Matematika a obrazy

Barbara Zitová (ÚTIA)

Abstrakt: Matematika je od nepaměti hluboce provázaná s tvorbou obrazů, od strukturované krásy klasického umění až po složitost moderních pláten generovaných umělou inteligencí. Tato přednáška se bude zabývat matematickými koncepty skrytými v postupech tvorby, interpretace a analýzy obrazů a fotografií. Začneme zkoumáním matematické krásy v klasických obrazech, kde teorie proporcí, symetrie a fraktální geometrie vysvětlují estetickou přitažlivost a strukturu viditelnou v dílech slavných umělců. Od této analýzy se přesuneme k postupům, jak lze významnost a jedinečnost hledat vobrazech a hlavně fotografiích, což nás zavede do oblasti digitálního zpracování obrazu. Zde se podíváme na invariantní postupy popisu a hledání vzorů. Průzkum zakončíme v oblasti umělé inteligence a strojového učení, kde neuronové sítě obrazy nejen popisují, ale také napodobují umělecké styly, a dokonce generují nový vizuální obsah. Budeme se zabývat také etickými aspekty a způsoby, jak můžeme jedinečnost děl chránit.

O přednášejícím: Barbara Zitová působí v Ústavu teorie informace a automatizace Akademie věd ČR, kde vede oddělení Zpracování obrazové informace. Přednáší na FJFI ČVUT a MFF UK. Mezi její výzkumné zájmy patří invarianty pro popis objektů, registrace a fúze obrazů a aplikace metod zpracování obrazu a umělé inteligence v oblasti kulturního dědictví, bezpečnosti a medicíny.

Náročnost pro posluchače: vhodné pro laiky.

Zamyšlení nad post-kvantovou kryptografií

David Pikálek (KPMG)

Abstrakt: Kryptografie je dnes přítomna jako základ moderní civilizace. Kryptografické algoritmy jsou zabudované do běžných zařízení spotřební elektroniky a spoléháme na ně v každodenním životě. Současné algoritmy se vyvíjely cca 100 let a stojí na ještě starších matematických základech. S rozvojem poznání fyziky se začínají do praxe prosazovat kvantové počítače, které provádějí operace nikoliv jako logické nebo číselné výpočty v binárním kódu, ale na základě kvantových jevů. Spolu s nimi ale přichází ohrožení pro bezpečnost používaných kryptografických algoritmů.
V přednášce si vysvětlíme, co se označuje jako klasická, kvantová a post- kvantová kryptografie. Shrneme připravované algoritmy post-kvantové kryptografie, jaký je stav jejich standardizace a očekávaný postup přijetí do praxe. Vysvětlíme si možné budoucí hrozby kvantových počítačů vůči kybernetické bezpečnosti. Uvidíme, proč a jak se již dnes připravovat na post- kvantovou kryptografii i v provozu informačních systémů.

O přednášejícím: David vystudoval Teoretickou kybernetiku, informatiku a teorii systémů na MFF UK. Má více než 30 let zkušeností v oboru informačních technologií. Jako konzultant KPMG se specializuje na implementace systémů řízení kybernetické bezpečnost, a to zejména v prostředí kritické informační infrastruktury státu.

O přednášejícím: Martin Holeček absolvoval v roce 2023 doktorský program Numerická a výpočtová matematika na MFF UK. Momentálně vede týmy data scientistů a machine learning engineerů ve firmách. Praktické zkušenosti s ap>

Náročnost pro posluchače: vhodné pro laiky.

AI pro automatizaci dokumentů (a jak to udělat bez ChatGPT)

Martin Holeček (AmpX)

Abstrakt: Pro automatizaci práce s fakturami, kde je potenciál ušetřit ohromné množství lidské práce, se nejlépe hodí AI, respektive neuronové sítě, protože v tomto typu dokumentů neexistují pevné šablony. V přednášce se podíváme na to, jak se problém dá řešit (procesně, produktově i vědecky) i bez nástrojů typu chatGPT. Budeme potřebovat mnohem menší výpočetní výkon, ale zato výrazně větší areznál technik: konvoluční, rekurentní, siamské a grafové neuronové sítě, základní techniky zpracování jazyka (NLP). Uvidíme, jak lze různé strategie kombinovat dohromady. Cílem přednášky je na specifickém ukázkovém tématu předat širší spektrum znalostí, technik, tipů a triků, které mohou zájemcům o tuto oblast ušetřit trochu času, ne jít rigorózně do hloubky. Bude díky tomu prostor pro jakékoliv připravené i nepřipravené dotazy k libovolné oblasti DataScience nebo AI.

O přednášejícím: Martin Holeček absolvoval v roce 2023 doktorský program Numerická a výpočtová matematika na MFF UK. Momentálně vede týmy data scientistů a machine learning engineerů ve firmách. Praktické zkušenosti s aplikovanou matematikou má už 12 let v oblastech od zdravotnictví, přes startupy až k energetice. Pracoval ve firmách Rossum a AmpX.

Náročnost pro posluchače: vhodné pro laiky.

Brains in Games: umělá inteligence ve videohrách

Jiří Hanák (Bohemia Interactive)

Abstrakt: Vývoj videoher je dnes svébytnou disciplínou, která obsahuje mnoho rozmanitých problémů k řešení. Renderování realistického či stylizovaného prostředí, specifická řešení síťové komunikace v multiplayer hrách či optimální struktura uživatelského rozhraní pro co nejpřehlednější zážitek – to vše jsou sub-disciplíny, do kterých může vývojář pronikat roky a stále objevovat nové poznatky. Jednou z neustále se měnících oblastí je práce na umělé inteligenci. Obsahuje spoustu zajímavých problémů, stmeluje ostatní herní systémy a často je rozhodujícím faktorem pro výsledný úspěch hry samotné. Ve hrách je „AI“ přítomná už od jejich prvopočátků a světy videoher by bezesporu byly o poznání nudnější, kdyby se v nich neproháněly různé počítačem řízené entity – ať už jako hráčovi pomocníci, či oponenti.
Ale jak to vlastně funguje? Existují nějaké „obecně dané“ či „léty osvědčené“ postupy, po kterých by herní programátoři a designéři mohli při vývoji sáhnout? V této přednášce se podíváme na několik vybraných technik, které pro vývoj umělé inteligence ve videohrách běžně používají firmy u nás i v zahraničí.

O přednášejícím: Jiří Hanák působí jako senior herní programátor v české videoherní firmě Bohemia Interactive. Vystudoval psychologii a žurnalistiku na FSS MUNI, od roku 2017 se pak profesně přesunul k programování, které ho táhlo už od dětství. Během své programátorské kariéry pracoval nejen ve videohrách, ale také ve vývoji vojenských simulátorů.

Náročnost pro posluchače: vhodné pro laiky.

Do hlubin překladače Charles Translator

Martin Popel (MFF UK)

Abstrakt: Jak je možné vytvořit anglicko-český překladač, který překoná v přesnosti překladu profesionální překladatelskou agenturu? Kdo a jak vlastně může vyhodnocovat kvalitu takto kvalitních překladů? Dá se na automatický překlad spolehnout? Jak se podařilo během dvou týdnů v březnu 2022 vytvořit a zpřístupnit zdarma veřejnosti ukrajinsko-český překladač? Kde se ve vývoji překladačů využívá matematika? Na tyto a další otázky se pokusí odpovědět přednáška o překladači Charles Translator vyvinutém na MFF UK.
Dnešní nejlepší překladače jsou založeny na technologiích umělé inteligence, konkrétně hlubokých neuronových sítí, ale pro širší rozhled budou v přednášce krátce zmíněny i předchozí přístupy ke strojovému překladu.

O přednášejícím: Martin Popel vyučuje na Ústavu formální a aplikované lingvistiky MFF UK, kde se zabývá vývojem překladačů, vyhodnocováním jejich kvality a také syntakticky anotovanými korpusy v projektu Universal Dependencies. V roce 2019 pracoval v Redmontu v týmu Microsoft Translator. Je autorem česko-anglického překladače (https://lindat.cz/cubbitt) a česko- ukrajinského překladače (https://translator.cuni.cz).

Náročnost pro posluchače: vhodné pro laiky.

Jak starý je Váš mozek?

Ondřej Klempíř (DNAnexus)

Abstrakt: Je člověk opravdu tak starý, jak starý se cítí? Stanovení rozdílu mezi chronologickým věkem a skutečným stářím mozku je v současné době zajímavou teoretickou i klinicky praktickou otázkou. Významný rozdíl totiž může u některých lidí předurčovat horší průběh nemocí.
Na této přednášce si velmi stručně nastíníme, jak se tento problém modeluje s využitím statistických i jiných metod strojového učení na datasetu 50 tisíc mozků. Dozvíte se, jaké kroky je třeba provést, abychom z obrázku mozku z magnetické rezonance mohli stanovit odchylku jeho stáří od chronologického věku. A uděláme si i praktickou ukázku trénování takového modelu.

