HIRSCH, R. Umělá inteligence v průmyslu 4.0 [online]. Brno: Vysoké učení technické v Brně. Fakulta strojního inženýrství. 2020.

Posudek vedoucího

Kovář, Jiří

Zadáním práce je rešeršní studie metod umělé inteligence v Průmyslu 4.0. Zadání práce nepatří mezi lehké z důvodu obtížnosti dané problematiky pro neználého studenta, nicméně je nutno podotknout, že je k této oblasti možno najít mnoho podkladů z dostupných zdrojů. Student pracoval příliš samostatně a mnohdy nesystematicky, a to se negativně projevilo na výsledné práci. Druhým velkým nedostatkem je snaha studenta používat příliš zkratkovité vyjadřování při popisu jednotlivých poznatků. Uvedené nedostatky velmi snížují výslednou kvalitu bakalářské práce. Cíle práce považuji za splněné částečně a i přes uvedené nedostatky tuto práci doporučuji k obhajobě s hodnocením E / dostatečně.

Posudek oponenta

Kroupa, Jiří

Předložená bakalářská práce pojednává o využití umělé inteligence v Průmyslu 4.0. Jedná se o rešeršní práci jejíž cílem je podrobný popis použití metod umělé inteligence v kontextu Průmyslu 4.0, popis jedné z používaných metod umělé inteligence a její vyhodnocení. Stěžejní částí práce je kapitola 3, ve které je nastíněno použití metod umělé inteligence v rámci Průmyslu 4.0. Student zde popisuje využití v široké škále aplikací, nicméně spíše než na kvalitu byl kladen důraz na kvantitu, kdy student pouze popisuje problém, metodu umělé inteligence kterou byl řešen a popřípadě s jakou úspěšností. Chybí mi zde trochu podrobnější popis, jak byla daná metoda pro konkrétní problém implementována. Stejně tak bylo přistoupeno k popisu metody umělé inteligence. Místo toho, aby si student vybral jednu metodu a tu podrobně popsal, jak je uvedeno v zadání, tak je v práci popsáno hned několik metod. Jejich popis je ovšem hodně obecný bez náznaku toho, na jakém principu daná metoda pracuje. Posledním bodem zadání bylo vyhodnocení vybrané metody z předchozího bodu. Místo toho student zhodnotil spíše použití metod umělé inteligence v kontextu Průmyslu 4.0. Výtku mám také k logickému uspořádání kapitol, konkrétně k popisu metod. Ty jsou spolu s jejich aplikací popsány v jedné kapitole a to zcela nelogicky, kdy se například student zmiňuje o algoritmu SVM v kapitole 3.1.1, ale samotný popis algoritmu je až v kapitole 3.6. Text je také v některých místech těžko pochopitelný a místy se student dopustil nepřesností kvůli špatnému porozumění daného tématu kdy například uvádí, že metoda Backpropagation je podtyp neuronové sítě. Vzhledem k ne zcela splněnému zadání hodnotím práci dostatečně a doporučuji k obhajobě za předpokladu, že student bude schopný odpovědět na otázky oponenta.

eVSKP id 124627