Theses at VŠE
Not a member yet
77250 research outputs found
Sort by
The Phenomenon of Economic Well-Being – Measurement Possibilities and Comparative Development in Selected Countries
No full textGross Domestic Product (GDP) has long been the most widely used indicator for measuring economic activity and, frequently, also the well-being of the population. However, it fails to capture key dimensions of well-being, such as inequality, health, leisure time, environmental quality, and others. This thesis explores the concept of economic well-being and the possibilities of its measurement. It addresses the limitations of GDP as a well-being indicator, the methodologies of selected well-being indices, and the contrast between the current state of knowledge and contemporary approaches to measuring well-being. The theoretical section describes the methodologies of the Human Development Index (HDI – UN) and the Better Life Index (BLI – OECD), and assesses the extent to which these indices reflect the current state of knowledge (as outlined, for example, in the Stiglitz Report) and capture the aspects of well-being that GDP per capita overlooks. The empirical section evaluates the level of well-being in the Czech Republic and Sweden between 2014 and 2022, based on the identification of strengths and weaknesses of well-being as captured by the above-mentioned indices. It also identifies Eurostat-tracked indicators that—if monitored on a global scale—could contribute to more meaningful international comparisons of well-being levels. The findings of the comparative analysis suggest that the Czech Republic lags behind Sweden in terms of well-being to a lesser extent than in GDP per capita, underscoring the importance of incorporating additional dimensions of well-being into its measurement.Hrubý domácí produkt (HDP) je dlouhodobě nejpoužívanějším ukazatelem pro měření ekonomické aktivity a často i blahobytu obyvatelstva, ale v tomto případě opomíjí jeho zásadní dimenze jako nerovnost, zdraví, volný čas, kvalitu životního prostředí a další. Diplomová práce se zabývá fenoménem ekonomického blahobytu a možnostmi jeho měření, věnuje se limitům HDP v roli indikátoru blahobytu, metodologii vybraných indexů blahobytu a konfrontaci mezi stavem poznání a současnými přístupy k měření blahobytu. Teoretická část popisuje metodologii Human Development Index (HDI – OSN) a Better Life Index (BLI – OECD) a umožňuje posoudit, nakolik vybrané indexy blahobytu reflektují stav poznání (popsaný například v tzv. Stiglitzově zprávě) a měří ty aspekty blahobytu, které HDP na obyv. nezohledňuje. Praktická část jednak nabízí zhodnocení úrovně blahobytu v ČR a ve Švédsku v letech 2014-2022 na základě identifikace silných a slabých stránek blahobytu podle výše zmíněných indexů, jednak identifikuje indikátory sledované Eurostatem, které by – za podmínky jejich globálního sledování – umožnily smysluplnější mezinárodní srovnání úrovně blahobytu. Dle výsledků komparativní analýzy těchto indexů ČR v blahobytu zaostává za Švédskem méně než v HDP na obyv., což ukazuje na důležitost zohledňování dalších aspektů blahobytu při jeho měření
Bohatství Zdrojů a Ekonomický Růst Sředních a Západních Regionů Číny, 2001–2020
No full textThis study investigates the relationship between resource abundance and economic growth in 18 provinces of central and western China from 2001 to 2020. Using provincial panel data and fixed-effects models, it examines both the baseline “resource curse” hypothesis and four transmission channels: policy openness, human capital and innovation, industrial structure, and governance. Results show that resource abundance is positively associated with GDP per capita, but the effect depends on policy and institutional quality. Provinces with greater openness to foreign investment benefit more from their resources, while no significant evidence is found for crowding-out, “Dutch disease” or a strong resource–corruption link. The findings suggest that resources alone do not determine growth; openness, institutional quality, and diversification are key to turning resource wealth into sustainable development.Tato studie zkoumá vztah mezi bohatstvím zdrojů a ekonomickým růstem v 18 provinciích střední a západní Číny v letech 2001 až 2020. Na základě panelových dat z jednotlivých provincií a