HILSCHER, O. Modelování pravděpodobnosti skórování ve sportu [online]. Brno: Vysoké učení technické v Brně. Fakulta strojního inženýrství. 2022.
Práce splňuje všechny stanovené cíle. Text práce je vhodně rozdělen do tří kapitol. První kapitola obsahuje motivaci pro další text. Druhá kapitola přehledně shrnuje nutné minimum použité matematické statistiky, tedy zobecněné lineární modely (zejména použitou logistickou regresi) a aplikace věrohodnosti (maximálně věrohodné odhady parametrů a test věrohodnostním poměrem). Ve třetí kapitole pak autor popsaný aparát aplikuje na data z fotbalového prostředí, pomocí kterých modeluje pravděpodobnost skórování profesionálních hráčů a testuje statistickou významnost dostupných prediktorů. Práci pokládám za velmi zdařilou, oceňuji zejména studentovo nadšení pro danou problematiku, které se pozitivně projevilo na celkové podobě práce. Tím je míněno jak nadšení pro vybraný sport (a s ním související doménová znalost), ale také schopnost vypořádat se s úskalími teoretického aparátu i jeho implementace v jazyce Python. Je vhodné zmínit, že použitý teoretický aparát (logistická regrese resp. zobecněné lineární modely) přesahuje rámec bakalářského studia matematického inženýrství, přesto si s ním student dokázal poradit více než obstojně. Nemalé úsilí stálo také zvládnutí nezbytných základů práce s daty a statistického modelování v Pythonu, které sice ze začátku bylo pro studenta náročné, ale o to více potěšující je jeho celkový posun v této oblasti. Jako vedoucí navíc oceňuji kontinuální práci studenta během celého akademického roku a jeho proaktivní přístup.
| Kritérium | Známka | Body | Slovní hodnocení |
|---|---|---|---|
| Splnění požadavků a cílů zadání | A | ||
| Postup a rozsah řešení, adekvátnost použitých metod | A | ||
| Vlastní přínos a originalita | B | ||
| Schopnost interpretovat dosažené výsledky a vyvozovat z nich závěry | A | ||
| Využitelnost výsledků v praxi nebo teorii | B | ||
| Logické uspořádání práce a formální náležitosti | A | ||
| Grafická, stylistická úprava a pravopis | A | ||
| Práce s literaturou včetně citací | A | ||
| Samostatnost studenta při zpracování tématu | A |
Student velice pěkně popsal metodu maximální věrohodnosti a logisticku regresi, kterou posléze použil k modelování pravděpodobnosti skórování. Tuto metodu musel individuálně nastudovat, protože není součásti kurzu statistiky v bakalářském studiu. K modelování použil jazyk Python a nevyužil statistický software, kde jsou tyto metody naprogramovány a modely vznikají, několika kliknutími myši. Tento tvůrčí přístup oceňuji. V teoretické části čerpal především z AGRESTI, Alan: Categorical data analysis, což sebou nese ne úplně striktní rozlišování mezi funkcí pravděpodobnosti a hustotou pravděpodobnosti, jak je zvykem v české statistické literatuře (např. strana Jedná se o speciální případ binomického rozdělení s n=1 s hustotu pravděpodobnosti …, přitom binomické rozdělení je diskrétní a má pravděpodobnostní funkci). Tyto drobné nepřesnosti kvalitu práce nijak nezmenšují. Aplikační část je velice zdařilá a modely jsou ilustrovány vhodnými obrázky. Graficky a stylisticky je práce na velice dobré úrovni.
| Kritérium | Známka | Body | Slovní hodnocení |
|---|---|---|---|
| Splnění požadavků a cílů zadání | A | ||
| Postup a rozsah řešení, adekvátnost použitých metod | A | ||
| Vlastní přínos a originalita | B | ||
| Schopnost interpretovat dosaž. výsledky a vyvozovat z nich závěry | A | ||
| Využitelnost výsledků v praxi nebo teorii | B | ||
| Logické uspořádání práce a formální náležitosti | B | ||
| Grafická, stylistická úprava a pravopis | A | ||
| Práce s literaturou včetně citací | A |
eVSKP id 140660