LICHTBLAUOVÁ, A. Interpretace učebního procesu klasifikátoru fibrilace síně [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2023.
Studentka Anna Lichtblau předložila bakalářskou práci na téma “Interpretace učebního procesu klasifikátoru fibrilace síně” s cílem vyhodnotit rozlišnosti v učebních klasifikátorů do 3, resp. 4 skupin s důrazem na rozlišení mezi paroxysmální a persistující fibrilací síně (FS). Práce je zpracována na 36 stranách textu (úvod-závěr), který ovšem obsahuje opravdu většinově text. Část obrázků, především grafické podpory výsledků, je potom součástí příloh. Teoretická část práce vychází z předchozí odevzdané semestrální práce, která byla zpracována poměrně dobře. Vybraná témata rešerše většinově se zadáním souvisí, ocenila bych systematičnost při výběru nejaktuálnějších přístupů na základě četnosti publikovaných prací. V praktické části práce autorka implementovala 2 modely, jejichž architektura vychází z dostupné literatury. Byť byly evidentně vyzkoušeny různé možnosti nastavení modelů, je s podivem, že nejlepší stejně zůstalo původní nastavení uvedené ve článku. Některé zmíněné dílčí výstupy práce nejsou dokumentovány vůbec, což je škoda. Způsobilost jednotlivých modelů třídit zadané kategorie odpovídá předpokladu, jde o poměrně složitý problém, a autorka diskutuje jak složení datasetu, tak použitou architekturu a parametry učení. Bohužel, v části práce se odchýlila od pravidla vyváženého datasetu pro klasifikační úlohu. Praktická část práce bohužel trpí tím, že byla evidentně psána v časové tísni a nebyla možná její jazyková revize před odevzdáním. Text je dost chaotický, přeskakuje z jedné myšlenky na jinou (např. jsou v textu použity číselné výsledky ještě předtím, než se vůbec použitý model popíše). Bohužel se vyskytují i vágní formulace, které by technická zpráva obsahovat neměla (“zdravý signál”, “nula značí nemožné”, “přesnost byla lehce vyšší”). Po formální stránce jsou problematické především změny oproti šabloně, je použito jiné řádkování, na straně 23 pak text dokonce přetekl do poznámky pod čarou. V textu se nachází poměrně velké množství chyb a překlepů. Text vychází ze 42 literárních zdrojů, z nichž na některé není v textu odkázáno, některé nejsou v seznamu literatury zapsány korektně. Popisky obrázků by měly být zarovnány ke středu. Práci autorky v průběhu semestru nemohu hodnotit, protože neproběhla ani jedna konzultace. Text byl k revizi zaslán až těsně před odevzdáním a poznámky z této revize se do konečné podoby práce nepromítly. Oproti zmíněným, většinou formálním, nedostatkům bych ráda vyzdvihla samostatnost studentky a její schopnost vypořádat se s odbornými texty. Po obsahové stránce je práce dostatečná, a zadání práce je splněno. Práci hodnotím stupněm E, 55 bodů.
Studentka Anna Lichtblau vypracovala bakalářskou práci na téma interpretace učebního procesu klasifikátoru fibrilace síní. V teoretické části studentka popisuje fibrilaci síní metody strojového učení. Dále vlastnosti použitých dat. Ty dělí na dvě skupiny – obdrženou databázi a doplňkové volně dostupné zdroje. V praktické části jsou popsány možnosti předzpracování signálu. Jsou implementovány převzaté architektury neuronových sítí, ze kterých jsou vytvořeny dva modely pro klasifikaci dat do 3 a 4 kategorií. Výsledky jsou komentovány a graficky znázorněny. Práce trpí řadou formálních a metodologických nedostatků. První zmíněné vycházejí pravděpodobně z nepoužití oficiální šablony pro text BP, ale i přes tento fakt jsou v práci nefungující hypertextové odkazy a odkazy na obrázky, které neodpovídají textu. V práci nejsou doloženy zdroje k volně dostupným databázím dat stejně tak jako k vyjmenovaným augmentačním metodám. Naopak uvedené zdroje 16, 40, 41, 42 nejsou citovány. V textu je nemalá míra překlepů. Úvod kapitoly 2 je pro práci irelevantní. Struktura práce není přehledná. Text skáče střídavě od výsledků k nastavení metod. V rámci metodologie studentka často uvádí, že jí zkoumané parametry byly ponechány na stejných hodnotách z převzaté architektury. Následně často upozorňuje na výpočetní náročnost vytvořených modelů, což odpovídá faktu, že k modelu přidala dvě konvoluční vrstvy. Počty filtrů v jednotlivých vrstvách studentka neměnila, stejně jako počet neuronů a v plně propojených vrstvách. Vyjmenované parametry učení studentka také neměnila. Studentka uvádí obvykle používané hodnoty parametru batch size a následně volí hodnotu, která neodpovídá ani jedné z nich. V práci je uvedeno, že bylo měněno pořadí vrstev, ale tato skutečnost není nijak dokumentována. S přihlédnutím ke všem vyjmenovaným skutečnostem hodnotím práci stupněm F, 40 bodů.
eVSKP id 150812