|
|
Molecular Signature as Optima of Multi-Objective Function with Applications to Prediction in Oncogenomics
Aligerová, Zuzana ; Maděránková, Denisa (oponent) ; Provazník, Ivo (vedoucí práce)
Content of this work is theoretical introduction and follow-up practical processing of topic Molecular signature as optima of multi-objective function with applications to prediction in oncogenomics. Opening chapters are targeted on topic of cancer, mainly on breast cancer and its subtype Triple Negative Breast Cancer. Succeeds the literature review of optimization methods, mainly on meta-heuristic methods for multi-objective optimization and problematic of machine learning. Part is focused on the oncogenomics and on the principal of microarray and also to statistics methods with emphasis on the calculation of p-value and Bimodality Index. Practical part of work consists from concrete research and conclusions lead to next steps of research. Implementation of selected methods was realised in Matlab and R, with use of other programming languages Java and Python.
|
|
|
Analýza Big Data v oblasti zdravotnictví
Nováková, Martina ; Kučera, Jan (vedoucí práce) ; Chlapek, Dušan (oponent)
Diplomová práce se zabývá analýzou Big Data v oblasti zdravotnictví. Cílem je definovat termín Big Data, seznámit čtenáře s růstem dat ve světě a také i ve zdravotnictví. Dále vysvětlit pojem datový expert a vydefinovat členy týmu datových expertů. V dalších kapitolách jsou vymezeny fáze Big Data analýzy podle metodiky společnosti EMC2 a přiblíženy základní technologie pro analýzu Big Data. Za přínosnou a zajímavou část považuji vymezení úloh, kde již jsou Big Data technologie ve zdravotnictví využívána. V praktické části provádím Big Data analýzu úlohy se zaměřením na meteorotropní choroby, ve které využívám reálná zdravotnická a meteorologická data. Čtenář se seznámí nejen s jedním z doporučených postupů analýzy, použitými statistickými modely, ale zároveň mu budou i přiblíženy některé termíny z oblasti biometeorologie a zdravotnictví. Nedílnou součásti provedené analýzy je i upozornění na její omezení, konzultace výsledků a závěrů s odborníky z meteorologie i zdravotnictví.
|
|
|
Smíšené modely a jejich využití pro analýzu medicínských dat
Mohammad, Adam ; Malá, Ivana (vedoucí práce) ; Bašta, Milan (oponent)
Tato bakalářská práce se zabývá popisem lineárního smíšeného modelu. Model je zprvu představen teoreticky, jsou vysvětleny základní pojmy, zápis modelu a také odhad neznámých parametrů, konstrukce a diagnostika modelu. Dále je v této části uvedeno, pro analýzu jakých dat lze tento model využít a jsou uvedeny příklady využití v oblasti medicíny. Druhá část bakalářské práce obsahuje praktické využití lineárního smíšeného modelu pro analýzu longitudinálních dat z lékařského výzkumu, kdy byl 12 pacientům podán lék teofylin a v průběhu jednoho dne byla několikrát měřena jeho koncentrace v krvi pacienta. Pomocí statistického programu R je zkoumána závislost koncentrace této látky v krvi na čase, množství podané látky a váze pacienta. Výsledkem analýzy je fakt, že závislost koncentrace teofylinu v krvi nelze popsat jednoduchou funkcí, a je proto nutné před aplikací lineárního smíšeného modelu tuto závislost přesně popsat a upravit datový soubor nebo použít jiný model.
|
|
|
Metody geomarketingu
Voráč, Michal ; Chrobok, Viktor (vedoucí práce) ; Černý, Michal (oponent)
Tato aplikačně orientovaná diplomová práce si klade za cíl prokázat přínos datové analytiky spojené se zpracováním geografických dat pro obchodní rozhodování. Jsou nalezena a doporučena dvě řešení, která vedou k výhodnějšímu řešení, než byla výchozí situace. První z nich akcentuje maximální úspěšnost rozpoznání rizikové transakce, druhé z nich akcentuje ekonomickou výhodnost. V práci je intenzivně využitý matematický programovací jazyk R, v závěrečné části mapový software ArcGIS Online.
|
|
|
Gaussian mixtures in R
Marek, Petr ; Malá, Ivana (vedoucí práce) ; Zimmermann, Pavel (oponent)
Směsi normálních rozdělení jsou velmi populárním a flexibilním nástrojem statistického modelování. Standardní postup odhadu pomocí maximální věrohodnosti bohužel nemůže být pro některé z těchto modelů použit. Pro odhad takovýchto modelů lze však použít některé z iterativních procedur, jako například EM (Expectation-Maximization) algoritmus. Cílem této práce je vysvětlit směsi pravděpodobnostních rozdělení a jejich odhad pomocí EM algoritmu. Hlavní náplní práce je ukázka implementace směsi normálních rozdělení v R. Existující balíčky a metody jsou prezentovány, popsány a porovnány. Pro některé z balíčků jsou dopsány rozšiřující funkce v jazyku R. V práci je provedeno několik rozsáhlých simulací. Některé z výsledků jsou prezentovány. Při práci s těmito simulacemi je navrhnuta a popsána myšlenka "nejčastějšího odhadu" (usual fit).
