Národní úložiště šedé literatury Nalezeno 210 záznamů.  začátekpředchozí73 - 82dalšíkonec  přejít na záznam: Hledání trvalo 0.01 vteřin. 
Prediktivní modelování v jazyce Python
Duda, Jan ; Burgetová, Ivana (oponent) ; Zendulka, Jaroslav (vedoucí práce)
Cílem této bakalářské práce je seznámení s oborem dolování dat a procesu získávání dat z databází. Uvádí nejdůležitější postupy prováděné při dolování. Následně jsou jednotlivé techniky použity v případové studii implementované v jazyce Python. Ta se zaměřuje na predikci indexu S&P 500, který má reprezentovat vývoj akciových trhů na americké burze. Je využito klasifikačních i regresních modelů. Pro vyhodnocení úspěšnosti modelů je využito experimentální metody Monte Carlo.
Dolování neobvyklého chování v datech trajektorií
Koňárek, Petr ; Burgetová, Ivana (oponent) ; Zendulka, Jaroslav (vedoucí práce)
Cílem práce je vytvoření přehledu problematiky dolování neobvyklého chování v datech trajektorií. Následuje návrh dolovací úlohy pro detekci odlehlých trajektorií a výběr vhodných metod k této úloze, které jsou detailněji popsány. Vybrané metody jsou implementovány jako aplikace pro detekci odlehlých trajektorií.
Klasifikace v proudu dat pomocí souboru klasifikátorů
Jarosch, Martin ; Zendulka, Jaroslav (oponent) ; Hlosta, Martin (vedoucí práce)
Tato práce pojednává o problematice získávání znalostí z dat a je zaměřena na klasifikaci dat v prostředí datových proudů. Jsou zde popsány tři metody klasifikace dat v datových proudech, využívající soubory klasifikátorů. Metody jsou v praktické části implementovány a zařazeny do klasifikačního systému. Měřením a experimentováním jsou analyzovány a porovnány implementované metody, které byly následně integrovány do analytického systému MAS. Na závěr práce jsou zhodnoceny dosažené výsledky.
Informační systém florbalového týmu
Zmek, Jakub ; Bartík, Vladimír (oponent) ; Zendulka, Jaroslav (vedoucí práce)
Tato bakalářská práce se zabývá studiem webových technoloií a následným vytvořením informačního systému pro florbalový tým FbC ReActive Aligators E kvůli přehledným statistikám a správě docházky na události. Informační systém je naprogramován formou webové aplikace s podporou frameworku Nette. Systém umožňuje přihlašování na události (tréninky, zápasy) a zobrazování dané docházky. Systém automaticky extrahuje data (zápasy, tabulku soutěže, statistiky hráčů) ze stránek Českého florbalu a ukládá je do databáze. Stažené statistiky jsou veřejně přístupné v informačním systému.
Informační systém pro podporu procesu vývoje podle rysů
Tichá, Pavlína ; Zendulka, Jaroslav (oponent) ; Rychlý, Marek (vedoucí práce)
Tato práce se zabývá agilní metodikou Vývoje podle rysů (Feature Driven Development - FDD). Pro podporu této metodiky byl vytvořen informační systém, který poskytuje všem členům vývojového týmu prostředky pro následování této metodiky. Tento víceuživatelský systém je implementován jako webová aplikace. Umožňuje sestavení seznamu rysů, plánování projektu, podporu spolupráce uvnitř rysového týmu a názorné sledování pokroku projektu. Pro lepší vizualizaci pokroku je sestavena široká paleta reportů určena pro management společnosti a koncového zákazníka.
