Tato práce představuje datamining a testuje účinnost jednotlivých technik na benchmark datasetech Iris a Wine. První část se věnuje detailnímu popisu dataminingu jako procesu získávání informací z dat, popisu datových typů, jejich vizualizaci a předzpracování pro účely dataminingových algoritmů. V druhé části jsou detailně popsány jednotlivé datasety, dále jsou představeny moderní datamining algoritmy a jejich funkce je testována a porovnána. Mezi techniky používané těmito moderními algoritmy patří: fuzzy logika, umělé neuronové sítě, evoluční technologie a heuristika.
Anotace v angličtině
This thesis is presenting datamining and testing functionality of some datamining tech-niques on benchmark datasets Iris and Wine. The first part is focused on detailed descrip-tion of datamining as a process of knowledge discovery in data, data attribute types de-scription, visualization of data and data preprocessing. Datasets and modern datamining techniques are described and tested in the second part of this thesis. Modern datamining techniques include: fuzzy logic, artificial neural networks, evolution technologies and heuristic.
Tato práce představuje datamining a testuje účinnost jednotlivých technik na benchmark datasetech Iris a Wine. První část se věnuje detailnímu popisu dataminingu jako procesu získávání informací z dat, popisu datových typů, jejich vizualizaci a předzpracování pro účely dataminingových algoritmů. V druhé části jsou detailně popsány jednotlivé datasety, dále jsou představeny moderní datamining algoritmy a jejich funkce je testována a porovnána. Mezi techniky používané těmito moderními algoritmy patří: fuzzy logika, umělé neuronové sítě, evoluční technologie a heuristika.
Anotace v angličtině
This thesis is presenting datamining and testing functionality of some datamining tech-niques on benchmark datasets Iris and Wine. The first part is focused on detailed descrip-tion of datamining as a process of knowledge discovery in data, data attribute types de-scription, visualization of data and data preprocessing. Datasets and modern datamining techniques are described and tested in the second part of this thesis. Modern datamining techniques include: fuzzy logic, artificial neural networks, evolution technologies and heuristic.
Vypracujte literární rešerši na dané téma.
Prostudujte a popište jednotlivé nejrozšířenější data mining techniky.
Proveďte studii hybridizací jednotlivých technik, fuzzy a jiných bio-inspirovaných přístupů.
Otestujte vybrané techniky a jejich případné hybridizace na reálných příkladech databázových benchmark setů.
Proveďte analýzu dosažených výsledků.
Zásady pro vypracování
Vypracujte literární rešerši na dané téma.
Prostudujte a popište jednotlivé nejrozšířenější data mining techniky.
Proveďte studii hybridizací jednotlivých technik, fuzzy a jiných bio-inspirovaných přístupů.
Otestujte vybrané techniky a jejich případné hybridizace na reálných příkladech databázových benchmark setů.
Proveďte analýzu dosažených výsledků.
Seznam doporučené literatury
LAROSE, Daniel T. Discovering knowledge in data: an introduction to data mining. Hoboken, N.J.: Wiley-Interscience, c2005, xv, 222 s. ISBN 978-0-471-66657-8.
Information visualization in data mining and knowledge discovery. San Francisco: Morgan Kaufmann Publishers, c2002, xiii, 407 s. ISBN 15-586-0689-0.
WITTEN, I, Eibe FRANK a Mark A HALL. Data mining: practical machine learning tools and techniques. 3rd ed. Amsterdam: Morgan Kaufmann, 2011, xxxiii, 629 s. Morgan Kaufman series in data management systems. ISBN 978-0-12-374856-0.
HAN, Jiawei, Micheline KAMBER a Jian PEI. Data mining: concepts and techniques. 3rd ed. Waltham: Morgan Kaufmann, c2012, xxxv, 703 s. Morgan Kaufmann series in data management systems. ISBN 978-0-12-381479-1.
AL\matsymb{rbrack}., Soumen Chakrabarti ... \matsymb{lbrack}et\matsymb{rbrack}. Data mining know it all. Burlington, Mass: Morgan Kaufmann Pub, 2009. ISBN 00-808-7788-5.
LINOFF, Gordon a Michael J BERRY. Data mining techniques: for marketing, sales, and customer relationship management. 3rd ed. Indianapolis: Wiley, c2011, xl, 847 s. ISBN 978-0-470-65093-6.
SKALSKÁ, Hana. Data mining a klasifikační modely. Vyd. 1. Hradec Králové: Gaudeamus, 2010, 154 s. ISBN 978-80-7435-088-7.
LABERGE, Robert. Datové sklady: agilní metody a business intelligence. 1. vyd. Brno: Computer Press, 2012, 350 s. ISBN 978-80-251-3729-1.
Seznam doporučené literatury
LAROSE, Daniel T. Discovering knowledge in data: an introduction to data mining. Hoboken, N.J.: Wiley-Interscience, c2005, xv, 222 s. ISBN 978-0-471-66657-8.
Information visualization in data mining and knowledge discovery. San Francisco: Morgan Kaufmann Publishers, c2002, xiii, 407 s. ISBN 15-586-0689-0.
WITTEN, I, Eibe FRANK a Mark A HALL. Data mining: practical machine learning tools and techniques. 3rd ed. Amsterdam: Morgan Kaufmann, 2011, xxxiii, 629 s. Morgan Kaufman series in data management systems. ISBN 978-0-12-374856-0.
HAN, Jiawei, Micheline KAMBER a Jian PEI. Data mining: concepts and techniques. 3rd ed. Waltham: Morgan Kaufmann, c2012, xxxv, 703 s. Morgan Kaufmann series in data management systems. ISBN 978-0-12-381479-1.
AL\matsymb{rbrack}., Soumen Chakrabarti ... \matsymb{lbrack}et\matsymb{rbrack}. Data mining know it all. Burlington, Mass: Morgan Kaufmann Pub, 2009. ISBN 00-808-7788-5.
LINOFF, Gordon a Michael J BERRY. Data mining techniques: for marketing, sales, and customer relationship management. 3rd ed. Indianapolis: Wiley, c2011, xl, 847 s. ISBN 978-0-470-65093-6.
SKALSKÁ, Hana. Data mining a klasifikační modely. Vyd. 1. Hradec Králové: Gaudeamus, 2010, 154 s. ISBN 978-80-7435-088-7.
LABERGE, Robert. Datové sklady: agilní metody a business intelligence. 1. vyd. Brno: Computer Press, 2012, 350 s. ISBN 978-80-251-3729-1.
Přílohy volně vložené
-
Přílohy vázané v práci
-
Převzato z knihovny
Ne
Plný text práce
Přílohy
Posudek(y) oponenta
Hodnocení vedoucího
Záznam průběhu obhajoby
Student seznámil komisi se svou diplomovou prací. Komise se seznámila s posudky vedoucího a oponenta. Poté proběhla diskuse.