modelů s fixními efekty zkoumá jak základní hypotézu „prokletí zdrojů“, tak čtyři přenosové kanály: otevřenost politiky, lidský kapitál a inovace, průmyslová struktura a správa věcí veřejných. Výsledky ukazují, že bohatství zdrojů má pozitivní vliv na HDP na obyvatele, ale tento vliv závisí na kvalitě politiky a institucí. Provincie s větší otevřeností vůči zahraničním investicím těží ze svých zdrojů více, zatímco nebyly nalezeny žádné významné důkazy o vytlačování, „holandské nemoci“ nebo silné vazbě mezi zdroji a korupcí. Výsledky naznačují, že zdroje samy o sobě nerozhodují o růstu; klíčem k přeměně bohatství zdrojů v udržitelný rozvoj je otevřenost, kvalita institucí a diverzifikace
THE GOVERNMENT COALITION'S PENSION REFORM PROPOSAL 2021-2025 AND ITS IMPACT ON BUDGET SUSTAINABILITY
No full textPředmětem diplomové práce je kritické zhodnocení důchodové reformy prosazené vládní koalicí v období 2021–2025 z hlediska jejího vlivu na rozpočtovou udržitelnost. Teoretická část vymezuje penzijní systémy (způsoby financování a typy penzijních plánů), přibližuje vývoj a současnou podobu českého důchodového systému po roce 1989 a shrnuje demografické a fiskální souvislosti, které rámují potřebu změn. Součástí je i přehled schválených opatření z let 2023–2024 jako východisko pro následnou analýzu. V praktické části je zkonstruován hodnoticí rámec sledující fiskální efektivitu, dlouhodobou udržitelnost, distribuční dopady a rizikovost, na jehož základě jsou posouzeny jednotlivé prvky reformy. Analýza pokrývá fiskální dopady opatření v horizontu 2025–2030 i 2031–2064 a pracuje s projekcemi důchodového účtu a náhradového poměru, zohledňuje citlivost vůči klíčovým předpokladům a porovnává přijatou reformu s návrhy Komise pro spravedlivé důchody. Součástí jsou rovněž scénáře posunu důchodového věku a vlastní doporučení pro úpravy prvního a třetího pilíře. Výsledky ukazují, že reforma významně posiluje fiskální udržitelnost, zároveň však zavádí nové hranice a prvky složitosti, které mohou snižovat transparentnost a srozumitelnost systému; dopady jednotlivých opatření se přitom liší a vyžadují pečlivé vyhodnocování v čase.The thesis provides a critical assessment of the pension reform enacted by the government in 2021–2025, focusing on its impact on fiscal sustainability. The theoretical section delineates pension systems (financing methods and plan types), outlines the evolution and current design of the Czech pension system since 1989, and summarizes the demographic and fiscal context motivating change. It also reviews the measures adopted in 2023–2024 as a basis for the subsequent analysis. The practical section builds an evaluation framework tracking fiscal efficiency, long-term sustainability, distributional effects, and risk, and applies it to individual components of the reform. The analysis covers fiscal impacts over the short and medium term (2025–2030) and the long term (2031–2064), draws on projections of the pension account and the replacement rate, incorporates sensitivity to key assumptions, and compares the enacted reform with proposals of the Fair Pensions Commission. It also develops scenarios for shifts in the statutory retirement age and offers recommendations for adjustments to the first and third pillars. The results indicate that the reform materially strengthens fiscal sustainability but introduces new thresholds and layers of complexity that may reduce transparency and comprehensibility; the effects of individual measures differ and require careful monitoring over time
Application of Biomimetic Algorithms in Cybersecurity for Anomaly Detection
No full textTato práce se zabývá návrhem a vyhodnocením biomimetického přístupu pro detekci anomálií v síťovém provozu. V teoretické části je nejprve uveden kontext kybernetické bezpečnosti a význam detekce anomálií, dále jsou popsány principy biomimetických algoritmů, jejich rozdělení a konkrétní vybrané metody. Na základě rešerše a definovaných kritérií byl pro praktickou část zvolen algoritmus negativní selekce, inspirovaný mechanismy imunitního systému. Vstupní atributy pro tento model byly vybrány pomocí LightGBM. Algoritmus je nejprve implementován v základní podobě, která pracuje pouze s vybranými atributy. Následně je tento přístup rozšířen o doménová pravidla, která umožňují dynamické přizpůsobení