Podpora pro práci s prostorovými daty v prostředí databázového serveru Oracle
Volf, Tomáš ; Chmelař, Petr (oponent) ; Zendulka, Jaroslav (vedoucí práce)
Práce seznamuje s podporou pro práci s prostorovými daty a zmiňuje možnosti využití podpory pro časoprostorová data v prostředí databázového serveru Oracle 11g. Na základě seznámení s podpororou pro práci s prostorovými daty byla navrhnuta ukázková aplikace, která využívá této podpory. Ukázková aplikace umožňuje grafické zobrazení prostorových dat, které jsou uložené v databázi, a informací o daných objektech. Na závěr je uvedeno zhodnocení dosažených výsledků a možnosti pokračování projektu.
Migrační framework v systému SAP
Hanák, Tomáš ; Bartík, Vladimír (oponent) ; Zendulka, Jaroslav (vedoucí práce)
Cílem této diplomové práce je analyzovat proces migrace dat v rámci SAP systému a na základě této analýzy poté vhodně navrhnout a implementovat migrační framework, který bude využíván pro migrování dat mezi systémy SAP. Celý migrační framework i samotný proces migrace je vybudován na technologické platformě SAP NetWeaver a vyvíjen v jazyce ABAP. Funkčnost frameworku je představena pomocí případové studie, která je reprezentována vhodnou sadou dat.
Aplikační rámce pro vývoj webových aplikací v Javě
Tulka, Tomáš ; Křivka, Zbyněk (oponent) ; Zendulka, Jaroslav (vedoucí práce)
Aplikační vývojové rámce jsou nástroje v mnohém usnadňující vývoj aplikací a zvyšující jejich kvalitu. Aplikačních vývojových rámců pro webové aplikace v jazyce Java je obrovské množství, a není snadné zvolit ten pravý rámec relevantní pro konkrétní aplikaci. Tato práce rozebírá vývojové rámce z obecného pohledu, popisuje jejich typické funkce i funkce, kterými se jednotlivé rámce liší, a usnadňuje tak uživateli výběr vhodného rámce pro jeho aplikaci. Dále názorně rozbírá zvolené typické představitele rámců pro jistý okruh použití, demonstruje jejich funkčnost pomocí jednotné typizované ukázkové aplikace a srovnává je z praktického hlediska.
Objektově relační databáze
Franek, Zdenko ; Vrážel, Dušan (oponent) ; Zendulka, Jaroslav (vedoucí práce)
Táto bakalárska práca sa zaoberá problematikou objektovo relačných databázových systémov. Popisuje objektovo relačný model definovaný podľa štandardov SQL, a následne využitie týchto štandardov v produkte databázy Oracle 10g. Zaoberá sa aj návrhom a implementáciou ukážkovej databázovej aplikácie, v ktorej by boli ilustrované jednotlivé objektové rozšírenia databázového servera Oracle 10g. Pre návrh databázy bol zvolený produkt Rational Rose Enterprise Edition, ktorý obsahuje podporu pre objektovo relačné modelovanie. Práca ďalej analyzuje, aké objektovo relačné rozšírenia obsahuje zvolený implementačný nástroj Oracle Forms 10g a využitie jazyka PL/SQL pri implementácii databázovej aplikácie.
Classification of Potentially Malicious File Clusters via Machine Learning
Holop, Patrik ; Zendulka, Jaroslav (oponent) ; Bartík, Vladimír (vedoucí práce)
This thesis proposes an alternative to currently used malware classification approaches on the file-level often based on the detection of specific byte sequences. The experimentation proved that a cluster-level classification based on the shared properties of files in the cluster is possible. That was achieved by a careful selection of the properties of the three file types - PE, APK and .NET. By comparing various machine learning methods the highest scoring classifiers were selected and a web service providing API for classification was implemented, which was used for the integration with the internal clustering system of the Avast company. This thesis also discusses drawbacks of the proposed  approach and suggests steps for improving the classification.

Národní úložiště šedé literatury : Nalezeno 210 záznamů.   začátekpředchozí73 - 82dalšíkonec  přejít na záznam:
Chcete být upozorněni, pokud se objeví nové záznamy odpovídající tomuto dotazu?
Přihlásit se k odběru RSS.