O přednášejícím: Ondřej Klempíř vystudoval PhD v oboru biomedicínské inženýrství na FBMI ČVUT. V DNAnexus se zabývá velkými daty z UK Biobank, (zejména těmi, co se týkají zobrazovacích metod) a souvisejícím využitím ML algoritmů v cloudu.

Náročnost pro posluchače: vhodné pro laiky.

Matematika v prevenci finančních krizí

Pavel Doležel (Ernst & Young)

Abstrakt: Cílem komerční banky, jako každé jiné soukromé firmy v ekonomice, je především realizace zisku. Ale protože převážně neoperuje s vlastními penězi, musí vedle snahy o maximalizaci zisku splňovat celou řadu omezujících podmínek. Bankovnictví se tak stává jedním z nejvíce regulovaných odvětví (a velmi kreativní disciplínou) a řízení bankovních rizik je tak vyhledávanou a velmi dobře oceňovanou odborností. Na přednášce si představíme nejnovější trendy v řízení úvěrových rizik, která v komerčních neinvestičních bankách obvykle představují dominantní část všech finančních rizik. Vysvětlíme si nejen základní účetní a ekonomické principy fungování bank, ale i specifické matematické metody a postupy pro tento účel používané.

O přednášejícím: Pavel Doležel vystudoval ekonomické teorie na IES FSV UK, finance a účetnictví na ESF MU vBrně a matematiku se zaměřením na ekonometrii a optimalizaci na MFF UK. V současné době dokončuje studium ekonomiky a managementu na ESF Univerzity Pardubice. Profesní kariéru zahájil v GE Money Bank v roce 2005 na pozici finančního analytika. Poté prošel několika analytickými pozicemi v Komerční bance a ve skupině PPF a od roku 2015 pracuje v poradenské firmě EY jako manažer v oblasti řízení úvěrových rizik.

Náročnost pro posluchače: vhodné pro laiky.

Vývoj aerodynamiky vozu ve Škoda Auto

Vojtěch Trusík (Škoda Auto)

Abstrakt: Aerodynamika osobních vozů se stává středem pozornosti teprve v nedávné době. Vzrůstající zájem je výsledkem nejen rostoucího tlaku na snižování emisí CO2 a honbou za zvyšováním dojezdu EV vozů, ale i rozvojem počítačové techniky umožňující provádět náročné simulace proudění. Simulace jsou založené na numerické diskretizaci téměř 200 let starých rovnic, jejichž obecné řešení je do dnešní doby považováno za jeden z matematických problémů tisíciletí. Přednáška vás postupně provede významem aerodynamiky přes její začlenění do vývoje celého vozu až po využití moderních experimentálních a virtuálních metod při vývoji. Důraz bude kladen na význam a způsoby validace virtuálních metod vůči experimentálním datům. Závěr přednášky bude zaměřen na praktické ukázky využití pokročilých simulací ve vývoji funkčních vlastností vozu.

O přednášejícím: Vojtěch Trusík vystudoval obor Stavba Letadel na FSI VUT v Brně. Po absolvování v roce 2014 přešel z leteckého průmyslu do automobilového a nastoupil do oddělení vývoje aerodynamiky ve Škoda Auto a.s. V průběhu svého působení v aerodynamice měl možnost se podílet a vést vývoj vnější aerodynamiky vozů jako Škoda Kodiaq, Škoda Karoq, a další. V současnosti v oddělení aerodynamiky zastává funkci vedení skupiny vývoje virtuálních a experimentálních metod.

Náročnost pro posluchače: vhodné pro laiky.

Data, roboti a krávy: AI ve světě farmářů

Jan Bím, Markéta Jůzlová (Datamole)

Abstrakt: Málokdo by čekal umělou inteligenci mezi kupkami hnoje. Ale krávy jsou už řadu let její velké fanynky. Roboti je dojí, krmí, hlídají jejich zdraví, růst a produkci způsobem, který jim vyhovuje daleko více než starší metody a lidská obsluha. Díky zapojení AI může také každé zvíře dostat „personalizovanou“ péči a farmář zase trochu odpočinku. Celosvětově používaní roboti na mléčných farmách přitom nesou výraznou českou stopu ve svém software. Na této přednášce (nejen) o data science se dozvíte, kolik Matfyzáků je potřeba k podojení stáda krav a jak to vlastně dělají. Ukážeme si, jaká data se sbírají z farem, co všechno z nich lze spočítat a k čemu je to vůbec dobré.

O přednášejících: Jan Bím vystudoval programování na MFF UK, umělou inteligenci na VU Amsterdam a PhD v oboru výpočetní neurovědy na Universita di Trento. V Datamole vede oddělení data science a specializuje se na zpracování obrazu. Markéta Jůzlová vystudovala strojové učení na FIT ČVUT. V Datamole vede tým řešící „kraví“ projekty.

Náročnost pro posluchače: vhodné pro laiky.

Matematika a ekologie

Luděk Berec (JČU)

Abstrakt: Matematická ekologie je dnes rozvinutá vědní disciplína přispívající k řešení řady aktuálních problémů biodiverzity, ale také k poznání základních zákonitostí přírody v situacích, kdy je možnost klasického experimentování omezená. Zatímco matematici se občas jako svému koníčku věnují detailnímu studiu relativně jednoduchých matematických modelů umožňujících exaktní analýzu, biology matematika zpravidla děsí a o informace z této disciplíny a práci v ní nemají valný zájem. I proto je dnes matematických ekologů (a obecně biologů) potřeba. Ve své přednášce bych rád představil některé zajímavé problémy a výsledky matematické ekologie, ty praktické i ty přinášející obecné poznání, ty současné i ty klasické.

O přednášejícím: Luděk Berec vystudoval obor Matematické inženýrství na FJFI ČVUT. Krátce po doktorátu zběhl k matematické biologii, které se dodnes věnuje na Katedře matematiky PřF JU v Českých Budějovicích. Speciálně se zabývá matematickým modelováním v ekologii, epidemiologii a evoluční biologii a prostřednictvím různých přednášek se snaží význam těchto aktivit přibližovat. Kdekoliv je to možné, vkládá témata z těchto oblastí do svých matematických kurzů, má však s kolegy na tato témata i kurzy speciální. Kromě matematického modelování se věnuje i modelování papírovému.

Náročnost pro posluchače: vhodné pro laiky.

Byl jednou jeden JPEG ... a je tu stále s námi

Pavel Rajmic (VUT)

Abstrakt: JPEG byl standardizován v roce 1992. Ještě dnes, v roce 2023, všichni používáme tuto metodu pro kompresi (a dekompresi) digitálních obrázků, v takové podobě jak byla navržena před 30 lety. Proč tento oblíbený obrazový formát nikdy nebyl reálně vytlačen moderními konkurenty? V před- nášce se budeme věnovat i této otázce, nicméně těžiště přednášky bude ležet v představení komponent, ze kterých se algoritmus JPEG skládá a jejichž chytré propojení umožňuje vysoké kompresní poměry při nízké výpočetní náročnosti. Komponenty samozřejmě fungují na matematické bázi, ale pramení z různých oborů jako teorie informace, lineární algebra, psychofyzika.Vysvětlíme si také, jak vypadají běžné JPEG artefakty (nepříjemné a nežádoucí vizuální důsledky komprese) a jaké existují způsoby jak artefakty zmírnit. Jako vedlejší produkt přednášky by posluchači mohli JPEG začít používat skutečně jen na obrázky, pro které je určen.

O přednášejícím: Pavel Rajmic vystudoval obor matematika–ekonomie na Masarykově Univerzitě. Od roku 2004 pracuje jako pedagog a výzkumník na elektrofakultě Vysokého učení technického v Brně, kde získal doktorát a od roku 2021 je zde profesorem. Odborně se věnuje metodám digitálního zpracování multimediálních signálů.

Náročnost pro posluchače: vhodné pro laiky.

Personalizovaná medicína - udělej si sama/sám

Anastazie Sedláková (DNAnexus)

Abstrakt: Algoritmy sociálních sítí nám na základě našich dat ukazují reklamu. Ale co kdybychom si podobně, na základě našich biologických a genetických dat, nechali doporučovat léčbu nemocí? Počítat rizika a predispozice k chorobám? Na této přednášce si uděláme výlet do oboru personalizované medicíny. Kromě teoretického úvodu si ve funkčním kódu ukážeme, jak lze z (vlastní) genetické informace spočítat skóre náchylnosti k dědičným chorobám.

O přednášejícím: Anastázie Sedláková má PhD z oboru Forenzní genetiky a statistiky. V současné době pracuje ve firmě DNAnexus, kde se věnuje bioinformatice a stará se o komunitu. S manželem má firmu sedlakovi.org, která dělá firemní kurzy programování, datové analyzy a strojového učení.

