Data mining na reálných datech týkajících se onemocnění Covid-19

The diploma thesis is focused on use of data mining applied on real data obtained from the Keggle.com portal. The real data is presented by a dataset focusing on the Covid-19 pandemic which has affected the whole world and it is oriented towards the country with the second largest population in the world which is India. During the writing of this thesis, Covid-19 was in full swing and the future was uncertain. Various sectors including healthcare, industry, transport, gastronomy etc. have been paralyzed. This thesis is focused on the use of data mining in the field of healthcare. It describes various practices in the industry such as: diagnostics, fraud detection and improving patient care. Data mining can be also very helpful in fighting a global contagion such as Covid-19. The thesis not only describes the concept of data mining in the field of healthcare, but it also defines it in general. The data mining process in this thesis is performed according to the CRISP-DM methodology, which is one of the most popular ones. The practical part proceeds according to the individual phases of this methodology with the support of the Rapid Miner Studio tool. An analysis is performed in this tool, the outcomes of which represent the main aim of this thesis. Specifically, it is the answer to the three analytical questions set at the beginning of the practical part, presented by visual outputs of graphs and tables. Known algorithms, such as decision trees, logistic regression and Bayesian classifier, are used in the practical part and they are as well described at the theoretical level.

Diplomová práce se zabývá použitím data miningu na reálných datech získaných z portálu Keggle.com. Reálná data jsou reprezentována datasetem zaměřeným na pandemii Covid-19, která ochromila celý svět a jsou orientována na zemi s druhou největší populací na světě, jíž je Indie. V době, kdy práce vznikala, bylo šíření viru Covid-19 v plném proudu a bylo otázkou, co přinese budoucnost. Ochromena byla různá odvětví jako zdravotnictví, průmysl, doprava, gastronomie a mnoho dalších. Tato práce je zaměřena na použití data miningu právě v oblasti zdravotnictví. Popisuje různé praktiky v tomto odvětví jako zejména diagnostiku, odhalování podvodů a zlepšení péče o pacienta. Data mining může velmi pomoci i při boji proti globální nákaze, jakou je právě Covid-19. Práce nepopisuje pojem data mining jen na úrovni použití v oblasti zdravotnictví, ale také jej definuje na všeobecné úrovni. Proces data miningu v této práci je proveden podle metodiky CRISP-DM, která je jednou z nejpopulárnějších. Praktická část postupuje podle jednotlivých fází této metodiky za podpory nástroje Rapid Miner Studio. V tomto nástroji je uskutečněna analýza, jejíž výsledky představují cíl této práce. Konkrétně je to zodpovězení třech analytických otázek stanovených na začátku praktické části, prezentovaných vizuálními výstupy ve formě grafů a tabulek. V praktické části jsou použity známé algoritmy jako rozhodovací stromy, logistická regrese a Bayersův klasifikátor, které jsou samozřejmě popsány i na teoretické úrovni.