citlivosti detekce. Výsledky ukazují, že právě hybridní přístup dosahuje nejvyšší úspěšnosti detekce. Permutační analýza potvrdila význam přenosových příznaků a objemových charakteristik pro rozhodování modelu. Zároveň byla vyhodnocena účinnost jednotlivých pravidel, která ukázala, jak důležitá je jejich formulace. Navržené řešení bylo ověřeno na reálném datasetu a ukázalo potenciál pro nasazení v prostředích s omezenou dostupností označených dat. Součástí práce je kód v jazyce Python, který umožňuje replikaci a další rozvoj navrženého postupu.This thesis focuses on the design and evaluation of a biomimetic approach for anomaly detection in network traffic. The theoretical part first introduces the context of cybersecurity and the importance of anomaly detection, followed by an explanation of the principles of biomimetic algorithms, their classification, and a detailed overview of selected methods. Based on a literature review and defined criteria, the negative selection algorithm inspired by the mechanisms of the immune system was chosen for the practical part. Input features for the model were selected using LightGBM. The algorithm was first implemented in a basic version using only the selected attributes. Subsequently, this approach was extended with domain-specific rules that enable dynamic adjustment of detection sensitivity. The results show that the hybrid approach achieves the highest detection performance. A permutation analysis confirmed the importance of transmission features and volume-based characteristics in model decision-making. Additionally, the effectiveness of individual rules was evaluated, highlighting the importance of their formulation. The proposed solution was validated on a real dataset and demonstrated potential for deployment in environments with limited availability of labeled data. The thesis includes Python code that allows for replication and further development of the proposed method
The Position of Czechia and Poland in Agri-Food Value Chains
No full textThis dissertation assesses and compares the position of Czechia and Poland in agri-food global value chains (GVCs). While both countries are EU members with similar geographic and economic profiles, their agri-food sectors differ significantly due to historical and structural factors. The analysis combines GVCs indicators, trade and production data, and firm-level insights to examine integration patterns, value creation, and competitiveness. A central part of the analysis is based on Inter-Country Input-Output (ICIO) tables, which allow for standardized measurement of value-added trade and GVCs participation. Findings show that Czechia is positioned more upstream, specializing in raw and semi-processed goods, with strong dependence on imports of final products. Poland, by contrast, holds a more downstream position, with a diversified production base and strong export performance in processed food. Firm-level analysis further highlights differences in ownership, efficiency, and structure. The study contributes to the limited literature on agri-food GVCs in Central and Eastern Europe and offers insights relevant to trade policy, rural development, and economic resilience.Tato disertační práce hodnotí a porovnává postavení České republiky a Polska v agro-potravinářských globálních hodnotových řetězcích (GVC). Přestože jsou obě země členy EU s podobným geografickým a hospodářským profilem, jejich agro-potravinářské sektory se výrazně liší v důsledku historických a strukturálních faktorů. Analýza kombinuje ukazatele GVC, údaje o obchodu a výrobě a poznatky na úrovni firem k posouzení integračních vzorců, tvorby hodnoty a konkurenceschopnosti. Klíčová část analýzy vychází z meziodvětvových mezinárodních input-output (ICIO) tabulek, které umožňují standardizované měření obchodu s přidanou hodnotou a účasti v GVC. Zjištění ukazují, že Česká republika má spíše upstreamovou pozici, specializuje se na suroviny a polotovary a je silně závislá na dovozu finálních produktů. Polsko má naopak spíše downstreamovou pozici s diverzifikovanou výrobní základnou a silným exportním výkonem v oblasti zpracovaných potravin. Analýza na úrovni firem dále odhaluje rozdíly ve vlastnické struktuře, efektivitě a organizaci sektoru. Studie přispívá k omezené literatuře o agro-potravinářských GVC ve střední a východní Evropě a nabízí poznatky relevantní pro obchodní politiku, rozvoj venkova a ekonomickou odolnost
