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.
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.
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.
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.
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.
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.
