|
Predikce hodnot v čase
Maršová, Eliška ; Bařina, David (oponent) ; Zemčík, Pavel (vedoucí práce)
Tato práce se zabývá predikcí číselných řad, jejichž aplikace je vhodná i pro predikci vývoje cen na burze. Jsou vysvětleny postupy analýzy a práce s cenovými grafy. Také jsou objasněny způsoby strojového učení. Znalosti jsou využity k sestavení programu, který v řadě nalezne vzory umožňující predikci.
|
|
Segmentace obrazu jako výškové mapy
Moučka, Milan ; Kršek, Přemysl (oponent) ; Španěl, Michal (vedoucí práce)
Práce se zabývá segmentací objemových medicínských dat. Popisuje známou metodu rozvodí a klade důraz na předzpracování obrazových dat. Aplikace je navržena pro přímou segmentací trojrozměrných dat s využitím ITK a VTK knihoven. Před samotnou metodou rozvodí je použito několik metod předzpracování obrazu. Získané výsledky jsou porovnány s ručně anotovanou datovou sadu pomocí metriky F-Measure a následně zhodnoceny.
|
|
Rozšíření funkcionality systému pro dolování z dat na platformě NetBeans
Šebek, Michal ; Zendulka, Jaroslav (oponent) ; Lukáš, Roman (vedoucí práce)
Databáze se neustále rozrůstají o nová data. Za účelem analýzy těchto dat byl definován proces získávání znalostí z databází. Pro podporu tohoto procesu vznikla řada nástrojů. Vývojem jednoho z těchto nástrojů se zabývá tato práce. Hlavním cílem je analyzovat stávající implementaci systému na přenositelné platformě Java NetBeans a databázovém serveru Oracle a rozšířit ji o algoritmy z oblasti předzpracování a analýzy vstupních dat. Podrobně je popsána implementace jednotlivých komponent pro předzpracování dat a provedené změny v jádře systému.
|
|
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.
|
|
Předzpracování dat
Vašíček, Radek ; Beran, Jan (oponent) ; Honzík, Petr (vedoucí práce)
Tato diplomová práce se zaměřuje na problematiku předzpracováním dat. První část se zabývá přehledem a popisem charakteristických testů pro popis atributů, metodami pro práci s daty a atributy. Druhá část práce se popisuje práci s programem Rapidminer. Věnuje se jednotlivým funkcím předzpracování v tomto programu popisuje jejich funkci. Ve třetí části je srovnání výsledku při použití metod předzpracování a bez předzpracování dat.
|
|
Automatizace předzpracování dat za využití doménových znalosti
Beskyba, Jan ; Šimůnek, Milan (vedoucí práce) ; Pejčoch, David (oponent)
V této práci se snažíme navrhnout řešení, které by přispělo k automatizaci celého procesu dobývání znalostí z databází. Důležitou roli v procesu automatizace mají doménové znalosti, které je nutné zahrnout do zde navrženého programu pro přípravu dat. V úvodu této práce se zaměříme na teoretická východiska dobývání informací z databází s důrazem na doménové znalosti. Dále se zaměříme na základní principy předzpracování dat a na skriptovací jazyk LMCL, který bude využit při implementaci aplikace určené pro automatickou přípravu dat. Následně se budeme věnovat návrhu samotné aplikace. Dle návrhu budou vybrané části aplikace implementovány a následně ověřeny na datech Poslanecké sněmovny.
|
|
Implementace procedur pro předzpracování dat v systému Rapid Miner
Černý, Ján ; Berka, Petr (vedoucí práce) ; Kliegr, Tomáš (oponent)
Dobývání znalostí z databází nabývá v poslední době s přibývajícím množstvím získávaných dat na významu, přesto však používané analytické systémy často poskytují pouze ty nejznámější procedury a algoritmy. Cílem této práce je jeden z nejpoužívanějších analytických systémů RapidMiner obohatit o některé procedury předzpracování dat vytvořením rozšíření. Aby bylo možné implementované procedury pochopit a naprogramovat, je důležité orientovat se v problematice dobývání znalostí z databází, se zaměřením zejména na fázi přípravy dat. Je také podstatné popsat analytické procedury, které budou součástí rozšíření. Práce také představuje postup vývoje rozšíření pro systém RapidMiner, včetně pojednání o použitých softwarových nástrojích. Nakonec práce přestavuje vytvořené rozšíření, jehož funkčnost ověřuje na testovacích příkladech.
|
|
Porovnání nekomerčních nástrojů pro dolování znalosti z dat pomocí strojového učení
Ondrejka, Petr
Diplomová práce se zabývá srovnáním vlastností a schopností vybraných softwarových nástrojů pro dolování z dat. Důležitou částí je stanovení a vyhodnocení jednotlivých kriterií, podle kterých se provádí srovnání nástrojů. Je zde vymezena základní problematika strojového učení a dolování z dat. Kriteria srovnání jsou vybrána na základě nezbytných operací nutných pro realizaci procesu dolování z dat. Kriteria jsou vyhodnocována rovnocenně, bez použití vah. Pro porovnání časové a prostorové náročnosti byly vybrány nejpoužívanější algoritmy pro dolování z dat. Výsledkem je popis vybraných nástrojů vycházející z kriterií srovnání a samotné vyhodnocení těchto kriterií. Výsledky srovnání je nutno chápat v závislosti na testovaných datech, zvoleném hardware a nepoužití vah při srovnání.
|
| |
|
Systém předzpracování dat pro dobývání znalostí z databází
Kotinová, Hana ; Berka, Petr (vedoucí práce) ; Šimůnek, Milan (oponent)
Abstrakt Cílem diplomové práce bylo vytvoření aplikace pro předzpracování dat, pracující se soubory ve formátu csv. Aplikaci lze využít při přípravě dat pro data miningové úlohy. Aplikace byla vytvořena pomocí programovacího jazyka Java. Tento text obsahuje výklad problematiky související s předzpracováním dat, popis používaných algoritmů, informace o podobných o systémech Mining Mart and SumatraTT a popis vytvořené aplikace.
|