GRÜNWALD, A. Využití metod strojového učení pro úsporu energie v chytré domácnosti [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2024.
Výstupem je funkční řešení umožňující dosáhnout úspory při ohřevu teplé vody, kdy oproti využití jednodušších metod nedochází ke zhoršení uživatelského komfortu.
| Kritérium | Známka | Body | Slovní hodnocení |
|---|---|---|---|
| Informace k zadání | Téma hodnotím spíše jako náročnější, částečně experimentální - vyžadovalo aplikaci metod strojového učení na predikci v rámci časových řad a to pro specifickou aplikaci pro níž nejsou dostupné veřejné datasety a doporučené postupy. S tématem měl částečně pan Grünwald zkušenost již z bakalářské práce a z projektové praxe. V diplomové práci pak šlo o ověření využitelnosti metod strojového učení. Přes možné nedostatky byl dle mého hlavní cíl, ověření použitelnosti metod strojového učení, splněn. | ||
| Práce s literaturou | Potřebné prameny si pan Grünwald vyhledal sám, případně využil má doporučení. | ||
| Aktivita během řešení, konzultace, komunikace | Postup práce jsme pravidelně konzultovali, pan Grünwald k řešení přistupoval velmi zodpovědně a aktivně, na konzultace byl vždy připraven. | ||
| Aktivita při dokončování | Práce byla dokončena v předstihu a text jsem měl možnost opakovaně připomínkovat, připomínky byly reflektovány. | ||
| Publikační činnost, ocenění | Zdrojové kódy byly zveřejněny na GitHubu a práce byla prezentována na studentské konferenci Excel@FIT, kde získala ocenění od průmyslového partnera. |
Řešitel pracoval na zadaném tématu a vytvořil řešení, které zejména na úrovni hardwarových přípravků a sběru dat má slušnou hodnotu. Oblast strojového učení (která je i podle názvu ústředním tématem diplomové práce) působí jako zcela nezvládnutá, špatně popsaná a patrně nefunkční (nejsou dodány žádné experimenty, které by dokládaly jakoukoli funkci lepší než náhoda, návrh neuronové sítě působí značně nestandardním a nesprávným dojmem). Jako samostatná diplomová práce by předložené dílo působilo slabším dojmem. Tím, že se jedná o pokračování v bakalářce (a možná i projektové praxi), nabízejí se pochybnosti, zda předložená zpráva a realizační výstup vůbec splňují očekávání obvykle kladená na diplomovou práci.
| Kritérium | Známka | Body | Slovní hodnocení |
|---|---|---|---|
| Náročnost zadání | Zadání samo o sobě je středně obtížné. Řešitel se problému věnoval už během své bakalářské práce (v textu citována [17]) a patrně i v projektové praxi. Ve světle toho jsou výsledky a přínosy diplomové práce spíše skromné, či přímo zklamáním. | ||
| Rozsah splnění požadavků zadání | V názvu a v zadání diplomové práce je využití "metod strojového učení". Tyto metody byly využity značně nepoučeným a nesprávným způsobem, s přehlížením úplně základních principů. Řešitel použil neuronovou síť, která ve výsledku má vstupní vrstvu, vrstvu se 100 LSTM buňkami a jediný výstupní neuron. Kromě toho, že vzhled neuronové sítě není popsaný v technické zprávě a musí se dohledat ve zdrojovém kódu, taková síť nepůsobí dojmem rozumného návrhu. Ani následující vyhodnocení není vůbec přehledné ani přesvědčivé (vše v kap. 5.4, 5.5). Činnosti vyvinuté v oblasti strojového učení působí značně rudimentárním dojmem a ukazují na zásadní neznalosti v této oblasti, která je v diplomové práci (už podle názvu) zcela zásadní. Způsob naplnění zadání tedy není velmi uspokojivý. | ||
| Rozsah technické zprávy | |||
