Uskutečněné přednášky v ZS 2019/20



Matematická teorie hudby

Bc. Petr Koronthály, DiS.

Abstrakt: Je známo, že matematika a hudba spolu úzce souvisí. Již Pythagorejci ve starověkém Řecku sestavili první hudební systém odvozený z matematických výpočtů dokládaných akustickými měřeními: definovali oktávu a další intervaly. Přestože hudební teorie i matematika od té doby značně pokročily, jejich systém přetrval a zná ho důvěrně každý zpěvák i hráč na hudební nástroj.
Nabízí se tedy otázky, zda musí (či proč nemusí) být hudebník také matematikem, proč se matematika vlastně na konzervatoři neučí, jak vypadají skladby matematiků, nebo proč by rovnou nemohl hudbu skládat počítač. Na této nevšední přednášce se pokusíme tyto otázky zodpovědět a podíváme se na některé zajímavé souvislosti matematiky a hudby. A to nejen skrze teorii, ale hlavně pomocí názorných praktických ukázek.

O přednášejícím: Petr Koronthály vystudoval Obecnou matematiku na MFF UK a Klasickou skladbu na Pražské konzervatoři. V současnosti se věnuje skládání hudby, vedení sborů, hře a výuce hry na kytaru.

Náročnost pro posluchače: vhodné pro laiky.






Od atomů a molekul k očním kapkám

Dr. hab. Lukasz Cwiklik, Ph.D. (Ústav fyzikální chemie J. Heyrovského AV ČR)

Abstrakt: S nepříjemným syndromem suchého oka se v životě potká řada z nás, kteří pracujeme na počítači, nosíme kontaktní čočky nebo máme sklony k alergii. Tým Lukáše Cwiklika studuje lipidovou membránu na povrchu lidského oka s cílem vyvinout léčivé oční kapky. Jako jediná laboratoř na světě modelují lipidovou vrstvu na počítači a simulace kombinují s fyzikálními experimenty za použití inovativních mesofluidických modelů napodobujících povrch lidského oka.
Na této přednášce se dozvíte, jak lze v dnešní době využít poznatky základního výzkumu z oboru chemie, fyziky a matematiky za využití výpočetní techniky k řešení praktických otázek ve farmacii a medicíně.

O přednášejícím: Lukasz Cwiklik vystudoval Chemickou fakultu Jagellonské univerzity v Krakově. Zkušenosti sbíral v Polsku, Izraeli, Finsku a Česku. Na Akademii věd ČR pracuje již dvanáct let a přitom přednáší na PřF a MFF UK. Hledá motivované studenty, kteří by se chtěli zapojit do inovativního experimentálního výzkumu a simulací lipidových membrán.

Náročnost pro posluchače: snadná.






Kvantový počítač - pátý jezdec apokalypsy?

Mgr. Jiří Pavlů

Abstrakt: Začalo to snahou o efektivní simulaci chování hmoty na molekulární úrovni a níže. Nakonec, toto je dodnes jedno z hlavních témat pro kvantové počítače, tedy výpočetní stroje založené na principech kvantové mechaniky. Pak se však ukázalo, že kvantové platformy také schůdně zvládnou řešení těch matematických úloh, o jejichž obtížnost je dnes opřena naprostá většina kryptografických protokolů. Od té doby je kvantový počítač automaticky spojován s představou bezpečnostní apokalypsy.
Na přednášce se teoreticky i prakticky podíváme, odkud se ona algoritmická síla bere a jakým způsobem může posunout hranice praktické kryptoanalýzy. Budeme se přitom věnovat i na první pohled okrajovým, a tedy poněkud přehlíženým algoritmům a přístupům, které však v konečném důsledku mohou do ochrany informací rovněž silně promluvit, a to navíc podstatně dříve, než je běžně očekáváno.

O přednášejícím: Jiří Pavlů je absolventem oboru Matematika pro informační technologie na MFF UK. Věnuje se teoretické kryptografii, zejména pak bezpečnosti a použitelnosti symetrických šifer, a teorii kódů. Je kryptologem kompetenčního centra skupiny Raiffeisen Bank International.

Náročnost pro posluchače: střední, ale s většinou případných nejasností snadno pomůže Wikipedie.






DataSentics: Jak se neutopit v moři online reklamy

Ing. Jakub Štěch

Abstrakt: “If you are not paying for it, you're not the customer; you're the product being sold.” – pravidlo, které vystihuje podstatu poskytování služeb na internetu. Přitom jsou všichni spokojení: uživatelé mají zdarma službu, služba je financována reklamou. Zadavatel reklamy by ovšem byl rád, kdyby jeho prostředky nebyly vynaloženy nadarmo – rád by reklamu soustředil na ty uživatele, kteří se potenciálně mohou stát jeho zákazníky. A také by se rád dozvěděl více o těch stávajících.
Na této přednášce se podíváme pod pokličku fungování online reklamy a představíme si široké možnosti využití strojového učení pro vytěžování dat. Ukážeme si, co za data se vytěžuje a jak se dají využít např. klasifikační modely nebo techniky zpracování jazyka. Nebude chybět konkrétní příklad z českého bankovního prostředí.

O přednášejícím: Jakub Štěch vystudoval Aplikované matematicko-stochastické metody na FJFI ČVUT a v současnosti studuje tamtéž doktorát v oboru Matematické inženýrství. Se spolužáky založil r. 2016 DataSentics, firmu zabývající se strojovým učením, která už stačila vyrůst na 50 zaměstnanců.

Náročnost pro posluchače: vhodné pro laiky.






Fulltextové vyhledávání na Seznam.cz

RNDr. Vladimír Kadlec, Ph.D.

Abstrakt: Naprostá většina veřejných informací je dnes k dispozici na internetu v elektronické podobě. Ve většině případů však neznáme přesné umístění odpovědí na naše otázky a jsme zvyklí pro jejich nalezení používat internetové vyhledávače jako jsou Seznam nebo Google. Zajímá vás, jak tyto vyhledávače fungují a jaké problémy je ve fulltextovém vyhledávání třeba řešit?
V této přednášce si představíme obecnou architekturu fulltextového vyhledávače a zaměříme se na vybrané oblasti jako je porozumění dotazu, řazení výsledků nebo využití hlubokých neuronových sítí pro zpracování obrazové i textové informace.

O přednášejícím: Vladimír Kadlec se celou svoji kariéru zabývá strojovým zpracováním informací. Po dokončení postgraduálního studia a krátké vývojářské kariéře zakotvil v Seznam.cz, kde převzal zodpovědnost za celý výzkumný tým Vyhledávání. Návrhem a aplikací vědeckých postupů napomáhá tomu, aby uživatelé nalezli, co hledají.

Náročnost pro posluchače: vhodné pro laiky.






ČHMÚ: Oblačno, slunečno, místy matematično aneb jak se počítá počasí

RNDr. Radmila Brožková, CSc.