Harmonizace lidské povahy s umělou inteligencí: Vývoj rámce sebeurčení pro společnou tvorbu kódu
No full textPsal se rok 1967, když Marvin Minsky snil o myslích – těch lidských i těch křemíkových – jak překračují hranice svých osamělých možností. Téhož roku zachytil Brian Randell neodmyslitelně společenskou povahu softwarového inženýrství slovy o ,,více-lidské konstrukci více-verzových programů”. Dnes se proroctví stává skutečností. Umělá inteligence – člověkem stvořená, a přece mu cizí – mění samu podstatu tvoření programů. Tato práce hledá příhodný způsob rozdělování rolí mezi lidi a stroje při psaní kódu. Opírá se přitom o teorii sebeurčení a poznání lidské povahy. Vývojáři, náhle vrženi do nového způsobu spolupráce se stroji, se potřebují opřít o soustavu, jež by sladila lidskou vůli s mocí algoritmů. Bádání postupuje pěti cykly dle zásad vědy o návrhu: První zkoumá metodami behaviorální vědy a kritického realismu, jak povaha člověka určuje jeho roli. Druhý a třetí, vedeny pragmatickou axiologií, budují a rozšiřují soustavu Role Optimization Motivation Alignment (ROMA) o spolupráci s umělou inteligencí. Čtvrtý cyklus tvoří rozšíření základního softwarového a agilního profilu normy ISO/IEC 29110 pro velmi malé společnosti, pátý pak vše ověřuje pokusem a fenomenologickými rozhovory s dvěma sty experimentálními účastníky a šestačtyřiceti vypravěči. Výzkum ukázal, že ROMA skutečně posiluje sebeurčení a soudržnost skupin, když optimalizuje role dle povahy, ať již jde o spolupráci člověka se strojem či člověka s člověkem („Human ⧉ AI”). Vynořilo se pět povahových obrazů: Průzkumník (zvídavý a otevřený), Dirigent (společenský a přívětivý), Řemeslník (citlivý a samotářský), Stavitel (svědomitý a pořádný) a Proměnlivec (vyrovnaný ve všem). Když lidé dostávají úkoly podle své povahy, roste jejich vnitřní zápal – u zkušených o čtvrtinu, u žáků až o dvě třetiny. Volba způsobu, jak stroj pomáhá (druhý pilot, spolu-navigátor či samostatný činitel), se ukázala být klíčová pro udržení duševní pohody. Práce přináší trojí užitek: (1) pokusem ověřenou soustavu, jež spojuje povahové rysy s tím, jaké úlohy programátor rád vykonává a jak sám sebe určuje; (2) rozdělení způsobů, jak člověk může s umělou inteligencí jednat při zachování svébytnosti, přiřazené k různým povahám; (3) doplněk k vybraným profilům mezinárodní normy, aby i nejmenší společnosti mohly rozdělovat práci dle povah svých lidí.In 1967, Marvin Minsky envisioned minds—biological and artificial—collaborating beyond their individual limitations. That same year, Brian Randell captured software engineering’s irreducibly social nature as the “multi-person construction of multi-version programs.” Today, the prophecy becomes reality. Artificial intelligence, that ‘man-made yet alien’ presence, transforms the very nature of collaborative programming itself. This dissertation optimizes human-AI programming roles through self-determination theory and personality psychology. As developers encounter AI collaboration—experiencing a technological thrownness into unprecedented relational dynamics—frameworks must emerge that harmonize human agency with algorithmic augmentation. The research employs Design Science Research across five systematic cycles: Cycle 1 explores personality-role causal relationships through behavioral science methods. Cycles 2 & 3 adopt pragmatist axiology to design and extend the Role Optimization Motivation Alignment (ROMA) framework with AI integration. Cycle 4 develops an ISO/IEC 29110 Software Basic Profile & Agile Guidelines extension for Very Small Entities, while Cycle 5 validates through in-situ test artifacts and empirical triangulation, engaging 200 experimental participants and 46 interview respondents. Results demonstrate that ROMA significantly enhances self-determination and team dynamics through personality-driven role optimization in both human-human and human-AI (“Human ⧉ AI”) collaborative contexts. Five distinct personality archetypes emerge: The Explorer (high Openness), The Orchestrator (high Extraversion/Agreeableness), The Craftsperson (high Neuroticism/low Extraversion), The Architect (high Conscientiousness), and The Adapter (balanced profile). Personality-aligned role assignments increase intrinsic motivation by an average of 23% among professionals and up to 65% among undergraduates, with AI mode selection (Co-Pilot, Co-Navigator, Agent) proving crucial for self-determination need satisfaction. The dissertation contributes: (1) an empirically-validated framework linking personality traits to programming role preferences and self-determination outcomes; (2) a taxonomy of AI modalities mapped to personality profiles while preserving human agency; and (3) an ISO/IEC 29110 extension enabling VSEs to implement personality-driven role optimization within established standards
