Uskutečněné přednášky v LS 2022/23



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.






Uskutečněné přednášky v ZS 2022/23



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.