Abstrakt: To, že máme denně k dispozici podrobné předpovědi počasí, dnes bereme jako samozřejmost. Nejen, že jsou užitečné při plánování denních aktivit, ale jsou i životně důležité např. pro leteckou dopravu nebo v případě živelných katastrof. Ovšem počasí je chaotický systém, jehož chování se předpovídá nesnadno. Součástí jsou podrobná měření, teoretické fyzikální popisy atmosférických jevů, přesné matematické modely a extrémně náročné výpočty.
Na přednášce se dozvíte, co je numerická předpověď počasí a jak vypadá tvorba předpovědního modelu s použitím příkladů z modelu ALADIN. Ukážeme si příklad provozu a také jaké nároky jsou kladeny na superpočítač.

O přednášející: Radmila Brožková vystudovala na MFF UK obor Fyzika, meteorologie a klimatologie. V ČHMÚ vede oddělení numerických předpovědí počasí. Specializuje se na stavbu dynamického jádra modelu a na parametrizace fyzikálních procesů v atmosféře.

Náročnost pro posluchače: vysoká (fyzika, numerická matematika).

Uskutečněné přednášky v LS 2018/19



Zvládne stroj nahradit malíře?

prof. Ing. Daniel Sýkora, Ph.D.

Abstrakt: Stylizace obrazu na základě výtvarné předlohy zažívá v posledních letech neuvěřitelný boom a to zejména díky velkému pokroku v oblasti využití hlubokých neuronových sítí. Mnoho lidí získalo pocit, že problém přenosu výtvarného stylu je vyřešen a stroje dnes dokáží generovat umělecká díla těžko rozlišitelná od pláten slavných malířů. Situace však není tak optimistická, jak by se na první pohled mohlo zdát.
Na přednášce poodhalíme hlavní úskalí použití neuronových sítí, která nemusí být na první pohled zřejmá. Na jejich základě pak představíme alternativní, čistě algoritmický přístup, jenž dosahuje znatelně lepších výsledků bez použití neuronové sítě a jeho hybridní varianty, které oba přístupy kombinují.

O přednášejícím: Daniel Sýkora vystudoval FEL ČVUT, kde dnes působí jako profesor. Akademické zkušenosti sbíral na University of Utah a Trinity College Dublin. V praxi spolupracoval na řadě animačních projektů, mimo jiné s Českou televizí (O loupežníku Rumcajsovi) nebo pět let se studiem Disney (Lví král 3D). Na kontě má také několik patentů.






Avast: Využití strojového učení pro detekci malwaru

Mgr. Martin Bálek

Abstrakt: Detekce škodlivých programů se při dnešním objemu a rozmanitosti dat už dávno nemůže spoléhat jen na expertní znalosti. Velká část detekčních mechanismů musí být a také je plně automatizovaná. To s sebou přináší nutnost použití rychlých a dostatečně robustních algoritmů.
Na přednášce si vysvětlíme základní metody detekce malwaru a zaměříme se především na možnosti jejich vylepšení pomocí metod strojového učení. Zmíníme především clustrování a hledání pro ně vhodných metrik, dále pak klasifikační modely a především způsoby měření jejich kvality s ohledem na specifickou povahy dat (výrazná proměnlivost v čase, různě vychýlené distribuce). V neposlední řadě také přiblížíme způsoby vizualizace vysokodimenzionálních dat.

O přednášejícím: Martin Bálek vystudoval matematiku na Katedře algebry na MFF UK. Řadu let se věnoval teoretické informatice. V Avastu pracuje tři roky jako Research Manager. Má na starosti projekty z oblasti strojového učení a umělé inteligence.






Vraždy podle Bayese: není důkaz jako důkaz

Mgr. Halina Šimková

Abstrakt: Forenzní disciplíny se zaměřují na zajišťování důkazů při kriminalistickém vyšetřování a jejich interpretaci v soudním řízení. Pojem “důkaz” je v právu definován obecně jako „cokoli, co může přispět k objasnění projednávané věci“. Tento příspěvek může být samozřejmě velmi rozdílný, a proto si forenzní disciplíny v průběhu své existence vytvořily určité umělé a vágně definované slovní škály, pomocí nichž váhu důkazů vyjadřují. Používání obratů jako „skupinová identifikace“, „nelze vyloučit“, „završená identifikace“, „je středně pravděpodobné“ apod. je ovšem založeno na ryze intuitivním hodnocení a ve svých důsledcích vede spíše ke zmatení.
Zcela jiný, přirozený a logicky korektní, systém vnesla do forenzního světa až analýza DNA. Jí odstartovaná revoluce, která používá elementární nástroj z teorie pravděpodobnosti – Bayesovu větu – už zasáhla i další forenzní obory a zásadním způsobem proměňuje celý interpretační rámec důkazů.

O přednášející: Halina Šimková vystudovala antropologii a genetiku člověka na PřF UK. Řadu let působila jako kriminalistická znalkyně Kriminalistického ústavu Praha v oblasti DNA analýzy, zaměřuje se na propagaci a zavádění nových postupů hodnocení vědeckých důkazů.

Prezentace v PDF






RSJ Securities: Tvorba trhu na elektronické burze

Mgr. Anton Tyutin

Abstrakt: RSJ Securities, součást finanční skupiny RSJ, je obchodník s cennými papíry působící na burzách v Londýně, Chicagu a Frankfurtu n. M. Obchoduje s finančními deriváty, zejména futures kontrakty. Hlavní strategií je market making (tvorba trhu), kdy obchodník současně nabízí, že aktivum koupí i prodá. Pro ostatní účastníky trhu se tak zvyšuje možnost zobchodování.
A jakou roli hrají v tomto byznysu matematici? Jaké úlohy řeší? Na přednášce se dozvíte, jak to vypadá v praxi konkrétního market makera.
Na začátku si připomeneme základy burzovního mechanizmu a nastíníme technologické postupy. Poté se podíváme na některé úkoly, které matematičtí analytici řeší. Jsou z různých oblastí: matematické statistiky, finanční matematiky, numerické matematiky a matematické optimalizace. Hlavní pozornost bude věnována problematice statistických odhadů. Povídání o úlohách doprovodí nematematické poznámky a příběhy o jejich vzniku a řešení.

O přednášejícím: Anton Tyutin vystudoval matematiku na ruské Uralské státní univerzitě v Jekatěrinburgu a teoretickou ekonomii na CERGE-EI v Praze. Od r. 2006 pracuje v Analytickém oddělení RSJ Securities. Věnuje se matematickému modelování obchodních strategií a řízení rizik. Je také členem představenstva RSJ Securities, a.s.

odpovědi na otázky

Prezentace v PDF






Deloitte: Lidé k pohledání

Mgr. Filip Trojan, Ph.D.

