Využití metod ML a XAI pro detekci anomálií z událostních logů v automobilovém průmyslu v jazyce Python

Název práce: Využití metod ML a XAI pro detekci anomálií z událostních logů v automobilovém průmyslu v jazyce Python
Autor(ka) práce: Remešová, Kateřina
Typ práce: Bakalářská práce
Vedoucí práce: Kliegr, Tomáš
Oponenti práce: Máša, Petr
Jazyk práce: Česky
Abstrakt:
Cílem bakalářské práce je poskytnout podrobný přehled metod pro detekci anomálií a zkoumat jejich aplikaci na data v automobilovém průmyslu. V teoretické části jsou rozebrány jednotlivé metody, včetně tradičních statistických, vzdálenostních a pravidlových přístupů, stejně jako moderních strojových učení (ML), jako jsou Isolation Forest a Local Outlier Factor (LOF). Dále je zdůrazněna důležitost vysvětlovat blackboxová řešení pomocí metod Explainable Artificial Intelligence (XAI), které umožňují... zobrazit celý abstrakt
Klíčová slova: Detekce anomálií; Isolation Forest; LOF; XAI
Název práce: The Utilization of ML and XAI Methods for Anomaly Detection fro Event Logs in Automotive Industry using Python
Autor(ka) práce: Remešová, Kateřina
Typ práce: Bachelor thesis
Vedoucí práce: Kliegr, Tomáš
Oponenti práce: Máša, Petr
Jazyk práce: Česky
Abstrakt:
The aim of this bachelor thesis is to provide a detailed overview of anomaly detection methods and to investigate their application to automotive industry data. The theoretical part discusses each method, including traditional statistical, distance and rule-based approaches, as well as modern machine learning (ML) approaches such as Isolation Forest and Local Outlier Factor (LOF). Furthermore, the importance of explaining black box solutions using Explainable Artificial Intelligence (XAI) method... zobrazit celý abstrakt
Klíčová slova: Anomaly detection; Isolation Forest; LOF; XAI

Informace o studiu

Studijní program / obor: 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: 17. 6. 2022
Datum podání práce: 8. 5. 2023
Datum obhajoby: 14. 6. 2023
Identifikátor v systému InSIS: https://insis.vse.cz/zp/80979/podrobnosti

Soubory ke stažení

    Poslední aktualizace: