ONDRIA, J. Detekce anomálií v temporálních datech [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2024.

Posudky

Posudek vedoucího

Bartík, Vladimír

S aktivitou studenta jsem velmi spokojen, stejně tak s výsledky diplomové práce. Navrhuji proto hodnocení stupněm A (výborně).

Dílčí hodnocení
Kritérium Známka Body Slovní hodnocení
Informace k zadání Cílem této diplomové práce bylo prostudovat existující metody pro dolování odlehlých hodnot z časových řad, implementovat experimantální aplikaci využívající dostupné knihovny v této oblasti a provést experimenty porovnávající dostupné metody se zvolenými datasety. Myslím si, že student zadání splnil a kvalitně zdokumentoval provedené experimenty.
Práce s literaturou Většinu literatury si student obstaral samostatně, použité prameny pokrývají řešenou problematiku.
Aktivita během řešení, konzultace, komunikace Student během roku několikrát své řešení konzultoval, s jeho celkovou aktivitou jsem spokojen.
Aktivita při dokončování Vše bylo dokončeno včas a s dostatečným předstihem na to, aby byla konečná verze konzultována a upravena dle mých připomínek.
Publikační činnost, ocenění
Navrhovaná známka
A
Body
92

Posudek oponenta

Burget, Radek

Pan Ondria nastudoval větší množství metod pro detekci anomálií a souvisejících nástrojů a implementoval propracovanou aplikaci pro jejich porovnání a experimentální vyhodnocení na různých datových sadách. Způsob řešení i dosažené experimentální výsledky podrobně popsal v technické zprávě, ke které mám jen drobné připomínky. Navrhuji proto hodnotit práci stupněm A.

Dílčí hodnocení
Kritérium Známka Body Slovní hodnocení
Náročnost zadání Cílem zadání je studium problematiky detekce anomálií v časových řadách, souvisejících metod a dostupných softwarových nástrojů  a dále implementace vybraných metod a jejich experimentální vyhodnocení. Tato problematika se v magisterském studiu řeší pouze okrajově a student musel prostudovat množství netriviálních metod, zadání proto hodnotím jako obtížnější.
Rozsah splnění požadavků zadání Zadání považuji za splněné s drobnou odchylkou v bodě 4. Zde zadání požaduje implementaci vybraných metod, přičemž student na základě provedené rešerše spíše jen použil již existující knihovny pro jazyk Python. Na druhou stranu ale porovnal značné množství metod a implementoval za tímto účelem rozsáhlou a propracovanou aplikaci a principy zmíněných metod řádně prostudoval. Za těchto okolností bych  novou implementaci některých metod nepovažoval za účelnou.
Rozsah technické zprávy Technická zpráva se svým rozsahem blíží spíše horní hranici rozmezí obvyklého pro diplomovou práci. To je dáno tím, že se student kromě studia metod detekce anomálií věnoval i realizaci experimentální aplikace a značný prostor je věnován diskusi experimentálních výsledků.
Prezentační úroveň technické zprávy 88 Technická zpráva je dobře strukturovaná a pokrývá jak studijní část zahrnující rozbor relevantních metod, tak i praktickou část sestávající z návrhu a implementace experimentální aplikace a z popisu experimentálního vyhodnocení. Popis metod je pojat spíše do šířky, než do hloubky, což ale odpovídá cílům práce. Experimentálnímu vyhodnocení je věnován značný prostor a oceňuji zejména podrobnou diskusi dosažených výsledků pro každou zkoumanou metodu.
Formální úprava technické zprávy 85 Po formální stránce je technická zpráva velmi pečlivě zpracována, po jazykové ani typografické stránce nemám výhrady. Drobnou připomínku mám k sazbě grafů, kde postrádám popis svislé osy (význam, jednotky). Tato informace je nicméně součástí textu práce. 
Práce s literaturou 90 Seznam použité literatury je poměrně rozsáhlý a skládá se z větší části z odborných knih a článků. Ojediněle se jedná o novinové články ([5, 6]), což může působit podivně, nicméně v kontextu použité datové sady zaměřené na data o počasí tyto zdroje dávají smysl. Jednotlivé zdroje jsou v textu práce pečlivě citovány.
Realizační výstup 96 Implementačním výstupem je propracovaná aplikace s webovým rozhraním, která umožňuje přidávat vlastní datové sady, spouštět nad nimi popsané metody detekce anomálií a přehledně vyhodnotit výsledky, což je mnohem více, než v dané oblasti výzkumu bývá zvykem. Aplikace má propracované uživatelské rozhraní a umožňuje použití v podstatě jakékoliv datové sady ve formátu CSV. Oceňuji i propracovaný způsob ukládání výsledků provedených experimentů s možností vracet se k již provedeným experimentům a využít je i mimo aplikaci.
Využitelnost výsledků Výsledky práce studenta mohou být vodítkem pro volbu vhodné metody detekce anomálií v konkrétní aplikaci. Vytvořený softwarový nástroj je dobře použitelný i pro další experimenty s jinými datovými sadami.
Navrhovaná známka
A
Body
90

Otázky

eVSKP id 160619