Prediktivní modelování v jazyce Python
Predictive Modelling with Python

Author
Advisor
Zendulka, JaroslavReferee
Burgetová, IvanaGrade
CAltmetrics
Metadata
Show full item recordAbstract
Cílem této bakalářské práce je seznámení s oborem dolování dat a procesu získávání dat z databází. Uvádí nejdůležitější postupy prováděné při dolování. Následně jsou jednotlivé techniky použity v případové studii implementované v jazyce Python. Ta se zaměřuje na predikci indexu S&P 500, který má reprezentovat vývoj akciových trhů na americké burze. Je využito klasifikačních i regresních modelů. Pro vyhodnocení úspěšnosti modelů je využito experimentální metody Monte Carlo. The main goal of this bachelor thesis is get to know with the data mining and its domain, also with the Knowledge discovery in databases process. It shows the most importnant approaches, which are implemented in Python language afterwards. The case study contains the prediction of index S&P 500 describing stock market developments on the US stock exchange. Both classification and regression models are used for the forecasting. Model evaluation is reached by the Monte Carlo experimental method.
Keywords
Dolování dat, predikce, strojové učení, jazyk Python, klasifikace, regrese, technické identifikátory, neuronové sítě, SVM, MARS, finanční analýza, index S&P 500, časové řady, Monte Carlo, Data mining, prediction, machine learning, Python language, classification, regression, technical indicators, neural networks, SVM, MARS, financial analysis, index S&P 500, time series, Monte CarloLanguage
čeština (Czech)Study brunch
Informační technologieComposition of Committee
prof. Ing. Tomáš Hruška, CSc. (předseda) doc. RNDr. Jitka Kreslíková, CSc. (místopředseda) Ing. Michal Bidlo, Ph.D. (člen) RNDr. Milan Češka, Ph.D. (člen) Ing. Igor Szőke, Ph.D. (člen)Date of defence
2019-06-12Process 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 C. Otázky u obhajoby: Dosáhl jste s vaší implementací klasifikátorů a prediktorů výsledků srovnatelných s výsledky publikovanými v případové studii, ze které jste čerpal? Jaké popisné atributy byly nakonec použity pro trénování klasifikátorů a prediktorů?Result of the defence
práce byla úspěšně obhájenaPersistent identifier
http://hdl.handle.net/11012/180603http://hdl.handle.net/11012/190099
Source
DUDA, J. Prediktivní modelování v jazyce Python [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2019.Collections
- 2019 [304]