Abstrakt: Matematické nástroje již začínají pronikat i do velmi neexaktních oborů, jako jsou např. personalistika a řízení lidských zdrojů. HR analytika označuje soubor analytických řešení určených pro oblast human resources, z nichž nejtypičtější je analýza odchodovosti zaměstnanců. Jde o to najít faktory přispívající k odchodovosti zaměstnanců a pomocí prediktivního modelu identifikovat u kterých konkrétních zaměstnanců je zvýšené riziko, že firmu během několika příštích měsíců opustí.
Z matematického pohledu se jedná o úlohu binární klasifikace na poměrně malých vzorcích dat. Při řešení se osvědčila logistická regrese, která je jak robustní vůči malému vzorku, tak dostatečně transparentní pro účely správné interpretace. V přednášce popíšeme metodiku vývoje modelu. Ukážeme si, jak může takový model vypadat na reálných datech a jak se poté prezentuje businessovému uživateli.

O přednášejícím: Filip Trojan vystudoval matematiku a ekonomii na MUNI v Brně, doktorát z aplikované matematiky získal na Ostravské univerzitě. Řadu let vyvíjel modely kreditního rizika. V Deloitte pracuje jako senior manažer analytického oddělení, kde se věnuje prediktivnímu modelování, strojovému učení a obecně aplikované matematice.

Prezentace v PDF

Uskutečněné přednášky v ZS 2018/19



Eyen SE: A window into the world of biomolecular nanomachines

Mgr. Lukáš Maršálek

Abstrakt: 3D cryo-electron microscopy enables us to determine a high-resolution native structure of biological macromolecules (proteins, nucleid acids, viruses, etc.). In the last couple of years, it has become an indispensable tool for understanding the chemical processes of life as well as development of new potent drugs. It has been used in a wide variety of scenarios ranging from understanding of Alzheimer's disease to developing new anti-cancer treatments. Its significance is underpinned by awarding 2017 Nobel Price for Chemistry to the founders of the field.
A key principle behind cryo-electron microscopy is to illuminate a shock-frozen laboratory sample with a low-dose electron beam. Challenge on its own, it is only a beginning, as an interpretable 3D image has to be computationally assembled from these highly noisy measurements. The lecture will introduce the corresponding discrete inverse problems, applications of Fourier transform in electron optics and practical computational considerations.

O přednášejícím: Lukáš Maršálek graduated from MFF UK in Software Systems, leaving afterwards for Saarland University in Germany to do basic research in computational radiation simulation, followed by industrial research in cryoEM. In 2013 he co-founded Eyen SE in Prague and serves as its CEO since 2016.






Sociální singularita 21

Mgr. Karel Janeček, Ph.D., MBA

Abstrakt: Žijeme v naprosto jedinečné době historie lidstva, avšak čelíme také hrozbám schopným zničit naši existenci. Aby se tak nestalo, musí dojít ke globální společenské změně. Karel Janeček věří, že tato globální změna, jím nazvaná “sociální singularita”, nastane velmi brzy. K dosažení úspěšné sociální singularity je důležité, abychom se naučili lépe komunikovat, spolupracovat a důvěřovat si, protože většina konfliktů vyplývá z předsudků a následných nedorozumění. Pro následující roky je tedy klíčové, aby co nejvíce lidí přijalo svůj díl zodpovědnosti a byli aktivnější. Jedna z možností je využití internetu formou sociálních her za účelem zvýšení transparentnosti a zveřejňování objektivních informací týkajících se veřejných problémů.
Tato přednáška si klade za cíl motivovat a inspirovat publikum k dosažení sociální singularity ve 21. století.

O přednášejícím: Karel Janeček je matematik, vizionář, filantrop a autor volebního systému Janečkova metoda (dříve Demokracie 21) a projektu Prezident 21. Teorii pravděpodobnosti a stochastickou analýzu studoval na MFF UK a na Carnegie Mellon University v USA. Založil společnost RSJ, která je celosvětově největším tvůrcem trhu na derivátových burzách v Chicagu a Londýně. Finančně podporuje vědecký výzkum a aktivity proti korupci.







Warhorse Studios: Problémy otevřeného světa v Kingdom Come: Deliverance

Ing. Petr Smrček

Abstrakt: RPG hry s otevřeným světem patří mezi ty nejsložitější a na vývoj nejnáročnější hry vůbec. Kingdom Come: Deliverance se navíc snaží o co nejvěrnější simulaci reálného světa – Českého království v r. 1403. Také hráči umožňuje řešit úlohy svobodněji a vícero způsoby, což ovšem znamená i jisté komplikace pro vývojáře.
Na přednášce se dozvíte, jakým způsobem svět v KC:D funguje a co všechno pro to museli vývojáři udělat. Konkrétně si ukážeme, jak se rozhodují tzv. non-player characters, jak si složitým světem hledají cestu a jak reagují na hráče v závislosti na jeho chování a atributech. Podíváme se na možnosti a omezení, které programátor počítačové hry má a na kompromisy, které z toho plynou. Nakonec si poodhalíme některé zajímavé a často nenápadné problémy, které bylo třeba v KC:D vyřešit.

O přednášejícím: Petr Smrček studoval Softwarové Inženýrství na FEL ČVUT a Computer science na Baylor University v Texasu. V současné době vyvíjí umělou inteligenci pro počítačovou hru Kingdom Come: Deliverance. Zejména se podílí na skriptovacím jazyku pro rozhodování, optimalizaci světa a soubojovém pohybu nepřátel.

Prezentace v PDF






PTT Software: jak se plánuje MHD

Ing. Jaromír Šulc

Abstrakt: Organizace městské hromadné dopravy je velmi komplexní činnost, pod kterou spadá plánování linek, jízdních řádů, vytížení vozidel i pracovní rozpis řidičů. Není snadné dát vše dohromady tak, aby celek fungoval optimálně a přitom každé zpoždění či výpadek nezpůsobily totální chaos.
Na přednášce se podíváme na obecný proces všech činností, které dnes dopravní podnik provozující MHD musí udělat, aby autobusy každé ráno vůbec vyjely. Dále co musí všechno udělat, aby o svém provozu dokázal informovat cestující. U části procesů si ukážeme, jak se dají matematicky popsat a algoritmicky řešit, jak musí vypadat vstupní data, aby tato automatizace vůbec byla možná a jak s daty pracovat, aby zbytečně nespadala do kategorie "big data". Dle zájmu posluchačů se dotkneme teorie grafů, genetických algoritmů nebo lineárního programování.

O přednášejícím: Jaromír Šulc vystudoval dopravní fakultu pardubické univerzity. Věnuje se aplikované matematice v podobě vývoje algoritmů pro software pro veřejnou dopravu.

Prezentace v PDF






Warhorse Studios: Hudba, která hýbe světem

doc. Ing. Adam Sporka, Ph.D.

