TSYMBAL, K. Detekce anomálií v průmyslových řídicích systémech na základě strojového učení [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2023.
Práce je prezentována srozumitelně, dobře členěna a jednotlivé části na sebe logicky navazují. Práce má adekvátní rozsah 89 stran. Formální úroveň práce je až na výjimky (místo výpisy zdrojových kódů obrázky, prezentace tabulky 1.1, prázdná místa mezi textem a obrázky atd.) na velmi dobré úrovni. Jazyková úroveň práce je na dobré úrovni, v práci lze však nalézt drobné gramatické chyby, občas špatně zvolená slovní spojení a také občas nevhodně zvolené definice. Tyto chyby nejsou však příliš časté. V teoretické části práce bych vytknul nadbytečnost kapitoly 2, která pro práci není nijak významná a je shrnutím obecné teorie. Naopak bych vyzdvihnul kapitolu 3 věnující se databázi a metodologii, která je velmi pečlivě zpracována. Práce obsahuje 90 zdrojů literatury, které autorka vhodně využívá. Kladně hodnotím aktivitu studentky během semestru. Studentka pravidelně konzultovala a měla zájem o danou problematiku. Zadání práce bylo splněno, vytknul bych však část věnující se strojovému učení bez učitele, tato část mohla být zpracována lépe a podrobněji. Vytknul bych také neúplnost části diskuze, kde chybí pečlivější srovnání vůči ostatním vědeckým pracím na podobné téma a s tím související komentář k přístupům učení s učitelem a bez učitele. Kladně hodnotím zpracování praktické části 4.2.1 věnující se algoritmům učení s učitelem, která byla důkladně zpracována. Zadání práce považuji za splněné a výstupy práce jako prakticky využitelné, pro oblast detekce anomálií v průmyslových řídicích systémech. Práce může napomoci k vytváření vhodných metod pro detekci anomálií na základě procesních dat. Celkově práci hodnotím B/84.
Studentka se v předložené práci zaměřuje na problematiku detekce anomálií v průmyslových řídicích systémech. Práce je napsána celkem na 89 stranách včetně příloh a je logicky členěna do čtyř kapitol. Z formálního hlediska práce obsahuje místy nespisovné tvary slov a chybnou interpunkci. Uváděný zdrojový kód je prezentován formou obrázků místo výpisů. Studentka se místy dopouští sporných tvrzení, např. uvádí, že matice záměn je užitečná zejména při práci s nevyváženými soubory dat, je také použit termín „útočná data“. Studentka vypracovala v rámci teoretické části práce srovnání odborných článků zabývajících se problematikou, ovšem uvedené reference mají chybné číslování, resp. některé publikace jsou tak následně citovány dvakrát, např. citace č. 13 a č. 32 nebo č. 28 a č. 35. Z pohledu praktické části, studentka vhodně využila veřejně dostupnou datovou sadu pro klasifikaci dat s využitím strojového učení i neuronových sítí. Praktická část místy obsahuje odborné nedostatky a text je v některých sekcích mírně chaotický. Obrázek 4.5, 4.7 je chybně nazván matice záměn (rozličný počet řádků a sloupců). V praktické části také postrádám bližší rozbor a odůvodnění výběru finální struktury neuronové sítě. V práci jsou výsledky testování znázorněny shrnovacími tabulkami, kde jsou zobrazeny všechny důležité parametry a výsledky, ale postrádám bližší popis v textu. I přes výše zmíněné nedostatky považuji výsledky práce za funkční a v praxi využitelné. Zadání práce považuji také za splněné. Práci doporučuji k obhajobě s bodovým hodnocením B/82 bodů.
eVSKP id 151279