Náročnost pro posluchače: vhodné pro laiky.

Forecasting aneb o předpovídání budoucnosti

Jan Kleňha (České priority)

Abstrakt: Chce-li matematik předpovídat budoucnost, pustí se do modelování. Časové řady a tak. Ale jaké metody lze použít na predikce trendů a událostí v oblastech, kde kvantitativní modely z různých důvodů nestačí? Máme k dispozici lepší nástroje než křišťálovou kouli?
Návod, jak v takových situacích postupovat, nabízí úsudkový forecasting. Na této přednášce si vysvětlíme základy forecastingu, které lze uplatnit i v běžném životě a ukážeme si, jak se v odhadování budoucnosti můžete sami trénovat. Využijeme elementární znalosti z teorie pravděpodobnosti a bude řeč i o Fermiho odhadech. Kromě toho si povíme, co jsou forecastingové turnaje a jak dopadl nejnovější turnaj Forpol.cz.

O přednášejícím: Jan Kleňha vystudoval FSV UK, kde i nyní zkoumá účinnost různých metod strategického foresightu. Spoluzaložil nezávislý výzkumný think-tank České priority, jehož misí je zlepšovat kvalitu veřejného rozhodování v ČR. Pracovali například na tvorbě metodik, na projektu Megatrendy.cz pro Radu Vlády pro VVI nebo na forecastingových turnajích Predikce.org a Forpol.cz.

Náročnost pro posluchače: vhodné pro laiky.

THEaiTRE: Generování scénářů divadelních her pomocí jazykových modelů rodiny GPT

Rudolf Rosa (MFF UK)

Abstrakt: V únoru 2021 jsme v rámci projektu THEaiTRE ve Švandově divadle uvedli divadelní hru s názvem "AI: Když robot píše hru". Šlo o první celovečerní divadelní hru, jejíž scénář byl převážně vygenerován automaticky pomocí jazykového modelu.
V přednášce se seznámíme s projektem, v němž jsme využili jazykový model GPT-2, který jsme dotrénovali na scénářích divadelních her. Vysvětlíme si, jak jsme v projektu postupovali a na co jsme naráželi. Podíváme se i obecněji na novější verze velkých jazykových modelů, jako je GPT-4 či ChatGPT. Řekneme si, jak dnešní jazykové modely fungují a jak se liší od předchozích n-gramových modelů. Vysvětlíme si také, jak se trénují, jak se dají použít, i jaké mají problémy.

O přednášejícím: Rudolf Rosa vystudoval počítačovou lingvistiku a pracoval jako softwarový inženýr ve firmě Google. Nyní vyučuje na Ústavu formální a aplikované lingvistiky MFF UK. V posledních letech se zaměřuje na generování textu pomocí jazykových modelů. Je také členem skupiny AI v kontextu, která se věnuje umělé inteligenci v kontextu různých oborů.

Náročnost pro posluchače: vhodné pro laiky.

Kybernetická bezpečnost - příběhy z podsvětí prakticky

Jan Pilař a Michal Horáček (Microsoft)

Abstrakt: Nejen události posledních let nám názorně ukazují, jak důležitá je kybernetická bezpečnost. Phishingové útoky, malware, ransomware a další kybernetické hrozby mají velký dopad na fungování nejen jednotlivců, ale hlavně firem nebo kritické infrastruktury, např. nemocnic.
Tato přednáška bude malým úvodem do problematiky kybernetické bezpečnosti s důrazem na její praktické aspekty. Seznámíme se například s problematikou ochrany identity a dat a ukážeme si, jaké jsou trendy v oblasti kybernetické kriminality. Součástí budou i ukázky reálných incidentů, na kterých přednášející spolupracovali s interními vyšetřovateli Microsoftu a vyšetřovateli z Policie ČR.

O přednášejících: Jan Pilař vystudoval marketingovou komunikaci na UTB ve Zlíně, ale celý profesní život se věnuje IT. Po vyzkoušení různých pozic zakotvil v Microsoftu jako technický specialista na Windows. Nyní pracuje jako seniorní specialista na kyberbezpečnost a XDR technologie.
Michal Horáček absolvoval PřF UK a nyní dálkově studuje MIT. V Microsoftu je zodpovědný za rozvoj cloudových služeb v rámci segmentu SMB pro ČR a SR. Mimo zaměření na svět start-upů a scale-upů se také aktivně podílí na evangelizaci československého trhu v oblasti kybernetické bezpečnosti.

Náročnost pro posluchače: vhodné pro laiky.

Proč bych si měl pamatovat víc než ty? (O omezené racionalitě v teorii her)

René Levínský (BISOP)

Abstrakt: Přednáška - interaktivní seminář - se pokusí účastníky uvést do problematiky teorie her. Ukážeme si, jak je v situaci s malým počtem hráčů důležité uvažovat o možném chování protihráče. Seznámíme se se základními metodami experimentální teorie her, během přednášky jeden experiment provedeme a budeme ho společně analyzovat.
Od experimentu se posuneme k teoretickému modelu. Na jednoduchém příkladě ukážeme jeden z možných přístupů k popisu omezené racionality, v němž jedinec není schopen rozeznat všechny stavy světa a jeho percepce je daná jistou funkcí, která zobrazuje stavy světa do (menší) stavové množiny. Příkladem budiž jedinec, který je například zapomnětlivý (a nepamatuje si celou historii hry), či jedinec, který není schopen perfektně monitorovat akce svého protihráče (a splývají mu tak některé akce protihráče v jednu). Takový jedinec nemá ve hře k dispozici všechny možné strategie, je limitován množinou stavů, které je schopen vnímat a rozlišit. Jinými slovy – omezený jedinec může hrát pouze omezenou množinu strategií.
Otázkou je, jak sofistikovaná musí být strategie, která dosáhne nejlepšího výsledku proti jedinci, jehož vnímání světa je omezené. V přednášce se zaměříme na situaci, kdy omezená percepce jedince splňuje poměrně přirozenou podmínku, a sice rekurzivitu. Percepce světa omezeného jedince dnes je pak funkcí jeho včerejší percepce a toho, co se stalo dnes. V takovém případě optimální strategie vůči omezenému jedinci leží uvnitř výše popsané omezené množiny strategií. Tedy: Chceme-li hrát optimálně proti omezenému jedinci, stačí, když budeme uvažovat jeho omezený stavový prostor.

O přednášejícím: René Levínský vystudoval matematické modelování na katedře matematiky fakulty jaderné a fyzikálně inženýrské ČVUT, v roce 2000 získal doktorát z ekonomie na CERGE University Karlovy. Od roku 2000 do roku 2016 žil ve Spolkové republice Německo, kde nejdříve přednášel na Universitě Allberta Ludwiga v jihobádenském Freiburgu, poté byl 9 let zástupcem ředitele Ústavu Maxe Plancka pro ekonomii v durynské Jeně. Jeho výzkum lze rozdělit do dvou základních částí. V první řadě se zabývá matematickou ekonomií a teorií her. Mimo teorie se zabývá i ekonomickými experimenty a psychologickými (až fyziologickými) aspekty rozhodování. V současnosti pracuje jako odborný asistent na FF UK v Praze a je ředitelem Centra pro modelování biologických a společenských procesů (BISOP).

Náročnost pro posluchače: vhodné pro laiky.

Když jde v matematice o život

Monika Šťástková (Ernst & Young):

Abstrakt: Pojišťovny dnes poskytují v oblasti životního pojištění krytí na širokou škálu rizik. Většina smluv je uzavírána na desítky let dopředu, a tak se pojišťovny musí vypořádat s tím, jak odhadnout budoucí vývoj svého portfolia smluv. Kdy a v jaké výši škody nastanou, kolik jich bude? Jaké informace o klientovi mají vliv na to, kolik pojišťovna bude muset zaplatit? Kolik smluv v portfoliu zůstane za deset let? Odpověď na tyto otázky je klíčová nejen pro pojišťovny, ale i pro klienty, aby měli jistotu, že pojišťovna bude mít v budoucnu na zaplacení jejich škod.
Na přednášce si ukážeme postupy, které pojišťovny využívají pro modelování budoucího chování portfolia smluv životního pojištění. Zaměříme se na statistické metody, které se využívají pro analýzu dat vstupujících do modelace a na nástrahy, se kterými se musíme při předpovědi na desítky let dopředu vypořádat. Na konci přednášky budete znát odpověď na otázku, proč jsou pojistní matematici nepostradatelnou součástí každé pojišťovny.

O přednášejícím: Monika Šťástková vystudovala finanční a pojistnou matematiku na MFF UK. Kariéru zahájila jako pojistný matematik v životní pojišťovně. V roce 2016 nastoupila do poradenské společnosti Ernst & Young s.r.o., kde působí jako Senior manažerka v oblasti pojišťovnictví a pojistné matematiky. Je členkou výboru České společnosti aktuárů.

