BATELKA, L. Umělá inteligence na platrofmě nVIDIA Jetson [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2021.
Předložená práce studenta Lukáše Batelky splňuje doporučený rozsah na bakalářskou práci. Od úvodu po závěr čítá 40 stran. Je logicky rozdělena do sedmi kapitol, bez započítání úvodu a závěru. Student se držel požadavku vedoucího sepsat práci tak, aby dobře posloužila případným pokračovatelům na řešeném tématu. Práce proto místy vyznívá popisně, což je cena za splnění tohoto požadavku. Práci považuji za časově i odborně náročnou. Z hlediska formálního má práce velmi dobrou jazykovou i prezentační úroveň. Objevuje se tam jen omezené množství drobných překlepů. Obrázek 3.6 je v papírové verzi málo čitelný, jinak je grafické vyznění práce velmi dobré. Sepsaný dokument obsahuje 25 literárních odkazů. Všechny jsou na zdroje napsané v anglickém jazyce a jsou dostupné online. Ve většině případů se jedná o dokumentaci k využitým nástrojů, což je s ohledem na implementační charakter práce pochopitelné. Za hlavní přínos práce považuji popis nástrojů pro návrh neuronových sítí pro vestavná zařízení a jejich využití k implementaci studentem navržených neuronových sítí na platformě NVIDIA Jetson Nano. Jedná se o poměrně velké softwarové balíky, které jsou ve vývoji a ne vše, jak se student přesvědčil, tam funguje, jak má. Na základě jeho výsledků je možné konstatovat, že doba detekce poruchy mezizávitového zkratu u synchronního motoru na vestavné platformě je v některých případech srovnatelná s periodou řízení elektrických pohonů a bylo by možné ji volat v každém kroku řízení. Student práci nenechal na poslední chvíli a na tématu pracoval rovnoměrně po oba semestry. Pravidelně se připojoval na konzultace, pokud ho netížily jiné studijní povinnosti. Přesto se před jejím odevzdání dostal do časové tísně, která mu možná znemožnila dotáhnout ji do stavu podle jeho představ. Všechny body zadání lze však považovat za splněné. Při řešení bakalářské práce student prokázal bakalářské schopnosti. Navrhuji hodnocení velmi dobře - 88 bodů.
Student vypracoval bakalářskou práci na téma Umělá inteligence na platformě nVIDIA Jetson. Jde o zadaní, které je časově i odborně poměrně náročné. Student musel pracovat nejen s různými nástroji pro trénovaní umělých neuronových síti, ale taktéž se musel potýkat s nástroji, které jsou potřebné pro integraci naučené sítě do modulu nVIDIA Jetson Nano. Během vypracovávání zadaní bylo potřebné, aby se student seznámil s aktuálním stavem nasazení neuronových sítí ve vestavených zařízeních. Tato část je popsána v kapitolách 2 a 3. Použité nástroje pro tvorbu neuronových sítí jsou rozebrány v následující kapitole. V praktické časti práce student navrhl několik jednoduchých struktur neuronových sítí, které následně naučil pomocí poskytnutých dat. Následně popisuje postup, kterým je možné naučenou síť implementovat na platformě nVIDIA Jetson Nano. V poslední časti práce se student věnuje testům přesnosti a porovnaní rychlosti pro různé varianty sítí. Zdrojové kódy vytvořené studentem svědčí o dobrých znalostech programovaní v jazyce Python. Vytvořené zdrojové kódy obsahují nejen funkce pro načítání dát nebo vytvoření, učení a validaci samotných neuronových sítí, ale také funkce na ověření, zda celý proces probíhá správně. V práci je následně popsána funkčnost vytvořených programů. Práce by mohla dát lepší přehled o celé problematice, kdyby v teoretické časti byly ukázány běžně používané struktury neuronových sítí, a také na jaké úlohy se samotné použití neuronových sítí nejvíce hodí. Uvedení tohoto přehledu by však přesahovalo rámec zadání. Práci je možné vytknout některé drobné nepřesnosti. Například, není jasné, zda při měření času výpočtu klasifikace neuronové sítě byla využita akcelerace na GPU, anebo šlo o čas výpočtu čistě pomocí CPU. Dalším problémem jsou nepřesnosti v rozměrech vstupní vrstvy neuronové sítě a rozměrů vstupných/tréninkových dát. Například, z připravených dvojrozměrných tréninkových dát jsou vybírány učícím algoritmem jednorozměrné vzorky (vektory), které jsou postupně předkládány síti v rámci jedné epochy, takže vstupnými daty do samotné sítě nejsou matice ale vektory. Student při vypracování práce čerpá především z dokumentace k použitým SW nástrojům, které jsou velmi obsáhlé. Použité zdroje jsou náležitě citované. Celkově práci hodnotím 82 body (B).
eVSKP id 134794