Modeling and Optimization of an Investment Portfolio Using Mathematical and Statistical Tools
No full textThis dissertation focuses on designing and optimizing investment portfolios using mathematical and statistical methods. The thesis aims to evaluate whether a proactive approach and appropriate algorithmic strategies can achieve better results in terms of profitability and risk than passive investment in market indices. To this end, selected methods are first described and defined in detail, particularly graph theory (as a tool of discrete mathematics) and various statistical methods such as correlation and cluster analysis. This is followed by an overview of the current state of knowledge regarding the application of graph theory in the context of investment portfolio creation, supplemented by the author's own scientific publications. Subsequent sections present the design and specification of specific strategies, alongside their analysis, comparison, and quantification of performance. Each proposed strategy is defined in detail, both verbally and mathematically. We then model various scenarios for the development of a portfolio compiled using a specific strategy by means of simulation analysis. As well as the profitability of the given strategies, we compare other attributes important to investors, such as strategy risk, which can be quantified using standard deviation or the coefficient of variation. For comparison purposes, we also employ a market benchmark in the form of a market index purchase, as well as an active risk minimization strategy based on Markowitz's portfolio theory. At the end of the analytical section, we perform a more comprehensive analysis of the profitability of the individual strategies, together with statistical testing of the differences between them. The work also involves comparing the computational complexity of the algorithms used to compile the strategies. We consider the innovative approach to portfolio optimization using discrete mathematics tools, appropriately supplemented by a number of statistical methods, to be the scientific contribution of this work. It offers investors new strategies for portfolio creation, all of which are discussed in detail and compared with standard methods. All strategies are tested on real empirical data, which we consider to be a practical contribution of the submitted dissertation. The thesis raises a number of questions suitable for discussion and may also be of interest to individual investors interested in an active approach to portfolio creation. This is because the thesis shows that this approach allows investors to achieve a better return on their investment than the market index offers.Dizertačná práca sa venuje návrhu tvorby a optimalizácie investičného portfólia s využitím matematicko-štatistických metód. Cieľom práce je zhodnotiť, do akej miery možno aktívnym prístupom a vhodnými algoritmickými stratégiami dosiahnuť lepšie výsledky z pohľadu výnosnosti a rizika ako v prípade pasívneho investovania do trhového indexu. Na dosiahnutie tohto cieľa sú najprv podrobne opísané a definované vybrané metódy, najmä teória grafov (ako nástroj diskrétnej matematiky) a iné štatistické metódy, ako napríklad korelačná a zhluková analýza. Následne sa uskutočňuje prehľad súčasného stavu poznania v oblasti aplikácie teórie grafov v kontexte tvorby investičného portfólia, ktorý je doplnený vlastnými vedeckými publikáciami autora. Ďalšie časti práce predstavujú návrh a špecifikáciu konkrétnych stratégií spolu s ich analýzou, porovnaním medzi sebou a kvantifikáciou ich výkonností. Každá navrhovaná stratégia je podrobne definovaná slovne aj matematicky. S využitím každej