|
|
Analýza dát z oblasti kontroly kvality použitím systému LISp-Miner
Štefke, Martin ; Šimůnek, Milan (vedoucí práce) ; Srogoňová, Kristína (oponent)
Předmětem bakalářské práce je analýza vzniku neshodných výrobků v společnosti SEWS Slovakia. Analyzované byli záznamy o vzniku neshodných výrobků z období 2013 až 10/2014, analýza bola vykonaná z databáze v akademickém systéme LISp-Miner. V úvodní teoretické části je shrnutí různých přístupů k problematice dobývání znalostí z databází. V následující praktické časti práce je uvedený postup úpravy a zpracování dat, definic základních analytických otázek. V závěru jsou definované relevantní vztahy mezi datami a analytickými metodami.
|
|
|
Implementace procedur pro předzpracování dat v systému Rapid Miner
Černý, Ján ; Berka, Petr (vedoucí práce) ; Kliegr, Tomáš (oponent)
Dobývání znalostí z databází nabývá v poslední době s přibývajícím množstvím získávaných dat na významu, přesto však používané analytické systémy často poskytují pouze ty nejznámější procedury a algoritmy. Cílem této práce je jeden z nejpoužívanějších analytických systémů RapidMiner obohatit o některé procedury předzpracování dat vytvořením rozšíření. Aby bylo možné implementované procedury pochopit a naprogramovat, je důležité orientovat se v problematice dobývání znalostí z databází, se zaměřením zejména na fázi přípravy dat. Je také podstatné popsat analytické procedury, které budou součástí rozšíření. Práce také představuje postup vývoje rozšíření pro systém RapidMiner, včetně pojednání o použitých softwarových nástrojích. Nakonec práce přestavuje vytvořené rozšíření, jehož funkčnost ověřuje na testovacích příkladech.
|
|
|
Aplikace data miningu v podnikové praxi
Trávníček, Petr ; Pour, Jan (vedoucí práce) ; Svatoš, Oleg (oponent)
Dobývání znalostí z databází coby jedna z disciplín informačních a komunikačních technologií se v průběhu posledních desetiletí vyvinula do podoby, kdy se rostoucímu zájmu těší zdaleka již nejen ze strany velkých komerčních organizací. Problematikou data miningu se zabývá předkládaná diplomová práce, přičemž hlavní pozornost je věnována jeho využití v podnikové praxi. Cílem práce je zhodnotit možnosti aplikace data miningu a současně pojednat o způsobech realizace data miningových řešení jak z pohledu při nich konkrétně využitých metod a algoritmů, tak i z pohledu přizpůsobení podnikových procesů. Dosažení tohoto je předmětem náplně teoretické části zaměřující se na principy disciplíny data miningu, proces dobývání znalostí z databází, nejběžněji využívané metody a algoritmy dolování dat a konečně na typické úlohy, jež jsou v této oblasti řešeny. Dalším cílem je prezentovat přínosy data miningu na příkladu modelové úlohy, která je řešena v rámci praktické části práce. Součástí úlohy je proto vedle vyhodnocení vytvořených modelů také návrh následných kroků vedoucích k efektivnějšímu fungování podniku v dané oblasti. V tomto bodě také vidím, vedle charakteristiky procesu dobývání znalostí z databází, hlavní přínos této práce.
