| dc.contributor.advisor | Jelínek, Jiří | |
| dc.contributor.author | Filip, Václav | |
| dc.date.accessioned | 2025-03-06T08:05:45Z | |
| dc.date.available | 2025-03-06T08:05:45Z | |
| dc.date.issued | 2022 | |
| dc.date.submitted | 2021-12-09 | |
| dc.identifier.uri | https://dspace.jcu.cz/handle/20.500.14390/46179 | |
| dc.description.abstract | Účelem práce je vytvoření nástroje schopného optimalizatovat parametry a strukturu deep learning modelů. Existuje mnoho možností, jak model sestavit (počty a typ vrstev, jejich pořadí apod.), přičemž podoba modelu má zásadní vliv na jeho kvalitu. Nově vytvořené řešení nabízí funkcionality, které již existující řešení nenabízí a které jsou vytvořeny na základě jejich porovnání. Řešení je vytvořeno v jazyce python. | cze |
| dc.format | 37 | |
| dc.format | 37 | |
| dc.language.iso | cze | |
| dc.publisher | Jihočeská univerzita | cze |
| dc.rights | Bez omezení | |
| dc.subject | deep learning | cze |
| dc.subject | nový nástroj | cze |
| dc.subject | optimalizace | cze |
| dc.subject | modely | cze |
| dc.subject | genetický algoritmus | cze |
| dc.subject | keras | cze |
| dc.subject | optimalizační nástroj | cze |
| dc.subject | deep learning | eng |
| dc.subject | new tool | eng |
| dc.subject | optimization | eng |
| dc.subject | models | eng |
| dc.subject | genetic algorithm | eng |
| dc.subject | keras | eng |
| dc.subject | optimization tool | eng |
| dc.title | Optimalizační nástroj pro modely s hlubokým učením | cze |
| dc.title.alternative | Optimization tool for deep learning models | eng |
| dc.type | bakalářská práce | cze |
| dc.identifier.stag | 63799 | |
| dc.description.abstract-translated | The goal of this thesis is to create a tool capable of optimizing parameters and
structure of deep learning models. There are various ways to create a model like
changing types and number of layers, various numerical parameters of the layers
etc. These parameters greatly influence the quality of the model. Newly created
tool is to offer functionalities not offered by any existing solution - these new
functionalities are based on comparison of existing solutions. New solution is
created in python. | eng |
| dc.date.accepted | 2022-01-17 | |
| dc.description.department | Přírodovědecká fakulta | cze |
| dc.thesis.degree-discipline | Aplikovaná informatika - specializace Bezpečnost a sítě | cze |
| dc.thesis.degree-grantor | Jihočeská univerzita. Přírodovědecká fakulta | cze |
| dc.thesis.degree-name | Bc. | |
| dc.thesis.degree-program | Aplikovaná informatika | cze |
| dc.description.grade | Dokončená práce s úspěšnou obhajobou | cze |
| dc.contributor.referee | Fesl, Jan | |
| dc.description.defence | <p>Obhajoba studenta proběhla prezenčně.</p>
<p>Prezentace: parametry, nastavení a generování, Random Optimizer, Genetic Optimizer </p>
<p>Oponet: výtky k neúplnosti a malému počtu experimentů, z práce je vidět že student navrhuje hodnocení 3 </p>
<p>Vedoucí práce: hodnocení dobře </p>
<p>Otázky </p>
<p>Vedoucí: </p>
<p> 1) proč vaše řešení nedosahuje tak dobrých výsledků jako řešení nástroji Talos, KerasTuner? </p>
<p>2) distribuce vašeho řešení? </p>
<p>Student zodpověděl </p>
<p>Oponent: </p>
<p>4) Otázka na řešení optimalizace a křížení, optimalizace vrstev? Odpověď uspokojivá </p>
<p>Otázky a připomínky z volné diskuse: </p>
<p>5) Použil jste knihovny nebo vlastní algoritmy? Student použil vlastní </p>
<p>6) Rešerše je téměř nedostatečná, jak jste provedl rešerši? Student více nenalezl. </p>
<p>7) V prezentaci nebylo zřejmé co konkrétě optimalizujete, jaký typ neuronových sítí jste použil? </p>
<p>Body: 50</p> | cze |
