MACEK, M. Měření tloušťky kontaminačních vrstev ve skenovací elektronové mikroskopii pomocí zpracování obrazu [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2024.
Celkově považuji práci Matěje Macka za mírně nadprůměrnou. Student vytvořil dvě poměrně jednoduché, ale funkční metody pro měření tloušťky kontaminačních vrstev ve skenovacím mikroskopu a vyhodnotil jejich vlastnosti. Textová část práce dle mého utrpěla až příliš "optimistickým" nasazením velkého jazykového modelu ChatGPT.
| Kritérium | Známka | Body | Slovní hodnocení |
|---|---|---|---|
| Informace k zadání | Zadání považuji za náročnější. Student musel proniknout do problematiky skenovací elektronové mikroskopie a navrhnout a implementovat metody pro měření tloušťky kontaminačních vrstev způsobených prodlouženou expozicí elektronů. S výsledky práce jsem spokojen. | ||
| Práce s literaturou | Student pracoval s literaturou doporučenou vedoucím práce a sám si vyhledával další zdroje, zejména na internetu. | ||
| Aktivita během řešení, konzultace, komunikace | V prvním semestru řešení byla aktivita studenta podprůměrná, v semestru druhém pak narostla a student dodržoval smluvená hlášení o postupu prací a aktivně docházel na schůzky. | ||
| Aktivita při dokončování | Práce byla dokončena v mírném předstihu a její obsah byl konzultován s vedoucím práce. | ||
| Publikační činnost, ocenění | Výsledky práce byly prezentovány na studentské konferenci EXCEL@FIT. |
Řešiteli se podařila implementace a evaluace dvou metod na nově vytvořeném datasetu, který je cenným zdrojem pro další vývoj. Textová část práce je slabší a trpí přílišným spoléháním se na AI asistenta.
| Kritérium | Známka | Body | Slovní hodnocení |
|---|---|---|---|
| Náročnost zadání | Řešitel si zvolil složitější zadání, které vyžaduje seznámení se s elektronovou mikroskopií, metodami pro zpracování obrazu a hlubokými neuronovými sítěmi. | ||
| Rozsah splnění požadavků zadání | |||
| Rozsah technické zprávy | |||
| Prezentační úroveň technické zprávy | 62 | Zpráva obsahuje všechny podstatné části. Za negativní nejvíce hodnotím rozsah jakým řešitel využíval LLM asistenta. Text je příliš roztahaný, věty jsou často přehnané a prázdné. Při delším čtení text zakrývá skutečnou práci řešitele. Řešitel zaměňuje validační a testovací sadu (například na straně 20 nebo v grafu 7.1). Graf 7.1 obsahuje krom ROC křivky a F1 skóre také hodnotu MSE loss funkce. Ta se ale nedá s ostatními porovnat a proto by měla být vynesená zvlášť. V kapitole 7.2 řešitel dochází ke stejnému závěru několika příbuznými metrikami MAE, MSE a RMSE. Lepší by použít jednu metriku a porovnat metody z více úhlů (například zlepšením kvalitativního porovnání). | |
| Formální úprava technické zprávy | 85 | Práce je napsaná dobrou angličtinou a je téměř bez chyb. | |
| Práce s literaturou | 85 | Řešitel cituje dostatek zajímavých a relevantních zdrojů. | |
| Realizační výstup | 82 | Cenným výstupem je vytvoření datasetu několika set obrázků pro segmentaci kontaminačních vrstev. Datasetu momentálně chybí definice validační sady, která se vytváří náhodně při spuštění trénování. Dále se řešiteli podařil návrh a implementace dvou metod odhadu výšky kontaminačních vrstev. Zdrojový kód je čitelný. | |
| Využitelnost výsledků | Práce poskytuje prostor pro vývoj nových metod nad vytvořeným datasetem. Chybějící definice validační sady může komplikovat zopakování výsledků. |
eVSKP id 156288