Machine learning a moderní Javascript

Informace o vysokoškolské kvalifikační práci

Název práce:
Machine learning a moderní Javascript
Autor práce:
Nepomucký, Pavel
Typ práce:
Diplomová práce / info:eu-repo/semantics/masterThesis
Vedoucí práce:
Chudán, David
Osoba oponující práci:
Zeman, Václav
Jazyk práce:
Czech
Abstrakt:
The subject of this thesis is usage JavaScript programming language in the field of machine learning. Part of the thesis is the implementation of the web application. The web application includes the implementation of three different tasks using the Tensorflow.js JavaScript library. Within this thesis is described the area of machine learning, including the basic terminology of neural networks. The practical part contains examples of implementation of own neural network for the linear regression, number classification and image classification. Image classification tasks describe how to use pre-trained neural network models and apply them in a web application with usage of Keras interface. Implemented tasks are evaluated including their future applicability. The problems encountered during the implementation are described by the author as well.
Klíčová slova:
web application; machine learning; JavaScript; neuronové sítě; Tensorflow.js

Informace o studiu

Studijní program a Studijní obor:
Aplikovaná informatika/Znalostní a webové technologie
Typ studijního programu:
Magisterský navazující studijní program
Jméno přidělované hodnosti:
Ing.
Instituce přidělující hodnost:
University of Economics, Prague
Název fakulty:
Faculty of Informatics and Statistics
Název katedry:
Department of Information and Knowledge Engineering
Instituce archivující a zpřístupňující VŠKP:
University of Economics, Prague

Informace o odevzdání a obhajobě

Datum zadání práce:
3. 1. 2019
Datum podání práce:
28. 4. 2019
Datum obhajoby:
04.06.2019

Soubory ke stažení

Hlavní práce:
55711_xnepp00.pdf [2,32 MB]
Veřejná příloha:
18472_xnepp00.zip [24,73 MB]
Oponentura:
61851_qzemv01.pdf [68,44 kB]
Hodnocení vedoucího:
55711_xchud01.pdf [64,85 kB]

Údaje ze systému InSIS

Identifikátor:
https://insis.vse.cz/zp/55711/podrobnosti