Abstrakt: Stejně jako u filmů, tak i u videoher je velmi důležitou složkou hudba. Podkresluje situaci, vytváří atmosféru a výrazně ovlivňuje celkový zážitek hráče. Aby byl výsledek uspokojivý, je potřeba propojit dva značně odlišné světy: programátorů a hudebníků.
Na přednášce se dozvíte, jak vzniká soundtrack k videohře, jaké druhy hudby se v něm kombinují a proč a v neposlední řadě také jaká logika řídí adaptaci hudebního podkresu vzhledem k vývoji situace ve hře (adaptivní hudba).

O přednášejícím: Adam Sporka studoval počítačovou grafiku a HCI na FEL ČVUT. Zaměřuje se na techniky adaptivní hudby ve hrách a dalších multimédiích. Jeho největším projektem v této oblasti byla adaptivní hudba v počítačové hře Kingdom Come: Deliverance, kterou realizoval ve spolupráci s hudebním skladatelem Janem Valtou.

Prezentace v PDF
Záznam z této přednášky nebyl kvůli autorským právům pořízen.




EY: Modelování kreditního rizika

Jaroslav Kačmár, M.A.

Abstrakt: Každá finanční instituce (banka, pojišťovna, fond) je jako věřitel vystavena tzv. kreditnímu riziku. To je riziko vyplývající z neschopnosti nebo neochoty protistrany splatit své závazky, nejčastěji bankovní úvěr. Aby nebylo ohroženo zdraví a připadně sama existence banky, je potřeba kreditní riziko předpovídat. Při tvorbě příslušných modelů je přitom nutné vyhovět i mnoha regulatorním podmínkám stanoveným Evropskou centrální bankou, která se tímto snaží předcházet systémovým problémům ve finančním sektoru.
Na přednášce se dozvíte, jak a pomocí jakých nástrojů se kredit riskové modely vyvíjí a také jak vypadají modely nejčastěji používané ve finančních institucích (IRB, PD, EAD, LGD, ELBE a další). Ukážeme si principy vývoje modelů a manipulace s daty, včetně metod a nástrojů pro jejich validaci.

O přednášejícím: Jaroslav Kačmár vystudoval ekonomii a finanční matematiku na Komenského univerzitě v Bratislavě a ekonomii na CERGE-EI v Praze. Věnuje se kreditnímu riziku především z pohledu evropské regulatoriky. Specializuje se na vývoj a validaci riskových modelů.

Prezentace v PDF

Uskutečněné přednášky v LS 2017/18



Ricardo: matematické modelování spalovacích motorů

Ing. Jiří Navrátil, Ph.D.

Abstrakt

Vývoj spalovacích motorů je velmi náročná a drahá činnost, při které nachází široké uplatnění matematické modelování. Simulace umožňují pružně rozhodovat o vhodné konstrukci, přičemž podstatně snižují nutnost výroby a fyzického testování prototypů a šetří tak čas i finance. Tým Ricardo Software, jehož součástí je i několik numeriků z Matfyzu, vyvíjí simulační nástroje, které inženýrům umožňují jednoduše provádět náročné výpočty týkající se např. distribuce paliva, jeho vstřiku do válce a hoření, teplot a tlaků, akustické analýzy apod.
Na přednášce se podíváme dovnitř spalovacích motorů a do fyzikálních dějů, které se ve škole popisují parciálními diferenciálními rovnicemi. Také se dozvíte, jak v praxi vypadá jejich řešení pomocí metody konečných prvků (objemů).

O přednášejícím

Jiří Navrátil získal Ph.D. v oboru termodynamiky spalovacích motorů na FS ČVUT. V Ricardu je již 12 let. Pracuje jako product manager pro WAVE, velmi žádaný a účinný nástroj pro simulace 1D proudění a akustickou analýzu. Má na starosti tým vývojářů i komunikaci se zákazníky z předních světových automobilek.




Yieldigo: nakupování pohledem statistiky

Ing. Radim Dudek

Abstrakt

Jaké faktory ovlivňují rozhodování lidí při nakupování? To se snaží zkoumat startup Yieldigo. Na základě poznatků založených na rozsáhlé analýze dat poté vyvíjí tzv. AI pricing — automatickou cenotvorbu pro obchody.
Na přednášce se dozvíme, jakým způsobem Yieldigo automatizuje cenotvorbu. Podíváme se také na konkrétní problém a společně zkusíme zkonstruovat statistický model, který problém popisuje. Kromě techničtějších částí se také dozvíme něco o tom, jak vysvětlit a prodat matematické nástroje zákazníkům.

O přednášejícím

Radim Dudek je absolvent FJFI ČVUT se zaměřením na matematiku a stochastiku. Při studiu se věnoval prediktivnímu řízení a dynamické cenotvorbě v dopravě. Před rokem a půl založil se spolužákem Yieldigo, startup s cílem přinést nástroje založené na pokročilém a automatizovaném modelování do retailu.

Prezentace v PDF






Kantar TNS: Volební průzkumy - pohled pod pokličku

RNDr. Pavel Ranocha, Ph.D.

Abstrakt

"Výzkumům nevěřím, mě se nikdy nikdo neptal."
"Jak mohou mít tolik procent, vždyť já neznám nikoho, kdo by je volil."
"Stejně to dopadne úplně jinak."
"Vždyť se zeptali pouze pár lidí, co těch zbývajících deset milionů?"

O správnosti průzkumů veřejného mínění lidé často pochybují. Zčásti za to může velké množství mylných představ, zčásti ale také fakt, že dělat je správně je opravdu těžké. I přesto se společnosti Kantar TNS konzistentně daří dosahovat velice přesných výsledků. O tom, jak při průzkumu postupují a jak odpovídají na časté pochyby o jejich správnosti, se dozvíte v další přednášce semináře Matematické problémy nematematiků.

O přednášejícím

Pavel Ranocha, absolvent MFF UK, pracuje jako analytik a expert na metodologii u Kantar TNS, přední společnosti na trhu marketingových výzkumů. Pavel nemá jen výborné znalosti metodologie průzkumů a matematiky s nimi spojené, umí vše zároveň jednoduše a přesně vysvětlit, o čemž svědčí jeho časté výstupy v médiích.

Prezentace v PDF






Bitcoin a další kryptoměny: proč změní svět a co jim v tom brání

Mgr. Ing. Dominik Stroukal, Ph.D.

Abstrakt

Existují vynálezy, které ovlivní celý svět. Počítače, internet, či umělá inteligence mají jasný dopad na náš každodenní život. V poslední době se ale stejný potenciál přisuzuje také kryptoměnám a technologii blockchain, na které jsou postavené.
V této přednášce se podíváme na to, proč jsou kryptoměny považovány za revoluční. Zjistíme, jak blockchain funguje a proč nemá sám o sobě bez kryptoměn smysl. Podíváme se na to, v čem se od sebe jednotlivé kryptoměny liší, jak v praxi fungují a jak na ně státy reagují. Nakonec nahlédneme do blízké i vzdálené budoucnosti.

