ŠALAMOUN, J. Klasifikace signálů denní aktivity nasnímaných zařízením Faros [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2018.
Student Jan Šalamoun se zabýval tématem Klasifikace signálů denní aktivity nasnímaných zařízením Faros. Faros je zařízení snímající EKG a akcelerometrická data. V teoretické části jsou popsány všechny oblasti potřebné pro vypracování praktické části – denní aktivita, akcelerometrie, srdeční aktivita i algoritmy strojového učení vhodné pro klasifikaci aktivit (neuronové sítě a algoritmus podpůrných vektorů). Dále je popsán způsob snímání dat a výběr celkem deseti aktivit, které budou v práci klasifikovány. Následuje popis příznaků vstupujících do automatického klasifikátoru a klasifikace samotné. Vše je doplněno vhodnými obrázky. Výsledky jsou vhodně a obsáhle diskutovány. Podrobně jsou analyzovány všechny provedené kroky. Vše je otestováno na testovací množině. Práci lze vytknout větší množství hrubých chyb v pravopisu (nevhodné používání i/y, čárek ve větách). Student v druhém semestru pracoval velmi aktivně a práci pravidelně konzultoval. Po odborné stránce je práce na velmi dobré úrovni. Navrhuji známku A, 91 bodů.
Student nastudoval a v práci popsal možnosti záznamu a klasifikace aktivity člověka s využitím záznamníku Faros. Realizoval tři různé přístupy k rozpoznávání 10 různých aktivit, které otestoval na velkém souboru dat. Součástí práce je i rozsáhlá statistická analýza výsledků a jejich diskuze. Zadání diplomové práce tak považuji za splněné. Po formální stránce je práce spíše na průměrné úrovni. Práce má od úvodu po závěr solidních 62 stran z čehož 46 stran je věnováno praktické části. Práce také obsahuje solidních 46 zdrojů literatury. Dojem formální stránky práce kazí zejména podivná konstrukce některých vět a hrubky (např. poslední věta abstraktu), překlepy (viz popis obrázku 2.1), horší kvalita některých obrázků (např. obrázek 3.2), nebo zbytečně veliký obrázek 4.1. Po odborné stránce je práce na nadprůměrné úrovni. Realizace tří odlišných metod a jejich otestování na poměrně rozsáhlé skupině dat je více než dostačující a stejně tak jejich rozsáhlá statistická analýza. Vytkl bych ale vybrané složení 10 různých aktivit. Některé aktivity jsou trochu duplicitní (3x chůze) a některé naopak postrádám (např. jízda dopravním prostředkem, nebo spánek). Finální otestování na jednom jediném 7 minutovém záznamu také není dostatečné k vyvození obecně platných závěrů vzhledem k použitelnosti algoritmů v praxi. I přes uvedené výhrady práci hodnotím jako nadprůměrnou a hodnotím ji stupněm velmi dobře/B.
eVSKP id 110552