Národní úložiště šedé literatury Nalezeno 5 záznamů.  Hledání trvalo 0.00 vteřin. 
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.
Analýza a klasifikace dat ze snímače mozkové aktivity
Jileček, Jan ; Černocký, Jan (oponent) ; Szőke, Igor (vedoucí práce)
V této práci zkoumám snímač mozkové aktivity OpenBCI Ultracortex IV EEG ve formě headsetu, problematiku nahrávání EEG dat, neurofeedbacku a metody strojového učení z nasbíraných dat mozkové aktivity sensorimotorické části mozku, ve které sleduji EEG signatury záměru pro pohyb levé a pravé ruky. Výstupem je několik datových sad pro trénování a testování, nástroj pro sběr dat mozkové aktivity, demo neurofeedback aplikace a statistické údaje vycházející z analýzy nasbíraných dat. Čerpám zde z existujících výzkumů, se kterými porovnávám dosažené výsledky. Použité metody a jejich úspěšnost popíšu a vyhodnotím jejich efektivitu.
Analýza a klasifikace dat ze snímače mozkové aktivity
Jileček, Jan ; Černocký, Jan (oponent) ; Szőke, Igor (vedoucí práce)
V této práci zkoumám snímač mozkové aktivity OpenBCI Ultracortex IV EEG ve formě headsetu, problematiku nahrávání EEG dat, neurofeedbacku a metody strojového učení z nasbíraných dat mozkové aktivity sensorimotorické části mozku, ve které sleduji EEG signatury záměru pro pohyb levé a pravé ruky. Výstupem je několik datových sad pro trénování a testování, nástroj pro sběr dat mozkové aktivity, demo neurofeedback aplikace a statistické údaje vycházející z analýzy nasbíraných dat. Čerpám zde z existujících výzkumů, se kterými porovnávám dosažené výsledky. Použité metody a jejich úspěšnost popíšu a vyhodnotím jejich efektivitu.
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.
Strojové učení v oblasti Big Data
Šimánek, Michal ; Kerol, Valeria (vedoucí práce) ; Novotný, Ota (oponent)
Bakalářská práce se věnuje strojovému učení v oblasti Big Data. Cílem práce je zmapovat a vyhodnotit současný stav strojového učení v oblasti Big Data, vybrat a porovnat nejpoužívanější knihovny strojového učení v nástroji Apache Spark a poskytnout příručku, jak implementovat algoritmy daných knihoven. Teoretická část objasňuje pojem Big Data, nástroje Apache Hadoop a Apache Spark využívané v této oblasti, uvádí do problematiky strojového učení a popisuje nejpoužívanější knihovny strojového učení v nástroji Apache Spark včetně porovnávacích metrik. Praktická část je orientovaná na implementaci algoritmů z vybraných knihoven, sepsání příručky, jak je implementovat a na základě výstupů a implementace porovnání knihoven z více pohledů. Přínosem práce je seznámení čtenáře s problematikou strojového učení v oblasti Big Data, uvedení nejpoužívanějších knihoven strojového učení, porovnání vybraných knihoven a sepsání příručky k implementaci jejich algoritmů.

Chcete být upozorněni, pokud se objeví nové záznamy odpovídající tomuto dotazu?
Přihlásit se k odběru RSS.