A Comparison of Traditional and Cloud Approaches to Data Mining

Thesis title: Porovnanie klasických a cloudových prístupov k data miningu
Author: Dvorská, Daša
Thesis type: Bachelor thesis
Supervisor: Chudán, David
Opponents: Kliegr, Tomáš
Thesis language: Slovensky
Abstract:
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.
Keywords: Azure Machine Learning Studio; BigML; CRISP-DM; data mining; KNIME; MLaaS; RapidMiner
Thesis title: A Comparison of Traditional and Cloud Approaches to Data Mining
Author: Dvorská, Daša
Thesis type: Bachelor thesis
Supervisor: Chudán, David
Opponents: Kliegr, Tomáš
Thesis language: Slovensky
Abstract:
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.
Keywords: Azure Machine Learning Studio; BigML; CRISP-DM; data mining; KNIME; MLaaS; RapidMiner
Thesis title: Srovnání klasických a cloudových přístupů k data miningu
Author: Dvorská, Daša
Thesis type: Bakalářská práce
Supervisor: Chudán, David
Opponents: Kliegr, Tomáš
Thesis language: Slovensky
Abstract:
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.
Keywords: BigML; CRISP-DM; KNIME; Azure Machine Learning Studio; data mining; MLaaS; RapidMiner

Information about study

Study programme: Aplikovaná informatika/Aplikovaná informatika
Type of study programme: Bakalářský studijní program
Assigned degree: Bc.
Institutions assigning academic degree: Vysoká škola ekonomická v Praze
Faculty: Faculty of Informatics and Statistics
Department: Department of Information and Knowledge Engineering

Information on submission and defense

Date of assignment: 18. 12. 2018
Date of submission: 3. 5. 2019
Date of defense: 11. 6. 2019
Identifier in the InSIS system: https://insis.vse.cz/zp/68103/podrobnosti

Files for download

    Last update: