|
|
Use of Sequential Pattern Mining in Google Analytics
Viskievič, Gergő ; Šabatka, Pavel (oponent) ; Luhan, Jan (vedoucí práce)
The bachelor thesis focuses on the design and development of an algorithm for sequential pattern mining in Google Analytics 4 data. Presents and analyzes available algorithms for sequential pattern mining. Analyzes the data model and the use of Google Analytics 4. Based on the requirements of business processes, the algorithm is proposed suitable for the expected input data.
|
|
|
Predikce hodnot v čase
Maršová, Eliška ; Bařina, David (oponent) ; Zemčík, Pavel (vedoucí práce)
Tato práce se zabývá predikcí číselných řad, jejichž aplikace je vhodná i pro predikci vývoje cen na burze. Jsou vysvětleny postupy analýzy a práce s cenovými grafy. Také jsou objasněny způsoby strojového učení. Znalosti jsou využity k sestavení programu, který v řadě nalezne vzory umožňující predikci.
|
|
|
Use of Sequential Pattern Mining in Google Analytics
Viskievič, Gergő ; Šabatka, Pavel (oponent) ; Luhan, Jan (vedoucí práce)
The bachelor thesis focuses on the design and development of an algorithm for sequential pattern mining in Google Analytics 4 data. Presents and analyzes available algorithms for sequential pattern mining. Analyzes the data model and the use of Google Analytics 4. Based on the requirements of business processes, the algorithm is proposed suitable for the expected input data.
|
|
|
Extrakce znalostí pomocí vrstevnatých neuronových sítí
Reitermanová, Zuzana
Název práce: Extrakce znalostí pomocí vrstevnatých neuronových sítí Autor: Zuzana Reitermanová Katedra: Katedra softwarového inženýrství Vedoucí diplomové práce: Doc. RNDr. Iveta Mrázová, CSc. e-mail vedoucího: mrazova@ksi.ms.mff.cuni.cz Abstrakt: Model vrstevnatých neuronových sítí je známý především díky své univerzální aproximační schopnosti. Již základní algoritmus zpětného šíření dává výsledky použitelné v reálných aplikacích. Efektivní řešení složitých úloh by však mělo vyhovovat náročným požadavkům na rychlost procesu učení a na transparentní strukturu vytvořené sítě. Ta totiž souvisí s lepší schopností sítě zobecňovat extrahované znalosti a následně i se snazší in- terpretací funkce naučené sítě. Lepšího zobecňování lze dosáhnout použitím různých technik, jako je např. učení s nápovědou, prořezávání a analýza citlivosti. Mezi rychlé algoritmy učení pak patří metody konjugovaných gra- dientů. V první části této práce jsme shrnuli a navzájem porovnali výše zmíněné techniky. Následně jsme odvodili novou metodu, která v sobě spojuje výhody předchozích technik. Navržený algoritmus je inspirovaný extrémně rychlou metodou škálovaných konjugovaných gradientů....
|
|
|
Social networks and data mining
Zvirinský, Peter ; Mrázová, Iveta (vedoucí práce) ; Neruda, Roman (oponent)
Aktuální techniky z oblasti dobývání znalostí představují moderní přístup vhodný pro analýzu velkého množství dat i extrakci potenciálně užitečných informací z těchto dat. Práce je věnována detailnímu studiu jednotlivých kroků procesu dobývání znalostí, včetně přípravy dat, jejich ukládání, čištění, analýzy i vizualizace získaných výsledků. Velký důraz je v práci kladen na efektivní analýzu dat veřejně dostupných z Insolvenčního rejstříku České republiky, který obsahuje údaje o insolvenčních řízeních zahájených v České republice po 1. lednu 2008. S ohledem na specifika uvažovaného typu dat se zaměříme zejména na popis, implementaci, testování a vyhodnocení vybraných metod dobývání znalostí. Mezi jinými budou studované techniky zahrnovat i analýzu nákupního košíku, Bayesovské sítě a metody pro analýzu sociálních sítí. Výsledky provedených analýz dokumentují některé ze sociálních vztahů patrných ve struktuře současné české společnosti.