O přednášejícím

Dominik Stroukal je ekonom a specialista na teorii ekonomických a měnových systémů. Je autorem knihy "Bitcoin: Peníze budoucnosti", první české knihy o Bitcoinu a kryptoměnách. Svůj doktorát obdržel na Vysoké škole ekonomické v Praze, působí jako hlavní ekonom skupiny Roklen a přednáší na několika českých školách.

Prezentace v PDF






Wargaming: World of Tanks' gamer behavior

Dr. Nishith Pathak

Rozšířený abstrakt

In the current digital age electronic applications play an important role in everyday lives. Applications are downloaded and used by up to millions of users logging in, performing some activity and then logging off. These user sessions are highly indicative of the application’s performance in the market. Trends involving systematic patterns of decline in the number of logins and/or users’ having poor retention along their lifecycles are often indicative of underlying problems in the application. Therefore, developers have considerable interest in analyzing and understanding the user session behavior in their applications. Unsurprisingly some of the most important metrics around understanding customer behavior are derived from session behavior data e.g. n-day retention, number of daily/monthly active users, ARPU (average revenue per user), ARPPU (average revenue per paying user) and other recency/frequency based metrics. One thing of note is that most of these applications work in a non-contractual setting i.e. the user is under no obligation to subscribe/unsubscribe and can churn out by simply never logging in or using the application again. This introduces the added complexity of the actual churn behavior being latent as well as situations where users can return after a long hiatus (winback).
This research explores probabilistic models for user session behavior in such non-contractual settings. The objective is to summarize the user session behavior as a probabilistic generative process, which can be used to analyze progression in player lifecycles over multiple sessions as well as make predictions regarding their login/logoff behavior. Application developers can then react to this information by improving the application to remove specific bottlenecks in player lifecycles as well as reverse any adverse trends in user session behavior. This research borrows ideas from statistical developments in the marketing domain and combines them with core ideas from machine learning in order to development methods for learning user session behavior.

O přednášejícím

Dr. Nishith Pathak has a doctorate in computer science from the University of Minnesota, Twin Cities, USA. His specializations are in the areas of data mining and machine learning. Over the last decade his efforts have been focused on analyzing data from online ecommerce systems, particularly those from online video game environments.
Currently, Nishith is working as a Data Scientist for Wargaming Prague s.r.o. and analyzes data, from various popular Wargaming games such World of Tanks, in order to study players’ behaviors and motivations in order to optimize player acquisition, engagement, and monetization.

Prezentace v PDF






Stories: data mining v byznysové praxi aneb jak šli matematici do světa

Ing. Viktor Brada + Ing. Hynek Walner

Abstrakt

Stories je startup založený absolventy (nejen) FJFI ČVUT. Vyvíjí reportingový produkt pro lidi z větších firem, který pomocí více či méně sofistikovaných algoritmů a matematických metod detekuje změny v obchodních datech a sám je dává do souvislostí. Na přednášce si řekneme, co je business intelligence a ukážeme si několik otevřených problémů, které zrovna Stories řeší.
Kromě toho se dozvíte, jaké to je, když si našinec projde přes korporát i startup a budete mít prostor poptat se starších kolegů na jejich zkušenosti.

O přednášejících

Viktor Brada vystudoval na FJFI Aplikované matematicko-stochastické metody a jeho prací je programování analytické části kódu.
Hynek Walner dělá doktorát tamtéž a ve Stories se stará o datovou a business analytiku.

Prezentace v PDF

Uskutečněné přednášky v ZS 2017/18



KPMG: implicitní hodnota pojišťovny

Ing. Viktor Brůžek

Abstrakt: Princip pojištění, coby transferu rizika za úplatu, je asi každému známý. Na druhou stranu, je zde řada aspektů, které jsou široké veřejnosti utajeny a zůstávají v hlavách a počítačích pojistných matematiků. Například měření ziskovosti pojistného portfolia. Je rozdíl mezi krátkodobou ziskovostí produktů neživotního pojištění a dlouhodobou ziskovostí smluv životního pojištění. Jak takovou profitabilitu měřit a jak s ní pak dále pracovat? Může ji např. management pojišťovny svými rozhodnutími zvýšit?
Embedded value, česky implicitní hodnota pojišťovny, je standardizovaný koncept, který slouží k ocenění komplexní profitability pojistného portfolia. Na přednášce se dozvíte, co přesně reprezentuje embedded value, kdo se o ni nejvíce zajímá a jak s ní pracuje. Pochopíte, co jsou a jak fungují aktuárské projekce a jaké všechny předpoklady jsou zapotřebí pro kvalitní projekci pojistného businessu, potřebnou pro stanovení embedded value.

O přednášejícím: Viktor Brůžek vystudoval statisticko-pojistné inženýrství na VŠE. V minulosti působil v Allianz pojišťovně a NN životní pojišťovně v oboru pojistné matematiky a zajištění. V současnosti pracuje jako manažer aktuárského týmu v KPMG ČR, kde je zodpovědný za aktuárskou část poskytovaných auditních a poradenských služeb pro pojišťovny a penzijní společnosti.

Prezentace v PDF




RTSmunity: eSports a sázkové kurzy

Mgr. Jan Kislinger

Abstrakt: eSports, tedy profesionální hraní počítačových her, je dnes obrovským odvětvím. Není proto divu, že o zápasy a turnaje v počítačových hrách mají zájem i sázkové kanceláře. Jak do tohoto světa ale zapadá matematika?
RTSmunity je datová společnost zaměřující se na všechno kolem eSports. Jsou to právě matematické modely, které RTSmunity dovolují živě analyzovat zápasy, poskytovat sázkové kurzy a řídit rizika s nimi spojená.
Na přednášce se podíváme na to, jak můžeme zápas a jeho jednotlivé aspekty formulovat matematicky a popíšeme si tvorbu matematických modelů, které odhadují pravděpodobnostní rozdělení výsledků zápasu.

O přednášejícím: Jan Kislinger je absolvent magisterského studia PMSE na MFF UK, kde nyní pokračuje v doktorském studiu. Po dvou letech působení ve financích a poradenství přišel do firmy RTSmunity, kde nyní již rok a půl pracuje jako data scientist.




BIS ČR: "v tajných službách matematiky"

Ing. Josef Strelec, CSc.

