Část literatury jsem studentovi poskytl, další část si obstaral samostatně, k výběru literatury nemám výhrady. 

Výsledná aplikace byla dokončena včas, stejně jako technická zpráva, i když některé části jen s malým předstihem. Na revizi z mé strany ale čas byl a bylo možné mé připomínky zohlednit. 

Prezentační úroveň technické zprávy je dobrá a zpráva je dobře pochopitelná pro čtenáře. Bohužel ale v práci postrádám podrobnější popis různých shlukovacích metod a podrobnější informace o metodách využívaných v doporučovacích systémech. Vzhledem k tomu, že student využil pro řešení práce spíše základní metody, vypadá to, že se podrobnějšímu studiu dostupných metod příliš nevěnoval. Tyto informace by v práci byly určitě cennější než popis struktury DataFrame knihovny Pandas.
Student se také neobvyklým způsobem odkazuje na použité obrázky - často uvádí pouze číslo, aniž by bylo jasné, zde se jedná o obrázek nebo číslo podkapitoly.

Realizačním výstupem této bakalářské práce je nepříliš složitá aplikace, která umožňuje základní statistickou analýzu dat exportovaných z knihovního systému Městské knihovny ve Valašském Meziříčí. Aplikace dále umožňuje analýzu titulů půjčovaných společně (asociační pravidla), shlukovou analýzu čtenářů a implementuje doporučovací systém. Bohužel pro všechny tyto analýzy jsou použity spíše základní algoritmy. Algoritmus k-means pro shlukování čtenářů určitě není nejvhodnější volbou, protože v datasetu existují jedinci se specifickým chováním. 
Nicméně vytvořená aplikace je plně funkční a disponuje doporučovacím systémem, který může být v prostředí knihovny určitě užitečný.

Evaluation level: zadání splněno

Práci s literaturou hodnotím jako značně podprůměrnou. Seznam použité literatury obsahuje pouze 10 položek, což je velmi málo. Pro tak zajímavé téma, jako jsou doporučovací systémy, student jistě mohl využít řadu dalších a novějších zdrojů. Výhrady mám také ke zdroji č. 10, student pro toto téma jistě mohl najít lepší zdroj než portál GeeksforGeeks.