Metody dolování z časových řad
Knowledge Discovery from Time Series

Author
Advisor
Bartík, VladimírReferee
Burget, RadekGrade
BAltmetrics
Metadata
Show full item recordAbstract
Táto práca sa zaoberá problematikou získavania znalostí z dát, konkrétne z časových radov. Jej cieľom je uskutočniť prieskum podpory programovacieho jazyka Python pre túto oblasť a následný návrh a implementáciu aplikácie, ktorá umožní demonštráciu a porovnanie vybraných metód dolovania. Metódy sú demonštrované v rámci experimentov, pre ktoré je vybratá vhodná dátová sada. Výstupom práce je porovnanie metód pre jednotlivé úlohy a aplikácia implementujúca zvolené metódy. This thesis is focused on the field of knowledge discovery from data, specifically from time series. Main objective is to research Python programming language support in this area and then design and implement an application that will allow to demonstrate and compare selected methods. Methods are demonstrated in experiments using appropriate data set. The output of the thesis is a comparison of methods for specific tasks and the application implementing selected methods.
Keywords
získavanie znalostí z databáz, dolovanie z dát, analýza dát, vizualizácia dát, časové rady, dekompozícia, reprezentácie, segmentácia, anotácia, sumarizácia, predpoveď, klasifikácia, zhlukovanie, vyhľadávanie, programovací jazyk Python, kryptomeny, knowledge discovery from databases, data mining, data analysis, data visualization, time series, decomposition, representation, segmentation, annotation, summarization, forecasting, classification, clustering, search, Python programming language, cryptocurrenciesLanguage
slovenština (Slovak)Study brunch
Inteligentní systémyComposition of Committee
doc. Ing. František Zbořil, CSc. (předseda) doc. RNDr. Pavel Smrž, Ph.D. (místopředseda) Ing. Michal Bidlo, Ph.D. (člen) doc. Ing. Vladimír Janoušek, Ph.D. (člen) Ing. Ondřej Kanich, Ph.D. (člen) Dr. Ing. Petr Peringer (člen)Date of defence
2022-06-20Process of defence
Student nejprve prezentoval výsledky, kterých dosáhl v rámci své práce. Komise se poté seznámila s hodnocením vedoucího a posudkem oponenta práce. Student následně odpověděl na otázky oponenta a na další otázky přítomných. Komise se na základě posudku oponenta, hodnocení vedoucího, přednesené prezentace a odpovědí studenta na položené otázky rozhodla práci hodnotit stupněm B. Otázky u obhajoby: Jaký byl důvod implementace serverové části demonstrační aplikace v PHP, když vlastní experimenty jsou implementovány v Pythonu? Nebylo by praktičtější použít přímo Python pro realizaci celé serverové části? Mohl byste stručně shrnout zkratky uvedené v levém sloupci tabulky 6.9 na str. 70 (alespoň několik z nich) a uvést rozdíly mezi nimi? Jak jste k síti LSTM přidával další vrstvy? Co bylo použito jako vstup a co jako výstup? V rámci práce jste se zaměřit spíše na predikce? V čem přesně spočívalo dolování dat ve vaši práci? Uvažoval jste v rámci práce o použití genetického programování?Result of the defence
práce byla úspěšně obhájenaPersistent identifier
http://hdl.handle.net/11012/207855Source
KRUTÝ, P. Metody dolování z časových řad [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2022.Collections
- 2022 [127]