jednej stratégie pomocou simulačnej analýzy modelujeme rôzne scenáre vývoja portfólia zostavené pomocou konkrétnej stratégie. Okrem výnosnosti daných stratégií porovnávame aj iné atribúty, ktoré sú pre investora dôležité, napríklad riziko stratégie, ktoré možno kvantifikovať pomocou smerodajnej odchýlky alebo variačného koeficientu. Na porovnanie je využívaný aj trhový benchmark v podobe nákupu trhového indexu a aktívna stratégia minimalizácie rizika s využitím Markowitzovej teórie portfólia. V závere analytickej časti je vykonaná aj komplexnejšia analýza výnosností jednotlivých stratégií spolu so štatistickým testovaním rozdielov medzi jednotlivými stratégiami. Časť práce je venovaná aj komparácii výpočtovej zložitosti jednotlivých algoritmov, ktoré pri zostavovaní stratégií používame. Za vedecký prínos práce považujeme inovatívny prístup k optimalizácii portfólia s využitím nástrojov diskrétnej matematiky, vhodne doplnený množstvom štatistických metód. Investorovi ponúka návrh nových stratégií na tvorbu portfólia, pričom všetky tieto stratégie sú podrobne diskutované a porovnávané so štandardnými metódami. Všetky stratégie sú testované na reálnych empirických dátach, čo považujeme za praktický prínos predkladanej dizertačnej práce. Práca otvára množstvo otázok vhodných na diskusiu a okrem vedeckej komunity môže byť zaujímavá aj pre individuálneho investora, ktorý má záujem o aktívny prístup k tvorbe portfólia, nakoľko z práce vyplýva, že týmto aktívnym prístupom dokáže investor dosahovať lepšie zhodnotenie svojich prostriedkov, ako mu ponúka trhový index.Disertační práce se věnuje návrhu tvorby a optimalizace investičního portfolia s využitím matematicko-statistických metod. Cílem práce je zhodnotit, do jaké míry lze aktivním přístupem a vhodnými algoritmickými strategiemi dosáhnout lepších výsledků z pohledu výnosnosti a rizika, než v případě pasivního investování do tržního indexu. K dosažení tohoto cíle jsou nejprve podrobně popsány a definovány vybrané metody, zejména teorie grafů (jako nástroj diskrétní matematiky) a jiné statistické metody, jako například korelační a shluková analýza. Následně se uskutečňuje přehled současného stavu poznání v oblasti aplikace teorie grafů v kontextu tvorby investičního portfolia, který je doplněn vlastními vědeckými publikacemi autora. Další části práce představují návrh a specifikaci konkrétních strategií spolu s jejich analýzou, porovnáním mezi sebou a kvantifikací jejich výkonností. Každá navrhovaná strategie je podrobně definována slovně i matematicky. S využitím každé jedné strategie pomocí simulační analýzy modelujeme různé scénáře vývoje portfolia sestavené pomocí konkrétní strategie. Kromě výnosnosti daných strategií porovnáváme i jiné atributy, které jsou pro investora důležité, například riziko strategie, které lze kvantifikovat pomocí směrodatné odchylky nebo variačního koeficientu. Pro srovnání je využíván i tržní benchmark v podobě nákupu tržního indexu a aktivní strategie minimalizace rizika s využitím Markowitzovy teorie portfolia. V závěru analytické části je provedena i komplexnější analýza výnosností jednotlivých strategií spolu se statistickým testováním rozdílů mezi jednotlivými strategiemi. Část práce je věnována také komparaci výpočetní složitosti jednotlivých algoritmů, které při sestavování strategií používáme. Za vědecký přínos práce považujeme inovativní přístup k optimalizaci portfolia s využitím nástrojů diskrétní matematiky, vhodně doplněný řadou statistických metod. Investorovi nabízí návrh nových strategií na tvorbu portfolia, přičemž všechny tyto strategie jsou podrobně diskutovány a porovnávány se standardními metodami. Všechny strategie jsou testovány na reálných empirických datech, což považujeme za praktický přínos předkládané disertační práce. Práce otevírá množství otázek vhodných k diskusi, a kromě vědecké komunity může být zajímavá i pro individuálního investora, který má zájem o aktivní přístup k tvorbě portfolia, neboť z práce vyplývá, že tímto aktivním přístupem dokáže investor dosahovat lepšího zhodnocení svých prostředků, než mu nabízí tržní index
Aproximace agregovaných dat na nižší úrovně
