|
|
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.
|
|
|
Analýza sentimentu s využitím dolování dat
Sychra, Martin ; Burget, Radek (oponent) ; Bartík, Vladimír (vedoucí práce)
Obsahem práce je analýza sentimentu, především z informatického hlediska (okrajově z hlediska lingvistického). V lingvistické části je rozebrán pojem sentiment a jazykové metody pro jeho analýzu, např. lemmatizace, POS tagging, využití seznamu stopwords apod. Větší pozornost je následně věnována struktuře analyzátoru sentimentu, který je založen na některé z metod strojového učení (metoda podpůrných vektorů, naivní Bayesův klasifikátor a klasifikátor maximální entropie). Na základě teoretických východisek je navržen a implementován funkční analyzátor. Experimenty jsou zaměřeny především na porovnání klasifikačních metod a přínos využití jednotlivých metod předzpracování. Úspěšnost sestrojeného klasifikátoru dosahuje až 84 % v křížové validaci.
|
|
|
Dolování z dat v jazyce Python
Šenovský, Jakub ; Bartík, Vladimír (oponent) ; Zendulka, Jaroslav (vedoucí práce)
Cílem této práce bylo seznámení se s jednotlivými fázemi získávání znalostí z dat, s podporou programovacích jazyků Python a R v oblasti dolování dat a demonstrace jejich použití na dvou případových studiích. Následným krokem bylo porovnání těchto jazyků z hlediska dolování dat. Je zde popsaná fáze předzpracování dat a dolovací algoritmy pro klasifikaci, predikci a shlukování. Představeny zde byly významné knihovny pro jazyky Python a R. V první případové studii byla demonstrována práce s časovými řadami pomocí ARIMA modelu a neuronových sítí s ověřením přesnosti pomocí střední kvadratické chyby. V druhé případové studii byla popsaná klasifikace výsledků fotbalových zápasů pomocí k - nejbližších sousedů, Bayesova klasifikátoru, náhodného lesu a logické regrese. Přesnost klasifikace byla zobrazena pomocí skóre přesnosti a konfúzní matice. Práci uzavírá zhodnocení výsledků a návrhy pro budoucí vylepšení jednotlivých modelů.
|
|
|
Segmentace obrazu jako výškové mapy
Moučka, Milan ; Kršek, Přemysl (oponent) ; Španěl, Michal (vedoucí práce)
Práce se zabývá segmentací objemových medicínských dat. Popisuje známou metodu rozvodí a klade důraz na předzpracování obrazových dat. Aplikace je navržena pro přímou segmentací trojrozměrných dat s využitím ITK a VTK knihoven. Před samotnou metodou rozvodí je použito několik metod předzpracování obrazu. Získané výsledky jsou porovnány s ručně anotovanou datovou sadu pomocí metriky F-Measure a následně zhodnoceny.
|
|
|
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.
|
|
|
Rozšíření funkcionality systému pro dolování z dat na platformě NetBeans
Šebek, Michal ; Zendulka, Jaroslav (oponent) ; Lukáš, Roman (vedoucí práce)
Databáze se neustále rozrůstají o nová data. Za účelem analýzy těchto dat byl definován proces získávání znalostí z databází. Pro podporu tohoto procesu vznikla řada nástrojů. Vývojem jednoho z těchto nástrojů se zabývá tato práce. Hlavním cílem je analyzovat stávající implementaci systému na přenositelné platformě Java NetBeans a databázovém serveru Oracle a rozšířit ji o algoritmy z oblasti předzpracování a analýzy vstupních dat. Podrobně je popsána implementace jednotlivých komponent pro předzpracování dat a provedené změny v jádře systému.
|
|
|
Analýza dat síťové komunikace mobilních zařízení
Abraham, Lukáš ; Bartík, Vladimír (oponent) ; Burgetová, Ivana (vedoucí práce)
Práce na svém začátku popisuje protokoly DNS a SSL/TLS, věnuje se hlavně komunikaci mezi zařízeními pomocí těchto protokolů. Poté si povíme něco o předzpracování dat a jejich čištění. Dále se práce zaobírá základními technikami pro dolování dat, jako jsou klasifikace dat, asociační analýza, vyhledávání dokumentů, regresní analýza a shluková analýza. V další kapitole si můžeme přečíst něco o tom, jak se dají identifikovat mobilní zařízení v síti. Zhodnotíme datové sady, které obsahují nasbíraná data z komunikace mezi protokoly DNS a SSL/TLS se kterými se bude pracovat v praktické části. Po té se konečně dostaneme k návrhu systému pro analýzu dat síťové komunikace. Popíšeme si použité knihovny a celou implementaci systému. Provedeme velké množství experimentů, které na konec ohodnotíme.
|
|
|
Předzpracování dat
Vašíček, Radek ; Beran, Jan (oponent) ; Honzík, Petr (vedoucí práce)
Tato diplomová práce se zaměřuje na problematiku předzpracováním dat. První část se zabývá přehledem a popisem charakteristických testů pro popis atributů, metodami pro práci s daty a atributy. Druhá část práce se popisuje práci s programem Rapidminer. Věnuje se jednotlivým funkcím předzpracování v tomto programu popisuje jejich funkci. Ve třetí části je srovnání výsledku při použití metod předzpracování a bez předzpracování dat.
|
|
|
Prostorovo-časová analýza HD-EEG dat u pacientů s neurodegenerativním onemocněním
Jordánek, Tomáš ; Kozumplík, Jiří (oponent) ; Lamoš, Martin (vedoucí práce)
Práce se zabývá problematikou diagnostiky prodromálního stádia onemocnění s Lewyho tělísky za pomocí analýzy EEG mikrostavů. V první části práce se nachází teoretický základ, který je potřeba ke zorientování se v problematice a porozumění výsledkům. Z této části lze zmínit např. popis onemocnění a možnosti diagnostiky, elektroencefalografii, předzpracování signálů EEG či provedení samotné analýzy. Na teoretickou část navazuje část praktická, ve které je popsán datový soubor, na němž analýza probíhala, následně předzpracování signálů a poté samotná analýza mikrostavů, jejíž výstupní parametry byly hodnoceny za pomocí metod statistické analýzy. Při porovnání skupiny osob s podezřením na onemocnění s Lewyho tělísky a zdravých, věkově vázaných kontrol byly nalezeny statisticky významné rozdíly u tří parametrů mikrostavů, míry zastoupení úseků bez přiřazené mapy a také pro některé počty přechodů mezi jednotlivými mapami.
|
|
|
Klasifikace hudebních souborů pomocí strojového učení
Sládek, Matyáš ; Smrčka, Aleš (oponent) ; Janoušek, Vladimír (vedoucí práce)
Tato práce se zabývá klasifikací hudebních souborů pomocí algoritmů strojového učení. V práci bylo porovnáno sedm klasifikačních algoritmů z hlediska úspěšnosti klasifikace a rychlosti zpracování na třech datových sadách. Využity byly dvě metody pro extrakci atributů, dvě metody pro selekci atributů a dvě metody optimalizace parametrů. Nejvíce se osvědčil model XGBClassifier, který dosáhl úspěšnosti klasifikace 87.56 % na datové sadě Extended Ballroom Dataset, 64.56 % na datové sadě FMA: A Dataset For Music Analysis a 83.50 % na datové sadě GTZAN. Tento model může být využit při tvorbě seznamů skladeb či kategorizaci hudební databáze.
|
host ::
RSS.