|
|
Umělá inteligence v průmyslu 4.0
Hirsch, Radim ; Kroupa, Jiří (oponent) ; Kovář, Jiří (vedoucí práce)
Cílem této práce je poskytnout přehled aplikací metod umělé inteligence v kontextu průmyslu 4.0. První kapitola je věnována definici konceptu průmyslu 4.0, předchozímu vývoji průmyslu a zařazení vědního oboru umělé inteligence do tohoto konceptu. Druhá kapitola je zaměřena na rešerši aplikací metod umělé inteligence v oblasti obrábění, výrobního průmyslu, automatizace a energetiky. Závěr práce je věnován zhodnocení metod, jejich výhod a úskalí z pohledu jednotlivých praktických aplikací a zmiňuje možné směry budoucího vývoje.
|
|
|
Umělá inteligence v průmyslu 4.0
Hirsch, Radim ; Kroupa, Jiří (oponent) ; Kovář, Jiří (vedoucí práce)
Cílem této práce je poskytnout přehled aplikací metod umělé inteligence v kontextu průmyslu 4.0. První kapitola je věnována definici konceptu průmyslu 4.0, předchozímu vývoji průmyslu a zařazení vědního oboru umělé inteligence do tohoto konceptu. Druhá kapitola je zaměřena na rešerši aplikací metod umělé inteligence v oblasti obrábění, výrobního průmyslu, automatizace a energetiky. Závěr práce je věnován zhodnocení metod, jejich výhod a úskalí z pohledu jednotlivých praktických aplikací a zmiňuje možné směry budoucího vývoje.
|
|
|
Aplikace dataminingových metod na bankovní data
Melichar, Miloš
Práce se zabývá procesem přípravy dvou datových množin, které dohromady obsahovaly informace o klientech, úvěrech a kartách. Datové množiny byly odděleně předzpracovány a modelovány pomocí softwaru SPSS Modeler, který obsahuje množství metod a algoritmů pro podporu obou těchto fází. Pro modelování byly definovány tři klasifikační dataminingové úlohy: schvalování či zamítání úvěrů, jejich rating a přidělování vhodného typu debetní karty. Pro každou úlohu byly pomocí vybraných metod strojového učení vytvořeny klasifikační modely, jejichž přesnosti byly testovány s použitím skriptovacího jazyka v SPSS. Problematika řešených úloh byla doplněna o metodu shlukování pomocí skrytých faktorů vytvořených pomocí faktorové analýzy. Shlukování v kombinaci s faktorovou analýzou představuje další přístup v poznávání vzorů v datech v kontextu řešení zkoumaného jevu.
|
|
|
Predikcia inflácie vybranými metódami strojového učenia
Číriová, Nora
Práce se věnuje posouzení, jak dobře se daří předpovídat inflaci na základě vybraných inflačních indikátorů za pomoci umělé inteligence v Slovenské republice a v Evropské měnové unii. Konkrétně jde o dvě metody strojového učení a těmi jsou metoda regresních stromů a algoritmus k nejbližším sousedům. Vyrovnání časových řad inflace v první polovině Praktické části probíhá pomocí současných hodnot inflačních faktorů. Druhá polovina je zaměřena na vyrovnání časových řad inflace opožděnými hodnotami těchto faktorů. Díky výsledkům umíme vybrat faktory, které mají na inflaci největší vliv.
|
host ::
RSS.