No full textDisaggregating socio-economic indicators from coarse regional aggregates to finer spatial units is a recurring challenge in public policy and statistical analysis. While traditional methods such as areal interpolation and regression assume full supervision or spatial continuity, they fall short when fine-grained ground truth is unavailable. This thesis proposes a modular, simulation-based pipeline for approximating fine-resolution values from coarse inputs using auxiliary features. The method combines unsupervised clustering, simulation of district-level targets consistent with known regional aggregates, and supervised learning on the synthetic data. It is designed to generalize across different indicators and domains. The pipeline is evaluated on two tasks: unemployment prediction and education level estimation at the district level in the Czech Republic. Using voting data and household structure as auxiliary inputs, the method consistently outperforms strong baselines and reproduces intra-regional variation more faithfully than models trained directly on coarse labels. The results demonstrate that meaningful disaggregation is possible even under partial supervision, offering a scalable solution for real-world deployment in data-scarce environments.Disagregace socioekonomických ukazatelů z hrubých regionálních agregátů na jemnější úroveň území představuje opakovaný problém ve veřejné správě i statistické analýze. Tradiční metody, jako je spatial interpolation nebo regresní modely, předpokládají úplnou znalost cílových hodnot nebo prostorovou spojitost, což v praxi často neplatí. Tato práce navrhuje modulární pipeline založenou na simulaci, která umožňuje přibližování jemnozrnných hodnot z agregovaných vstupů za použití pomocných proměnných. Navržený přístup kombinuje neřízené shlukování, simulaci okresních hodnot v souladu s krajskými průměry a učení s učitelem nad syntetickými daty. Metoda je koncipována tak, aby byla použitelná napříč různými indikátory a datovými sadami. Pipeline je testována na dvou úlohách: predikci nezaměstnanosti a odhadu podílu vysokoškolsky vzdělané populace na úrovni okresů v České republice. Pomocí dat o domácnostech a volebních výsledcích jako pomocných vstupů dosahuje metoda lepších výsledků než silné baseline modely a lépe vystihuje vnitroregionální rozdíly. Výsledky ukazují, že smysluplná disagregace je možná i bez dostupnosti cílových hodnot na nižší úrovni, a nabízejí tak škálovatelný přístup vhodný pro praktické využití v prostředí s omezenými daty
Development of abortion in Poland in the European context after 1990
No full textDiplomová práce se zabývá vývojem potratovosti v Polsku po roce 1990 v kontextu společenských, legislativních a demografických změn. Cílem práce je analyzovat dlouhodobé trendy potratovosti a zasadit je do širšího evropského rámce prostřednictvím mezinárodního srovnání. Hlavními ukazateli jsou úhrnná míra potratovosti, index potratovosti, věkově specifické míry plodnosti, úhrnná plodnost a věk matky při narození dítěte. Vývoj těchto ukazatelů je zkoumán na základě dat z mezinárodních statistických zdrojů, zejména Eurostatu či Human Fertility Database, případně Johnston`s Archive. V analytické části je využit model časových řad ARIMAX, který umožňuje kvantifikovat dopad legislativních opatření na vývoj potratovosti v Polsku, konkrétně zákona z roku 1993 a rozhodnutí Ústavního soudu z roku 2020. Práce reflektuje nejen vliv legislativních změn, ale i hodnotových faktorů a náboženského kontextu na reprodukční chování polské populace. Zjištěné výsledky potvrzují, že Polsko se v evropském kontextu vyznačuje mimořádně nízkou potratovostí, která je úzce spojena s restriktivní legislativou a silným společenským vlivem katolické církve. Práce tak přispívá k hlubšímu pochopení demografických a sociokulturních specifik reprodukčního chování ve střední a východní Evropě po roce 1990.The thesis deals with the development of abortion in Poland after 1990 in the context of social, legislative and demographic changes. The aim of the work is to analyse long-term trends in abortion and to place them in a wider European framework through international comparison. The main indicators are the abortion rate, the abortion ratio age-specific fertility rates, total fertility rates and the age of the mother at birth. The development of these indicators is examined based on data from international statistical sources, in particular Eurostat or the Human Fertility Database, or Johnston's