Aplikace strojového učení ve webové aplikaci pro sociální zdrženlivost

Abstract

Táto práca sa zameriava na analýzu štruktúry webovej aplikácie pre sociálnu zdržanlivosť, návrh a implementáciu zmien architektúry aplikácie a integráciu kanálu strojového účenia. Počas tejto práce bol preskúmaný algoritmus pre predpokladanie zaplnenosti miest od spoločnosti Google, jeho vlastnosti, výhody a nevýhody. V rámci práce boli detailne opísané jednotlivé časti webovej aplikácie kdynakoupit.cz a metodológie, ktoré sú využívané pri implementácii. Dôležitou časťou výskumu bolo študovanie implementácie kanálu strojového učenia pomocou moderných nástrojov a techník, od prijímania nových dát, cez ich validáciu po evaluáciu modelov. Praktická časť práce sa zaoberá práve implementáciou tohto cyklu strojového učenia a oddeleniu jednotlivých častí aplikácie podľa ich zodpovedností do viacerých samostatných mikroslužieb. Implementovaná bola aj databáza, ktorá slúži na ukladanie a verzovanie dátových sadov a modelov. Koniec práce sa zaoberá hodnotením implementovaných častí a diskusiou nad dosiahnutými výsledkami.

This thesis focuses on the analysis of the structure of the web application for social distancing, proposal, and implementation of changes in the application architecture and the integration of the Machine Learning Pipeline. During the work, the algorithm for estimating the occupancy of places from Google as the state of the art, its functionality, advantages, and disadvantages, was investigated. Within the work, the individual parts of the web application kdynakoupit.cz and the methodologies that are used in the implementation were described in detail. An important part of the research was the study of the implementation of the Machine Learning Pipeline using modern tools and techniques, from the ingesting of new data, through their validation to the evaluation of models. The practical part of the thesis deals with the implementation of this cycle of machine learning and the separation of individual parts of the application according to their responsibilities into several separate microservices. A database, which is used to store and version datasets and models, was also implemented. The last part deals with the evaluation of the implemented parts and the discussion of the achieved results.