Testování rozhodovacích algoritmů na notebooku Jupyter

Bc. Radek Fajgl

Master's thesis

Decision algorithms testing using Jupyter notebook

Abstract:

Tato diplomová práce se zabývá testováním rozhodovacích algoritmů, které je prováděno na notebooku Jupyter. Hlavním cílem práce je demonstrovat možnosti využití notebooku Jupyter pro řešení rozhodovacích problémů na vybraném datovém souboru. Práce obsahuje dvě hlavní části. První část je teoretická a je v ní nejprve vysvětlena architektura notebooku Jupyter a práce v jeho prostředí. Dále jsou v ní vysvětleny základní pojmy týkající se problematiky umělé inteligence a strojového učení. Jsou v ní též popsány algoritmy strojového učení, které budou v praktické části práce využívány. Praktická část práce se zabývá vytvořením kompletní metodiky pro řešení rozhodovacích problémů. Nejprve jsou v ní uvedeny možnosti získání vhodných dat. Následně je vybrán datový soubor. Poté je na notebooku Jupyter provedena analýza zvoleného datového souboru, která je následovaná sestavováním předpovědních modelů pomocí algoritmů strojového učení. Modely jsou otestovány a zhodnoceny jejich výsledky.

Abstract:

This diploma thesis deals with testing decision algorithms, which is performed on a Jupyter Notebook. The main goal of this thesis is to demonstrate the possibilities of using a Jupyter Notebook to solve decision problems on a selected data file. This thesis contains two main parts. The first part is theoretical and first explains the architecture of the Jupyter Notebook and the work in its environment. It also explains the basic concepts related to artificial intelligence and machine learning. It also describes machine learning algorithms that will be used in the practical part of this thesis. The practical part of this thesis deals with the creation of a complete methodology for solving decision problems. First, it presents the possibilities of obtaining suitable data. Then a data file is selected. Then, the analysis of the selected data file is performed on the Jupyter Notebook, which is followed by the compilation of prediction models using machine learning algorithms. The models are tested and their results are evaluated.

Keywords

strojové učení, konvoluční sítě, hluboké učení, notebook jupyter

Keywords

machine learning, convolutional networks, deep learning, notebook jupyter

Language used: Czech

Date on which the thesis was submitted / produced: 30. 3. 2022

Thesis defence

• Supervisor: doc. Ing. Arnošt Veselý, CSc.

Czech University of Life Sciences Prague

Faculty of Economics and Management

Master programme / field:
Systems Engineering and Informatics / Informatics