Získávání znalostí z dat pojišťovny
but.committee | doc. Ing. Tomáš Martínek, Ph.D. (předseda) Ing. Ivana Burgetová, Ph.D. (člen) Ing. Vladimír Veselý, Ph.D. (člen) doc. Mgr. Adam Rogalewicz, Ph.D. (člen) Ing. Tomáš Milet, 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 E. | cs |
but.jazyk | čeština (Czech) | |
but.program | Informační technologie | cs |
but.result | práce byla úspěšně obhájena | cs |
dc.contributor.advisor | Bartík, Vladimír | cs |
dc.contributor.author | Kříž, Ondřej | cs |
dc.contributor.referee | Burgetová, Ivana | cs |
dc.date.created | 2024 | cs |
dc.description.abstract | Tato bakalářská práce se zabývá problematikou získávání znalostí z databází. Jejím cílem je z provozních dat nejmenované pojišťovny sestavit algoritmicky zpracovatelné datasety, které budou následně analyzovány funkcemi knihovny scikit-learn jazyka Python za použitím různých algoritmů z oblasti klasifikace a algoritmu FP-growth v oblasti tvorby silných asociačních pravidel a následné vyhodnocení výsledků. | cs |
dc.description.abstract | This bachelor thesis deals with the issue of knowledge discovery from databases. Its aim is to compile algorithmically processable datasets from operational data of an unnamed insurance company, which will subsequently be analyzed by functions of the scikit-learn library in the Python language using various classification algorithms and the FP-growth algorithm in the area of creating strong association rules and subsequent evaluation of results. | en |
dc.description.mark | E | cs |
dc.identifier.citation | KŘÍŽ, O. Získávání znalostí z dat pojišťovny [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2024. | cs |
dc.identifier.other | 154630 | cs |
dc.identifier.uri | http://hdl.handle.net/11012/246917 | |
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 | získávání znalostí z databází | cs |
dc.subject | dolování z dat | cs |
dc.subject | scikit-learn | cs |
dc.subject | programovací jazyk Python | cs |
dc.subject | klasifikace | cs |
dc.subject | rozhodovací strom | cs |
dc.subject | náhodný les | cs |
dc.subject | vícevrstvé perceptrony | cs |
dc.subject | frequent-pattern strom | cs |
dc.subject | frekventované množiny | cs |
dc.subject | silná asociační pravidla | cs |
dc.subject | pojišťovna | cs |
dc.subject | knowledge discovery from databases | en |
dc.subject | data mining | en |
dc.subject | scikit-learn | en |
dc.subject | Python programming language | en |
dc.subject | classification | en |
dc.subject | decision tree | en |
dc.subject | random forest | en |
dc.subject | multilayer perceptrons | en |
dc.subject | frequent-pattern tree | en |
dc.subject | frequent itemsets | en |
dc.subject | strong association rules | en |
dc.subject | insurance company | en |
dc.title | Získávání znalostí z dat pojišťovny | cs |
dc.title.alternative | Knowledge Discovery from Data of an Insurance Company | en |
dc.type | Text | cs |
dc.type.driver | bachelorThesis | en |
dc.type.evskp | bakalářská práce | cs |
dcterms.dateAccepted | 2024-06-11 | cs |
dcterms.modified | 2024-06-17-08:45:42 | cs |
eprints.affiliatedInstitution.faculty | Fakulta informačních technologií | cs |
sync.item.dbid | 154630 | en |
sync.item.dbtype | ZP | en |
sync.item.insts | 2025.03.18 21:01:12 | en |
sync.item.modts | 2025.01.15 16:05:08 | 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 |