|
|
Classifier of astrophysics data
Rylko, Vojtěch ; Vrábelová, Pavla (oponent) ; Zendulka, Jaroslav (vedoucí práce)
This bachelor thesis describes selection, design and implementation of a data mining algoritm for astrophysical usage. The implementation of the random decision forests algorithm in C++ is evaluated on two astrophysical and some general experiments. Experiments are both classification and regression with time measuring. For comparison another three implementations are evaluated. The resulting implementation shows good results mainly in classification.
|
|
|
Identifikace objektů v obraze
Štěpán, Filip ; Malach, Tobiáš (oponent) ; Boleček, Libor (vedoucí práce)
Cílem práce je vytvoření algoritmu pro identifikaci objektu v obraze. Výsledný program bude schopen zpracovat reálná obrazová data. Z tohoto důvodu je důraz kladen zejména na složitost prostředí, ve kterém se objekty nalézají, spolehlivou segmentaci a kvalitní identifikaci objektu. Práce je zaměřena na detekci a identifikaci svislého dopravního značení v obraze, nacházejícího se podél silničních komunikací na území České republiky.
|
|
|
Dolování dat z databází
Slezák, Milan ; Hynčica, Ondřej (oponent) ; Honzík, Petr (vedoucí práce)
Diplomová práce je zaměřená na představení možností data miningu. Data mining se zabývá odhalováním skrytých vazeb mezi data. Zájem o tuto oblast se datuje do 60. letech 20 století. Analýza dat našla uplatnění nejdříve v marketingu. Ovšem později se rozšířila do více oblastí a její možnosti stále ještě nejsou plně využity. Při analýze procesu je užitečné dodržovat jednu z metodologií, které byly za tímto účelem vypracovány. Metodologie představují struční systematický návod, jakým způsobem je vhodné postupovat. V rámci data miningu se uplatňuje široké množství algoritmů zaměřených na práci s daty. Je samozřejmé, že se zvyšujícím se zájmem o tuto problematiku stoupal i počet vhodných programů, které je možné pro analýzu využít. Přehled programů, zpracované ukázkové příklady a zhodnocení je také součástí této práce.
|
|
|
Design of a Predictive User Loyalty Model Based on Machine Learning
Kuchtová, Dominika ; Bartík,, Vladimír (oponent) ; Doubravský, Karel (vedoucí práce)
The bachelor thesis focuses on creating an optimal model for evaluating specific phenomena related to modeling customer behavior with the aim of support decision-making. It describes the process of data handling and the significance of the importance of converting data into knowledge. The first part of the bachelor thesis includes a description of the tools, processes, ideas, and methods used in the practical part at a theoretical level for an easier understanding of how to solve the assignment in the practical part of the thesis. The second part of the bachelor thesis includes the practical application of specific procedures and the creation of the actual predictive model based on the XGBoost ensemble method and its optimization.
|
|
|
Návrh a realizace 3D hry
MUDRA, Štěpán
Cílem této práce bylo navrhnout a vytvořit 3D hru s využitím grafických assetů. Pro tvorbu hry byl využíván zejména herní engine Unity. Pro psaní programu bylo využito Visual Studio a Rider. Ve hře se hráč může setkat s nepřáteli, jejichž rozhodování je založeno na rozdílných způsobech. Prvním využitým způsobem pro rozhodování o další akci je rozhodování dle jediného kritéria. Dalším je pak rozhodovací model založený na více kritériích, u něhož lze nastavit i preference akcí. Hledání optimálního nastavení proběhlo s využitím genetického algoritmu. Rozhodování třetího nepřítele, kterého může hráč potkat se zakládá na využití neuronových sítí, jejichž výstup je následně převeden na akci, kterou nepřátelská postava vykoná.
|
|
|
Fundamentální analýza pro automatické obchodní systémy
Miček, Marek ; Kanich, Ondřej (oponent) ; Rozman, Jaroslav (vedoucí práce)
Táto práca sa zaoberá vytvorením automatických obchodných systémov schopných odhadnúť budúci vývoj cien predom vybraných akcií. Za účelom vytvorenia vhodnej investičnej stratégie sa využívajú predovšetkým prvky fundamentálnej analýzy, ako napríklad ročné výnosy spoločnosti, jej zisky, úroveň vlastného kapitálu či zadĺženosť. Všetky akcie sú klasifikované pomocou týchto fundamentov, kde výsledok tejto klasifikácie rozhodne o kúpe či predaji danej akcie. Pre potreby tejto práce bolo vytvorených 5 automatických obchodných systémov, s cieľom porovnať rôzne prístupy k ohodnocovaniu akcií, manažovaniu či diverzifikácii obchodného portfólia. Vytvorené systémy boli riadne otestované na historických dátach, pričom za účelom určenia ich komplexnosti prebiehalo testovanie v obdobiach ekonomickej recesie, ale aj expanzie. Pri všetkých vytvorených systémoch bola zaznamenaná vysoká výnosnosť, pričom u väčšiny z nich bol zaznamenaný potenciál generovať zisk aj z dlhodobého hľadiska. Na základe obdržaných výsledkov je možné konštatovať, že fundamentálna analýza má v oblasti automatických obchodných systémov svoje opodstatnenie, a teda zvyšuje šance na generovanie zisku.
