TOMANČEKOVÁ, V. Přístupy učení neuronových sítí s nevyrovnaným datasetem [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2023.
Předložená bakalářská práce studentky Vicianové je celkově na výborné úrovni. Studentka během semestru byla velmi aktivní a pravidelně konzultovala dosažené výsledky a případné problémy. Z počátku během vypracování práce studentka projevila mírné nedostatky v praktických zkušenostech s programováním, které ji občas zdržely. Nicméně, oceňuji, že studentka postupem času značně pokročila ve svých programovacích dovednostech a ve výsledku praktickou část zvládla na výbornou. Rešerše a teoretická část práce jsou na výborné úrovni. Studentka pečlivě navrhla a implementovala pět experimentů, jejichž výsledky důkladně uvádí a diskutuje. V některých případech je diskuse příliš podrobná, a může tak působit trochu zmateně a snižovat přehlednost práce. Také nepřesné zarovnání a viditelný tmavý rámeček u grafů ruší celkevý dojem jinak z velmi pěkné práce. Přesto je z předložené práce zřejmé, že studentka dobře rozumí problematice a je schopna analyzovat a diskutovat problémy z biomedicínské oblasti na bakalářské úrovni. Na základě výše uvedeného považuji práci jako velmi zdařilou a doporučuji k obhajobě se stupněm A - 98 bodů.
Studentka Veronika Vicianová vypracovala bakalářskou práci na téma Přístupy učení neuronových sítí s nevyrovnaným datasetem. V rámci teoretické části práce byla provedena obsáhlá rešerše tématu se zaměřením na architekturu konvolučních neuronových sítí, algoritmů učení a problémy s tím spojené včetně práce s nevyváženým datasetem. Věnuje se také výčtu metrik používaných pro hodnocení vlastností modelů. Správně zde upozorňuje na problém zavádějících hodnot parametru přesnost (accuracy), ale danou skutečnost dále nijak nereflektuje. V praktické části studentka navrhla 5 experimentálních postupů augmentace dostupných datasetů. Experimenty implementovala a výsledky řádně komentovala a uvedla do kontextu. Po formální stránce bych vytkl práci s grafy, kdy jednotlivé křivky sledující chybu učení zobrazují rozdílný rozsah hodnot. V souhrnu práci hodnotím jako velice zdařilou, a to stupněm A, 93 bodů.
eVSKP id 150835