BALAŽEVIČ, L. Burzovní aplikace pro systém Android [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2018.
Student ve své práci nejprve popsal teorii statistických ukazatelů a použitých prvků strojového učení. Dále se detailně věnoval výkladu funkčnosti celého systému. Práce svědčí o vysoké kvalitě vypracování tématu (byl brán ohled na efektivní využití prostředků, každá měna má vlastní predikční model, byly použity moderní softwarové knihovny a známé návrhové vzory, ...). Predikce ceny pomocí strojového učení je založena na méně sofistikovaných metodách a její nízká přesnost byla očekávaná. Koncová aplikace je celkově odladěná, uživatelsky přívětivá, graficky na úrovni a připravena ke zveřejnění. Praktickým vypracováním přesahuje rozsah bakalářské práce. Student pracoval samostatně a konzultoval pravidelně. Student zcela splnil zadání. I přes typografické nedostatky hodnotím práci velmi kladně.
Cílem bakalářské práce bylo vytvořit Android aplikaci pro sledování stavu různých kryptoměn. Aplikace má umožňovat konfigurovatelné notifikace a bude mít implementovanou predikční část s využitím metod strojového učení. Zadání je mírně obtížnější, protože vyžaduje širší technologický přehled v problematice mobilních aplikací a strojového učení. Konstatuji, že zadání bylo zcela splněno. Práce přiměřeného rozsahu je složena ze dvou hlavních částí. První část poskytuje krátký úvod do principu kryptoměn, analytických indikátorů a základních principů neuronových sítí. Bohužel v práci není zdůvodněno, proč byla využitá právě neuronová síť LSTM (Long Short-Term Memory) a její popis je velmi stručný. Obecným pojmům strojového učení (jako například pojmu neuronu, aktivačním funkcím) je naopak kladena zbytečná pozornost. Následující část popisující architekturu aplikace je v pořádku, až na popis implementace predikce, kde není ani zmíněno, že byla použita knihovna Keras. Chybí mi také zhodnocení úspěšnosti predikčního modelu. Formální úprava práce je přijatelná. Bohužel některé části práce jsou psány spíše populárním jazykem a snižují výslednou odbornou úroveň práce, místy se vyskytují překlepy. Doporučil bych se držet trpného rodu v celé práci. Uvádění odkazů na části práce není v pořádku (např. v kap. 7.3 „fragmenty dedia z abstraktného CryptoListFragment 7.1, v kap. 6 „Implementacia HTTP Serveru 6.1“). V práci se vyskytují také lehké typografické chyby (např. chybné používání spojovníku, chybějící tečky ve výčtech). Pro usnadnění orientace v textu doporučuji sázení názvů tříd a funkcí jiným druhem písma (nepropriálním písmem nebo kurzívou). Práce s literaturou je v pořádku. K samotné realizované aplikaci nemám výhrady a implementaci považuji za velmi kvalitní. Aplikace se sestává ze tří částí – notifikační služba a Android aplikace jsou implementované v jazyce Kotlin, predikční služba pak v jazyce Python s využitím Keras knihovny. Navržená architektura aplikace je robustní a vytvořený programový kód je na profesionální úrovni. Vzhledem k výše uvedenému a množství kvalitní práce, která byla odvedena při realizaci aplikace, doporučuji práci k obhajobě a navrhuji hodnocení B/86 bodů.
eVSKP id 110267