|
|
|
Detection of modern Slow DoS attacks
Jurek, Michael ; Jonák, Martin (oponent) ; Sikora, Marek (vedoucí práce)
With the evolving number of interconnected devices, the number of attacks arises. Malicious actors can take advantage of such devices to create (D)DoS attacks against victims. These attack are being more and more sophisticated. New category of DoS attacks was discovered that tries to mimic standard user behavior -- Slow DoS Attacks. Malicious actor leverages transport protocol behavior to the highest option by randomly dropping packets, not sending or delaying messages, or on the other hand crafting special payloads causing DoS state of application server. This thesis proposes parameters of network flow that should help to identify chosen Slow DoS Attack. These parameters are divided into different categories describing single packets or whole flow. Selected Slow DoS Attack are Slow Read, Slow Drop and Slow Next. For each attack communication process is described on the transport and application layer level. Then important parameters describing given Slow DoS Attack are discussed. Last section sums up methods and tools of generation of these attacks. Next part deals with possibilities and tools to create such an attack, discuss basic communication concepts of creating parallel connections (multithreading, multiprocessing) and proposes own Slow DoS Attack generator with endless options of custom defined attacks. Next part describes testing environment for the attack generator and tools and scenarios of data capture with the goal of dataset creation. That dataset is used for subsequent detection using machine learning methods of supervised learning. Decision trees and random forest are used to detect important features of selected Slow DoS Attacks.
|
|
|
Factors influencing customer profitability: an empirical examination in noncontractual settings
Hanuska, Norbert ; Kyjonka, Vladimír (vedoucí práce) ; Král, Jaroslav (oponent)
Porozumění, jak řídit vztah se zákazníky, se stalo důležitým tématem pro akademiky i praktiky v posledních letech. Efektivita a profitabilita obchodních vztahů může být do značné míry zlepšena identifikací hnacích faktorů nejvíc profitabilních zákazníků a jejich použití pro marketingové cílení na dané zákazníky. V této studii identifkujeme charakteristiky jako průměrná útrata během jedné obchodní transakce, délka vztahu zákazníka s firmou, úroveň nakupování různých produktových kategorií a také demografické charakteristiky jako věk a pohlaví jako důležité faktory nejlepších zákazníků. Výsledky této studie mají relevantní dopady jak pro akademiky zkoumající charakteristiky nejprofitabilnějších zákazníků v prostředí, kde zákazník není vázán kontraktem, tak pro praktiky, kterým výsledky můžou pomoct při vytváření efektivních marketingových strategií. Navíc výsledky procesu získávání vědomostí o zákaznících prostřednictvím různých data miningových technik přispívá k identifikaci vhodnosti použití těchto metod. Powered by TCPDF (www.tcpdf.org)
|
|
|
Srovnání logistické regrese a rozhodovacích stromů
Raadová, Zuzana ; Voříšek, Jan (vedoucí práce) ; Komárek, Arnošt (oponent)
Tato práce pojednává o klasifikaci binárních dat s využitím dvou často používaných metod - logistické regrese a rozhodovacích stromů. Tyto dvě metody přistupují ke klasifikaci rozdílným způsobem, a proto je cílem této práce porovnat úspěšnost jejich předpovědí. Nejprve je zaveden model logistické regrese a odhad jeho parametrů pomocí metody maximální věrohodnosti. Dále se práce věnuje rozhodovacím stromům, jakožto jednomu z hlavních klasifikačních nástrojů. Popsány jsou zde starší klasické algoritmy CART a C4.5 a taktéž novější algoritmy QUEST a CRUISE. Předpovědi obou metod jsou ukázány na reálné sadě dat.
|
|
|
Analýza dat firmy produkující zdravotnické potřeby
Kulhánková, Monika ; Bartík, Vladimír (oponent) ; Burgetová, Ivana (vedoucí práce)
Tato bakalářská práce se zabývá analýzou prodejních dat společnosti, konkrétně klasifikací typu zákazníka podle jeho prodejních dat. Poskytuje teoretický úvod k získávání znalostí z dat. Popisuje proces klasifikace, metody pro vytváření klasifikátorů a je zde představen model CRISP-DM. V práci jsou popsány poskytnuté datové sady, ze kterých jsou vybrány relevantní atributy. Data jsou předzpracována a použita při tvorbě a testování klasifikačních modelů. Výsledkem práce je porovnání dosažených výsledků.
|
host ::
RSS.