Srovnání klasických a cloudových přístupů k data miningu

Název práce: Porovnanie klasických a cloudových prístupov k data miningu
Autor(ka) práce: Dvorská, Daša
Typ práce: Bakalářská práce
Vedoucí práce: Chudán, David
Oponenti práce: Kliegr, Tomáš
Jazyk práce: Slovensky
Abstrakt:
Predmetom tejto bakalárskej práce je porovnanie vybraných nástrojov pre data minig so zameraním na rozdiely medzi nástrojmi klasickými a cloudovými. Práca postupuje od predstavenie data miningového procesu na základe metodiky CRISP-DM, cez obecný popis cloudových a klasických prístupov a zhodnotením ich výhod a nevýhod. V praktickej časti sú vybrané produkty z oboch kategórií z rôznych hľadísk porovnávané, a výsledky porovnávania nástrojov následne tvoria podklad pre vyvodenie záverov.
Klíčová slova: Azure Machine Learning Studio; BigML; CRISP-DM; data mining; KNIME; MLaaS; RapidMiner
Název práce: A Comparison of Traditional and Cloud Approaches to Data Mining
Autor(ka) práce: Dvorská, Daša
Typ práce: Bachelor thesis
Vedoucí práce: Chudán, David
Oponenti práce: Kliegr, Tomáš
Jazyk práce: Slovensky
Abstrakt:
The subject of this bachelor thesis is a comparison of the chosen tools for data mining, aiming at the difference between classical and cloud tools. The thesis advances from the introduction to the data mining process based on the CRISP-DM methodology, through the general description of classical and cloud approaches, towards the evaluation of their advantages and disadvantages. In the practical part, products from both categories are compared from a number of approaches, and the results of the comparison subsequently create a basis for the conclusion.
Klíčová slova: Azure Machine Learning Studio; BigML; CRISP-DM; data mining; KNIME; MLaaS; RapidMiner
Název práce: Srovnání klasických a cloudových přístupů k data miningu
Autor(ka) práce: Dvorská, Daša
Typ práce: Bakalářská práce
Vedoucí práce: Chudán, David
Oponenti práce: Kliegr, Tomáš
Jazyk práce: Slovensky
Abstrakt:
Předmětem této práce je porovnání vybraných nástrojů pro data minig se zaměřením na rozdíly mezi nástroji klasickými a cloudovými. Práce postupuje od představení data miningového procesu na základě metodiky CRISP-DM, přes obecní popis cloudových a klasických přístupů a zhodnocením jejich výhod a nevýhod. V praktické části jsou vybrané produkty z obou kategorií z různých hledisk porovnávány, a výsledky porovnávání nástrojů následně tvoří podklad pro vyvození závěrů.
Klíčová slova: BigML; CRISP-DM; KNIME; Azure Machine Learning Studio; data mining; MLaaS; RapidMiner

Informace o studiu

Studijní program / obor: Aplikovaná informatika/Aplikovaná informatika
Typ studijního programu: Bakalářský studijní program
Přidělovaná hodnost: Bc.
Instituce přidělující hodnost: Vysoká škola ekonomická v Praze
Fakulta: Fakulta informatiky a statistiky
Katedra: Katedra informačního a znalostního inženýrství

Informace o odevzdání a obhajobě

Datum zadání práce: 18. 12. 2018
Datum podání práce: 3. 5. 2019
Datum obhajoby: 11. 6. 2019
Identifikátor v systému InSIS: https://insis.vse.cz/zp/68103/podrobnosti

Soubory ke stažení

    Poslední aktualizace: