|
|
Elektronický modul pro akustickou detekci
Maršál, Martin ; Klusáček, Jan (oponent) ; Havránek, Zdeněk (vedoucí práce)
Tato diplomová práce se zabývá návrhem a realizací elektronického modulu pro akustickou detekci. Modul má za úkol detekovat předem definované akustické signály pomocí na ně naučeného klasifikačního modelu. Modul slouží převážně pro zabezpečovací účely. Pro identifikaci a klasifikaci je navržen model pomocí technik strojového učení. Vzhledem k možnosti přeučení na jinou sadu zvuků se modul stává univerzálním akustickým detektorem. Pro snímání akustického zvuku je použit digitální MEMS mikrofon, pro který je navržen a realizován převodní filtr. Výsledný systém je implementován do firmwaru mikrokontroléru s operačním systémem reálného času. Jednotlivé funkce systému jsou realizovány s ohledem na možnou optimalizaci (méně výkonný MCU nebo bateriové napájení). Modul předává výsledky detekce nadřazené stanici pomocí Ethernetové sítě. V případě více modulů připojených do sítě se vytvoří distribuovaný systém, pro který je navržena přesná časová synchronizace pomocí PTP protokolu definovaného normou IEEE-1588.
|
|
|
Využití metod dolování dat pro analýzu sociálních sítí
Novosad, Andrej ; Očenášek, Pavel (oponent) ; Bartík, Vladimír (vedoucí práce)
Práce se zabývá problematikou dolování dat v prostředí sociálních sítí. Podává přehled o dolování z dat a možných metodách dolování. Práce také zkoumá sociální média a sítě, co mohou poskytnout a jaké problémy se sebou přinášejí. Jsou prozkoumané API třech sociálních sítí a jejich možnosti z hlediska získání dat vhodných pro dolování. Zkoumají se techniky dolování znalostí z textových dat. Je popsán způsob implementace webové aplikace, která doluje data ze sociální sítě Twitter pomoci algoritmu SVM. Implementovaná aplikace klasifikuje zprávy na základě jejich textu do tříd reprezentujících kontinenty původu. Je provedeno několik experimentů v softwaru RapidMiner a v implementované webové aplikaci a jejich výsledky jsou prozkoumány.
|
|
|
Optimalizace strojového učení pro predikci KPI
Haris, Daniel ; Burget, Radek (oponent) ; Bartík, Vladimír (vedoucí práce)
Cieľom tejto práce je optimalizácia strojového učenia pre predikciu KPI metrík pre jednu organizáciu. Organizácia predpovedá oneskorenie termínov ukončenia poslednej fázy projektov v procese vývoja pomocou strojového učenia. Práca sa zameriava na analýzu predikčných modelov a stanoví si za cieľ vybrať nové kandidátne modely na predikciu. V rámci práce sme implementovali systém, ktorý automaticky vyberie najlepšie rysy pre učenie. Naučené modely sme vyhodnotili pomocou rôznych výkonnostných metrík a vybrali najlepšie kandidátne modely. Kandidátne modely majú vyššiu presnosť predpovede, čo pre organizáciu znamená, že sa zvýšila dôveryschopnosť predpovede oneskorenia. V závere práce sme navrhli ďalšie vylepšenia, ktoré by mohli zvýšiť presnosť predpovede.
|
|
|
Analýza klasifikačních metod
Juríček, Jakub ; Zendulka, Jaroslav (oponent) ; Burgetová, Ivana (vedoucí práce)
Táto práca pojednáva o klasifikačných metódach využívaných pri získavaní znalostí z dát a rozoberá možnosti ich validácie a porovnania. Prostredníctvom experimentov sa zameriava na analýzu štyroch vybraných metód: jednoduchý Bayes, rozhodovací strom, neurónová sieť a SVM. Skúmané sú faktory ovplyvňujúce základné vlastnosti ako rýchlosť trénovania, rýchlosť klasifikácie, presnosť. Súčasťou práce je desktopová aplikácia, ktorá tvorí prostriedok k trénovaniu, testovaniu a validácii jednotlivých metód. Pre potreby experimentov je vybraných jedenásť referenčných dátových sád. V závere práce sú zhrnuté experimentálne získané výsledky porovnania a pozorované vlastnosti klasifikačných metód.
|
|
|
Případová studie na dolování z dat v jazyce Python
Stoika, Anastasiia ; Burgetová, Ivana (oponent) ; Zendulka, Jaroslav (vedoucí práce)
Tato práce se zabývá základními koncepty a technikami procesu získávání znalostí z dat. Cílem práce je demonstrovat dostupné prostředky jazyka Python, které umožňují provádět jednotlivé kroky tohoto procesu. Práce je zaměřena především na metody a techniky detekce odlehlých pozorování, založené na shlukování a klasifikaci. Jedná se o řešení analytické úlohy, která se týká zdrojů dat s omezeným množstvím využitelné informace. Tato kontrolní činnost by měla sloužit k detekci podezřelých prodejních transakcí nějaké společnosti, které mohou znamenat pokusy o podvod jejích prodejci.