Archive. The analytical part uses the ARIMAX time series model, which allows quantifying the impact of legislative measures on the development of abortion in Poland, specifically the 1993 Act and the 2020 Constitutional Court decision. The work reflects not only the influence of legislative changes, but also value factors and religious context on the reproductive behavior of the Polish population. The results confirm that Poland is characterized by an exceptionally low abortion rate in the European context, which is closely linked to restrictive legislation and the strong social influence of the Catholic Church. The work thus contributes to a deeper understanding of the demographic and sociocultural specifics of reproductive behavior in Central and Eastern Europe after 1990
Vylepšení doporučování v e-commerce pomocí strojového učení a grafových databází
No full textThis thesis tackles the critical challenge of delivering relevant product recommendations in e-commerce environments where data sparsity and "Cold-Start" users (those with no history) render traditional algorithms ineffective. To solve this, the work proposes and implements a novel Inductive Hybrid Recommendation System. This architecture uniquely combines structural learning with deep semantic understanding, utilizing GraphSAGE—an inductive Graph Neural Network—to model complex user-item relationships, and Sentence-BERT (SBERT) to generate rich semantic embeddings from unstructured product text. These features are synthesized by a supervised XGBoost Ranker, optimized for a Pairwise Ranking objective to ensure high-quality list ordering. Evaluated on a large-scale Amazon Reviews dataset using a strict chronological split to prevent data leakage, the hybrid model demonstrated superior robustness. While a traditional Content-Based Baseline failed completely for new users (0% success), the Hybrid model achieved a 15% Hit Rate for cold-start users, effectively solving the zero-start problem. Simultaneously, it outperformed the baseline for established users with an 84.6% improvement in ranking quality (nDCG). Beyond quantitative success, the system leverages the Neo4j graph database to visualize decision pathways, providing interpretability and trust in the recommendations. The thesis concludes by outlining a deployment roadmap and proposing future enhancements such as Multi-Modal Feature Fusion using CLIP to integrate visual data for even richer discovery.Tato diplomová práce se zabývá kritickou výzvou v oblasti e-commerce: poskytováním relevantních doporučení produktů v dynamickém prostředí, kde řídkost dat a uživatelé s tzv. studeným startem (Cold-Start) – tedy ti bez historie interakcí – činí tradiční algoritmy neefektivními. K vyřešení tohoto problému práce navrhuje a implementuje nový Induktivní hybridní doporučovací systém. Tato architektura unikátním způsobem kombinuje strukturální učení s hlubokým sémantickým porozuměním. Využívá GraphSAGE – induktivní grafovou neurální síť – k modelování složitých vztahů mezi uživateli a položkami, a model Sentence-BERT (SBERT) ke generování bohatých sémantických embeddingů z nestrukturovaného textu produktů. Tyto příznaky jsou následně syntetizovány pomocí supervizovaného modelu XGBoost Ranker, který je optimalizován pro úlohu párového řazení (Pairwise Ranking), což zajišťuje vysokou kvalitu uspořádání finálního seznamu doporučení. Model byl vyhodnocen na rozsáhlém datasetu Amazon Reviews s využitím striktního chronologického rozdělení dat, aby se zabránilo úniku informací z budoucnosti (data leakage). Hybridní model prokázal vynikající robustnost. Zatímco tradiční Content-Based Baseline u nových uživatelů zcela selhal (0% úspěšnost), hybridní model dosáhl 15% Hit Rate u uživatelů se studeným startem, čímž efektivně vyřešil problém nulové historie. Zároveň překonal referenční model i u etablovaných uživatelů, kde dosáhl zlepšení kvality řazení (nDCG) o 84,6 %. Kromě kvantitativních výsledků systém využívá grafovou databázi Neo4j k vizualizaci rozhodovacích cest modelu, což zajišťuje interpretovatelnost a zvyšuje důvěru v poskytovaná doporučení. Práce je zakončena návrhem strategie nasazení a nastíněním budoucích vylepšení, jako je využití Multi-Modal Feature Fusion s modelem CLIP pro integraci vizuálních dat a ještě efektivnější objevování produktů