Analýza a vizualizace dat v pohostinství – David Hanina
David Hanina
Bakalářská práce
Analýza a vizualizace dat v pohostinství
Data analysis and visualization in hospitality business
Anotace:
Bakalářská práce: „Analýza a vizualizace dat v pohostinství“ má za cíl shromáždit volně dostupná data ze sektoru pohostinství a dále je zpracovat a vizualizovat. Práce se věnuje tématům jako sběr, ukládání dat a jaké metody lze využít, ať už pro menší objem dat nebo pro big data. Dále se pak věnuje data miningu, strojovému učení a primárně zpracovávání přirozeného textu, které je pro extrahování nových …víceAbstract:
Bachelor’s thesis: „Data analysis and visualization in hospitality business“ aims to collect freely available data from the hospitality sector and to further process and visualize them. Thesis looks at topics such as storing and collecting data and what methods can be used, whether for a small volume of data or for big data. Thesis also deals with data mining, machine learning and primarily natural …více
Jazyk práce: čeština
Datum vytvoření / odevzdání či podání práce: 9. 12. 2022
Identifikátor:
https://is.muni.cz/th/jlwoj/
Obhajoba závěrečné práce
- Obhajoba proběhla 19. 1. 2023
- Vedoucí: Ing. Ladislav Šiška, Ph.D.
- Oponent: doc. Ing. Radoslav Škapa, Ph.D.
Plný text práce
Obsah online archivu závěrečné práce
Zveřejněno v Theses:- světu
Jak jinak získat přístup k textu
Instituce archivující a zpřístupňující práci: Masarykova univerzita, Ekonomicko-správní fakultaMasarykova univerzita
Ekonomicko-správní fakultaBakalářský studijní program / obor:
Podniková informatika / Podniková informatika
Práce na příbuzné téma
-
Portfolio optimization with quantitative and newspaper sentiment analysis
Nam Hoang -
Sentimentální analýza značky
David Kwolek -
Moderní metody sémantické a sentimentální analýzy textu
Pavel Drtil -
Digital document analysis using machine learning methods
Nicholas Čapek -
Image Analysis Using Machine Learning Models
Norbert Komiňák -
Machine learning analysis and cataloging of extragalactic sources
Matej Kosiba -
Leveraging Machine Learning for Time Series Predictive Analysis
Samuel Ambros -
Analysis and classification of long terminal repeat (LTR) sequences using machine learning approaches
Jakub Horváth