but.committee	prof. Ing. Tomáš Hruška, CSc. (předseda) doc. RNDr. Jitka Kreslíková, CSc. (místopředseda) doc. Ing. Michal Bidlo, Ph.D. (člen) doc. RNDr. Milan Češka, Ph.D. (člen) Ing. Igor Szőke, 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. 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?	cs
but.jazyk	čeština (Czech)
but.program	Informační technologie	cs
but.result	práce byla úspěšně obhájena	cs
dc.contributor.advisor	Zendulka, Jaroslav	cs
dc.contributor.author	Duda, Jan	cs
dc.contributor.referee	Burgetová, Ivana	cs
dc.date.created	2019	cs
dc.description.abstract	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.	cs
dc.description.abstract	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.	en
dc.description.mark	C	cs
dc.identifier.citation	DUDA, J. Prediktivní modelování v jazyce Python [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2019.	cs
dc.identifier.other	122196	cs
dc.identifier.uri	http://hdl.handle.net/11012/180603
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	predikce	cs
dc.subject	strojové učení	cs
dc.subject	jazyk Python	cs
dc.subject	klasifikace	cs
dc.subject	regrese	cs
dc.subject	technické identifikátory	cs
dc.subject	neuronové sítě	cs
dc.subject	SVM	cs
dc.subject	MARS	cs
dc.subject	finanční analýza	cs
dc.subject	index S&P 500	cs
dc.subject	časové řady	cs
dc.subject	Monte Carlo	cs
dc.subject	Data mining	en
dc.subject	prediction	en
dc.subject	machine learning	en
dc.subject	Python language	en
dc.subject	classification	en
dc.subject	regression	en
dc.subject	technical indicators	en
dc.subject	neural networks	en
dc.subject	SVM	en
dc.subject	MARS	en
dc.subject	financial analysis	en
dc.subject	index S&P 500	en
dc.subject	time series	en
dc.subject	Monte Carlo	en
dc.title	Prediktivní modelování v jazyce Python	cs
dc.title.alternative	Predictive Modelling with Python	en
dc.type	Text	cs
dc.type.driver	bachelorThesis	en
dc.type.evskp	bakalářská práce	cs
dcterms.dateAccepted	2019-06-12	cs
dcterms.modified	2019-09-02-09:04:30	cs
eprints.affiliatedInstitution.faculty	Fakulta informačních technologií	cs
sync.item.dbid	122196	en
sync.item.dbtype	ZP	en
sync.item.insts	2025.03.18 19:27:07	en
sync.item.modts	2025.01.17 09:48:34	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

Prediktivní modelování v jazyce Python

Files

Original bundle

Collections