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.