Abstrakt: Co vlastně dělá Bezpečnostní Informační Služba ČR? Jak se matematik stane zpravodajským důstojníkem?
V rámci své zákonné působnosti přijímá tajná služba každý den velké množství dat, ze kterých je potřeba vydolovat užitečné informace. K tomu se využívá mnoho metod ze statistiky, strojového učení a dalších oblastí. V čem je specifická práce s daty právě v oboru bezpečnostního zpravodajství? Co je na ní nejzajímavější?
Činnost zpravodajských služeb je nejvíce ovlivněna třemi faktory: technologickým pokrokem, vývojem (matematických) nástrojů a také společenskou poptávkou. Na exkluzivní přednášce se dozvíte, jak se všechny tyto aspekty skloubí v práci matematiků v BIS.

O přednášejícím: Josef Strelec vystudoval Vysokou vojenskou technickou školu a doktorát získal na Univerzitě obrany. V průběhu své vojenské kariéry pracoval jako vysokoškolský učitel, vědecký pracovník a IT manager, poté téměř 20 let v praxi jako specialista na kybernetickou bezpečnost a projektové řízení. V současnosti je příslušníkem BIS.

Prezentace v PDF




ČNB: modelování ekonomiky

Mgr. František Brázdik, PhD.

Abstrakt: Česká národní banka využívá pro nastavení své měnové politiky komplexní prognostický aparát, založený na pokročilých ekonomických modelech. Jádrem těchto modelů jsou ekonomické teorie, které se snaží popsat chování ekonomických agentů. Co mají tyto modely společného s teorií optimálního řízení? Jakým způsobem můžeme odhadnout budoucí pozici ekonomiky v hospodářském cyklu? A co má společné určování pozice ekonomiky v hospodářském cyklu a nastavení měnové politiky s navigací raket?

O přednášejícím: František Brázdik vystudoval Fakultu matematiky, fyziky a informatiky Univerzity Komenského v Bratislavě a pokračoval doktorským studiem na CERGE-EI v Praze. V současné době pracuje v České národní bance v odboru makroekonomických prognóz. Má též pracovní zkušenosti z Evropské centrální banky.

Prezentace v PDF




Valeo: jak vidí chytré auto?

Ing. David Hurych, PhD.

Abstrakt: V dnešních automobilech jsou dostupné funkce, které částečně umožňují autonomní jízdu. Jaké technologie a algoritmy za nimi stojí? Jak vlastně chytré auto vidí?
Společnosti Valeo je světový lídr v oblasti asistenčních systémů pro automobilový průmysl a ve svém vývojovém centru v Praze se zaměřuje na technologie pro autonomní automobily. Na přednášce si názorně ukážeme několik aplikací využívajících metody strojového vidění. Zaměříme se na kamerové systémy a metody pro detekci a sledování objektů v obrazových datech. Uvedeme si základní matematické koncepty využité při tvorbě jednotlivých modelů a také si ukážeme, jak vyhodnocovat přesnost jednotlivých algoritmů.

O přednášejícím: David Hurych FEI VŠB a na FEL ČVUT získal PhD. v oboru "Biokybernetika a umělá inteligence". Od r. 2014 pracuje ve firmě Valeo, nejdříve jako vision research engineer na vývoji real-time detekčních algoritmů pro kamerové systémy a nyní jako software team leader.

Uskutečněné přednášky v LS 2016/17

(článek)   vždy odkazuje na článek o přednášce na serveru matfyz.cz.



inSophy: jak matematici řídí výrobu (článek)

Ing. et Ing. Ondřej Komenda (inSophy)

Abstrakt: Organizace výroby v továrně je velmi složitá. Továrna současně pracuje na několika tisících produktech a pro dokončení jednoho z nich je třeba až 10 000 synchronizovaných kroků. Zároveň se neustále mění podmínky, např. když zákazník na poslední chvíli změní specifikaci, plánovaná dodávka materiálu nevyjde, nebo když chřipková epidemie vypne na týden polovinu firmy. Přesto se výroba musí nějak řídit, aby ani v takových situacích nezavládl chaos.
Přijďte se na přednášku dozvědět, jak se řídí výroba nábytku, automobilových dílů, elektroproduktů, velkých strojů nebo vrtulníků a jakou roli v tom všem hraje vyšší matematika.

O přednášejícím: Ondřej Komenda vystudoval Informatickou fyziku na FJFI ČVUT, dále Ekonomiku a řízení podniku a Průmyslové inženýrství. V r. 2006 založil firmu inSophy, která vyvíjí a dodává optimalizační software pro výrobní firmy.




ATEsystem: Metody zpracování obrazu v kontrole kvality výrobků

Ing. Jaroslav Vlach, Ph.D. (ATEsystem Jablonec n. N.)

Abstrakt: Matematické metody pro zpracování obrazu nacházejí své uplatnění v průmyslu, mimo jiné i v oblasti kontroly kvality výrobků. Mnoho producentů nahrazuje ruční kontrolu produktů opouštějících výrobní linku kontrolou automatickou, prováděnou na základě vyhodnocování kamerových snímků. Kromě spolehlivosti zde důležitou roli hraje i rychlost. Nástup 3D kamer a rozšíření automatického třídění do dříve nemyslitelných oblastí vede k nutnosti použití již velmi sofistikovaných postupů. Proto společnost ATEsystem spolupracuje s Katedrou numerické matematiky MFF UK na vývoji algoritmů pro zpracování obrazových dat výrobků, například šperkových kamenů.

O přednášejícím: Jaroslav Vlach vystudoval FEL ČVUT a TUL. Pracoval jako vedoucí oddělení výzkumu elektro a kamerových systémů ve firmě PRECIOSA, a.s., Jablonec n. N. Od r. 2016 je jednatelem firmy ATEsystem Jablonec n. N., která se zaměřuje na aplikování kamerových systémů v průmyslu.




IBM Watson: robot, který nám rozumí (článek)

Mgr. Michal Bída (IBM Česká republika)

Abstrakt: Watson je pokročilá umělá inteligence, která umí zpracovávat přirozený jazyk. Dokáže porozumět lidem nebo číst knihy a získané informace využívat. Díky tomu, že kombinuje encyklopedické znalosti a velkou výpočetní sílu, zvládá odpovídat na komplikované otázky. V r. 2011 suverénně porazil (bez připojení k internetu) šampiony soutěže Jeopardy! (Riskuj!) To, že se nejedná jen o hračku dokazuje jeho reálné využití v medicíně, projekt Watson for Oncology, kdy pomáhá nastavovat individuální léčbu pacientům s rakovinou. Na přednášce bude řeč o umělé inteligenci a strojovém učení zaměřeném na to, jak vlastně funguje zpracování jazyka robotem a zodpovídání otázek.

O přednášejícím: Michal Bída vystudoval na MFF obor umělá inteligence. Má zkušenosti s vývojem počítačových her v Unreal Engine a s vývojem rozhodovacích algoritmů pro virtuální agenty. Od r. 2013 pracuje ve výzkumné laboratoři Watson Research & Development v IBM v Praze, kde se podílí na vývoji dialogových systémů a inteligentních algoritmů.




