemický průmysl a jsou popsáni největší světoví výrobci hnojiv, poté je představena společnost Lovochemie, a.s., její konkurenti, dodavatelé a odběratelé. V poslední části práce jsou zprvu popsány informační zdroje vhodné pro společnost, vybrané vhodné softwarové nástroje Competitive Intelligence a v závěru stanoveno konkrétní řešení pro Lovochemii, které bylo cílem této diplomové práci.
|
|
Comparison of Business Intelligence implementation using open source solutions for middle size companies
Schmidt, Róbert ; Maryška, Miloš (vedoucí práce) ; Sládek, Pavel (oponent)
Cílem diplomové práce je analyzovat a navrhnout možnost nízkonákladového Business Intelligence řešení s pomocí open source technologii a jejich srovnání pro implementaci ve středně velké společnosti. V práci jsou porovnány Business Intelligence nástroje Pentaho a TIBCO Jaspersoft v lokálním prostředí, na dedikovaném serveru a řešení umístěné v cloudu je využívána služba Microsoft Azure. Teoretická část práce se zaměřuje především na vysvětlení problematiky Business Intelligence a její architektury. Právě architektura je důležitou součástí celé práce, protože dnešní nástroje jsou často řešení jako moduly pro konkrétní činnosti v procesu Business Intelligence. Aktuální finančně nenáročné nástroje se obvykle vážou s terminologií jako open source a cloud computing. Tato část obsahuje stručné vysvětlení pojmů a jejich výhody či nevýhody pro námi zvolenou cílovou skupinu společností. Analytická část práce obsahuje definované parametry, podle kterých je provedena analýza řešení a jejich srovnání. Business Intelligence řešení jsou rozděleny podle jednotlivých vrstev a ke každé vrstvě jsou porovnávány vybrané nástroje. Hodnotící kritéria jsou rozděleny do finančních, uživatelských a technických kategorii. Závěrem analytické části přistupujeme ke vzájemnému srovnání možností nasazení sady Business Intelligence nástrojů pro námi definovanou skupinu koncových zákazníků. Hlavním přínosem diplomové práce je srovnání open source řešení Business Intelligence pro nasazení do středně velké společnosti. Podle směrnice Evropské unie, střední společnost nepřesahuje 250 zaměstnanců nebo zisk do 50 milionů eur. Čtenář si dokáže porovnat jednotlivé řešení, úskalí nebo závady, které by mohly být pro konkrétní implementaci kritické.
|
|
Návrh řešení BI v prostředí platformy elektronického obchodu
Kabrhelová, Kateřina ; Novotný, Ota (vedoucí práce) ; Vysoký, Ondřej (oponent)
Tato diplomová práce se zabývá návrhem pilotního řešení Business Intelligence pro platformu elektronického obchodu Shopio. V první části práce jsou teoreticky popsány pojmy Business Intelligence a elektronický obchod se zaměřením na možné přístupy k měření výkonnosti elektronického obchodu. Součástí teoretické části je také srovnání nástrojů pro měření výkonnosti elektronických obchodů dostupných na českém trhu. Druhá část práce nejprve obecně popisuje platformu Shopio a současný stav modulu statistiky. Pro potřeby návrhu nového řešení je provedena analýza požadavků na řešení mezi současnými klienty, kteří provozují své elektronické obchody na platformě Shopio. Na základě získaných požadavků je poté navrženo pilotní řešení Business Intelligence, které je zároveň testováno s využitím reálných dat elektronického obchodu. Hlavním cílem práce je vylepšit současný stav reportů a poskytnout tak majitelům e-shopů možnost vyhodnocovat prodeje elektronického obchodu lépe a efektivněji.
|
|
Vývoj interního manažerského informačního systému ve společnosti Dolphin consulting, s.r.o.
Církovský, Tomáš ; Maryška, Miloš (vedoucí práce) ; Kasl, Tomas (oponent)
Cílem této práce je vytvoření manažerského informačního systému pro společnost Dolphin consulting, s.r.o. na základě technologií dostupných v této společnosti. Dále je cílem provést jeho pilotní ověření. Manažerský informační systém je vytvořený na základě studia dostupné literatury týkající se problematiky Business Intelligence, Manažerských informačních systémů a znalostí autora z praxe. Nejdůležitějším přínosem této práce je vytvoření manažerského informačního systému pro společnost Dolphin consulting, s.r.o. a jeho pilotní ověření s doporučeními pro jeho další rozvoj či opravu nedostatků. Tato diplomová práce je rozdělena na technickou a praktickou část. V teoretické části je popsána problematika datových skladů podle Kimballa a Inmona, OLAP kostek a manažerských informačních systémů. Praktická část práce popisuje implementaci některých Business Intelligence nástrojů za účelem vytvoření manažerského informačního systémů ve společnosti Dolphin consulting, s.r.o. V závěru praktické části diplomové práce je pilotní ověření vytvořeného systému s doporučeními.
