03644ntm a22005057i 4500 000490116 CZ-PrVSE 20210619205335.0 m d cr n|||||||||| 210619s2021 xr fsbm 000 0 cze d NEZPRACOVANÝ IMPORT ABA006 cze ABA006 ABA006 rda Dalecký, Šimon ISIS:112974 dis Clustering of Binary Data in a Distributed Computing Environment eng Shlukování binárních dat v distribuovaném výpočetním prostředí / Šimon Dalecký 2021 ?? stran : digital, PDF soubor Vedoucí práce: Petr Máša Diplomová práce (Ing.)—Vysoká škola ekonomická v Praze. Fakulta informatiky a statistiky, 2021 Obsahuje bibliografii Textový (vysokoškolská kvalifikační práce) Rok obhajoby 2021 Tato diplomová práce se věnuje identifikaci modelových portfolií v rámci rozsáhlých datových souborů, kdy rozměry datových souborů odpovídají desítkám milionů záznamů a tisícovkám popisných atributů. Jedním z nejvhodnějších nástrojů pro zpracování a analýzu rozsáhlých datových souborů je v současnosti Apache Spark, který poskytuje rozhraní pro zpracovávání dat na výpočetních clusterech a pomocí paralelizace zpracování a výpočtů dovoluje v krátkém čase analyzovat rozsáhlé datové soubory. Úlohu identifikace investičních modelových portfolií lze pojmout jako úlohu shlukování dat. Za účelem hledání vhodného algoritmu byla provedena rešerše dostupných implementací shlukovacích algoritmů pro platformu Apache Spark, kdy nebyla nalezena žádná vhodná implementace, pro řešení této úlohy. Cílem této práce je návrh a praktická implementace metody pro shlukování rozsáhlých datových souborů popsaných binárními proměnnými v jazyce Scala, která je použitelná pro paralelní výpočetní zpracování pomocí platformy Apache Spark. Nejdůležitější charakteristikou této metody není nutnost specifikovat počet hledaných shluků. Navrhovaná metoda shlukování byla nejprve evaluována na základě syntetického datového souboru a následně s drobnými modifikacemi ověřena při řešení reálné úlohy identifikace investičních modelových portfolií. Výsledky shlukování na základě navrhované metody byly v souladu s očekáváním dle doménové znalosti zadavatele úlohy a očekává se reálné používání metody ve firmě zadavatele úlohy. Způsob přístupu: Internet znalostní a webové technologie [obor dipl. práce] diplomové práce fd132022 czenas master's theses eczenas big data binární proměnné shluková analýza Spark Máša, Petr ISIS:17194 ths Nevyhoštěný, Radek opn Vysoká škola ekonomická v Praze. Fakulta informatiky a statistiky kn20010709399 dgg https://insis.vse.cz/zp/73152/podrobnosti VŠKP v InSIS https://aleph.vse.cz/neverejny_soubor_prace.pdf Hlavní práce https://insis.vse.cz/zp/73152/posudek/vedouci Hodnocení vedoucího https://insis.vse.cz/zp/73152/posudek/oponent/71683 Oponentura https://insis.vse.cz/zp/73152/podrobnosti dc:identifier NEPOSILAT VSKP vse73152 210609 73152