PYŠÍK, M. Klasifikace pomocí neuronových sítí v prostředí Keras [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2023.
Výsledky práce pana Pyšíka jsou nadprůměrné a technická zpráva je zpracována velmi kvalitně. I aktivitu během řešení hodnotím velmi kladně. Navrhuji proto hodnocení této bakalářské práce stupněm A (výborně).
| Kritérium | Známka | Body | Slovní hodnocení |
|---|---|---|---|
| Informace k zadání | Cílem této bakalářské práce bylo podrobné nastudování knihovny Keras pro Python, která umožňuje vytváření různých typů neuronových sítí, výsledky tohoto studia zdokumentovat, implementovat jednoduchou experimentální aplikaci a provést experimenty ověřující vlastnosti jednotlivých typů neuronových sítí na vhodných datasetech. Myslím si, že student odvedl velmi kvalitní práci, o čemž svědčí zejména velmi kvalitně zpracovaná dokumentace. | ||
| Práce s literaturou | Student nastudoval celou řadu pramenů, z nichž si většinu vyhledal samostatně. Práci s literaturou hodnotím také velmi kladně. | ||
| Aktivita během řešení, konzultace, komunikace | Student řešil své zadání průběžně a s nadšením, své řešení pravidelně konzultoval, na konzultace býval připraven a vždy přicházel se spoustou vlastních nápadů. | ||
| Aktivita při dokončování | Práce byla dokončena ve velkém předstihu, vše bylo včas konzultováno a všechny mé připomínky zohledněny. | ||
| Publikační činnost, ocenění |
Předloženou bakalářskou práci považuji za nadstandardní, a to jak z pohledu úrovně předložené technické zprávy, tak z pohledu provedených experimentů, které byly zpracovány na velmi dobré úrovni. Proto navrhuji hodnocení stupněm A.
| Kritérium | Známka | Body | Slovní hodnocení |
|---|---|---|---|
| Náročnost zadání | |||
| Rozsah splnění požadavků zadání | Za rozšíření oproti zadání považuji to, že student porovnal 3 různé typy neuronových sítích na 3 různých datasetech, zatímco zadání vyžadovalo jeden dataset. | ||
| Rozsah technické zprávy | |||
| Prezentační úroveň technické zprávy | 93 | Prezentační úroveň předložené zprávy je neobvykle dobrá. Technická zpráva má velmi dobrou strukturu, rozsah jednotlivých kapitol je přiměřený, kapitoly na sebe dobře navazují a zpráva je snadno pochopitelná pro čtenáře. | |
| Formální úprava technické zprávy | 92 | Z jazykového i typografického hlediska se jedná o nadstandardní práci. | |
| Práce s literaturou | 85 | Seznam použité literatury je přiměřeně obsáhlý a obsahuje relevantní zdroje. Převzaté prvky jsou řádně odlišeny od vlastních výsledků a úvah. | |
| Realizační výstup | 95 | V rámci realizačního výstupu vznikla jednoduchá aplikace pro porovnání vybraných typů neuronových sítí na třech zvolených datasetech. Tato aplikace je plně funkční, umožňuje uživateli zvolit metriky, které chce sledovat, dále pak počet epoch a velikost dávky pro trénování neuronových sítí. Uživatel může sledovat vývoj hodnot zvolených metrik během trénování neuronových sítí pomocí grafů a samozřejmě může také otestovat natrénované sítě na testovacích datech. Pro implementaci byla v souladu se zadáním využita knihovna Keras. | |
| Využitelnost výsledků | Za zajímavý výsledek této práce považuji netradiční srovnání 3 typů neuronových sítí (MLP, CNN a RNN) na různých datasetech, které byly vybrány tak, aby každý dataset představoval tradiční příklad využití jedné z uvažovaných neuronových sítí. Práce tak přináší zajímavý pohled na to, jakým způsobem je možné vstupní data vhodně transformovat pro různé typy neuronových sítí, a na to, jaký výsledek tato transformace přinese. |
eVSKP id 145041