Chytrá domácnost: učení rutin

Simple item page
but.committeeprof. Ing. Tomáš Hruška, CSc. (předseda) Ing. Jiří Matoušek, Ph.D. (člen) Ing. Tomáš Milet, Ph.D. (člen) Ing. Jiří Hynek, Ph.D. (člen) doc. Ing. František Zbořil, CSc. (člen)cs
but.defenceStudent nejprve prezentoval výsledky, kterých dosáhl v rámci své práce. Komise se poté seznámila s hodnocením vedoucího a posudkem oponenta práce. Komise ohodnotila práci stupněm 4F, protože nebyl splněn bod 4) zadání. Student nebyl schopen doložit, že navržené řešení je realizováno. Komise shledala nedostatky práce natolik závažné, že se práci rozhodla hodnotit jako nevyhovující. Komise doporučuje doplnit práce zejména v bodech 4) a 5) zadání.cs
but.jazykčeština (Czech)
but.programInformační technologiecs
but.resultpráce nebyla úspěšně obhájenacs
dc.contributor.advisorMaterna, Zdeněkcs
dc.contributor.authorJunák, Petrcs
dc.contributor.refereeBažout, Davidcs
dc.date.created2023cs
dc.description.abstractTato práce se zaměřuje na návrh, vývoj a implementaci inovativního chytrého systému, který využívá data o spánkovém režimu uživatele a strojové učení pro inteligentní ovládání světel v domácnosti. Hlavním cílem je zlepšení kvality spánku uživatele prostřednictvím optimalizace expozice světla, zejména snížením expozice studenému dennímu světlu před spánkem. Práce se vyznačuje důrazem na využití snadno dostupných dat, cenově dostupných hardwarových zařízení a open-source technologií. Jako primární zdroj dat byly využity chytré hodinky FitBit Charge 5, které poskytují podrobné informace o spánkových vzorcích uživatele. Vytvořený model strojového učení, konkrétně lineární regrese, je hostován na platformě Raspberry Pi, která také slouží jako centrální jednotka pro ovládání světel a řízení celkového systému. Kromě ovládání světla systém také podporuje zasílání upozornění uživateli o blížící se doporučené době začátku spánku, což přispívá k celkovému zlepšení spánkové hygieny a kvality spánku.cs
dc.description.abstractThis thesis focuses on the design, development, and implementation of an innovative smart system that uses user sleep data and machine learning for intelligent control of lights in a household. The main goal is to improve the user’s sleep quality through the optimization of light exposure, particularly by reducing exposure to cool daylight before sleep. The work is characterized by an emphasis on the use of readily available data, cost-effective hardware devices, and open-source technologies. The primary source of data was the FitBit Charge 5 smartwatch, which provides detailed information about the user’s sleep patterns. The created machine learning model, specifically linear regression, is hosted on the Raspberry Pi platform, which also serves as the central unit for controlling lights and managing the overall system. In addition to light control, the system also supports sending notifications to the user about the approaching recommended sleep start time contributing to the overall improvement of sleep hygiene and sleep quality.en
dc.description.markEcs
dc.identifier.citationJUNÁK, P. Chytrá domácnost: učení rutin [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2023.cs
dc.identifier.other148638cs
dc.identifier.urihttp://hdl.handle.net/11012/213759
dc.language.isocscs
dc.publisherVysoké učení technické v Brně. Fakulta informačních technologiícs
dc.rightsStandardní licenční smlouva - přístup k plnému textu bez omezenícs
dc.subjectInteligentní domácnostcs
dc.subjectKvalita spánkucs
dc.subjectStrojové učenícs
dc.subjectExpozice světlucs
dc.subjectTeplota světlacs
dc.subjectSpánkový vzoreccs
dc.subjectRaspberry Pics
dc.subjectFitBit Charge 5cs
dc.subjectAutomatizacecs
dc.subjectOvládání světelcs
dc.subjectPředzpra- cování datcs
dc.subjectVýběr vlastnostícs
dc.subjectHodnocení systémucs
dc.subjectmetoda regresních lesůcs
dc.subjectSmart Homeen
dc.subjectSleep Qualityen
dc.subjectMachine Learningen
dc.subjectExposition to lighten
dc.subjectLight Temperatureen
dc.subjectSleep Patternen
dc.subjectRaspberry Pien
dc.subjectFitBit Charge 5en
dc.subjectAutomationen
dc.subjectLight Controlen
dc.subjectData Prepro- cessingen
dc.subjectFeature Selectionen
dc.subjectSystem Evaluationen
dc.subjectregression forest methoden
dc.titleChytrá domácnost: učení rutincs
dc.title.alternativeSmart Home: Learning of Routinesen
dc.typeTextcs
dc.type.driverbachelorThesisen
dc.type.evskpbakalářská prácecs
dcterms.dateAccepted2023-08-22cs
dcterms.modified2024-08-26-09:06:49cs
eprints.affiliatedInstitution.facultyFakulta informačních technologiícs
sync.item.dbid148638en
sync.item.dbtypeZPen
sync.item.insts2025.03.18 21:00:42en
sync.item.modts2025.01.15 22:30:26en
thesis.disciplineInformační technologiecs
thesis.grantorVysoké učení technické v Brně. Fakulta informačních technologií. Ústav počítačové grafiky a multimédiícs
thesis.levelBakalářskýcs
thesis.nameBc.cs
Files
Original bundle
Now showing 1 - 3 of 3
Thumbnail Image
Name:
final-thesis.pdf
Size:
2.55 MB
Format:
Adobe Portable Document Format
Description:
final-thesis.pdf
Download
Thumbnail Image
Name:
appendix-1.zip
Size:
18.23 MB
Format:
zip
Description:
appendix-1.zip
Download
Thumbnail Image
Name:
review_148638.html
Size:
12.36 KB
Format:
Hypertext Markup Language
Description:
file review_148638.html
Download
Collections
2023