|
|
|
Generování dat pomocí modulu LM Reverse-Miner
Stluka, Jakub ; Šimůnek, Milan (vedoucí práce) ; Kliegr, Tomáš (oponent)
Evolučním algoritmům je v posledních letech věnována velká pozornost, za tu dobu našly využití v široké škále oblastí, také dobývání znalostí z databází je již mnoho let velmi poptávaným produktem mnoha komerčních firem, a právě tyto dvě oblasti práce kombinuje. Předmětem je testování možností nového modulu Reverse-Miner, který slouží pro generování dat se skrytými vlastnostmi pomocí evolučních algoritmů, přitom využívá další moduly systému LISp-Miner, který je běžně používán pro dobývání znalostí z databází. Hlavní cíl představuje vygenerování dvou databází modulem tak, aby odpovídaly přesně stanoveným požadavkům, v práci jsou stanoveny i vedlejší cíle v podobě pochopení dané problematiky, která je důležitá pro následující modelování. Výsledkem praktické části práce jsou krom dvou úspěšně vygenerovaných databází i popsané kroky, metody a techniky, kterými se k těmto databázím došlo. Ze zkušeností z modelování a řešení vzniklých problémů jsou poté vyvozeny obecná doporučení na přípravu dat modulem Reverse-Miner. Předešlé výstupy navíc doplňují závěry analýzy využívaných technických prostředků při generování a návrhy několika možných rozšíření do budoucna.
|
|
|
Zlepšování učinnosti prevence v telemedicíně
Nálevka, Petr ; Svátek, Vojtěch (vedoucí práce) ; Berka, Petr (oponent) ; Štěpánková, Olga (oponent) ; Šárek, Milan (oponent)
Cílem této práce je zlepšení účinnosti telemedicínských preventivních programů s využitím nástrojů z oblasti dobývání znalostí z databází a moderních telekomunikačních technologií. Tato práce využívá program ITAREPS jako případovou studii a ukazuje, že rozšíření tohoto programu postavené na navrhovaných metodách může výrazně zlepšit úspěšnost prevence. ITAREPS je sám o sobě ukázkou úspěšné aplikace telemedicíny a asi největším podobným počinem v oblasti prevence schizofrenie. Funguje již od roku 2006. Byl nasazen v osmi zemích světa a jen v České republice pomohl více než 400 pacientům v prevenci relapsu. Výsledky této práce mají širší využití, a to při prevenci jiných psychotických, ale i nepsychotických nemocí, které mají tendenci k recidivě a splňují další podmínky vymezené v této práci. Tato práce navrhuje dvě hlavní oblasti pro zlepšení. Zaprvé, využití historických dat a aplikaci různých metod temporálního dobývaní znalostí pro zlepšení úspěšnosti predikce relapsu. Zadruhé, využití nejnovějších telekomunikačních technologií pro zlepšení kvality získávaných diagnostických dat přímo u zdroje.
|
|
|
Praktické uplatnění technologií data mining ve zdravotních pojišťovnách
Kulhavý, Lukáš ; Pour, Jan (vedoucí práce) ; Kučera, Petr (oponent)
Tato diplomová práce se věnuje technologii data mining a možnostem jejího praktického využití v oblasti zdravotních pojišťoven. Práce vymezuje pojem data mining a jeho vztah k pojmu dobývání znalostí z databází. Pojem data mining je vysvětlen mimo jiné pomocí metodik popisujících jednotlivé fáze procesu dobývání znalostí z databází (CRISP-DM, SEMMA). Nechybí informace o možných praktických využitích technologie a o dostupných produktech na trhu (jak produkty zdarma dostupné, tak produkty komerční). Představení hlavních metod data miningu a konkrétních algoritmů (rozhodovací stromy, asociační pravidla, neuronové sítě a další metody) slouží jako teoretický úvod, na který navazují praktické aplikace nad reálnými daty reálných zdravotních pojišťoven. Jedná se o aplikace hledání příčin nárůstu úhrad a predikce odchodu zákazníků. Tyto aplikace jsem řešil ve zdarma dostupných systémech Weka a LISp-Miner. Cílem je představit a ověřit schopnosti data miningu nad daty tohoto typu a ověřit možnosti zmíněných systémů Weka a LISp-Miner při řešení úloh vzhledem k metodice CRISP-DM. Závěr práce je věnován oblastem cloud a grid computingu ve spojitosti s data miningem. Nabízí pohled na možnosti těchto technologií a jejich přínosy pro technologii data mining. Možnosti využití cloud computingu jsou prezentovány na řešení Amazon EC2, grid computing je možné využít z rozhraní Weka Experimenter.
|
host ::
RSS.