|
|
Rozpoznávání emocí z textu pomocí umělé inteligence
Vylíčil, Radek ; Karásek, Jan (oponent) ; Mašek, Jan (vedoucí práce)
Tato práce se zabývá rozpoznáváním emocí z textů pomocí strojového učení. V textu jsou popsány metody pro trénování a testování rozpoznávacích modelů. Hlavní přínos této práce spočívá ve vytvořeném algoritmu rozhodovacího stromu v jazyce Java. Vytvořený algoritmus byl integrován jako rozšíření do programu RapidMiner. V tomto programu vzniklo několik vzorových příkladů. Funkčnost byla ověřena na vytvořené databázi dat.
|
|
|
Webový portál pro správu a klasifikaci informací z distribuovaných zdrojů
Vrána, Pavel ; Chmelař, Petr (oponent) ; Drozd, Michal (vedoucí práce)
Tato diplomová práce se zabývá technikami dolování dat a jejich klasifikací do kategorií dle kriterií. Cílem práce je implementace webového portálu pro správu a klasifikaci dat z distribuovaných zdrojů. K dosažení cíle bude třeba otestovat rozdílné metody a najít nejvhodnější z nich pro klasifikaci internetových článků. Ze získaných výsledků bude navržena maximálně automatizovaná aplikace pro stahování a klasifikaci dat z různých internetových zdrojů, která by v konečném důsledku měla nahradit uživatele, jež by tuto práci prováděl manuálně.
|
|
| |
|
|
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.
|
|
|
Využití data miningu ve firemních procesech
Měchura, Dalibor ; Kříž, Jiří (oponent) ; Luhan, Jan (vedoucí práce)
Tato diplomová práce se soustředí na data mining techniky a taktéž business intelligence analýzy. V souladu s provedenou analýzou současného stavu ve firmě je navrhnuto komplementární řešení problematiky a je poskytnut náhled na dosavadní data z jiné perspektivy, a sice s využitím programu RapidMiner. Výstupem práce tak jsou konkrétní analytické výstupy pro podporu rozhodování ve firmě.
|
|
|
Využití data miningu ve firemních procesech
Procházková, Vendula ; Luhan, Jan (oponent) ; Kříž, Jiří (vedoucí práce)
Tato bakalářská práce je zaměřena na analýzu prodejů produktů dané značky s orientací na výběr TOP produktů. Cílem práce je tento proces automatizovat a umožnit přenositelnost procesu výběru produktů na další značky z portfolia společnosti. Pro realizaci stanovených cílů v práci používám mnou vytvořenou metriku výběru TOP produktů. Výsledky získané aplikací mého řešení porovnávám s konkurencí pro určení kvality mnou navrženého procesu výběru TOP produktů. Dodatečně své řešení porovnávám s vybranými technikami data miningu a ukazuji jeho vhodnost pro tento typ analýzy.
|
|
|
Vizualizace výsledků data miningu prostřednictvím BI nástrojů
Fiřtík, Zdeněk ; Chudán, David (vedoucí práce) ; Rauch, Jan (oponent)
Tématem této práce je pokus o vizualizaci výsledků data minigu prostřednictvím business intelligence nástrojů. Práce postupuje od podrobné charakteristiky základních pojmů, metodik a postupů, které jsou nedílnou součástí procesu data miningu a následné vizualizace. Práce je věnována všem, které zajímá problematika data miningu a použití BI nástrojů, dále může nabídnout motivy k zamyšlení, zda budou tyto nástroje vhodné pro jejich použití.
|
|
|
Sémantické rozpoznávání komentářů na webu
Stříteský, Radek ; Harár, Pavol (oponent) ; Povoda, Lukáš (vedoucí práce)
Hlavním cílem semestrálního projektu je rozpoznávání komentářů na webových strán- kách. Teoretická část je zaměřena na umělou inteligenci, zejména se zde popisují klasi- fikátory. Praktická část se věnuje sestavení trénovací databáze, která se vytváří pomocí generátorů příznaků. Vygenerovaný příznak může být například název HTML elementu, ve kterém se nachází komentář. Vstupem klasifikátorů je vytvořená trénovací databáze. Výsledkem práce je testování klasifikátorů v programu RapidMiner.
|
|
| |
|
|
Musical genre classification
Káčerová, Erika ; Říha, Kamil (oponent) ; Uher, Václav (vedoucí práce)
The aim of this bachelor thesis is creating a system for automatic music genre recognition. The thesis deals with two main issues, which are feature extraction of a genre and machine learning process. For the purpose of feature extraction a source code is written in JAVA programming language based on jAudio library. Six machine learning models are created in RapidMiner Studio software. The most appropriate one of them, Neural Networks method is then improved and tested on different parts of songs from database.These database contains 250 training songs and 25 test songs from five music genres: classical music, disco, drum and bass, hip hop and rock.
|
host ::
RSS.