Sociomapování - Jak měřit a zobrazovat sociální blízkost

Radvan Bahbouh (QED Group)

Abstrakt: Sociální vzdálenost není jen metaforou tělesné vzdálenosti, ale zároveň je to i její korelát. Navzdory tomu, že můžeme uvažovat o vzdálenostech lidí ve vztazích podobně jako můžeme uvažovat o vzdálenostech lidí v prostoru, musíme se vyrovnat s tím, že vztahy nesplňují trojúhelníkovou nerovnost a ani symetrii. Jak je možné i přes tyto nevýhody vzájemné komunikační vzdálenosti mezi lidmi vyjádřit mapou, která nám umožní, abychom se ve svých vztazích lépe zorientovali?
Vytvoření autorsky původní metody sociomapování umožnilo již před téměř třiceti lety (z)mapovat vzájemnou komunikaci a spolupráci kosmických posádek, vojenských jednotek i pracovních týmů. V této přednášce si metodu sociomapování společně představíme.

O přednášejícím: Doc. MUDr. Mgr. PhDr. Radvan Bahbouh, Ph.D. vystudoval matematickou statistiku a pravděpodobnost na MFF UK, psychologii na FF UK a všeobecné lékařství na 3. LF UK. V oboru psychologie se i habilitoval. Je autorem celosvětově známé metody Sociomapování pro analýzu sociálních systémů. Založil a vede společnost QED GROUP a.s. zabývající se psychologickým koučováním.

Náročnost pro posluchače: vhodné pro laiky.

O rozhodovacích metodách v reálném životě

Matěj Čamaj (Ematiq)

Abstrakt: S problematikou zpracování informací a rozhodování se v podmínkách nejistoty se setkáváme na denní bázi. Jak při utváření názorů zohlednit nové informace? Je dobré se spoléhat na předpovědi volebních průzkumů, nebo existuje přesnější zdroj predikce výsledků? Je možné predikovat také nebinární jevy jako třeba datum vzniku umělé inteligence? Přirozený lidský zájem o kvantifikaci nejistoty dal vzniknout trhům, kde se predikce výsledků budoucích jevů obchodují.
Na přednášce se budeme zabývat teoretickými a praktickými koncepty užitečnými při rozhodování. Problematiku budeme diskutovat v kontextu obchodování na prediktivních a sportovních trzích. Vysvětlíme si také zajímavé rozdíly mezi instrumenty, které se používají na finančních a prediktivních trzích.

O přednášejícím: Matej Čamaj vystudoval finanční inženýrství na VŠE v Praze. Již za studií nalezl zálibu v pravděpodobnosti a její aplikaci na různé situace v životě. V průběhu své kariéry se věnoval algoritmickému obchodování a řízení rizik na finančních a energetických trzích, v současnosti aplikuje znalosti pravděpodobnosti a teorie rozhodování v doméně obchodování na prediktivních a sportovních trzích.

Náročnost pro posluchače: vhodné pro laiky.

AI, diagnostika zařízení a vizuální kontrola kvality ve výrobě

Jaroslav Jirkovský (Humusoft)

Abstrakt: Využití strojového učení umožňuje rychlou a efektivní klasifikaci stavu technických systémů nebo kontrolu kvality průmyslových výrobků. Na tuto aplikaci se soustředí také MATLAB, který je v technických oborech běžným nástrojem.
Na této přednášce si ukážeme, jak vypadá celý proces aplikace metod strojového učení ve výrobní praxi. Podíváme se na aplikace zaměřené na automatizované hodnocení stavu systému, od sběru senzorických dat, přes jejich transformaci, až po učení algoritmů, které klasifikují stav zařízení nebo zachytávají anomálie.

O přednášejícím: Ing. Jaroslav Jirkovský, PhD. vystudoval řídící systémy a techniku na Strojní fakultě ČVUT, kde získal i doktorát. Již 15 let pracuje pro firmu Humusoft jako aplikační inženýr MATLABu. Mimo jiné se věnuje oblastem využití výpočetních modelů ve vývoji technických systémů a nasazení metod umělé inteligence v průmyslových aplikacích.

Náročnost pro posluchače: vhodné pro laiky.

Standardní úloha strojového učení vs. antivir

Viliam Lisý (Avast)

Abstrakt: Velké antivirové společnosti, jako je Avast, mají ve svých databázích stovky milionů příkladů čistých a škodlivých souborů. Mohlo by se zdát, že díky obrovskému pokroku ve fungování strojového učení a dostupnosti relativně levného výpočetního výkonu stačí na těchto datech naučit neuronovou síť nebo jiný model strojového učení a máme antivir. Realita je ale mnohem komplikovanější. Distribuce dat se neustále vyvíjí. Dat je příliš mnoho na to, aby byly všechny jejich klasifikace spolehlivé, ale požadavky na přesnost jsou extrémní. Množství nových souborů, které klasifikujeme, znemožňuje použít na každý z nich celý model a po objevení chyb v klasifikaci je nutné reagovat mnohem rychleji, než jsme schopni model přetrénovat. V této přednášce představíme fundamentální problémy strojového učení, které tyto komplikace formalizují a naznačíme jejich možné řešení.

O přednášejícím: Viliam Lisý je docentem na FEL ČVUT a AI vědcem ve společnosti Avast. Absolvoval magisterské studium teoretické informatiky na MFF UK, technické umělé inteligence na Vrije University v Amsterdamu a doktorát zaměřený na výpočetní teorii her na ČVUT. V rámci postdoktorské stáže na univerzitě v Albertě se podílel na systému DeepStack, který jako první porazil profesionální hráče v nolimit pokeru. Momentálně se zabývá multiagentním posilovaným učením a aplikacemi umělé inteligence v kybernetické bezpečnosti.

Náročnost pro posluchače: vhodné pro laiky.

Matematika - nová vlna revoluce v elektronové mikroskopii

Ondřej Sháněl (Thermo Fisher Scientific)

Abstrakt: Elektronová mikroskopie otevřela v 30. letech 20. století dveře do nanosvěta. Dnes jsou elektronové mikroskopy přítomné v nejrůznějších vědeckých oborech a v průmyslu. Pomáhají vyvíjet nové materiály, zdokonalovat baterie nebo vytvářet účinnější léčiva. Právě díky elektronovým mikroskopům rozumíme mnohem lépe podstatě buněčné stavby na subatomární úrovni.
Obrovské množství informací, které nám moderní mikroskopy poskytují je základem pro další revoluci. Matematickou revoluci. Pomocí matematiky – v mnoha jejích podobách – dokážeme 1.000 zrychlit zpracování více než 10TB obrazových dat, které obsahují informace o buněčné struktuře zkoumaného vzorku. Díky matematice také můžeme optimalizovat chování každého jednotlivého mikroskopu a potlačovat jeho nestabilitu.
Matematika je nástrojem, který elektronovým mikroskopům otevírá dveře do 21. století. Do století, ve kterém bude mikroskop velmi intuitivní zařízení a jeho výstupy jednoduše interpretovatelné.

O přednášejícím: Ondřej Sháněl získal Ph.D. v oblasti aplikované fyziky a nyní je systémovým architektem transmisních elektronových mikroskopů v Thermo Fisher Scientific Brno. S kolegy z Nizozemska a USA se podílí na vývoji mikroskopů, které pomáhají v oblasti přírodních a materiálových věd. Navíc přednáší na VUT Brno.

Náročnost pro posluchače: vhodné pro laiky.

Fyzikální a statistické modelování v průmyslu

Jaroslav Staněk (Doosan Bobcat, Diribet)

Abstrakt: Nepouštějte matematiky k bagru. Může se stát, že ho popíšou diferenciálními rovnicemi! Fyzikální a statistické modelování jsou v průmyslu pomocné funkce, které se neobejdou bez odborné kompetence v oblasti aplikace, avšak samy jsou odbornou kompetencí. Poskytují tak příležitost pro mezioborovou spolupráci. Všechny modely jsou nutně zjednodušené a nemá smysl se ptát, jestli jsou přesné. Zajímavější je otázka, jestli je model užitečný k rozhodnutí, které chceme učinit. V tomto ohledu je fyzikální model dalším zdrojem dat, třeba vedle měřicích přístrojů. Sdílí i nejistotu, náhodnou nebo systematickou chybu, kterou je každý výsledek zatížen.
Nepřeberné množství dat z nesourodých zdrojů je typické pro současný průmysl. Jak poznat, jestli jsou k užitku? Je vhodné na ně poslat umělou inteligenci? Jak zapojit lidskou odbornost do rozhodování? Jak propojit fyzikální model a model založený na datech? Jak předat výsledek algoritmu člověku, který má rozhodnout? Data nikdy nehovoří sama za sebe, vždy je nutná jejich kompetentní interpretace. Čím vyšší je odborná znalost toho, kdo klade otázky, tím vyšší je užitek z použití modelů. Více otázek než odpovědí uvidíme na několika skutečných příkladech. Ukážeme, kde se používají spíše fyzikální modely, kde statistické a kde je výhodné je kombinovat.