ŠKODA AUTO: Matematické simulace ve vývoji motorů  (článek)

Ing. Andrea Hlaváček, Ph.D. (ŠKODA AUTO)

Abstrakt: Tvrdá konkurence v oblasti automobilového průmyslu nutí výrobce k masívnímu používání matematických simulací při vývoji svých produktů. Namísto výroby a fyzického testování drahých prototypů je možné pomocí simulací provádět virtuální testy vysoce namáhaných komponent, studovat tvorbu směsi či hoření ve spalovacích motorech. Simulační metody umožňují pružně rozhodovat o vhodném designu konstrukce navrhovaného dílu a výrazně snížit náklady a čas na vývoj. Navíc umožňují lépe pochopit procesy ve spalovacích motorech a provozní zatížení dílů.

O přednášející: Andrea  Hlaváček absolvovala inženýrské a doktorské studium na TU v Liberci v oboru spalovacích motorů a aplikované mechaniky. Své zkušenosti sbírala u značek jako Škoda, AUDI a Volkswagen. V současné době pracuje na pozici vedoucího oddělení závodních motorů ve Škoda Motorsport.




Využití l1-optimalizace ve fyzice pevných látek a bionformatice  (článek)

doc. RNDr. Jan Vybíral, Ph.D. (KMA MFF UK)

Abstrakt: Vlastnosti materiálu je dnes možné spolehlivě spočítat ze znalosti jejich struktury i bez nutnosti jejich výroby v laboratoři. Tyto výpočty jsou ale časově náročné a množství nových materiálů ohromné, takže nelze propočítat všechny. Jakým způsobem tedy můžeme odhadnout jejich vlastnosti a předpovídat, které materiály budou mít nejlepší fyzikální vlastnosti?
Řada nemocí zanechává stopu v krevním obrazu. Někdy je tato stopa zřetelná, ale mnohdy, např. u rakoviny, se jedná o kombinaci více látek a diagnostika je složitější. Na přednášce si nastíníme užití jedné z metod pro řešení této úlohy.

O přednášejícím: Jan Vybíral studoval na univerzitách v Praze a Jeně a úspěšně působil na několika zahraničních pracovištích v Rakousku a Německu. Nyní pracuje jako docent na Katedře matematické analýzy MFF UK, kde se věnuje teorii prostorů funkcí a jejími aplikacemi v big data analysis.

Uskutečněné přednášky v ZS 2016/17




Multi-instance learning: teorie a praxe

Ing. Tomáš Pevný, PhD. (Cisco Systems, Inc.)

Abstrakt: Multi-instance learning je metoda strojového učení, kdy každý vzorek dat lze popsat jako množinu vektorů a každý z těchto vektorů má obecně různý počet nenulových prvků. Úlohy řešené tímto způsobem se objevují v mnoha praktických aplikacích jako například analýza textu, klasifikace obrazu, klasifikace molekul, síťová bezpečnost a další. Přednáška se bude věnovat také rozdílům mezi asymptoticky optimálními a prakticky použitelnými metodami.

O přednášejícím: Tomáš Pevný vystudoval ČVUT a doktorát získal na State University of New York at Binghamton. Jako postdoc strávil rok ve Francii. Nyní pracuje jako vědecký pracovník na FEL ČVUT a zároveň také jako Technical lead ve společnosti Cisco Systems. Jeho výzkum se zaměřuje na strojové učení pro bezpečnostní účely.




Využití matematických metod při vývoji léků

Ing. Václav Belák, PhD. (MSD IT Global Innovation Centre)

Abstrakt: Proces vývoje léku je extrémně drahá, komplikovaná a časově náročná záležitost. Proto se čím dál více do popředí zájmu dostávají nástroje matematického modelování, které mohou pomoci s děláním klíčových rozhodnutí, optimalizací procesů nebo vůbec umožnit vývoj některých léků. Využití matematických metod se takto stává klíčem nejen ke konkurenceschopnosti farmaceutických firem, ale zároveň také nadějí pro mnohé pacienty.
V přednášce představíme typické problémy, se kterými se lze potkat ve farmaceutické společnosti a které lze řešit pomocí matematického a statistického modelování. Nakonec si povíme, jak v praxi vypadá práce na pozici "data scientist" a co člověk pro tuto práci potřebuje.

O přednášejícím: Václav Belák pracuje ve společnosti MSD na pozici data science tech lead. Specializuje se na strojové učení a statistické modelování zaměřené na pre-klinický farmaceutický výzkum, vývoj a bezpečnost léků. Doktorát získal během své práce pro Irish Center for Data Analytics INSIGHT in Galway.




Matematické metody pro cenotvorbu a správu výnosů

Ing. Miroslav Čepek, PhD. (Vendavo CZ)

Abstrakt: Pro každou firmu je životně důležité správně nastavit cenu svých produktů. Proces cenotvorby je značně náročný, protože je těžké odhadnout, jak budou zákazníci a konkurenti nastavenou cenu vnímat a zároveň cenová rozhodnutí silně ovlivňují činnost firmy. V přednášce se seznámíme se základy tvorby cen a s principy základních technik pro správu výnosů. Poté si ukážeme kroky a matematické metody nutné pro odhad doporučené ceny pro firemní zákazníky z historických dat, tj. projdeme explorací v minulosti uzavřených obchodů, návrhem segmentace trhu a odhadem doporučené ceny pro obchodního zástupce.

O přednášejícím: Miroslav Čepek vystudoval Informatiku na FEL ČVUT, kde také získal doktorát v oblasti Data Miningu. V minulosti se věnoval data miningu zákaznického chování v bankách a u telefonních operátorů. V současné době pracuje jako Data Scientist ve společnosti Vendavo, kde se věnuje analýzám zákaznických dat a vývoji metod pro hledání optimálních cen.




Zpracování obrazu pro nukleární medicínu

Ing. Ondřej Tichý, PhD. (ÚTIA AV ČR)

Abstrakt: V nukleární medicíně se k diagnostice chorob používá zavedení radioaktivních látek do těla nemocného, který je následně snímán speciální kamerou. Pro pozorování funkcí jednotlivých orgánů je potřeba takto získaná dynamická data zpracovat. Problémy při analýze nasnímaných dat jsou např. velký šum, pohyb pacienta či překryv pozorovaných oragánů při 2D projekci. Na přednášce se budeme věnovat Bayesovským modelům pro analýzu a vyhodnocení takovéhoto typu dat a studiem toho, co všechno můžeme pomocí modelu na datech modelovat a kdy už výsledkům své předpoklady "příliš vnucujeme".

O přednášejícím: Ondřej Tichý vystudoval softwarové inženýrství na FJFI ČVUT a PhD. získal v oboru matematické inženýrství také na FJFI. V současné době působí jako postdoc na ÚTIA AV ČR. Zabývá se především Bayesovským modelováním a odhadováním, z konkrétních aplikací pak především analýze dynamických dat v lékařské diagnostice a odhadováním parametrů úniků škodlivin do atmosféry.




