MICHÁLKOVÁ, E. Korekce koncept driftu v predikčních modelech [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2023.
Studentka Eva Michálková se v rámci své bakalářské práce zabývala korekcí koncept driftu v predikčních modelech. V první polovině akademického roku studentka pracovala svědomitě a výsledky i postup průběžně konzultovala. Práce proto obsahuje kvalitní teoretický základ pro vhled do problematiky praktické části práce. Avšak, i přesto práce obsahuje gramatické nedostatky, které jsou převážně způsobeny ucelením textové podoby práce až během posledních dnů před odevzdáním. V praktické části práce se studentka věnovala implementaci vlastní automatické korekce koncepčního driftu v predikčních klasifikátorech. Studentka správně nejprve otestovala různé metody pro detekci a korekci driftu konceptu a vybrala vhodné nástroje pro následnou vlastní implementaci korekce konceptuálního driftu na metabolických datech. Zmiňovanou funkci nazvala 'auto_correction()', kterou přikládá v příloze své bakalářské práce. Zde mám výtku, že je funkce fitována na analyzovaný dataset se striktně nastaveným parametrem. Tento fakt není v rámci této bakalářské práce považován za chybný, nicméně je velmi limitující pro další využití. Aktivita studentky během posledního semestru byla minimální, proto zadání práce lze sice považovat za splněné, avšak s minimálním impaktem pro další analýzy. Proto práci doporučuji k obhajobě a hodnotím stupněm D (60 bodů).
Studentka Eva Michálková se zabývala zajímavou a aktuální problematikou koncepčního driftu s aplikací do metabolomiky. Formální stránka práce je standardní, i když obsahuje některé překlepy či gramatické chyby. Vlastní popis koncepčního driftu v teoretické části práce je velmi stručný na hraně srozumitelnosti. Pro odborného čtenáře neznalého dané vědní oblasti by bylo vhodnější do popisu vložit více detailů a doprovodit dalšími schematickými obrázky. V části popisující možnosti detekce driftu jsou uvedeny některé základní metody v dostatečném rozsahu. Následný popis metod korekce driftu je velmi stručný, až nedostatečný. Ve třetí kapitole jsou popisovány základy metabolomiky, získávání metabolomických dat, predikčních modelů a algoritmů umělé inteligence formou nesourodé směsi. Zde by bylo vhodné text rozdělit a jednotlivým částem věnovat více prostoru. Ve čtvrté a páté kapitole práce je uvedeno řešení a implementace detekce a korekce koncepčního driftu v rozsahu splňujícím zadání. Postrádám však důkladnou diskusi, která je součástí zadání. Diskuse je nahrazena zhruba 2 odstavci textu v závěru páté kapitoly, kde bych očekávala větší zamyšlení nad výsledky a nad důvody neúspěšnosti použité manuální korekce. Přes uvedené výhrady považuji zadání za splněné.
eVSKP id 150818