| Prezentační úroveň technické zprávy | 65 | Technická zpráva podává výčet různých věcí: zařízení fungujících jako zdroje a spotřebiče energie, různé systémy pro chytré osvětlení, home automation a další. Jedná se ale právě o výčet – z jejich popisu řešitel nečiní žádné závěry, nebere si žádnou inspiraci. Nakonec se zabývá výhradně bojlerem na konvenční elektřinu (stejně jako ve své bakalářské práci), používá jediný systém pro home automation – rozsáhlá kapitola 3 tak vlastně nemá žádný skutečný účel. Popis metod strojového učení je značně formální. Text popisuje triviální modely, někdy nesprávným způsobem (rovnice (2.1) a její popis jsou téměř určitě nesprávně, podobně i jinde), vše v ohromném detailu – a tyto modely pak nejsou použity. Co se skutečně autor snaží použít (neuronové sítě s rekurencí a LSTM a postupy strojového učení) je popsané stručně, povrchně a je zřejmé, že řešitel v této problematice tápe. Kapitola 2.1 míchá popisy metod a nástrojů, výběr je náhodný. Dobře je popsaná hardwarová část řešení (kap. 5.1 a 5.2) – průtokoměr s teploměrem, chytré relé, počítačová řešení pro práci s daty (ty už ne dokonale, návrh softwarové architektury popsaný není). Neuspokojivý je popis použití strojového učení, kap. 5.3, 5.4, 5.5. Není popsaná neuronová síť, nejsou popsané provedené experimenty, výsledkem je pár čísel (třeba RMSE 0,17 a 0,22, bez jednotek, bez interpretace), která nemají žádný význam a nejsou nijak interpretována. Není popsaný způsob validace modelu a patrně proces učení byl hodně nesprávný. Neuronová síť má značně podivný návrh, který postrádá zdůvodnění a jeho výsledky jsou dané do velké míry náhodou. Bylo by na místě zabývat se přínosností jednotlivých příznaků, které jsou vstupem neuronové sítě, to ale v textu (a v celé práci) zcela chybí. Vyhodnocení modelu je epizodické (obr. 5.7 a 5.8) a naprosto neodpovídá základním požadavkům a postupům používaným ve strojovém učení. | |
| Formální úprava technické zprávy | 70 | Formální úprava textu je průměrná. Při odkazování na objekty v textu (kapitoly, obrázky, atp.) notoricky chybí uvedení druhu objektu, na který se odkazuje a odkaz je pouze číslem. Formátování je průměrné – ne hrozné, ne skvělé. Obrázky jsou často převzaté, s různými grafickými styly a měřítky. Citace jsou často za větami či odstavci. | |
| Práce s literaturou | 65 | Technická zpráva formálně cituje velký počet zdrojů. Na práci, která má stát na využití strojového učení, je ale manifestovaná znalost této problematiky zoufale nízká a svědčí o povrchním a nedostatečném (nebo zcela nesprávném) studiu v této oblasti. | |
| Realizační výstup | 50 | Oceňuji hardwarovou část – senzor průtoku a teploty, chytré relé, atd. Není skvělá či převratná, ale působí použitelným a dobrým dojmem. Realizační výstup v oblasti strojového učení je nepřesvědčivý. Navržená neuronová síť má nestandardní design a je pravděpodobně zcela nefunkční. Provedené experimenty (vlastně žádné nejsou a jistě nejsou popsané v technické zprávě) nepomohly řešiteli odhalit skutečné chování neuronové sítě. Problematika strojového učení vypadá řešitelem zcela nezvládnutá a nepochopená. Řešitel stejný problém řešil už ve své bakalářské práci, možná i v nějaké projektové praxi. Experimenty jsou prováděny na stejných dvou bojlerech, používá se stejné chytré relé jako v bakalářské práci. Vzorec (5.1) v DP je stejný jako (6.1) v BP, obr. 3.7 v DP je stejný jako obr. 3.1 v BP. Je legitimní, když student na magisterské diplomové práci pokračuje v tématu z práce bakalářské, ale pak by mělo dojít k prohloubení a usnadnění z "recyklace" části práce by se mohlo projevit dosažením výrazného pokroku, zlepšení. Ve skutečnosti řešitel konstatuje, že jeho "chytřejší" řešení z DP je číselně o něco horší než v BP, testuje na stejných dvou lokalitách, o pár týdnů déle. | |
| Využitelnost výsledků | N/A |
eVSKP id 156586