Kde všude jsem potkal matematickou optimalizaci

RNDr. Martin Branda, PhD. (KPMS MFF)

Abstrakt: Přednáška bude motivačním úvodem do semináře. Přednášející, člen katedry pravděpodobnosti a matematické statistiky, ukáže, kde všude se mu poštěstilo použít své matematické znalosti. Vedle základního výzkumu na MFF se jednalo např. o řízení rizik v Kooperativě, optimalizaci lodní dopravy pro norskou firmu, hledání profilu úniku radioaktivních částic a další.

Uskutečněné přednášky v LS 2015/16




Matematické úlohy optimalizace při návrhu zařízení

František Mach (ZČU, Regionální inovační centrum elektrotechniky)

Abstrakt: Matematické úlohy optimalizace představují pro soudobé inženýrství nepostradatelný nástroj ke zdokonalení návrhu dílčích zařízení a jejich rozsáhlých systémů. Nedocenitelnou výhodou je přitom znalost fundamentálních charakteristik daného zařízení, kterou poskytuje jeho komplexní matematický model. Se zvyšujícím se požadavkem na hloubku znalosti daných charakteristik však nutně roste také složitost využitého matematického modelu a tím výpočetní náročnost jeho řešení. Pro úlohy optimalizace návrhu je přitom vždy nutné uvažovat vícerozměrný a omezený prostor parametrů, který často umožňuje nalézt několik shodných řešení, a to při respektování více kritérii. Složitost těchto optimalizačních úloh navíc dále zvyšuje neurčitost, kterou jsou často zatíženy parametry využívaných modelů. Přednáška se bude věnovat právě těmto úlohám, jejich formulaci a metodám řešení. Zvláštní pozornost bude přitom věnována praktickým úlohám z oblasti elektrotechniky.




Fulltextové vyhledávání na seznam.cz

Jiří Materna (Seznam, www.seznam.cz)

Abstrakt: Naprostá většina veřejných informací je dnes k dispozici na internetu v elektronické podobě. Ve většině případů však neznáme přesné umístění odpovědí na naše otázky a jsme zvyklí pro jejich nalezení používat internetové vyhledávače jako jsou Seznam nebo Google. Zajímá vás, jak tyto vyhledávače fungují a jaké problémy je ve fulltextovém vyhledávání třeba řešit? V této přednášce si představíme obecnou architekturu fulltextového vyhledávače a zaměříme se na vybrané oblasti jako je porozumění dotazu, řazení výsledků nebo využití hlubokých neuronových sítí pro zpracování obrazové i textové informace.

O přednášejícím: Jiří Materna vystudoval informatiku na Fakultě informatiky Masarykovy univerzity, kde také získal doktorát v oboru Umělá inteligence a počítačová lingvistika. Od r. 2008 pracuje pro Seznam.cz, nyní jako vedoucí výzkumného oddělení. Založil a organizuje konferenci Machine Learning Prague, je autorem blogu o strojovém učení www.mlguru.cz a mentorem podnikatelského akcelerátoru StartupYard.




Data science is a state of mind

Lukáš Toma (Knoyd)

Abstrakt: Žijeme v prostředí a v době, kdy data jsou všude kolem nás. Ovlivňují náš každodenní život v mnoha oblastech a to často, aniž bychom to tušili. Skrývají totiž v sobě obrovské množství informací, které je možné těžit. Přednáška nás uvede do oblasti data science a data miningu, jednoho z nejrušnějších oborů dneška. Zaměří se na rozdíly v konceptech řešení problémů prostředníctvím dat a na hlavní přístupy v oblasti dat ve firmách.

O přednášejícím: Lukáš Toma je spoluzakladatelem startupové společnosti Knoyd, kde působí jako data scientist. Vystudoval bakalářský obor finanční a pojistná matematika na MU v Brně a poté získal magisterský titul v oboru umělé inteligence na Université Polytech Nantes.




Statistické nástroje v biomedicínské informatice

MuDr. Lubomír Štěpánek (ČVUT, Fakulta biomedicínského inženýrství)

Abstrakt: V medicíně se využívají matematické a zejména statistické nástroje, které umožňují vyhodnocovat velká množství dat. Tím poskytují lékařům informace, která by při malém množství dat nebo při chybné metodice nebyly patrné. Na přednášce se dozvíme více o používaných nástrojích i oboru biomedicínské informatiky jako takové.

O přednášejícím: Lubomír Štěpánek vystudoval všeobecné lékařství na 2. lékařské fakultě UK, nyní studuje doktorské studium na 2. lékařské fakultě UK a paralelně na Fakultě biomedicínského inženýrství ČVUT, obě studia v oboru biomedicínská informatika. Zabývá se především systémy pro podporu rozhodování v medicíně a všeobecnou analýzou medicínských dat.




Jaké uplatnění nacházejí matematici v největší české energetické firmě?

Martin Viščor (ČEZ)

Abstrakt: Budeme se věnovat tématům, která se řeší analytické oddělení ČEZu, kde pracuje také několik absolventů MFF. Nejprve ukážeme a vysvětlíme algoritmus, podle kterého se tvoří cena elektřiny na denním trhu v evropském regionu. Také se budeme se zabývat problémem nalezení faktorů, které jsou v jednotlivých zemích pro formování ceny nejdůležitější. Poté se zaměříme na stochastické modelování předpovídání výroby elektřiny větrnými elektrárnami na základě jejich technických parametrů a povětrnostních podmínek. A zbyde-li čas, podíváme se ještě na optimalizaci plynových zásobníků a z ní plynoucí úlohu celočíselného programování.

O přednášejícím: Martin Viščor vystudoval matematiku na PřF MU v Brně a PhD. získal na University College Cork v Irsku. Pracuje jako analytik v oddělení Tradingu v ČEZu.




Řízení rychlosti vozu F1 pomocí rozhodovacího diagramu

Jiří Vomlel (Ústav teorie informace a automatizace AV ČR)

Abstrakt: V přednášce předvedeme, jak lze vypočítat řídící strategii pilota vozu Formule 1 tak, aby co nejrychleji projel závodní okruh. Pro nalezení optimální řídicí strategie používáme tzv. rozhodovací diagram, což je Bayesovská síť rozšířená o rozhodovací veličiny a užitkové funkce. Model obsahuje technické parametry vozu i okruhu (vlastnosti pneumatik, poloměry zatáček). Výsledky našich numerických experimentů porovnáme s konkrétní jízdou testovacího pilota F1 na okruhu v Silverstone a rovněž s nejrychlejším projetím tohoto okruhu, kterého dosáhl Sebastian Vettel na voze Red Bull-Renault při kvalifikaci Velké ceny Velké Británie v roce 2009.