Bakalářská práce předložená panem Ivakhniukem je věnována automatizaci v oblasti přepisu historické hudební notace pomocí neuronových sítí. Konkrétním záměrem práce bylo provést rešerši současného stavu softwarových nástrojů a na jejím základě představit vlastní softwarové řešení pro přepis francouzských notových tisků ze 17. století.

Celá práce je sepsána v angličtině, což podle mě výrazně zvyšuje její možný dosah. Po formální stránce má text práce velmi dobrou úroveň s minimem překlepů a chyb (což je v době možností korektur pomocí AI snad již standardem) a je logicky rozdělena do osmi kapitol a několika příloh. Zdroje jsou přiměřeně citovány a srozumitelnost textového sdělení je podpořena řadou ilustrací s odkazy v textu. Součástí práce je také kompletní zdrojový kód vytvořeného softwaru nanoScore a jeho dokumentace.

Těžištěm práce je detailní rešerše zejména v oblasti použitelných architektur neuronových sítí, nalezení vhodného kandidátního modelu a jeho trénování na zvolené datové sadě. Nad touto natrénovanou sítí následně student vybudoval interaktivní software s GUI, který umožňuje jak plně automatizovaný přepis, tak editaci rozpoznaných prvků a následnou spartaci do formátu MusicXML. Ve finální fázi dochází rovněž k validaci výsledků formou porovnání délek stejných úseků v různých hlasech skladby.

Pozitivně hodnotím také samotný proces přípravy práce, jak z hlediska organizace práce, o čemž svědčí i pečlivě vystavěné sekce metodiky a implementace, tak i z pohledu samostatnosti. Mám snad jen poznámku k finální fázi přípravy práce, kde i kvůli střetu ambicí autora s termínem odevzdání zbýval jen malý prostor pro společnou diskusi a ladění jinak velmi kvalitního výsledného produktu.

Závěrem mohu tedy konstatovat, že bakalářská práce podle mého názoru zcela naplňuje (a v mnoha ohledech překonává) nároky kladené na bakalářské práce v oboru Aplikovaná informatika a řízení a splňuje i všechny cíle vytyčené v zadání. Proto doporučuji předloženou práci k obhajobě a navrhuji ji hodnotit známkou A.

Některé připomínky:

- Drobné překlepy (například chybně uvedení autoři citace [2]).
- Záměna popisků obrázků Fig 11g-i.
- Ačkoliv těžiště práce spočívá spíše v experimentálním nástroji než v produkčním softwaru, některé skripty jsou velmi obsáhlé. Pro případný další vývoj softwaru by určitě byla na místě refaktorizace kódu.

Předloženou bakalářskou práci hodnotím jako velice zdařenou, a to jak svým obsahem, tak i mimořádným rozsahem provedených činností. Práce úspěšně řeší technologicky náročný úkol, který kombinuje zpracování historických hudebních pramenů s moderními metodami umělé inteligence.

Samotná fáze přípravy dat a natrénování neuronových sítí pro automatický přepis historických partitur je natolik komplexní, že by sama o sobě splňovala nároky na samostatnou a velmi kvalitní bakalářskou práci. Autor však nad rámec tohoto algoritmického jádra navrhl a implementoval také plně funkční grafické uživatelské rozhraní. Toto prostředí neslouží pouze k pasivnímu zobrazení výsledků, ale funguje jako interaktivní nástroj, který uživatelům umožňuje rozpoznané skladby pohodlně doeditovat. Výsledná aplikace tak má okamžitý praktický přínos.

Práci  doporučuji k obhajobě.

Otázky k obhajobě:

Jak moc obecný je Váš natrénovaný nástroj? Umožňuje spolehlivé rozpoznání hudebních partů i od jiných vydavatelů nebo ze zcela jiného historického období?

Co konkrétně by se muselo v systému změnit nebo doplnit (např. z hlediska trénovacích dat), aby aplikace dokázala úspěšně zpracovat i tato odlišná historická období?