VILIMOVSKÝ, D. Optimalizace řízení podmínek v inteligentním skleníku [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2024.
Student se věnoval poměrně komplexní problematice a bez předchozích zkušeností v dané oblasti. Během zpracování závěrečné práce se v mnoha oblastech značně zdokonalil a podařilo se mu dosáhnout kvalitního a prakticky využitelného výsledku.
| Kritérium | Známka | Body | Slovní hodnocení |
|---|---|---|---|
| Informace k zadání | Práce se zabývá tématem optimalizace řízení podmínek v inteligentním skleníku s využitím strojového učení, což není triviální téma a přesahuje znalosti běžně vyučované během bakalářského studijního programu. Od studenta se vyžaduje i pochopení řady fyzikálních a biologických dějů ve skleníku, což dále zvyšuje náročnost práce. Zadání hodnotím jako poměrně obtížné a jeho body považuji ze strany studenta za splněné. | ||
| Práce s literaturou | Student během vypracování vyžíval doporučenou studijní literaturu, zároveň si ale opatřil vlastní literární zdroje, které dále využíval k inspiraci a zlepšení kvality své práce. | ||
| Aktivita během řešení, konzultace, komunikace | Student pravidelně konzultoval postup práce, přičemž zpočátku byl pokrok pozvolnější z důvody množství nových témat, kterými se student zabýval. Tuto překážku ale student překonal a velice brzo se mu podařilo implementovat první modely strojového učení a jejich vyhodnocení. Během letního semestru svou práci dále zlepšoval a podařilo se mu dosáhnout kvalitního výsledku. | ||
| Aktivita při dokončování | Student se dlouho zaměřoval na další zlepšování implementační stránky, zpracování technické zprávy bylo lehce upozaděno a její obsah nebylo možné dostatečně připomínkovat. Student se ale snažil situaci aktivně řešit a využíval v maximální možné míře vypsaných konzultačních bloků, kde se mu dostávalo okamžité odezvy. | ||
| Publikační činnost, ocenění |
Autor na datech naměřených v reálných podmínkách natrénoval hlubokou neuronovou síť pro modelování vybraných parametrů v řízeném skleníku. Svůj návrh a postup řešení staví na studiu relevantní odborné literatury. Při trénování provedl řadu experimentů, které dobře vyhodnocuje. Vytvořené programové řešení lze dobře využít pro další experimenty. Práce je pečlivě zpracovaná.
| Kritérium | Známka | Body | Slovní hodnocení |
|---|---|---|---|
| Náročnost zadání | Zadání vyžaduje základní znalosti z oblasti strojového učení a přípravy experimentálních dat. | ||
| Rozsah splnění požadavků zadání | Práce se zaměřila na vytvoření statistického modelu chování skleníku pomocí dat získaných v reálných podmínkách. | ||
| Rozsah technické zprávy | Technická zpráva obsahuje klíčové informace relevantní k zadanému tématu, vlastnímu návrhu i realizačním výsledkům. | ||
| Prezentační úroveň technické zprávy | 75 | Technická zpráva má logickou strukturu a vyvážený rozsah jednotlivých částí. Autor se vyjadřuje věcně a odborně. Informace v jediné podkap. třetí úrovně (3.6.1) by bylo lepší začlenit do struktury textu jinak, bez využití podkap. třetí úrovně. Existující řešení (kap. 4.1) by bylo vhodnější prezentovat ve studijní, namísto autorské návrhové části. Stejně tak návrh a vysvětlení všech experimentů uvést v návrhové, namísto v realizační části. Termíny řízené a neřízené učení nejsou běžné a lepší by bylo používat termíny jako učení s/bez učitele . Stejně tak nepřesná je i informace o váhách vrstev , když by se mělo jednat o váhy neuronů . U diskuze výsledků by bylo vhodné explicitně vysvětlit zkratky TIN a HIN a jejich význam. | |
| Formální úprava technické zprávy | 80 | Typografická i jazyková stránka práce má dobrou úroveň. V textu jsou ojediněle chyby v interpunkci nebo zcela vyjímečně překlep (asi 1x). | |
| Práce s literaturou | 85 | Autor čerpá z relevantního a mírně rozsáhlejšího seznamu literatury, kdy klasické knižní publikace doplňuje i aktuálními články. Zdroje v textu dobře využívá a odkazuje. Zdroj [14] a některé další, které čerpají z webových článků a prezentací, by stačilo odkazovat v poznámkách pod čarou, a nebo ještě lépe nahradit revidovanými publikacemi. Na web si může napsat kdokoliv cokoliv a pravdivost těchto tvrzení není nikým ověřena. | |
| Realizační výstup | 80 | Realizačním výstupem je soubor skriptů v jazyce Python, který zajišťuje práci se získanými reálnými daty, jejich předzpracování, trénovaní statistického modelu využívajícího hlubokou neuronovou síť, jeho vyhodnocení pomocí vybraných metrik (zejména MAE) a vizualizaci pomocí grafů. Skripty dobře využívají aktuální relevantní knihovny pro práci s daty a strojové učení, jako jsou Pandas, Keras, SciKit, NumPy apod. Programové řešení je logicky strukturováno do menších logických částí, je spíše menšího rozsahu a je funkční. Zdrojové soubory jsou pečlivě kompentované a obsahují informace o autorství. | |
| Využitelnost výsledků | Práce ověřuje existující znalosti na vlastní datové sadě získané v reálných lokálních podmínkách. Výsledek odpovídá na základní dotazy ohledně chování modelu a vlivu vybraných parametrů skleníku na přesnost predikce. Výsledek může posloužit jako základ pro další vývoj modelu skleníku s využitím pokročilejších statistických modelů a komplexnější kombinací dat ze skleníku. |
eVSKP id 154718