KAŠPÁREK, A. Využití strojového učení pro predikci časových řad u počítačové komunikace [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2024.
Práce přináší zajímavé a podrobné výsledky z testování různých predikčních metod aplikovaných na reálná data. Vzhledem k úrovni práce i dosaženým výsledkům navrhuji hodnocení A, 95 bodů.
| Kritérium | Známka | Body | Slovní hodnocení |
|---|---|---|---|
| Informace k zadání | Jednalo se o firemní zadání od firmy AT&T, kde tématem práce bylo zkoumání modelů strojového učení pro predikci časových řad. Cílem práce bylo ověřit, které modely jsou vhodné pro detekci anomálií při monitorování stavu síťových zařízení, kdy monitorovaná data mají charakter časových řad. Student se zaměřil na klasické metody pro modelování časových řad (Moving Average, Autoregrese, model ARIMA) a dále zkoumal použití konvolučních a rekurentních neuronových sítí (CNN, GRU, LSTM). U neuronových sítí student také zkoumal vliv parametrů modelů na přesnost výsledků. Zadání bylo splněna a rozšířeno o metody neuronových sítí, které nebyly v původním zadání. | ||
| Práce s literaturou | Student využíval při řešení doporučenou literaturu i vlastní zdroje. | ||
| Aktivita během řešení, konzultace, komunikace | Student byl během řešení aktivní, pravidelně docházel na konzultace, kde diskutoval navržené řešení. | ||
| Aktivita při dokončování | Práce byla dokončena včas a výsledná podoba konzultována s vedoucím. | ||
| Publikační činnost, ocenění | Práce nebyla publikována. |
Předloženou diplomovou práci hodnotím mírně nadprůměrně (stupněm B) díky neobvykle přesným výsledkům predikce, kterých student dosáhl.
| Kritérium | Známka | Body | Slovní hodnocení |
|---|---|---|---|
| Náročnost zadání | |||
| Rozsah splnění požadavků zadání | |||
| Rozsah technické zprávy | |||
| Prezentační úroveň technické zprávy | 70 | Předložená technická zpráva je psána velmi stručným způsobem a místy zde chybí podstatné informace. Nejdůležitější chybějící informací je způsob rozdělení dat na trénovací a testovací (případně i validační) část. Z textu není jasné, na jak velkém časovém úseku byly použité metody trénovány a testovány. Podrobnější informace k tomu, jak byly laděny parametry jednotlivých modelů, bych také uvítala. | |
| Formální úprava technické zprávy | 74 | Po jazykové stránce se jedná o průměrnou práci. K typografické stránce mám dvě připomínky: nečitelné popisky grafu 5.1 a často se vyskytují dva nadpisy bezprostředně pod sebou, případně obrázek přímo pod nadpisem. | |
| Práce s literaturou | 69 | Práci s literaturou hodnotím jako nejslabší část této diplomové práce. U diplomové práce bych čekala větší využití odborných článků z oblasti predikce časových řad. Převzaté prvky jsou řádně odlišeny od vlastních výsledků a úvah. | |
| Realizační výstup | 90 | V rámci této diplomové student implementoval několik jupyter notebooků, které slouží k trénování a testování různých modelů pro predikci vývoje zvolené časové řady. Notebooky obsahují také části (včetně grafů) nezbytné pro volbu vhodných parametrů použitých modelů. I když realizační výstup této práce není příliš rozsáhlý, navrhuji nadstandardní hodnocení díky neobvykle dobré přesnosti natrénovaných modelů. | |
| Využitelnost výsledků | Modely pro predikci řad typicky nelze přímo (včetně parametrů) použít pro různé časové řady. Nicméně postup volby parametrů, který student využil, se jeví jako velmi dobrý, protože při predikci bylo dosaženo velmi dobrých výsledků. |
eVSKP id 153380