ŠMÍDA, Š. Návrh prediktorů přesnosti pro konvoluční neuronové sítě [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2023.
Student se detailně obeznámil s problematikou predikce přesnosti konvolučních neuronových sítí pomocí metod strojového učení a navrhl a experimentálně ověřil několik prediktorů přesnosti. Dosažené výsledky by mohly být po doplnění publikovány na mezinárodní vědecké konferenci. Výsledky budou využity v rámci dalších prací výzkumné skupiny Evolvable hardware @ FIT. Technická zpráva je zpracována nadprůměrně kvalitně. Celkově hodnotím práci studenta stupněm výborně.
| Kritérium | Známka | Body | Slovní hodnocení |
|---|---|---|---|
| Informace k zadání | Jedná se o nadprůměrně obtížné zadání, protože předpokládá, že si student doplní vysoce specializované technické znalosti, které nejsou součástí předmětů bakalářského studia. Dále lze konstatovat, že je téma poměrně nové, obsáhlé a dynamicky se vyvíjející. Práce svým záběrem, obsahem i kvalitou experimentálního vyhodnocení překračuje obvyklé bakalářské práce. Dosažené výsledky zcela naplňují požadavky zadání. | ||
| Práce s literaturou | Student samostatně vyhledával literaturu a využíval ji. Práce obsahuje nadprůměrných 69 odkazů. | ||
| Aktivita během řešení, konzultace, komunikace | Student byl během řešení mimořádně aktivní, byl na konzultace výborně připraven a samostatně navrhoval vlastní způsoby řešení zadání. | ||
| Aktivita při dokončování | Finální text práce byl konzultován, mé připomínky byly zapracovány. | ||
| Publikační činnost, ocenění | Dílčí výsledky bakalářské práce byly publikovány na fakultní konferenci Excel 2023, kde autor získal cenu Odborného panelu. |
Práce představuje ucelený přehled metod pro odhad přesnosti neuronových sítí na základě architektury a hyperparametrů sítě. Autorovi se podařilo dosáhnout kvalitních výsledků, které mohou dále zlepšit výkonnost algoritmů pro automatický návrh neuronových sítí. Vzhledem k dosaženým výsledkům, vysoké úrovni textové zprávy i ocenění práce v rámci přehlídky EXCEL navrhuji souhrnné hodnocení stupněm A - výborně .
| Kritérium | Známka | Body | Slovní hodnocení |
|---|---|---|---|
| Náročnost zadání | Cílem této práce bylo navrhnout prediktory přesnosti neuronové sítě. Jedná se o aktuální téma výzkumného charakteru. | ||
| Rozsah splnění požadavků zadání | Student splnil všechny body zadání. Jako rozšíření nad rámec zadání vidím implementaci modelu založeného na grafové neuronové síti, který je poměrně komplexní a od použití ostatních modelů se významně odlišuje. | ||
| Rozsah technické zprávy | Rozsah technické zprávy odpovídá požadavkům kladeným na bakalářskou práci. Text obsahuje všechny důležité informace. | ||
| Prezentační úroveň technické zprávy | 99 | Práce je logicky strukturovaná. Kapitoly obsahují všechny nutné informace, na základě kterých autor svůj nástroj implementoval. Text je poměrně obsáhlý, není však plný zbytečných detailů, které by nebyly relevantní pro implementaci. Oceňuji také prezentační kvalitu grafů zejména v kapitole 7, které názorným způsobem popisují výsledky a berou v potaz rozdílné množství bodů zobrazených přes sebe. | |
| Formální úprava technické zprávy | 99 | Práce je psaná anglicky na vysoké jazykové úrovni. Neobsahuje žádné závažnější nepřesnosti, které by komplikovaly pochopení práce. Po typografické stránce je práce velmi kvalitní. | |
| Práce s literaturou | 99 | Student vychází z 69 zdrojů z nichž většina jsou vědecké publikace tematicky blízké k práci. Zdroje jsou relevantní a jsou řádně odkazovány v textu. | |
| Realizační výstup | 95 | Autor realizoval několik modelů pro predikci kvality neuronové sítě. Byly vybrány různé modely s tím, že některé potřebovaly odlišnou implementaci. Nejedná se tedy o pouhou výměnu knihovních funkcí, ale i o odlišný přistup. Kód je logicky strukturovaný a dobře komentovaný. Významnou součástí práce je pak výsledná analýza. Tu autor provedl velmi kvalitně. V práci nejsou explicitně porovnány dosažené výsledky s aktuálními výsledky z literatury, ale autor v implementaci zvolil i metody inspirované některými publikacemi, které tím porovnal na unifikovaném datasetu NAS-Bench. | |
| Využitelnost výsledků | Návrh prediktorů kvality neuronové sítě se aktuálně řeší ve vědecké komunitě a má potenciál pro zlepšení algoritmů pro automatický návrh architektur neuronových sítí (NAS). Samotná práce je založená na aktuálních přístupech publikovaných v literatuře, nabízí se však jejich využití v NAS se zaměřením na speciální typy neuronových sítí v rámci výzkumu skupiny EHW@FIT. Kvalitu práce podtrhuje i to, že byla oceněna odborným panelem v rámci přehlídky EXCEL. |
eVSKP id 148346