|
|
Possibilities of Big Data use for Competitive Intelligence
Verníček, Marek ; Molnár, Zdeněk (vedoucí práce) ; Šperková, Lucie (oponent)
Tato diplomová práce se zabývá analýzou možností využití Big Data pro metody a postupy Competitive Intelligence. Cílem práce je navrhnout nástrojové sady pro práci s Big Data pro malé a velké firmy a následný návrh efektivního řešení pro získání konkurenční výhody podniku. Teoretická část této práce zpracovává dostupnou odbornou literaturu v České republice i v zahraničí a popisuje aktuální stav Competitive Intelligence, jeho možné zdroje a Big Data jako jeden z nich. Následně se práce věnuje charakteristice Big Data, jejich odlišnosti od práce s běžnými daty, nutností důsledné přípravy a možnosti jejich využití pro metody Competitive Intelligence. Praktická část práce se zabývá analýzou dostupných nástrojů Big Data na trhu s ohledem na celý proces práce od sběru dat, přes analýzu až po přípravu reportů a integrace celého řešení do automatizovaného stavu. Výstupem této části je návrh softwarové sady nástrojů Big Data pro malé a velké firmy podle možností jejich rozpočtu. Návrhová část práce se následně věnuje klasifikaci nejperspektivnějších oblastí trhu pro využití Big Data, možnými způsoby získání konkurenční výhody v jednotlivých oblastech a návrhem efektivního řešení pro podniky. Přínosem této práce je rozšíření palety zdrojů pro Competitive Intelligence a hloubková analýza možností využití Big Data, která má pomoci profesionálům využít tento dosud neobjevený potenciál ke zlepšení postavení na trhu, získání nových zákazníků a posílení současné uživatelské základny.
|
|
Modelling, parameter estimation, optimisation and control of transport and reaction processes in bioreactors.
ŠTUMBAUER, Václav
With the significant potential of microalgae as a major biofuel source of the future, a considerable scientific attention is attracted towards the field of biotechnology and bioprocess engineering. Nevertheless the current photobioreactor (PBR) design methods are still too empirical. With this work I would like to promote the idea of designing a production system, such as a PBR, completely \emph{in silico}, thus allowing for the in silico optimization and optimal control determination. The thesis deals with the PBR modeling and simulation. It addresses two crucial issues in the current state-of-the-art PBR modeling. The first issue relevant to the deficiency of the currently available models - the incorrect or insufficient treatment of either the transport process modeling, the reaction modeling or the coupling between these two models. A correct treatment of both the transport and the reaction phenomena is proposed in the thesis - in the form of a unified modeling framework consisting of three interconnected parts - (i) the state system, (ii) the fluid-dynamic model and (iii) optimal control determination. The proposed model structure allows prediction of the PBR performance with respect to the modelled PBR size, geometry, operating conditions or a particular microalgae strain. The proposed unified modeling approach is applied to the case of the Couette-Taylor photobioreactor (CTBR) where it is used for the optimal control solution. The PBR represents a complex multiscale problem and especially in the case of the production scale systems, the associated computational costs are paramount. This is the second crucial issue addressed in the thesis. With respect to the computational complexity, the fluid dynamics simulation is the most costly part of the PBR simulation. To model the fluid flow with the classical CFD (Computational Fluid Dynamics) methods inside a production scale PBR leads to an enormous grid size. This usually requires a parallel implementation of the solver but in the parallelization of the classical methods lies another relevant issue - that of the amount of data the individual nodes must interchange with each other. The thesis addresses the performance relevant issues by proposing and evaluation alternative approaches to the fluid flow simulation. These approaches are more suitable to the parallel implementation than the classical methods because of their rather local character in comparison to the classical methods - namely the Lattice Boltzmann Method (LBM) for fluid flow, which is the primary focus of the thesis in this regard and alternatively also the discrete random walk based method (DRW). As the outcome of the thesis I have developed and validated a new Lagrangian general modeling approach to the transport and reaction processes in PBR - a framework based on the Lattice Boltzmann method (LBM) and the model of the Photosynthetic Factory (PSF) that models correctly the transport and reaction processes and their coupling. Further I have implemented a software prototype based on the proposed modeling approach and validated this prototype on the case of the Coutte-Taylor PBR. I have also demonstrated that the modeling approach has a significant potential from the computational costs point of view by implementing and validating the software prototype on the parallel architecture of CUDA (Compute Unified Device Architecture). The current parallel implementation is approximately 20 times faster than the unparallized one and decreases thus significantly the iteration cycle of the PBR design process.
