Adaptivní klient pro sociální síť Twitter
Loading...
Date
Authors
ORCID
Advisor
Referee
Mark
D
Journal Title
Journal ISSN
Volume Title
Publisher
Vysoké učení technické v Brně. Fakulta informačních technologií
Abstract
Účelem této práce je vytvořit uživatelsky přívětivého klienta pro službu Twitter, využívajícího metod strojového učení k doporučování zajímavých příspěvků uživateli na základě jeho dosavadního chování. Klient nabízí klasické funkce poskytované obecně všemi klienty a k tomu přidává funkčnost v podobě doporučování příspěvků a grafického znázornění aktuálních příspěvků.
The goal of this term project is create user friendly client of Twitter. They may use methods of machine learning as naive bayes classifier to mentions new interests tweets. For visualissation this tweets will be use hyperbolic trees and some others methods.
The goal of this term project is create user friendly client of Twitter. They may use methods of machine learning as naive bayes classifier to mentions new interests tweets. For visualissation this tweets will be use hyperbolic trees and some others methods.
Description
Keywords
Twitter, The Jit, Titanium, Appcelator, adaptivní algoritmy, Naivní Bayesův filtr, strojové učení, k-nejbližších sousedů, rozhodovací strom, hyperbolické stromy, stromové mapy, Twitter, The Jit, Titanium, Appcelator, adaptive algorithms, naive bayes classifier, machine learning, k-nearest neighbor, decision tree, hyperbolic tree, treemaps
Citation
GUŇKA, J. Adaptivní klient pro sociální síť Twitter [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2011.
Document type
Document version
Date of access to the full text
Language of document
cs
Study field
Management a informační technologie
Comittee
doc. Dr. Ing. Otto Fučík (předseda)
doc. Dr. Ing. Dušan Kolář (místopředseda)
doc. Dr. Ing. Petr Hanáček (člen)
doc. Ing. Peter Chudý, Ph.D., MBA (člen)
Ing. Šárka Květoňová, Ph.D. (člen)
Ing. Jiří Luňáček, Ph.D., MBA (člen)
Date of acceptance
2011-06-21
Defence
Student nejprve prezentoval výsledky, kterých dosáhl v rámci své práce. Komise se pak 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 D. Otázky u obhajoby: Porovnajte Vami zvolenú metódu strojového učenia sa s ďaľšími metódami (decision trees, Bayesian classification, rule-based classification, backpropagation, SVM a pod. )
Result of defence
práce byla úspěšně obhájena
Document licence
Standardní licenční smlouva - přístup k plnému textu bez omezení