|
|
Získávání znalosti z dat v jazyce Python
Krestianková, Tamara ; Burgetová, Ivana (oponent) ; Zendulka, Jaroslav (vedoucí práce)
Táto práca sa zaoberá procesom dolovania dát, prostriedkami pre podporu dolovania dát v programovacom jazyku Python a demonštráciou využitia tohto jazyka pre účely dátovej analýzy, so zameraním na klasifikáciu a tvorbu klasifikačných modelov. Tieto modely sú schopné na základe dát z biomedicínskych hlasových meraní s určitou presnosťou klasifikovať testované subjekty do dvoch katégórií - ľudí trpiacich Parkinsonovou chorobou a zdravých ľudí.
|
|
|
Analýza anomálií v uživatelském chování
Petrovič, Lukáš ; Veselý, Vladimír (oponent) ; Pluskal, Jan (vedoucí práce)
Cieľom tejto práce je vytvoriť aplikáciu, ktorá umožňuje modelovať používateľské chovanie a následne vyhľadávať anomálie v jeho chovaní. Vstupom aplikácie je zoznam akcií, ktoré používateľ vykonal na svojom pracovnom zariadení. Z týchto informácií a udalostí, ktoré na jeho zariadení nastali sa vytvorí model chovania v určitom čase. Následne je tento model porovnávaný v rozdielnych časoch, prípadne s modelmi iných používateľov. Z tohto porovnania môžme získať dodatočné informácie o používateľovi a taktiež môžeme detekovať anomálne chovanie používateľa. Informácie o anomáliách môžu pomôcť pri tvorbe bezpečnostného programu, ktorý sa stará o zamedzenie úniku cenných informácií z prostredia firemnej siete.
|
|
|
Design of a Predictive User Loyalty Model Based on Machine Learning
Kuchtová, Dominika ; Bartík,, Vladimír (oponent) ; Doubravský, Karel (vedoucí práce)
The bachelor thesis focuses on creating an optimal model for evaluating specific phenomena related to modeling customer behavior with the aim of support decision-making. It describes the process of data handling and the significance of the importance of converting data into knowledge. The first part of the bachelor thesis includes a description of the tools, processes, ideas, and methods used in the practical part at a theoretical level for an easier understanding of how to solve the assignment in the practical part of the thesis. The second part of the bachelor thesis includes the practical application of specific procedures and the creation of the actual predictive model based on the XGBoost ensemble method and its optimization.
|
|
|
Analýza anomálií v uživatelském chování
Petrovič, Lukáš ; Veselý, Vladimír (oponent) ; Pluskal, Jan (vedoucí práce)
Cieľom tejto práce je vytvoriť aplikáciu, ktorá umožňuje modelovať používateľské chovanie a následne vyhľadávať anomálie v jeho chovaní. Vstupom aplikácie je zoznam akcií, ktoré používateľ vykonal na svojom pracovnom zariadení. Z týchto informácií a udalostí, ktoré na jeho zariadení nastali sa vytvorí model chovania v určitom čase. Následne je tento model porovnávaný v rozdielnych časoch, prípadne s modelmi iných používateľov. Z tohto porovnania môžme získať dodatočné informácie o používateľovi a taktiež môžeme detekovať anomálne chovanie používateľa. Informácie o anomáliách môžu pomôcť pri tvorbe bezpečnostného programu, ktorý sa stará o zamedzenie úniku cenných informácií z prostredia firemnej siete.
|
|
|
Získávání znalosti z dat v jazyce Python
Krestianková, Tamara ; Burgetová, Ivana (oponent) ; Zendulka, Jaroslav (vedoucí práce)
Táto práca sa zaoberá procesom dolovania dát, prostriedkami pre podporu dolovania dát v programovacom jazyku Python a demonštráciou využitia tohto jazyka pre účely dátovej analýzy, so zameraním na klasifikáciu a tvorbu klasifikačných modelov. Tieto modely sú schopné na základe dát z biomedicínskych hlasových meraní s určitou presnosťou klasifikovať testované subjekty do dvoch katégórií - ľudí trpiacich Parkinsonovou chorobou a zdravých ľudí.
|
|
|
Text mining in social network analysis
Hušek, Michal ; Mrázová, Iveta (vedoucí práce) ; Pešková, Klára (oponent)
Názov: Text mining in social network analysis Autor: Bc. Michal Hušek Katedra: Katedra teoretické informatiky a matematické logiky Vedúca práce: doc. RNDr. Iveta Mrázová, CSc., Katedra teoretické informatiky a matematické logiky Abstrakt: Sociálne siete sú v súčastnosti veľmi hodnotným zdrojom informácií. Táto práca sa zameriava na dolovanie dát pochádzajúcich zo sociálnych sietí. Pojednáva a analyzuje rôzne techniky dolovania dát, konkrétne klastrovanie, neurónové siete, hodnotiace algoritmy a histogramovú štatistiku. Väčšina zmienených algoritmov bola implementovaná a testovaná s dátami z reálnej sociálnej siete. V prípade, že to bolo zmyslupné, výsledky boli vzájomne porovnané. Pre výpočtovo náročné úlohy, konkrétne klastrovanie, boli použité grafické procesory na ich zrýchlenie. Testy takto upravených programov potvrdili nižšie časové nároky. Všetky vykonané analýzy sú však nezávislé na konkrétnej použitej sociálnej sieti. Kľúčové slová: dolovanie dát, sociálne siete, klastrovanie, neurónové siete, hodnotiace algoritmy, CUDA
|
host ::
RSS.