ZELENÁK, M. Multiagentní systém učící se predikovat uživatelské interakce v rámci Smart Home [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2025.

Posudky

Posudek vedoucího

Janoušek, Vladimír

Student přistupoval k řešení svědomitě a zadání splnil. Poměrně komplexní celková architektura realizovaného systému je smysluplně navržena a je prokazatelně funkční. Jelikož většina experimentů a jejich vyhodnocení proběhla v režimu offline s předem definovanými uživatelskými preferencemi a online režim je sice demonstrovatelný, ale bez další analýzy jeho běhu, mé hodnocení je "B" (jinak by hodnocení mohlo být "A").

Dílčí hodnocení
Kritérium Známka Body Slovní hodnocení
Informace k zadání Smyslem zadání bylo navrhnout a realizovat systém, který na základě predikce uživatelských interakcí s inteligentní budovou  může sám tyto interakce provádět. Učení a ověření se očekávalo v simulovaném prostředí. Zadání bylo splněno.
Práce s literaturou Studijní materiály si student vyhledal sám a použil je smysluplně.
Aktivita během řešení, konzultace, komunikace Během řešení proběhla řada pravidelných konzultací, upřesňujících priority a směřování k cíli. Student věnoval kromě návrhu a realizace multiagentní architektury systému hodně času experimentům s neuronovými sítěmi nad daty získanými simulací a jejich vyhodnocování offline. Interaktivní online propojení simulace a řídicího multiagentního systému bylo realizováno a otestováno, ale přišlo na řadu poněkud později, takže na některé zajímavé experimenty již nezbyl čas. Výsledkem je tedy prostředí, umožňující mnohem více zajímavých experimentů, než které byly v rámci práce provedeny a vyhodnoceny.
Aktivita při dokončování Vedoucí byl o průběhu prací průběžně informován. Práce byla dokončena včas a s finálním obsahem zprávy byl vedoucí obeznámen.
Publikační činnost, ocenění -
Navrhovaná známka
B
Body
85

Posudek oponenta

Kočí, Radek

Student se zaměřil na návrh a relizaci multiagentního prostředí pro Smart Home, experimenty s učením různých neuronových sítí a srovnáním jejich vhodnosti. Vytvořil simulátor pro generování dat (simulované chování uživatele), na základě kterých pak prováděl tránování a validaci. Také vytvořil nástroj simulující běžný chod domácnosti, který umožňuje průběžnou korekci (doučování). Bohužel, tato část není přiliš vysvětlena a popsána v technické zprávě. Vzhledem k charakteru práce bych spíše než experimenty s různými neuronovými sítěmi očekával experimenty se změnami chování uživatele v čase, se souběhem různých uživatelů a jejich charakteristik apod. Tedy experimenty vycházející z reálného prostředí, v kterém by měl být systém nasazen.

Dílčí hodnocení
Kritérium Známka Body Slovní hodnocení
Náročnost zadání Náročnost zadání považuji za mírně obtížnější vzhledem k poměrně širokému záběru tématu a předpokladu práce s realistickými modely senzorů a aktuátorů.
Rozsah splnění požadavků zadání V práci postrádám specifikaci požadavků na inteligentní řízení Smart Home (část bodu 3 zadání) a práci s realistickými modely senzorů a aktuátorů (část bodu 5), nebo alespoň vyjádření, jak se student s těmito požadavky vypořádal.
Rozsah technické zprávy
Prezentační úroveň technické zprávy 80 Prezentační úroveň je velmi dobrá, text je vhodně členěn na kapitoly. Postrádám jasné vymezení požadavků na systém a vysvětlení volby prostředků, např. neuronové sítě.
Formální úprava technické zprávy 85 Formální i jazyková úprava práce má velmi dobrou úroveň. 
Práce s literaturou 85 Výběr studijních pramenů je dostatečný a odpovídá tématu práce. Student odlišuje převzaté a vlastní myšlenky.
Realizační výstup 75 Implementace je funkční, odpovídá požadavkům a popsaným přístupům. Zdrojové kódy jsou zčásti komentované, pro potenciální další vývoj bych očekával podrobnější programovou dokumentaci.
Využitelnost výsledků V aktuálním stavu je práce zřejmě těžko nasaditelná do reálného prostředí. Bylo by potřeba provést více experimentů zaměřených tímto směrem.
Navrhovaná známka
C
Body
78

Otázky

eVSKP id 164617