|
|
|
Ontology Enrichment Based on Unstructured Text Data
Lukšová, Ivana ; Nečaský, Martin (vedoucí práce) ; Kozák, Jakub (oponent)
Název práce: Rozširovaní ontologie z nestrukturovaného textu Autor: Ivana Lukšová Katedra: Katedra softwarového inženýrství Vedoucí diplomové práce: Mgr. Martin Nečaský, Ph.D., Katedra soft- warového inženýrství Abstrakt: Sémantická anotace - přirazení sémantických informací k textu - je základní úloha v oblasti získávaní znalostí. V posledních letech byly navrženy víceré platformy pro sémantickou anotaci, avšak automatické vytváření ontologií z textu je stále náročný problém. V této práci je představena nová metoda pro polo-automatické rozšiřovaní ontologie z nestrukturovaného textu, která by měla tento proces usnadnit. Nové elementy ontologie, jako koncepty a relace, jsou extrahovány z textu - zapojením metod zpracovaní přirozeného jazyka a strojového učení. Naše metoda dosahuje F-skóre až 71% pro ex- trakci konceptů a až 68% pro extrakci relací. Klíčová slova: ontologie, strojové učení, získavaní znalostí 1
|
|
|
Extrakce znalostí pomocí vrstevnatých neuronových sítí
Reitermanová, Zuzana
Název práce: Extrakce znalostí pomocí vrstevnatých neuronových sítí Autor: Zuzana Reitermanová Katedra: Katedra softwarového inženýrství Vedoucí diplomové práce: Doc. RNDr. Iveta Mrázová, CSc. e-mail vedoucího: mrazova@ksi.ms.mff.cuni.cz Abstrakt: Model vrstevnatých neuronových sítí je známý především díky své univerzální aproximační schopnosti. Již základní algoritmus zpětného šíření dává výsledky použitelné v reálných aplikacích. Efektivní řešení složitých úloh by však mělo vyhovovat náročným požadavkům na rychlost procesu učení a na transparentní strukturu vytvořené sítě. Ta totiž souvisí s lepší schopností sítě zobecňovat extrahované znalosti a následně i se snazší in- terpretací funkce naučené sítě. Lepšího zobecňování lze dosáhnout použitím různých technik, jako je např. učení s nápovědou, prořezávání a analýza citlivosti. Mezi rychlé algoritmy učení pak patří metody konjugovaných gra- dientů. V první části této práce jsme shrnuli a navzájem porovnali výše zmíněné techniky. Následně jsme odvodili novou metodu, která v sobě spojuje výhody předchozích technik. Navržený algoritmus je inspirovaný extrémně rychlou metodou škálovaných konjugovaných gradientů....
|
|
|
Predikce hodnot v čase
Maršová, Eliška ; Bařina, David (oponent) ; Zemčík, Pavel (vedoucí práce)
Tato práce se zabývá predikcí číselných řad, jejichž aplikace je vhodná i pro predikci vývoje cen na burze. Jsou vysvětleny postupy analýzy a práce s cenovými grafy. Také jsou objasněny způsoby strojového učení. Znalosti jsou využity k sestavení programu, který v řadě nalezne vzory umožňující predikci.
|
|
|
Extraction of unspecified relations from the web
Ovečka, Marek ; Svátek, Vojtěch (vedoucí práce) ; Labský, Martin (oponent)
Předmětem diplomové práce je extrakce nespecifikovaných znalostí z webu. V posledních letech vznikly nástroje, které zlepšují výsledky odvětví extrakce znalostí. Cílem práce je seznámit se s těmito nástroji, jeden otestovat a navrhnout využití výsledků. V práci jsou popsány a porovnány tyto nástroje a provedeny extrakce pomocí funkce OLLIE. Na základě výsledků extrakcí jsou navrženy dvě metody obohacení extrakcí pomocí rozeznání pojmenovaných entit. První metoda navrhuje úprava číselných vah kvality extrakcí a druhá obohacení textu extrakcí pomocí pojmenovaných entit. V práci je navržena ontologie, která umožnuje zachytit strukturu obohacených extrakcí. V poslední části je proveden praktický experiment, kde jsou navrženy metody předvedeny. Návrhem dalšího směřování výzkumu v této oblasti by bylo extrahovat a kategorizovat relační vztahy.
|
host ::
RSS.