but.committee	doc. Dr. Ing. Dušan Kolář (předseda) doc. Dr. Ing. Otto Fučík (místopředseda) Ing. Ivana Burgetová, Ph.D. (člen) Ing. Martin Hrubý, Ph.D. (člen) doc. Ing. Michal Španěl, Ph.D. (člen)	cs
but.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 (smysl či uplatnění realizačního výstupu, požadavků na mikroslužby, příkladu anomálního toku požadavků). Komise se na základě posudku oponenta, hodnocení vedoucího, přednesené prezentace a odpovědí studenta na položené otázky rozhodla práci hodnotit stupněm A - výborně . Otázky u obhajoby: - Může nastat, že některé hodnoty v datech z reálného systému, nutné pro detekci, mohou v datech chybět? Pokud ano, jak jsou tato data klasifikována? - Může v části zabývající se chybovostí požadavků nastat případ, že v daném testovaném rozsahu bude oproti referenčnímu stavu naprosto minimální počet chyb? Bude se v takovémto případě jednat také o anomálii?	cs
but.jazyk	čeština (Czech)
but.program	Informační technologie	cs
but.result	práce byla úspěšně obhájena	cs
dc.contributor.advisor	Pluskal, Jan	cs
dc.contributor.author	Lorenc, Jan	cs
dc.contributor.referee	Jeřábek, Kamil	cs
dc.date.created	2021	cs
dc.description.abstract	Cílem práce je navržení a implementace modelu strojového učení pro detekci anomálií v systému RQA firmy Y Soft. Vzhledem k architektuře mikroslužeb se anomálií rozumí opakovaně nezvyklá délka zpracování požadavků jednotlivými službami nebo výrazně odlišná chybovost. Práce popisuje aktuální způsob sběru dat v systému a řeší otázku, jaká data vypovídají o jeho stavu. Navrhuje vhodný formát ukládání těchto dat pro jejich následnou analýzu. Dále představuje algoritmy běžně používané k řešení problému detekce anomálií. V rámci práce je proveden návrh a implementace detekce anomálií s využitím shlukové analýzy a statistických metod. Na závěr je vyhodnocena kvalita detekce a dosažené výsledky.	cs
dc.description.abstract	The aim of the theses is to design and implement a machine learning model for anomaly detection in Y Soft's RQA system. Owing to the microservice architecture, an anomaly is considered to be a recurring occurrence of outliers in durations of service requests or a considerable variance in error rate. The thesis outlines the current data collection process in the system and defines what kind of data describe the state of the system. It devises a suitable format of data storage for its subsequent analysis. It presents algorithms commonly used to solve anomaly detection problems. The anomaly detection is designed and implemented using cluster analysis and statistical methods. Finally, the thesis evaluates the quality of the detection and the achieved results.	en
dc.description.mark	A	cs
dc.identifier.citation	LORENC, J. Detekce anomálií na základě stavu RQA systému [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2021.	cs
dc.identifier.other	136672	cs
dc.identifier.uri	http://hdl.handle.net/11012/199483
dc.language.iso	cs	cs
dc.publisher	Vysoké učení technické v Brně. Fakulta informačních technologií	cs
dc.rights	Standardní licenční smlouva - přístup k plnému textu bez omezení	cs
dc.subject	dolování dat	cs
dc.subject	datová analýza	cs
dc.subject	strojové učení	cs
dc.subject	detekce anomálií	cs
dc.subject	shluková analýza	cs
dc.subject	statistika	cs
dc.subject	.NET	cs
dc.subject	monitorování	cs
dc.subject	data mining	en
dc.subject	data analysis	en
dc.subject	machine learning	en
dc.subject	anomaly detection	en
dc.subject	cluster analysis	en
dc.subject	statistics	en
dc.subject	.NET	en
dc.subject	monitoring	en
dc.title	Detekce anomálií na základě stavu RQA systému	cs
dc.title.alternative	RQA System Anomaly Detection	en
dc.type	Text	cs
dc.type.driver	bachelorThesis	en
dc.type.evskp	bakalářská práce	cs
dcterms.dateAccepted	2021-06-18	cs
dcterms.modified	2021-06-19-12:16:50	cs
eprints.affiliatedInstitution.faculty	Fakulta informačních technologií	cs
sync.item.dbid	136672	en
sync.item.dbtype	ZP	en
sync.item.insts	2025.03.18 19:38:03	en
sync.item.modts	2025.01.17 11:16:49	en
thesis.discipline	Informační technologie	cs
thesis.grantor	Vysoké učení technické v Brně. Fakulta informačních technologií. Ústav informačních systémů	cs
thesis.level	Bakalářský	cs
thesis.name	Bc.	cs

Detekce anomálií na základě stavu RQA systému

Files

Original bundle

Collections