Nosné téma diplomové práce představuje identifikaci atributů studia, zapsaných předmětů a průchodu jejich absolvování, tzv. vlastností (features), signifikantně ovlivňujících výsledek absolvování předmětu nebo celého studia, a to pomocí metod strojového učení a dolování v datech (machine learning a data mining methods). Za asistence vedoucího práce student nejprve detekuje otázky a problémy, které učitelé za účelem zkvalitnění výuky řeší, např. porovnání "kvality" seminárních skupin nebo jejich cvičících, vliv pořadí seminářů v závislosti na konání přednášky, vliv času/dne konání semináře nebo přednášky, porovnání hodnocení vyučovaného předmětu vůči ostatním, vliv konkrétních domácích úkolů na hodnocení, jak identifikovat slabší studenty v průběhu semestru apod. Na základě těchto úkolů student identifikuje dostupné zdroje dat, které má v rámci Informačního systému MU (IS MU) k dispozici, a provede rešerši již vyřešených obdobných problémů. Na základě dostupných řešení navrhne a ověří nasazení vhodných metod. V případě vlastních postupů svoje kroky, předpoklady či postuláty v práci řádně vysvětlí a obhájí. Z množiny řešených otázek a problémů student vybere ty, které není možné odpovědět nebo vyřešit -- vždy uvede důvod, např. absence vhodných dat. Jelikož cílovým místem prezentace dobytých znalostí je učitelská agenda v IS MU, musí řešitel pracovat nejen s širokou škálou zaměření studentů i předmětů, ale také uvažovat vývoj studijních plánů a změny v předmětech. V dalším kroku proto student navrhne vhodnou metodu automatické aktualizace počítaných modelů a výběr vlastností významných pro konkrétní předmět. Praktická část práce zahrnuje nasazení nástrojů implementujících užité metody a jejich obsluhu. Využití aplikací třetích stran implikuje z bezpečnostních důvodů běh na separátním serveru bez přístupu k databázi IS MU. Student proto navrhne a implementuje (základ) snadno rozšiřitelného rozhraní pro komunikaci aplikací IS MU s tímto serverem, např. pomocí REST.