O přednášejícím: Jaroslav Staněk vede v Doosan Bobcat oddělení simulací a spolehlivosti zabývající se výpočetní mechanikou, dynamikou tekutin a statistickým odhadem životnosti komponentů a systémů. Spoluzaložil společnost Diribet specializovanou na statistiku v průmyslové výrobě, vede zde skupinu Data Science.

Obchodování na burze a tvorba trhu

Vít Kubelka (Qminers)

Abstrakt: Jak funguje obchodování na burze? Proč je jak pro burzu, tak pro účastníky finančních trhů důležité, aby na trzích byla dostatečná nabídka a poptávka? Vysvětlíme si základní pojmy z burzovního světa a řekneme si, kdo jsou takzvaní tvůrci trhu, kteří nabízejí jak nákupní tak prodejní cenu. Přítomnost tvůrců trhu pomáhá, mimo jiné, snižovat rozkolísanost cen a jejich důležitost podtrhuje i fakt, že sama burza často tvůrcům platí, aby pomáhali tvořit stabilní trh.
Základem kvalitní tvorby trhu (tzv. "market making") je algoritmus, který automaticky obchoduje. Nastíníme si, jak takové algoritmy pro obchodování na burze mohou vznikat, na jaké praktické problémy se může při jejich implementaci narazit a na závěr si krátce popovídáme o tom, jaké matematické metody se mohou při tvorbě těchto algoritmů používat.

O přednášejícím: Vít Kubelka vystudoval obor Pravděpodobnost, statistika, ekonometrie a finanční matematika na MFF UK v Praze. Po magisterském stupni pokračoval i v doktorandském studiu, které v roce 2020 úspěšně zakončil. Nyní pracuje ve firmě Qminers, kde se zabývá datovou analýzou a algoritmickým obchodováním.

Náročnost pro posluchače: vhodné pro laiky.

Matematické výzvy při optimalizaci Supply Chain

David Kadleček (DNAI)

Abstrakt: Rostoucí konkurence na trhu spolu s jeho globalizací a dynamikou vyžaduje stále se zvyšující efektivitu dodavatelského řetězce a logistiky. To klade výrazně vyšší nároky na softwarová řešení a produktivitu práce lidí v této oblasti. Některé z těchto nároků jsou řešitelné se současnými IT prostředky, jiné představují značné výzvy z pohledu výpočetní složitosti a vyžadují kombinování různých domén matematiky se strojovým učením.
Přednáška se bude zabývat oblastmi supply chain jako je odhadování a plánování poptávky (demand planning and forecasting) a řízení zásob (inventory management). Popíšeme si, jaké jsou odlišnosti mezi různými doménami jako je retail, výroba a průmysl. Nastíníme si přístupy k řešení a výzvy z pohledu komplexity dat a výpočetní složitosti. Budeme se zabývat tím, jak tyto oblasti propojit do jednotného řešení, které při optimalizaci bere v potaz výsledky z více oblastí supply chain. Budeme i diskutovat, jak by měl uživatel interagovat s aplikací, aby nebyl přehlcen daty a mohl se zaměřit jen na důležité úkony, které nelze automatizovat. Tedy jak převést matematické výpočty v přidanou hodnotu pro uživatele.

O přednášejícím: David Kadleček vystudoval obor Umělá inteligence a Biokybernetika na FEL ČVUT, kde získal i doktorát. Pracoval v nadnárodních společnostech v oblasti softwarového vývoje a AI. V současnosti působí jako CTO v technologické firmě DNAI (www.dnai.ai) a přednáší na FEL ČVUT.

Náročnost pro posluchače: vhodné pro laiky.

Od zlomků k modelům a zase zpět

Jan Kuratko (Allianz)

Abstrakt: Dokážeme vidět do budoucnosti? Jaké budeme mít výdaje? Jak ocenit riziko? Každý den, ať už vědomě, nebo ne, všichni plánujeme a podle toho upravujeme své jednání. Stále se rozhodujeme na základě poměřování, co je snadnější, výhodnější, rizikovější, nebo podle našich přání a cílů.
Na přednášce si ukážeme, jakým způsobem můžeme modelovat očekávané počty škod a jejich výši. Jak s informací z představeného modelu naložit při plánování a jaká jsou úskalí. Bude nám stačit trochu statistiky, abychom vytvořili nástroj, kterým se pokusíme předpovědět budoucnost. Samozřejmě se nebude jednat o skutečnou předpověď budoucnosti, ale přesto bude užitečná.

O přednášejícím: Jan Kuřátko vystudoval obor Numerická a výpočtová matematika na MFF UK, kde získal i doktorát. V akademickém roce 2015/2016 byl prezidentem studentského spolku Charles University Chapter of SIAM. Od roku 2018 pracuje v pojišťovně Allianz a zabývá se cenotvorbou.

Náročnost pro posluchače: vhodné pro laiky.

Zelená energie, politika a matematika

Tomáš Rusý (Second Foundation)

Abstrakt: Ceny energií jsou v poslední době často omílané téma, otázka ale zní, jak se taková cena vlastně tvoří? Na vstupu je totiž mnoho parametrů, z nichž celá řada je náhodných. Mezi ně můžeme zařadit například objem produkce z obnovitelných zdrojů, cenu paliv, také například odstávky nebo výpadky různě efektivních elektráren, ale i další. Všechno dohromady pak vstupuje do komplexního evropského energetického ekosystému, který se skládá z různých oblastí (států) propojených sítí kabelů vysokého napětí. Ultimátní otázka pak zní, jaký pak použít model, aby ze všech těch dat dokázal odhadnout férovou cenu, a je to vůbec reálné?
Seminář se bude věnovat diskusi o různých, více či méně náhodných proměnných, které mají vliv na velkoobchodní cenu elektřiny. U řady faktorů se pak zamyslíme nad jejich fundamentálními základy a potažmo matematickými přístupy, které lze aplikovat pro kvalitní predikci. A že těch přístupů je celá řada, přes lineární regresí, časové řady, teorii her a strojové učení se dá dostat až ke stochastickému programování.

O přednášejícím: Tomáš Rusý vystudoval obor pravděpodobnost, matematická statistika a ekonometrie na MFF UK, kde se následně v rámci doktorského studia věnoval stochastickému programování. Poslední roky pak strávil s analýzou energetických trhů a obchodováním s energiemi. Aktuálně pracuje v Second Foundation v rámci týmu zaměřujícím se na algoritmické obchodování s kryptoměnami.

Náročnost pro posluchače: vhodné pro laiky.

Mozek jako metropole

Jaroslav Hlinka (ÚI AV ČR)

Abstrakt: Moderní metody zobrazování mozkové aktivity umožňují velmi přesnou lokalizaci různých kognitivních funkcí s pomocí měření aktivity mozku během řešení přesně vymezených úloh. V rostoucí míře jsou ale také využívány k měření spontánní mozkové aktivity během klidového stavu, kdy se subjekt nevěnuje žádnému zvláštnímu úkolu, nebo například i spí.
Přednáška se dotkne toho, jaké jsou možnosti využití a naopak úskalí analýzy a interpretace takovýchto dat, a jaké výsledky byly v této oblasti v posledním desetiletí dosaženy. Zejména se podíváme na rychle se rozvíjející oblast analýzy mozkové aktivity pomocí teorie grafů. Ta nabízí zjednodušený pohled na mozek jako množinu oblastí (uzlů), mezi kterými probíhá interakce skrze sadu různých cest (hran) - podobně jako město může být modelováno jako sada míst spojených ulicemi, nebo ostrovů spojených mosty. Takovýto grafový popis se v poslední dekádě extrémně rozšířil jako metoda pro studium komplexních systémů, byť jeho počátky byly položeny již v práci Leonharda Eulera v osmnáctém století.

O přednášejícím: Jaroslav Hlinka vystudoval matematiku na FJFI ČVUT a psychologii na FF UK. Po doktorském studiu na University of Nottingham se vrátil zpět do ČR a věnuje se vývoji a aplikaci matematických metod pro charakterizaci interakční struktury komplexních systémů reálného světa (kromě lidského mozku třeba i zemského klimatu).

Náročnost pro posluchače: vhodné pro laiky.

Kdy mrznou kvarky?

Boris Tomášik (FJFI ČVUT)

Abstrakt: Při teplotách řádově 10-12K se hmota zásadně mění. Protony a neutrony přestávají existovat a rozpadají se na částice, ze kterých se skládají: kvarky a gluony. Vzniká kvark-gluonové plazma. Tento extrémní stav hmoty dokážeme připravit srážením atomových jader na největších urychlovačích. Ve fyzice máme ve zvyku různé stavy hmoty zaznamenávat do takzvaného fázového diagramu.
V této přednášce si vysvětlíme, jak se ze srážení jader můžeme dozvědět něco o fázovém diagramu hmoty v extrémních podmínkách. Použijeme pro to jednoduchý jazyk: obrázky a derivace.