|
|
|
Optimalizace heuristické analýzy spustitelných souborů
Wiglasz, Michal ; Křoustek, Jakub (oponent) ; Hruška, Tomáš (vedoucí práce)
Tato bakalářská práce byla vypracována v průběhu studijního pobytu na Universita della Svizzera italiana ve Švýcarsku. Tato práce popisuje implementaci klasifikačního nástroje pro detekci neznámého škodlivého softwaru, které by mohla nahradit současné řešení, založené na ručně určených vahách. Databáze použitá pro učení a testování byla poskytnuta antivirovou a bezpečnostní společností AVG Technologies. Pět různých klasifikátorů bylo srovnáno za účelem nalezení nejvhodnější metody k implementaci: naivní bayesovský klasifikátor, rozhodovací stromy, algoritmus RandomForrest, neuronové sítě a support vector machine. Po několika experimentech byl vybrán naivní bayesovský klasifikátor. Implementovaná aplikace pokrývá všechny potřebné funkce: extrakci atributů, učení klasifikátoru a odhad jeho úspěšnosti a klasifikaci neznámých vzorků. Protože společnost AVG je ochotna tolerovat maximálně 1% falešně pozitivních klasifikací, úspěšnost implementovaného klasifikátoru je pouze 61,7 %, což je o méně než 1 % lepší než u současného řešení. Na druhou stranu, učící proces je plně automatizovaný a umožňuje rychlé přeučení (v průměru během 12 sekund pro 90 tisíc trénovacích vzorků.)
|
|
|
Inteligentní emailová schránka
Pohlídal, Antonín ; Drozd, Michal (oponent) ; Chmelař, Petr (vedoucí práce)
Tato diplomová práce se zabývá využitím klasifikace textu při třídění příchozí pošty. Nejdříve je popsána problematika získávání znalostí z databází a je detailně rozebrána klasifikace textu s popisem vybraných metod. Dále je uveden princip emailové komunikace a jsou popsány protokoly SMTP, POP3 a IMAP. Následuje návrh implementace systému, který klasifikuje příchozí poštu a rozbor použitých technologií, tedy Apache James Server, PostgreSQL a RapidMiner. Na závěr je uvedena implementace všech jednotlivých částí výsledného systému a jsou provedeny experimenty s testovací sadou emailů Enron Dataset.
|
|
|
Klasifikační framework
Koroncziová, Dominika ; Otrusina, Lubomír (oponent) ; Kouřil, Jan (vedoucí práce)
Cílem této práce je návrh a implementace klasifikačního software postaveného na knihovně RapidMiner. Výsledná aplikace bude sdružovat nejpoužívanější algoritmy a procesy implementované v RapidMineru do jednoduchého použitelného programu. Součástí nároků na aplikaci je jednoduché rozhraní pro ovládání z příkazové řádky, stejně jako grafické rozhraní zjednodušující nastavení více parametrů. Aplikace má také umožňovat tvorbu samostatných jednoúčelových programů, sloužících na opakovanou klasifikaci s použitím předem natrénovaného modelu. Nad rámec původního zadání je implementována i práce s textovými daty z Wikipedie, jejich stáhnutí a předzpracování a následné použití jako trénovacích dat. Text práce se zabývá postupně jednotlivými algoritmy a popisem kvalifikačních algoritmů, jejich vlastnostmi a použitím, a popisuje návrh a implementaci systému. V rámci práce byla vykonána i sada několika testů pro ověření výkonu a funkcionality aplikace. Jejich výsledky jsou shrnuty v závěru práce.
|
|
|
Webový portál pro správu a klasifikaci informací z distribuovaných zdrojů
Vrána, Pavel ; Chmelař, Petr (oponent) ; Drozd, Michal (vedoucí práce)
Tato diplomová práce se zabývá technikami dolování dat a jejich klasifikací do kategorií dle kriterií. Cílem práce je implementace webového portálu pro správu a klasifikaci dat z distribuovaných zdrojů. K dosažení cíle bude třeba otestovat rozdílné metody a najít nejvhodnější z nich pro klasifikaci internetových článků. Ze získaných výsledků bude navržena maximálně automatizovaná aplikace pro stahování a klasifikaci dat z různých internetových zdrojů, která by v konečném důsledku měla nahradit uživatele, jež by tuto práci prováděl manuálně.
|
|
|
Using Data Mining in Various Industries
Fabian, Jaroslav ; Novotný, Jakub (oponent) ; Kříž, Jiří (vedoucí práce)
This master’s thesis concerns about the use of data mining techniques in banking, insurance and shopping centres industries. The thesis theoretically describes algorithms and methodology CRISP-DM dedicated to data mining processes. With usage of theoretical knowledge and methods, the thesis suggests possible solution for various industries within business intelligence processes.
|
host ::
RSS.