Vzhledem k tomu, že přístup řešení byl doporučen vedoucím, student si nejprve vytvořil přehled o tom, jak pracovat s metodami strojového učení. Pro úplnost student dodatečně nastudoval alternativní přístupy.

Práce byla dokončena v dostatečném předstihu a její finální obsah byl konzultován.

Prezentace metody je čitelná a technické jádro je dohledatelné. Hlavní prezentační výhrada spočívá v tom, že některé závěry o výsledcích jsou formulovány silněji, než přímo podporují vlastní tabulky; týká se to zejména tvrzení, že po zpřesnění souřadnic u LLM větve zcela mizí výhody klasické metody, ačkoliv tabulka 5.3 při přísnějších IoU prahových hodnotách stále ukazuje vyšší F1 u YOLO+OCR.

Realizační výstup představuje rozsáhlejší prototyp, který pokrývá celý tok od vstupního PDF nebo obrázků přes detekci stránek obsahu, OCR/LLM extrakci a mapování kapitol až po JSON a interaktivní PDF. Kód odpovídá popsané architektuře. Významnější výhradu mám k tomu, že v odevzdaných zdrojích a README není zřejmý skript nebo postup, kterým by bylo možné znovu spočítat výsledkové tabulky z kapitoly 5; dostupný kód popisuje hlavně zpracování knih, nikoli reprodukovatelnou evaluaci. Tato mezera souvisí i s tím, že nejsou doloženy anotační soubory a splity datových sad popsaných v kapitole 3. Za vhodné bych považoval také doplnění jednotkových testů pro deterministické části, což mám obecně za dobrou praxi pro ověřitelnost a udržitelnost kódu.

Evaluation level: zadání splněno s vážnějšími výhradami

Zadání považuji celkově za splněné, ovšem s významnější výhradou k části týkající se datových sad. Práce v kapitole 3 datové sady popisuje a uvádí jejich rozsah, v odevzdaných artefaktech jsem však nenašel anotovanou datovou sadu, exporty anotací, split manifesty ani ground truth odpovídající těmto popisům. Dostupné datové podklady působí spíše jako demonstrační vstupy pro spuštění programu než jako znovu použitelná anotovaná datová sada. To současně oslabuje nezávislou ověřitelnost výsledkových tabulek.

Literatura je tematicky relevantní a přehled pokrývá hlavní směry řešení. Slabší je především citační ukotvení LLM větve a některých konkrétních implementačních voleb; jinak text pracuje s dostatečným množstvím relevantních zdrojů.