O přednášejícím: Boris Tomášik vystudoval teoretickou a matematickou fyziku v Bratislavě, doktorát získat na Universitě v Regensburgu a pobýval na celé řadě významných světových výzkumných center, včetně švýcarského CERNu. Nyní působí jako profesor na ČVUT v Praze a odborně se pohybuje v oblasti částicové fyziky. Věnuje se také propagaci vědy formou přednášek pro veřejnost.

Jak vzniká desková hra - od nápadu k realizaci

Petr Murmak (Czech Games Edition)

Abstrakt: Co je třeba k tomu, aby mohla vyjít desková hra? Podíváme se na cestu hry od nápadu autora, přes hledání vydavatele, vývoj, produkci a marketing až na pulty obchodů. Jaké při tom čekají nástrahy? Co vše se může nepovést? A co se naopak může stát, když se vše povede? Kde se hry prodávají a jaké trable jsou ve spolupráci například s giganty typu Amazon? Má smysl dělat další hry v podobném stylu, rozšíření, nebo dokonce dávat obsah zdarma na Internet?
Pokusíme se podívat na vše pohledem digitální generace, kdy jsou lidé zvyklí na dokonalé digitální kopie. Jak moc jinak to funguje v analogovém světě s materiály, které mají nemalé výrobní tolerance. Jak je to s výrobou, omezeními, a jak na dodávky zboží po celém světě. Podíváme se také, jak vznikají digitální verze deskových her na mobily, tablety a počítače. Proč je vhodné dělat adaptace a ne jen převod deskovky 1:1? Jak ovlivňují digitální adaptace hry prodeje fyzické hry? A má to vůbec smysl?

O přednášejícím: Petr Murmak před 15 lety založil firmu Czech Games Edition, která vydává celosvětově úspěšné deskové hry a jejich digitální verze. Mezi nejznámější patří Galaxy Trucker, Through the Ages nebo Ztracený ostrov Arnak, sbírající ceny na mezinárodních herních festivalech. Megahitem se stala Krycí jména (Codenames), které se vyrobilo už přes 10 milionu kusů a byla lokalizována do 44 jazyků.

Náročnost pro posluchače: vhodné pro laiky.

Ekonomie informací a teorie racionální nepozornosti

doc. RNDr. Filip Matějka, Ph.D. (CERGE-EI)

Abstrakt: V dnešním světě máme k dispozici spoustu informací, daleko více než čemu jsme schopni věnovat svou pozornost. To, co se dozvíme, už tedy není dáno jenom tím, co někdo otiskne nebo nám pošle. Více a více záleží na tom, o čem sami chceme číst. A právě ten náš výber malého okna, kterým se chceme koukat na svět, potom ovlivňuje chování velkých firem, celých pracovních i finančních trhů nebo politiků.
Na přednášce z oboru behaviorální ekonomie si povíme, jak se takové prostředí modeluje s pomocí teorii informace, i jak lze podobné teorie testovat praktickými experimenty.

O přednášejícím: Filip Matějka vystudoval fyziku na MFF UK a doktorát z aplikované matematiky získal na Princeton University. Se zkušenostmi z univerzit v USA a ve Francii nakonec zakotvil na CERGE-EI v Praze. Je držitelem ERC grantu. Zabývá se makroekonomií, politickou, behaviorální a informační ekonomií, zejména teorií nepozornosti.

Náročnost pro posluchače: vhodné pro laiky.

Dozimetrik v kasínu

Vojtěch Stránský (ELI Beamlines)

Abstrakt: Výpočty v dozimetrii jsou tak trochu jaderná věda. Některé jdou řešit na papíře, ale naprostou většinu je nutné řešit pomocí počítače. Vzhledem k jejich náročnosti je navíc není možné řešit analyticky, ale musíme se spolehnout na metodu Monte Carlo - takové virtuální kasino. Jednotlivé částice hrají ruletu a zachovají se podle toho, jaké číslo jim padne. Namísto řešení složitých integrálních rovnic tak jenom pozorujeme chování jednotlivých částic. Pokud je takových částic velký počet, tak z jejich celkového chování můžeme zjistit výsledek našeho výpočtu.
Na semináři si ukážeme, jak takový výpočet pomocí metody Monte Carlo provést, od konstrukce geometrie úlohy, přes nastavení fyzikálního modelu až po vyhodnocení výsledků simulace. Seznámíme se mimo jiné s víceúčelovým výpočetním kódem FLUKA, který se pro výpočty ve fyzice záření používá po celém světě, a to například v CERNu, v NASA nebo u nás v ELI Beamlines.

O přednášejícím: Vojtěch Stránský vystudoval dozimetrii a aplikaci ionizujícího záření na FJFI ČVUT. V současnosti je specialistou radiační ochrany v mezinárodním výzkumném centru ELI Beamlines. Zabývá se vývojem detektorů pro pulzní radiační pole, dozimetrií a návrhy stínění.

Náročnost pro posluchače: vhodné pro laiky.

Jak předem odhadnout volební výsledky? A jak se to letos povedlo?

Pavel Ranocha (Kantar CZ)

Abstrakt: Průzkumy politických preferencí jsou specifickou disciplínou v oboru průzkumu trhu a veřejného mínění. Ze své podstaty jsou permanentně pod drobnohledem a tlakem ze strany veřejnosti, novinářů, ale i samotných politiků. Povědomí o tom, jak vznikají, je stále nízké, jak je ostatně patrné z dotazů, které se k realizátorům takových průzkumů dostávají.
Na semináři si ilustrujeme základní postupy, které se během sestavování volebních modelů využívají – sběr dat, jejich zpracování i správnou interpretaci. Upozorníme na jejich limity a omezení. Podíváme se také na důvody, proč jednotlivé agentury docházejí i k výrazně odlišným výsledkům a jaké si z toho vzít ponaučení. Vše budeme demonstrovat na příkladech ze dvou posledních voleb do Poslanecké sněmovny, jež máme všichni v paměti. Naťukneme také směry, kterými je možné se ubírat při následné (povolební) analýze "tvrdých" dat z ČSÚ.

O přednášejícím: Pavel Ranocha vystudoval ekonometrii na MFF UK. Nyní je mediálně známým analytikem a metodologem společnosti Kantar CZ. Dlouhobodě se odborně zabývá marketingovými průzkumy včetně predikcí předvolebních výsledků.

Náročnost pro posluchače: vhodné pro laiky.

Procedurální generování obsahu ve videohrách

Filip Krijt (Bohemia Interactive)

Abstrakt: Videohry jsou moderní médium spojující v sobě kreativní a technické disciplíny s cílem vyvolání prožitku v hráčích. Interaktivita her a rostoucí požadavky hráčů na velikost herních světů a délku hry vyžadují tvorbu velkého množství herního obsahu. Jedná se většinou o obsah statický, svět a příběhy jsou vždy stejné, připravené designéry a scénáristou, hráč tak nemá moc důvodů se k jednou odehrané hře vracet.
Procedurální generování obsahu tento problém řeší tím, že umožňuje designérům místo jednoho konkrétního obsahu abstraktně definovat vlastnosti a pravidla, která pro konkrétní zážitek potřebuje. Hra pak může vyrobit konkrétní mapu / příběh / úkoly podle daných pravidel a herní zážitek bude do jisté míry vždy unikátní. V této přednášce si ukážeme vybrané techniky procedurální tvorby obsahu a jejich aplikace. Zaměříme se zejména na generování herních map a terénu.

O přednášejícím: Filip Krijt vystudoval informatiku na MFF UK, během studia pobýval také na Univerzitě v Utrechtu. Poté se věnoval výzkumu v rámci doktorského studia na katedře Distribuovaných a spolehlivých systémů na MFF UK. Od roku 2017 pracuje jako programátor v Bohemia Interactive, kde se zaměřuje na vývoj počítačových her.

Náročnost pro posluchače: vhodné pro laiky.

Algokracie, Etika a Společnost

Josef Holý (Semantic Visions)

Abstrakt: S nástupem strojového učení se od základu mění způsob fungování firem a také celé společnosti. Pod hlavičkou digitální transformace firmy napříč průmyslovými odvětvími automatizují firemní procesy a nasazují strojové učení a další metody statistického zpracování dat do oblastí výzkumu, výroby a také kontaktu se zákazníkem.
Algoritmy online sociálních sítí a dalších platforem pro sdílení a distribuci informací od základů mění architekturu veřejného informačního prostoru. Na základě behaviorálních dat v reálném čase personalizují na míru obsah pro miliardy uživatelů z celého světa a dá se proto hovořit o Algokracii, tedy o algoritmicky řízeném systému vlády nad informačním prostorem (a díky digitální transformaci jednotlivých oblastí lidské činnosti nejen nad ním). Jak tyto algoritmy fungují? Kdo je vytváří a proč? Jaká jsou pravidla? Jaké jsou dopady na společnost? A je současný stav udržitelný?

