HOMOLA, M. Návrh systému detekce zařízení připojených do elektrické sítě [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2023.
Student Michal Homola vypracoval svoji diplomovou práci ve standardním rozsahu 102 stran, kde podstatnou část textu představují vygenerované výstupy strojového učení. Po formální stránce je text práce charakteristický velmi závažnými nedostatky, vyskytuje se řada typografických chyb, problematické formátování, komplikovaná stylistika textu, neintegrita textu, neodborné vyjadřování a nedodržování zásad práce s literaturou (např. velké množství nevědeckých zdrojů). Po grafické stránce je práce také na nízké úrovni, řada obrázku je pouze převzata, navíc v rastrové podobě. V rámci konzultace realizovaného výstupu se studentem a oponentem této práce, nebyl student schopen přesvědčivě vysvětlit výsledky své práce a ani obhájit postupy a technický charakter způsobu jejich dosažení. Student měl obtíže s orientací v elementárních pojmech řešeného tématu. Ačkoliv výstupy diplomové práce se na první pohled jeví jako relevantní, bylo při prezentaci výsledků zjištěno, že se jedná o prvotní výstupy aplikace jednotlivých metod strojového učení a nebyla provedena žádná optimalizace vstupních parametrů. Předložené výsledky nebyly podrobeny kritickému zhodnocení, zda jsou tyto postupy vhodně zvoleny. Jedná se tak o prezentaci souboru vygenerovaných výstupů bez adekvátního komentáře k jejich správnosti. Student k řešení této práce v průběhu obou semestrů přistupoval velmi vágně, na práci nekladl dostatečný důraz a jeho aktivita byla v průběhu obou semestrů fluktující. Student tak koncentroval svůj čas a úsilí k dokončení práce pouze v posledních týdnech semestru a tato skutečnost se velmi významným způsobem negativně projevila v celkové kvalitě výstupů i předloženého textu. Aplikační potenciál předloženého řešení je velmi nízký, práce v této podobě není příliš přínosná. S ohledem k výše uvedeným důvodům, nezájmu o řešenou problematiku, nízké kvalitě prezentovaných výstupů a neschopnosti tyto výstupy adekvátně obhájit, hodnotím tuto práci stupněm E - 50 bodů.
Student pracoval na zajímavém tématu a snažil se otestovat schopnost několika modelů strojového učení klasifikovat připojené zařízení v síti na základě analýzy šumového spektra. V práci se však nachází mnoho nejasností doprovázené celkovým nekvalitním zpracováním. Student používá nepřesnou terminologii. Některé vágní informace v teorii jsou podloženy literaturou, která však není dohledatelná (odkazuje na nefunkční webové stránky). Student dále uvádí, že v některých případech nebylo možné vygenerovat hodnotu křížové validace. U té se však nepředpokládá, že bude generovat nějakou hodnotu. Není zde navíc uvedeno, proč se nepodařilo model tímto způsobem validovat. Pravděpodobně šlo pouze o špatnou implementaci. To vyústilo v porovnávání modelů, které byly validovány různými způsoby, a nejedná se tak o správný přístup. V práci se také nachází několik anglických termínů z oblasti strojového učení, které se běžně překládají do češtiny: overfitting, decision trees, neural network, support vector machine, confusion matrix nebo K-fold cross validation. Nepřesně pak uvádí, že matice záměn a křížová validace jsou metriky, což indikuje neporozumění v oblasti strojového učení. V tabulkách s výsledky jsou uvedené hodnoty, které nejsou přiřazeny metrikám, ale pouze typu validování modelu. U metriky, které jsou uvedeny, pak není jasné, zda se jedná o průměrnou hodnotu po křížové validaci nebo jsou to výsledky Holdout validace. V práci se tak objevují výsledky představující úspěšnosti modelů, které však student není schopen interpretovat. V závěru pak vybírá zdánlivě vhodný model strojového učení na základě těchto výsledků, kterým však student nerozumí. Práce navíc obsahuje mnoho chyb a překlepů a je zřejmé, že byla psána ve spěchu. Odbornou úroveň hodnotím jako nedostatečnou a práci považuji za nevyhovující.
eVSKP id 152069