Předložená bakalářská práce se zabývá problematikou hodnocení přesnosti prediktivních rovnic pro odhad klidového energetického výdeje a jejich porovnáním s referenční metodou nepřímé kalorimetrie. Součástí práce je rovněž návrh vlastního predikčního modelu využívajícího metody strojového učení. Téma práce je aktuální a má praktický význam jak v oblasti sportovní diagnostiky, tak v oblasti výživového poradenství a klinické praxe.
Student splnil všechny body zadání bakalářské práce. V teoretické části zpracoval přehled problematiky klidového energetického výdeje, principů nepřímé kalorimetrie a dostupných predikčních rovnic používaných pro odhad klidového metabolismu. Text je logicky strukturován a jednotlivé kapitoly na sebe navazují. Rozsah textu odpovídá požadavkům kladeným na bakalářské práce. V praktické části student provedl vlastní měření klidového metabolismu, zpracoval a analyzoval získaná data, porovnal výsledky vybraných predikčních rovnic s referenční metodou nepřímé kalorimetrie. Nad rámec běžných požadavků bakalářské práce student navrhl a validoval vlastní predikční model založený na metodách strojového učení. Tento model dosáhl vyšší přesnosti než testované standardní rovnice a představuje zajímavý aplikační přínos práce. Student tak prokázal schopnost propojit znalosti z oblasti sportovní diagnostiky, statistiky a zpracování dat. Analytická úroveň práce výrazně převyšuje standardy kladené na bakalářské projekty. Student do skriptů implementoval specializované knihovny a využil pokročilé statistické metody. Pro srovnání 10 standardních rovnic s referenční metodou vedle párového T-testu správně zvolil klinicky validní hodnocení přesnosti a Bland-Altmanovu analýzu shody metod, což svědčí o hlubokém porozumění problematice. Grafy a tabulky vhodně doplňují text a usnadňují interpretaci výsledků. Citace a seznam použité literatury jsou zpracovány odpovídajícím způsobem. V práci se vyskytují drobné stylistické a formální nedostatky, které však nesnižují odbornou úroveň ani celkovou kvalitu práce. Pozitivně hodnotím zejména rozsah analyzovaného souboru a snahu o komplexní vyhodnocení přesnosti jednotlivých metod. Práce přináší hodnotné praktické výsledky a fungující predikční nástroj optimalizovaný pro sportující českou populaci.
Během řešení práce student pracoval samostatně, pravidelně konzultoval dílčí výsledky a reagoval na připomínky vedoucí práce. Přístup studenta k řešení zadaného tématu hodnotím jako zodpovědný a aktivní. Zadání práce bylo splněno ve všech stanovených bodech. Práci doporučuji k obhajobě. Navrhovaná klasifikace: A (výborně). Bodové hodnocení: 95 bodů
Otázky k obhajobě:
1.    V diskuzi zmiňujete možný vliv psychického stresu probandů (dýchání do masky) na umělé zvýšení naměřeného RMR. Jakým způsobem by bylo možné tento "efekt laboratoře" v budoucích výzkumech ještě efektivněji minimalizovat?
2.    Jaké konkrétní kroky (např. z hlediska sběru dat či výběru dalších prediktorů) by byly nezbytné pro externí validaci Vašeho modelu, aby mohl být bezpečně nasazen do klinické praxe u obézních pacientů či seniorů? Points proposed by supervisor: 95

Bakalárska práca Nesima Harmima sa zaoberá hodnotením prediktívnych metabolických rovníc pre určenie kľudového metabolického výdaju. V teoretickej časti študent v krátkosti popisuje fungovanie metabolizmu, rozdiely medzi bazálnym a kľudovým metabolizmom, faktory ovplyvňujúce metabolizmus a možnosti merania kľudového metabolizmu. Teoretická časť práce je popísaná jednoducho, no pochopiteľne. Približne tri strany teoretickej časti práce tvorí výpis použitých predikčných rovníc. Táto časť je tiež členená do veľkého množstva podkapitol čo teoretickú časť umelo predlžuje. Nakoľko má iba 9 strán, ako výpisy rovníc, tak prázdne časti strán tvoria veľkú časť teoretickej časti práce.
V praktickej časti práce študent vykonal 10 meraní kľudového metabolizmu, zhodnotil presnosť používaných predikčných rovníc voči laboratórnym meraniam a vytvoril vlastnú rovnicu pre výpočet kľudového metabolizmu. Pre hodnotenie presnosti rovníc a vytváranie vlastnej rovnice boli okrem nameraných dát použité aj dáta z 181 testov kľudového metabolizmu z databázy CESA VUT. V popise databáze je uvedené, že databáza je výrazne nevyvážená, keďže obsahuje 124 mužov a 67 žien. Nerozumiem teda, prečo študent v praktickej časti nevykonal viac meraní s cieľom vyváženia použitej databázi.
Hodnotenie používaných rovníc a následná diskusia sú vykonané kvalitne s jasnými a vecnými závermi. Študent potvrdzuje tvrdenia iných autorov o podhodnocovaní kľudového metabolizmu predikčnými rovnicami. V tejto časti oceňujem možnosť priamej aplikácie výsledkov práce v praxi. 
Pre vytvorenie vlastnej predikčnej rovnice bola použitá lineárna regresia. Aj keď ide o jednu z jednoduchších metód strojového učenia, oceňujem možnosť praktického využitia a jednoduchú interpretovateľnosť. Ako najväčší nedostatok tejto časti vnímam testovanie rovnice iba na dátach z CESA VUT a nie aj na inom datasete, avšak študent si tento nedostatok uvedomuje a vyjadruje sa k nemu v práci.
Po formálnej stránke obsahuje práca nedostatky hlavne v oblasti citácií. Citácie sú zásadne používané len na konci poslednej vety v odstavci. V niektorých prípadoch použitá citácia na konci odstavcu popisuje len časť odstavcu (napr. prvý odstavec kapitoly 5.1, citácia sa viaže ku knižnici SciPy no v odstavci sa spomínajú aj knižnice Numpy, Pandas a Matplotlib). Takisto práca obsahuje zopár chýb vo faktoch, napr. vzorkovacia perióda MetaMax 3B je nesprávne uvedená ako 7 sekúnd, reálne je zaznamenaný jeden vzorok pre každý jeden dych.
Celkovo zadanie práce považujem za splnené, aj keď s minimálnym úsilím. Veľká časť teoretickej časti je tvorená iba výpisom rovníc a kvôli vyššiemu množstvu podkapitol obsahuje veľké množstvo prázdnych častí strán. Študent vykonal iba 10 vlastných meraní a pri ďalšej analýze použil iba dataset z CESA VUT. Tiež mám isté pochybnosti o tom, či študent vykonal 10 vlastných meraní, nakoľko v databáze CESA VUT za posledné dva roky pribudlo menej ako 10 záznamov kľudového metabolizmu mimo meraní v rámci výuky. Napriek týmto nedostatkom vnímam výsledky práce ako dobre prakticky využiteľné a preto prácu hodnotím za D, 65 bodov. Topics for thesis defence:

1. V práci je poísané použitie prístroju InBody 770 a to, že kľudový metabolizmus je výrazne ovplyvnený zložením tela. Existujú predikčné rovnice využívajúce podiel telesného tuku? Prečo táto hodnota nebola zaradená do vytvárania vlastnej rovnice?
2. Existujú iné ako lineárne rovnice pre výpočet kľudového metabolizmu? Prečo ste sa nepokúšal vytvoriť inú ako lineárnu rovnicu?

Points proposed by reviewer: 65