O přednášejícím: Josef Holý začínal jako programátor, poté pracoval několik let v Sun Microsystems (dnes Oracle) a nakonec spoluzaložil vlastní startup proactify.com. Teď pracuje v Semantic Visions. Přes téma etiky Umělé Inteligence se dostal až k algoritmům sociálních sítí a dezinformacím. Spolu s Alexandrou Alvarovou dělá podcast o algoritmické propagandě “Kanárci v Síti” - www.kanarci.online.

Náročnost pro posluchače: vhodné pro laiky.

Astrofyzika v (super)počítači

Petr Cagaš (Virginia Tech + Princeton Plasma Physics Lab)

Abstrakt: Většina rovnic, které se vyskytují ve fyzice, je příliš složitá na to, aby je šlo spočítat analyticky. Proto je nezbytné využít přibližného, numerického řešení. Jenže numerické výpočty vyžadují velký výpočetní výkon – tím větší, čím mají být přesnější. I fyzika plazmatu nebo astrofyzika jsou podobných úloh plné, ať už jde o simulace oběhů planet, předpovídání slunečního větru nebo chování Krabí mlhoviny.
Tato přednáška bude kombinovat fyziku s úvodem do numerické matematiky. Ukážeme si, proč vlastně jsou numerické výpočty tak náročné a jak se pro jejich zvládnutí využívají superpočítače. A v neposlední řadě také vyřešíme záhadu pianisty vypadnuvšího z okna.

O přednášejícím: Petr Cagaš vystudoval fyziku na MFF UK. Na doktorát odešel na Virginia Tech v USA, kde pokračuje i jako postdoc. Věnuje se fyzice plazmatu a v týmu Princeton Plasma Physics Lab vyvíjí software Gkeyll pro numerické výpočty.

Náročnost pro posluchače: vhodné pro laiky.

Prognostický proces ČNB v období globální pandemie

Stanislav Tvrz (Česká národní banka)

Abstrakt: Aktuální globální pandemická situace je pro prognostické instituce po celém světě velkou výzvou. Národní vlády na dynamický vývoj pandemie průběžně reagují a vydávají celou řadu rozhodnutí o protiepidemických opatřeních zdravotnické povahy a návazně i o stabilizačních opatřeních ekonomického charakteru. Tato rozhodnutí, stejně jako reakci domácností a firem v ekonomice na ně, je často obtížné předvídat. Bezprecedentní povaha pandemického šoku je zároveň doprovázena zvýšenou mírou datové nejistoty a zvýšené obtížnosti při tvorbě jakýchkoliv ekonomických modelů.
ČNB pracuje v režimu inflačního cílení, a proto i nastavení její měnové politiky z velké části vychází z její makroekonomické predikce. V této přednášce si představíme tzv. g3+ model, který tvoří jádro predikčního modelu ČNB. Popíšeme si také hlavní inovace v prognostickém procesu ČNB, které pomáhají vypořádat se s výše zmíněnými výzvami.

O přednášejícím: Stanislav Tvrz pracuje jako vrchní analytik v Měnové sekci České národní banky. V roce 2020 byl vedoucím predikčního týmu ČNB. Dříve pracoval v Odboru měnové politiky Národní banky Slovenska. Jeho výzkumná činnost se soustředí na makroekonomickou analýzu s využitím strukturálních modelů typu DSGE a jejich využití v ekonomickém prognózování.

Náročnost pro posluchače: vhodné pro laiky.

O robotech a novinářích

Václav Moravec

Abstrakt: Automatizovaná (popř. robotická) žurnalistika začíná výrazně proměňovat redakce zpravodajských médií i vzdělávání budoucích novinářek a novinářů. Vznikají nové pozice editorů pro automatizované obsahy, jež v sobě kombinují kreativní novináře a experty na algoritmy. I vzdělávání budoucích mediálních profesionálů si dnes nevystačí bez matematiky a počítačových věd, o čemž bude přednášet člověk, který před matematikou prchal na Fakultu sociálních věd Univerzity Karlovy do oboru žurnalistika.

O přednášejícím: Václav Moravec je známým redaktorem a moderátorem diskuzního pořadu Otázky Václava Moravce. Jako moderátor spolupracuje s BBC a v minulosti moderoval pořady na ČRo, Frekvenci 1 a TV Galaxie. FSV UK sám absolvoval a dnes na ní působí jako odborný asistent.

Náročnost pro posluchače: vhodné pro laiky.

Statistika ve vývoji léčiv

Adam Svobodník (ECRIN)

Abstrakt: Klinické studie jsou zásadní fází vývoje každého nového léčivého přípravku, vakcíny nebo zdravotnického prostředku. Pro správné naplánování, provedení i vyhodnocení studií je statistika potřebná stejně tak jako medicínské či biochemické know-how. Ve striktně regulovaném odvětví, kde jde o lidské zdraví a životy, není prostor pro chyby stran bezpečnosti, účinnosti nebo vedlejších účinků. K datům je potřeba přistupovat objektivně, racionálně a matematicky i morálně korektně.
Na této přednášce se dozvíte, jaká je role statistika v klinických studiích a zejména pak, jak probíhá vlastní plánování, průběh a statistické zpracování dat experimentů u zdravých dobrovolníků i pacientů. Posluchači poté budou moci lépe porozumět klinickým studiím týkajících se dnes tolik diskutovaných léčiv a vakcín.

O přednášejícím: Adam Svobodník je odborným pracovníkem Farmakologického ústavu Lékařské fakulty Masarykovy univerzity. Klinickým studiím a zpracování dat se věnuje v rámci mezinárodní platformy ECRIN a její národní pobočky CZECRIN.

Náročnost pro posluchače: vhodné pro laiky.

Boj na život a na smrt, nanečisto

Petr Mácha, Juraj Blaho (Bohemia Interactive Simulations)

Abstrakt: Simulace vojenské operace vypadá na první pohled jako obyčejná strategická počítačová hra. Jenže prostředí, techniku i obsazení je možné uzpůsobit, aby vše věrně napodobilo reálnou bojovou situaci, např. přepadení. Vojáci si tak mohou mnohokrát vyzkoušet svůj postup a vymyslet vhodnou strategii, a to bez rizika nebo zbytečných nákladů. Svou roli hrají bojové simulace zejména při výcviku, kdy výrazně šetří finance a čas, ale využívají se i při plánování konkrétních bojových akcí.
Na přednášce se dozvíte, jak fungují “hry” jež používají i armády NATO. Představíme si, jak se vyvíjí AI vojáka, mechanizované brigády nebo populace města v systému, který musí simulovat a renderovat celou planetu. Na konkrétních příkladech si ukážeme, jak se řeší problémy související s hledáním cest/navigací, taktickou analýzou terénu nebo interakcí s autonomními systémy.

O přednášejících: Petr Mácha vystudoval žurnalistiku na FSV UK, ale v BISim vede vývojářské týmy zabývající se AI. S kolegy z MFF UK vede předmět Umělé bytosti. Juraj Blaho vystudoval FIT VUT. V BISim pracuje jako vedoucí programátor AI a softwarový architekt.

Náročnost pro posluchače: vhodné pro laiky.

Škatule, škatule, hejbejte se

David Pavlík, Karel Tesař (ShipMonk)

Abstrakt: Založit si e-shop není tak těžké. Ale v momentě, kdy přerostete prostorové možnosti svého bytu nebo své časové kapacity, se vše začíná komplikovat. Proto ShipMonk nabízí e-shopům v USA možnost kompletně se zbavit starostí s logistikou: od příjmu zboží od dodavatelů, přes skladování, automatizované vyřizování objednávek až po doručení zboží ke koncovým zákazníkům. Takto obrovský skladový systém s obratem ve stamilionech dolarů ovšem klade vysoké nároky na organizaci, přičemž každé drobné vylepšení efektivity znamená značné finanční úspory.
Na této přednášce uvidíte, jak funguje sklad a jakými způsoby se dá optimalizovat. Ukážeme si i konkrétní problémky, např. jak se plánuje práce pickerů. Detailněji si rozebereme, jak se optimalizovala sada boxů, které se používají pro balení objednávek.

O přednášejících: David Pavlík, CTO společnosti ShipMonk, vystudoval informatiku na Masarykově Univerzitě. Pracoval na technických i manažerských pozicích pro Microsoft, Amazon, Netflix, SpaceX nebo Kiwi.com. Karel Tesař vystudoval informatiku na MFF UK a pro ShipMonk pracuje jako Lead Data Scientist.

Náročnost pro posluchače: vhodné pro laiky.

