Uskutečněné přednášky v LS 2018/19
Zvládne stroj nahradit malíře?
prof. Ing. Daniel Sýkora, Ph.D.
Abstrakt:
Stylizace obrazu na základě výtvarné předlohy zažívá v posledních letech neuvěřitelný boom a to zejména díky velkému pokroku v oblasti využití hlubokých neuronových sítí. Mnoho lidí získalo pocit, že problém přenosu výtvarného stylu je vyřešen a stroje dnes dokáží generovat umělecká díla těžko rozlišitelná od pláten slavných malířů. Situace však není tak optimistická, jak by se na první pohled mohlo zdát.
Na přednášce poodhalíme hlavní úskalí použití neuronových sítí, která nemusí být na první pohled zřejmá. Na jejich základě pak představíme alternativní, čistě algoritmický přístup, jenž dosahuje znatelně lepších výsledků bez použití neuronové sítě a jeho hybridní varianty, které oba přístupy kombinují.
O přednášejícím: Daniel Sýkora vystudoval FEL ČVUT, kde dnes působí jako profesor. Akademické zkušenosti sbíral na University of Utah a Trinity College Dublin. V praxi spolupracoval na řadě animačních projektů, mimo jiné s Českou televizí (O loupežníku Rumcajsovi) nebo pět let se studiem Disney (Lví král 3D). Na kontě má také několik patentů.
Avast: Využití strojového učení pro detekci malwaru
Mgr. Martin Bálek
Abstrakt:
Detekce škodlivých programů se při dnešním objemu a rozmanitosti dat už dávno nemůže spoléhat jen na expertní znalosti. Velká část detekčních mechanismů musí být a také je plně automatizovaná. To s sebou přináší nutnost použití rychlých a dostatečně robustních algoritmů.
Na přednášce si vysvětlíme základní metody detekce malwaru a zaměříme se především na možnosti jejich vylepšení pomocí metod strojového učení. Zmíníme především clustrování a hledání pro ně vhodných metrik, dále pak klasifikační modely a především způsoby měření jejich kvality s ohledem na specifickou povahy dat (výrazná proměnlivost v čase, různě vychýlené distribuce). V neposlední řadě také přiblížíme způsoby vizualizace vysokodimenzionálních dat.
O přednášejícím: Martin Bálek vystudoval matematiku na Katedře algebry na MFF UK. Řadu let se věnoval teoretické informatice. V Avastu pracuje tři roky jako Research Manager. Má na starosti projekty z oblasti strojového učení a umělé inteligence.
Vraždy podle Bayese: není důkaz jako důkaz
Mgr. Halina Šimková
Abstrakt:
Forenzní disciplíny se zaměřují na zajišťování důkazů při kriminalistickém vyšetřování a jejich interpretaci v soudním řízení. Pojem “důkaz” je v právu definován obecně jako „cokoli, co může přispět k objasnění projednávané věci“. Tento příspěvek může být samozřejmě velmi rozdílný, a proto si forenzní disciplíny v průběhu své existence vytvořily určité umělé a vágně definované slovní škály, pomocí nichž váhu důkazů vyjadřují. Používání obratů jako „skupinová identifikace“, „nelze vyloučit“, „završená identifikace“, „je středně pravděpodobné“ apod. je ovšem založeno na ryze intuitivním hodnocení a ve svých důsledcích vede spíše ke zmatení.
Zcela jiný, přirozený a logicky korektní, systém vnesla do forenzního světa až analýza DNA. Jí odstartovaná revoluce, která používá elementární nástroj z teorie pravděpodobnosti – Bayesovu větu – už zasáhla i další forenzní obory a zásadním způsobem proměňuje celý interpretační rámec důkazů.
O přednášející: Halina Šimková vystudovala antropologii a genetiku člověka na PřF UK. Řadu let působila jako kriminalistická znalkyně Kriminalistického ústavu Praha v oblasti DNA analýzy, zaměřuje se na propagaci a zavádění nových postupů hodnocení vědeckých důkazů.
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.
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.