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.