|
|
Využití umělé inteligence v technické diagnostice
Konečný, Antonín ; Huzlík, Rostislav (oponent) ; Zuth, Daniel (vedoucí práce)
Diplomová práce je zaměřena na využití metod umělé inteligence pro vyhodnocení poruchového stavu strojního zařízení. Vyhodnocovaná data jsou z vibrodiagnostického modelu pro simulaci statické a dynamické nevývahy. Aplikovány jsou metody strojového učení, konkrétně učení s učitelem. V práci je popsáno softwarové prostředí Spyder, jeho alternativy, a programovací jazyk Python, ve kterém jsou skripty napsány. Obsahuje přehled s popisem použitých knihoven Scikit-learn, SciPy, Pandas ...) a metod, kterými jsou klasifikace metodou nejbližšího souseda (KNN), metoda podpůrných vektorů (SVM), rozhodovací stromy (DT) a klasifikace metodou náhodného lesa (RF). Výsledky úspěšnosti klasifikace jsou vizualizovány ve výsledné klasifikační matici pro každou metodu. Součástí přílohy jsou napsané skripty pro zpracování a výpočet prediktorů, hledání nejvhodnějších parametrů modelu, hodnocení úspěšnosti učení a klasifikace s vizualizací výsledku.
|
|
|
Comparison of Heuristic and Conventional Statistical Methods in Data Mining
Bitara, Matúš ; Žák, Libor (oponent) ; Bednář, Josef (vedoucí práce)
The thesis deals with the comparison of conventional and heuristic methods in data mining used for binary classification. In the theoretical part, four different models are described. Model classification is demonstrated on simple examples. In the practical part, models are compared on real data. This part also consists of data cleaning, outliers removal, two different transformations and dimension reduction. In the last part methods used to quality testing of models are described.
|
|
|
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.
|
|
|
Dolování dat
Stehno, David ; Hynčica, Tomáš (oponent) ; Honzík, Petr (vedoucí práce)
Cílem diplomové práce bylo nastudovat a popsat metodologii dolování dat CRISP-DM. Ze získané databáze byla prováděna predikce počtu hovorů na call centrum, přičemž bylo postupováno podle metodiky CRISP-DM. Ve fázi modelování byly použity 4 druhy modelů a to K-NN, neuronová síť, lineární regrese a model využívající metodu podpůrných vektorů. Pomocí různých druhů selekcí bylo zhodnoceno, které vstupní atributy mají důležitou roli pro výslednou predikci. Získané výsledky a poznatky mohou v budoucnu sloužit pro přesnější předpovědi nejen počtu hovorů, ale i jiných ukazatelů, důležitých pro call centrum.
|
|
|
Pokročilé dolování v datech v kardiologii
Mézl, Martin ; Provazník, Ivo (oponent) ; Sekora, Jiří (vedoucí práce)
Tato práce je zaměřena na využití data miningových metod v lékařství, konkrétně na databázi kardiologických pacientů. Cílem této práce je provést analýzu dat a zaměřit se na hledání neobvyklých závislostí mezi jednotlivými atributy souboru. Součástí práce je přehled dostupných metod, které se využívají v lékařství. Z těchto metod jsou pro další práci vybrány metody rozhodovacích strom, naivního bayesovského klasifikátoru, umělých neuronových sítí a asociačních pravidel. Pro samotné hledání závislostí byly použity metody naivního bayesovského klasifikátoru a asociačních pravidel. Výstupem této práce je komplexní systém pro dobývání znalostí z databází na libovolném datovém souboru. Práce vznikla ve spolupráci s Interní kardiologickou klinikou Fakultní nemocnice Brno Bohunice. Všechny popsané aplikace byly vytvořeny v programovém prostředí Matlab 7.0.1.
|
|
|
Analysis of Operational Data and Detection od Anomalies during Supercomputer Job Execution
Stehlík, Petr ; Nikl, Vojtěch (oponent) ; Jaroš, Jiří (vedoucí práce)
Using the full potential of an HPC system can be difficult when such systems reach the exascale size. This problem is increased by the lack of monitoring tools tailored specifically for users of these systems. This thesis discusses the analysis and visualization of operational data gathered by Examon framework of a high-performance computing system. By applying various data mining techniques on the data, deep knowledge of data can be acquired. To fully utilize the acquired knowledge a tool with a soft-computing approach called Examon Web was made. This tool is able to detect anomalies and unwanted behaviour of submitted jobs on a monitored HPC system and inform the users about such behaviour via a simple to use web-based interface. It also makes available the operational data of the system in a visual, easy to use, manner using different views on the available data. Examon Web is an extension layer above the Examon framework which provides various fine-grain operational data of an HPC system. The resulting soft-computing tool is capable of classifying a job with 84 % success rate and currently, no similar tools are being developed. The Examon Web is developed using Angular for front-end and Python, accompanied by various libraries, for the back-end with the usage of IoT technologies for live data retrieval.
|
|
|
Detekce a identifikace typu obratle v CT datech onkologických pacientů
Věžníková, Romana ; Harabiš, Vratislav (oponent) ; Jakubíček, Roman (vedoucí práce)
Automaticka detekce a segmentace patere nebo obratlu z CT snimku je narocnym ukolem z nekolika duvodu. Jednim z duvodu jsou nejasne hranice obratlu ve snimcich a nezretelne hranice mezi jednotlivymi obratli, dale artefakty, vyskytujici se v obrazech, ale take anatomicka slozitost. Tato prace se zabyva navrhem a realizaci detekce a klasifikace typu obratle v CT snimcich onkologickych pacientu, coz pridava na slozitosti z duvodu pritomnosti deformaci nekterych obratlu. Pri samotne segmentaci obratlu je vyuzita Otsuova metoda. Detekce obratlu je zalozena na hledani hranic oddelujici jednotlive obratle vsagitalnich rezech. Pro identifikaci potom slouzi rozhodovaci stromy nebo zobecnena Houghova, pricemz jsou obratle hledany v rezech CT snimku na zaklade podobnosti tvaru s modely jednotlivych obratlu.
|
|
|
Nástroj pro správu a vizualizaci rizik v managementu projektů
Přibylová, Kateřina ; Trchalík, Roman (oponent) ; Kreslíková, Jitka (vedoucí práce)
Tato diplomová práce se zabývá problematikou řízení rizik a vysvětluje jeho důležitost v rámci projektového managementu v oblasti IT. Postupně popisuje všechny fáze životního cyklu řízení rizik, a také metody a postupy používané během těchto fází. Dále se práce zaměřuje na rozhodovací analýzu, konkrétně na metody rozhodovacích stromů a simulace Monte Carlo. Následující část obsahuje vypracovaný návrh systému pro správu a vizualizaci rizik, na základě kterého byl zhotoven prototyp. Výsledná aplikace byla naprogramována v PHP frameworku Laravel. Implementací a testováním aplikace se zabývá další část této práce. Na závěr je uvedeno zhodnocení, kde jsou diskutována další možná rozšíření výsledné aplikace.
|
|
|
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.
|
|
|
Using Data Mining in Various Industries
Fabian, Jaroslav ; Novotný, Jakub (oponent) ; Kříž, Jiří (vedoucí práce)
This master’s thesis concerns about the use of data mining techniques in banking, insurance and shopping centres industries. The thesis theoretically describes algorithms and methodology CRISP-DM dedicated to data mining processes. With usage of theoretical knowledge and methods, the thesis suggests possible solution for various industries within business intelligence processes.
|
host ::
RSS.