|
|
|
Construction of Linear Stochastic Models of SARIMA Class Time Lines – Automatized Method
Trcka, Peter ; Arlt, Josef (vedoucí práce) ; Hindls, Richard (oponent)
Tato práce se zabývá tvorbou automatické procedury volby modelu tříd ARIMA a SARIMA podle Box-Jenkinsové metodologie. V této souvislosti se dále zaobírá testováním síly testů jednotkových kořenů a analýzou aplikování informačních kritérií při volbě modelu. Cílem této práce je vytvořit aplikaci v prostředí R, která dokáže automaticky zvolit model generujícího procesu časové řady. Procedura je ověřená na základě simulační studie. V Práci je zkoumaný účinek hodnot parametrů generujících procesorů modelu ARMA (1.1) na jeho volbu a sílu KPSS testu, rozšířeného Dickey-Fullerovo a Phillips-Peronovo testu jednotkových kořenů.
|
|
|
Využití bootstrapu a křížové validace v odhadu predikční chyby regresních modelů
Lepša, Ondřej ; Bašta, Milan (vedoucí práce) ; Malá, Ivana (oponent)
Nalezení modelu s dobrými předpovědními vlastnostmi je jeden z hlavních cílů regresní analýzy. I přesto se v běžné praxi k vyhodnocení predikčních schopností využívá kritérií, která se k tomuto účelu buď nehodí, nebo nejsou dostatečně spolehlivá. Alternativu představují relativně nové metody, které využívají opětovných simulací k odhadnutí vhodné ztrátové funkce -- predikční chyby. Do této kategorie patří křížová validace a bootstrap. Tato práce popisuje, jak lze s využitím těchto metod vybrat takový regresní model, který co nejlépe předpovídá hodnoty vysvětlované proměnné.
|
|
|
Vizualizace vícerozměrných statistických dat
Maroušek, Vít ; Pecáková, Iva (vedoucí práce) ; Černý, Jindřich (oponent)
Práce se zabývá možnostmi vizualizace vícerozměrných statistických dat. Protože se jedná o velmi širokou oblast, práce je rozčleněna do čtyř oddílů, z nichž dva jsou teoreticky a dva prakticky zaměřené. První z oddílů je věnován teoretickým aspektům vizualizace dat. Jsou v něm zpracovány informace o stavebních prvcích grafů a způsobu jak je zpracovává mozek v různých fázích vnímání. Druhý oddíl mapuje dostupné typy grafů, které lze využít k zobrazení dat. Detailně jsou zde popsány vybrané typy grafů pro spojitá a nespojitá vícerozměrná data. Třetí oddíl je zaměřený na dostupné programové prostředky k tvorbě grafů. V oddílu je popsáno více programů, z nichž jsou detailněji popsány programy STATISTICA, R a MS Excel. V posledním oddílu jsou poznatky získané v předchozích kapitolách dostatečným zdrojem informací pro provedení grafické analýzy vícerozměrných spojitých a nespojitých dat i pomocí pokročilejších analytických metod. Tato analýza je provedena zvlášť na datovém souboru se spojitými proměnnými a zvlášť na datovém souboru s nespojitými (kategoriálními) proměnnými.
|
|
|
Analýza dat z průzkumů spokojenosti zákazníků s prostředím NetBeans
Horčic, Michal ; Buchalcevová, Alena (vedoucí práce) ; Mirilovič, Marián (oponent)
Cílem práce je zpracovávání dotazníku o spokojenosti uživatelů s aplikací NetBeans od firmy Sun Microsystems. Výstupem z dotazníku je informace o (ne)závislosti odpovědí vybraných otázek. Celý proces je zautomatizován a není tedy třeba žádného vnějšího zásahu. K dosažení cíle je použito několika technologií, zejména: - web forms - pro sběr dat od uživatelů - MySQL - databázový systém pro uložení odpovědí z webových formulářů - R - statistický software pro zpracování dat a jejich převod do dále zpracovatelného formátu Práce je rozdělena do čtyř základních kapitol: - Zadání - přesné zadání a vymezení základních předpokladů pro další postup - Teorie - postup výběru statistické metody a technologie pro zpracování - Praxe - postup implementace zvolených technologií, vysvětlení fungování jednotlivých částí - Vyhodnocení - interpretace výsledků a možné využití práce pro plánování software
|
|
|
Grafická analýza dat v různých výpočetních systémech
Maroušek, Vít ; Pecáková, Iva (vedoucí práce) ; Černý, Jindřich (oponent)
Cílem mé práce je poukázat na možnosti grafické analýzy v počítačových systémech. Tato oblast se stále vyvíjí, objevují se nové metody a již známé techniky se rozvíjí. Práce je rozdělena do tří částí, jedna je teoretická, jedná porovnávací a jedna obecná s nabídkou alternativ ke stávajícím technikám. První část práce je teoretická a věnuje se klasifikaci statistických proměnných. Pro počítačové systémy zde navrhuji klasifikaci zjednodušenou kvůli způsobu, jakým jsou některé typy proměnných zpracovávány. Druhá kapitola porovnává výstupy některých klasických metod a jejich zpracování v třech nejrozšířenějších statistických systémech SAS, SPSS a STATISTICA. Porovnání je ve formě tabulek s detailním popisem vlastností a přiložen je ukázkový graf z každého systému. V závěrečné kapitole se soustředím na prezentaci některých dalších klasických metod grafické analýzy a jejich použití. Většina kapitoly je ale věnována novým, či dosud méně rozšířeným technikám. Jsou zde uvedeny grafy, které nebyly popsány ještě v žádné české literatuře. Téměř všechny grafy, které v práci prezentuji, jsem vytvořil pro tuto práci v popsaných systémech. Pouze dva jsou převzaty, protože se vyskytly vážné překážky, které jsem neměl možnost překonat.
|
host ::
RSS.