Jak neměřit koronavirus

Tomáš Furst

Abstrakt: Selský rozum má v oblasti práce s daty svou poněkud formálnější podobu – Bayesovu větu. Tato “pravděpodobnostní trojčlenka” je bezpochyby jedním z nejdůležitějších vzorečků v dějinách a její důsledná aplikace by lidem denně ušetřila řadu problémů.
Na přednášce si Bayesovu větu představíme v kontextu letošní pandemie. Dozvíme se třeba, co říkají, ale hlavně neříkají různé studie prevalence protilátek proti koronaviru. Také si ukážeme, jak špatná práce s daty spočívající v ignorování bayesovské logiky způsobila rozsáhlou krizi v mnoha odvětvích vědy a výzkumu.

O přednášejícím: Tomáš Fürst vystudoval matematické modelování na MFF UK a nyní vyučuje na Univerzitě Palackého v Olomouci. Baví se modelováním různých přírodních jevů a zpracováním dat všeho druhu. S Halinou Šimkovou založil Centrum bayesovské inference 4BIN. Pomocí populárních článků (např. ve FinMag), přednášek aj. se snaží šířit osvětu i mezi nematematickou veřejnost.

Náročnost pro posluchače: vhodné pro laiky.

Principy a realita kryptografické bezpečnosti

Bohuslav Rudolf (NÚKIB)

Abstrakt: Postupy, jak navrhnout bezpečné a efektivní kryptografické systémy jsou známé a osvědčené. Obvykle vychází z tzv. důvěryhodně obtížných matematických problémů, například faktorizace velkých čísel. Úspěšný útok potom znamená nutnost efektivně vyřešit příslušný obtížný problém.

A protože věříme, že to není možné, nemůže existovat ani efektivní útok na daný systém. V reálném – zejména komerčním – světě ovšem existuje řada velmi slabých kryptografických systémů. Důvody jsou různé, od diletantismu, snahy ušetřit, uměle vložených slabin, na které upozorňoval Snowden, až po vynalézavost útočníků. Na přednášce si nejprve představíme základní principy kryptografické bezpečnosti. Slabiny kryptografických systémů si poté ilustrujeme na zajímavých případech z praxe.

O přednášejícím: Bohuslav Rudolf vystudoval matematickou fyziku na MFF UK v Praze. V NÚKIB pracuje ve skupině matematicko-analytické, věnuje se matematické kryptologii a novým kvantovým technologiím souvisejícím s informační bezpečností. Na MFF UK učí aplikovanou kryptografii.

Náročnost pro posluchače: vhodné pro laiky.

Epidemiologem snadno a rychle

Martin Šmíd (ÚTIA AV ČR)

Abstrakt: Epidemickými modely se z pochopitelných důvodů v současnosti zabývá spousta lidí. Běžným přístupem je tzv. SIR model (Susceptible – Infectious – Recovered), který ve své klasické podobě pracuje s obyčejnými diferenciálními rovnicemi.
Realističtější, ale mnohem komplikovanější varianta přidává do modelu prvek nejistoty. V přednášce si ukážeme, jak takové modely epidemie vypadají. A také, že i přes značnou nejistotu mohou pomoci při nastavení opatření zajišťujících, aby byla epidemie pod kontrolou.

O přednášejícím: Martin Šmíd vystudoval ekonometrii na MFF UK. Na ÚTIA AV ČR věnuje stochastickému modelování a modelům lidského rozhodování. Ve volném čase je nadšeným muzikantem v kapele Klec.

Náročnost pro posluchače: vhodné pro laiky.

Plánování letu podle 4D počasí ze satelitních dat

Antonín Komenda (Meandair)

Abstrakt: Počasí má zásadní vliv na tvorbu letových plánů a jejich změny. Zejména pro piloty menších letadel, které nemohou disponovat drahou a těžkou radarovou technikou, je však nemožné mít detailní přehled o aktuální lokální situaci. Běžné předpovědní systémy mají totiž zpoždění v řádu hodin, což je u nepříznivých meteorologických jevů (např. bouřky) mnohdy nedostatečné. Projekt Meandair financovaný Evropskou vesmírnou agenturou proto vyvíjí aplikaci, která v takřka reálném čase tvoří vlastní detailní krátkodobé 4D předpovědi počasí a umožňuje tvorbu přizpůsobeného letového plánu. Přitom kombinuje velmi jemná satelitní data, mapy terénu, modely letadel aj.
Pro hledání optimální letové trajektorie využívá např. grafové algoritmy. Na přednášce se dozvíte, jak vypadá celý proces “od satelitu až po mobilní aplikaci a letový plán". Vysvětlíme si, jak se liší způsob generování předpovědi oproti klasickým numerickým modelů a také principy plánování trajektorií letu.

O přednášejícím: Antonín Komenda vystudoval kybernetiku na FEL ČVUT s doktorátem v oboru AI a zkušenostmi z izraelského Technionu. V Meandair má na starosti kompletní vývoj předpovědní aplikace. Je nadšený pilot dronů.

Náročnost pro posluchače: vhodné pro laiky.

Jak se počítají ceny energií pro domácnosti?

Radim Cajzl (E.ON)

Abstrakt: Modelování energetických trhů je v současné době nelehká úloha, v mnoha ohledech složitější, než předpovídání světových akciových trhů. Velkoobchodní ceny energií totiž v průběhu dne rapidně kolísají, v řádu hodin mohou vystřelit i na pětinásobek. V takovém prostředí se může stát, že energetická firma během dvou dnů dvacetistupňových mrazů prodá více plynu než za celý únor dohromady a zároveň na tom prodělává. Ovšem koncový zákazník, jímž je např. běžná domácnost, chce platit fixní (a co nejnižší) cenu po celý rok.
Na přednášce si ukážeme, jakým způsobem se vytváří cena pro konečného zákazníka. Základem bude selský rozum, pečlivost v detailech a trocha statistiky - Value at Risk a Monte Carlo simulace.

O přednášejícím: Radim Cajzl vystudoval Matematické modelování ve fyzice na MFF UK, krátce se věnoval kvantové chemii a nyní pracuje pro innogy SE jako analytik energetických trhů.

Náročnost pro posluchače: vhodné pro laiky.

Dokonalý kód aneb matematické problémy v biologii

Tomáš Pluskal (ÚOCHB AV ČR)

Abstrakt: Pokrok v oblasti biotechnologií dnes otevírá mnoho možností pro biologický a medicínský výzkum, které byly dříve nemyslitelné. Pochopení biologických a chemických procesů se dostává na zcela novou úroveň. Usnadňuje se design léčiv, začíná být možná personalizovaná léčba. To vše by ale nebylo možné bez bioinformatiky – mladého oboru, který vznikl díky potřebě využívat pokročilé matematické a informatické nástroje v biologii a medicíně.
Tato přednáška bude jemným úvodem do matematických problémů, které se vyskytují v genomice a molekulární biologii. Dozvíte se, jak funguje DNA a jakým způsobem ovládá celý organismus. Ukážeme si také, jaké možnosti nabízí strojového učení a další matematické nástroje, například při využití dat získaných sekvenací genomu nebo při predikcích struktur proteinů a jiných chemických látek.

O přednášejícím: Tomáš Pluskal vystudoval informatiku na MFF UK. Doktorát z oboru molekulární biotechnologie získal na japonské Hiroshima University. Po řadě zahraničních zkušeností ve výzkumu i praxi se vrátil zpět do Česka, kde na ÚOCHB AV ČR vede mezioborovou výzkumnou skupinu.

Náročnost pro posluchače: vhodné pro laiky.

Současné výzvy strojového učení a AI

Tomáš Mikolov

Abstrakt: V posledních letech rychle narůstá zájem o umělou inteligenci. Nicméně povědomí o tom, jak vlastně fungují nejlepší AI systémy současnosti, je už horší. Například se často zaměňuje (strojové) učení s memorováním, což má za důsledek nerealistická očekávání ohledně schopností současných učících se algoritmů.
Na přednášce si vysvětlíme pojem generalizace, který je pro úspěšné naučení se zásadní. Dále si představíme pár aktuálních fundamentálních problémů v oboru AI: problém učení se komplexních závislostí z dat, problém průběžného doučování modelu a téma sebezlepšujících se systémů, které se vztahuje k problému vytvoření umělého života.

O přednášejícím: Tomáš Mikolov vystudoval informatiku na VUT a dnes patří k celosvětově nejcitovanějším vědcům v oboru strojového učení a zpracování přirozeného jazyka. Je autorem modelu word2vec. Jako člen Google Brain byl na počátku spolupráce s týmem Google Translate na využití neuronových sítí pro strojový překlad. Jako člen Facebook AI Research vedl vývoj projektu fastText. Od letoška bude vést vlastní výzkumnou skupinu na CIIRC ČVUT.

Náročnost pro posluchače: vhodné pro všechny.

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).

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

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

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

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.

inSophy: jak matematici řídí výrobu 

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 

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  

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  

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.

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.

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.