|
|
Packet Classification Algorithms
Puš, Viktor ; Lhotka,, Ladislav (oponent) ; Dvořák, Václav (vedoucí práce)
This thesis deals with packet classification in computer networks. Classification is the key task in many networking devices, most notably packet filters - firewalls. This thesis therefore concerns the area of computer security. The thesis is focused on high-speed networks with the bandwidth of 100 Gb/s and beyond. General-purpose processors can not be used in such cases, because their performance is not sufficient. Therefore, specialized hardware is used, mainly ASICs and FPGAs. Many packet classification algorithms designed for hardware implementation were presented, yet these approaches are not ready for very high-speed networks. This thesis addresses the design of new high-speed packet classification algorithms, targeted for the implementation in dedicated hardware. The algorithm that decomposes the problem into several easier sub-problems is proposed. The first subproblem is the longest prefix match (LPM) operation, which is used also in IP packet routing. As the LPM algorithms with sufficient speed have already been published, they can be used in out context. The following subproblem is mapping the prefixes to the rule numbers. This is where the thesis brings innovation by using a specifically constructed hash function. This hash function allows the mapping to be done in constant time and requires only one memory with narrow data bus. The algorithm throughput can be determined analytically and is independent on the number of rules or the network traffic characteristics. With the use of available parts the throughput of 266 million packets per second can be achieved. Additional three algorithms (PFCA, PCCA, MSPCCA) that follow in this thesis are designed to lower the memory requirements of the first one without compromising the speed. The second algorithm lowers the memory size by 11 % to 96 %, depending on the rule set. The disadvantage of low stability is removed by the third algorithm, which reduces the memory requirements by 31 % to 84 %, compared to the first one. The fourth algorithm combines the third one with the older approach and thanks to the use of several techniques lowers the memory requirements by 73 % to 99 %.
|
|
Extensions to Probabilistic Linear Discriminant Analysis for Speaker Recognition
Plchot, Oldřich ; Fousek, Petr (oponent) ; McCree,, Alan (oponent) ; Burget, Lukáš (vedoucí práce)
This thesis deals with probabilistic models for automatic speaker verification. In particular, the Probabilistic Linear Discriminant Analysis (PLDA) model, which models i--vector representation of speech utterances, is analyzed in detail. The thesis proposes extensions to the standard state-of-the-art PLDA model. The newly proposed Full Posterior Distribution PLDA models the uncertainty associated with the i--vector generation process. A new discriminative approach to training the speaker verification system based on the~PLDA model is also proposed. When comparing the original PLDA with the model extended by considering the i--vector uncertainty, results obtained with the extended model show up to 20% relative improvement on tests with short segments of speech. As the test segments get longer (more than one minute), the performance gain of the extended model is lower, but it is never worse than the baseline. Training data are, however, usually available in the form of segments which are sufficiently long and therefore, in such cases, there is no gain from using the extended model for training. Instead, the training can be performed with the original PLDA model and the extended model can be used if the task is to test on the short segments. The discriminative classifier is based on classifying pairs of i--vectors into two classes representing target and non-target trials. The functional form for obtaining the score for every i--vector pair is derived from the PLDA model and training is based on the logistic regression minimizing the cross-entropy error function between the correct labeling of all trials and the probabilistic labeling proposed by the system. The results obtained with discriminatively trained system are similar to those obtained with generative baseline, but the discriminative approach shows the ability to output better calibrated scores. This property leads to a better actual verification performance on an unseen evaluation set, which is an important feature for real use scenarios.
|
|
Methods for class prediction with high-dimensional gene expression data
Šilhavá, Jana ; Matula, Petr (oponent) ; Železný, Filip (oponent) ; Smrž, Pavel (vedoucí práce)
This thesis deals with class prediction with high-dimensional gene expression data. During the last decade, an increasing amount of genomic data has become available. Combining gene expression data with other data can be useful in clinical management, where it can improve the prediction of disease prognosis. The main part of this thesis is aimed at combining gene expression data with clinical data. We use logistic regression models that can be built through various regularized techniques. Generalized linear models enable us to combine models with different structure of data. It is shown that such a combination may yield more accurate predictions than those obtained based on the use of gene expression or clinical data alone. Suggested approaches are not computationally intensive. Evaluations are performed with simulated data sets in different settings and then with real benchmark data sets. The work also characterizes an additional predictive value of microarrays. The thesis includes a comparison of selected features of gene expression classifiers built up in five different breast cancer data sets. Finally, a feature selection that combines gene expression data with gene ontology information is proposed.
|
host ::
