V přednášce představíme problémy a jejich možné řešení z oblasti zpracování digitalizovaného obrazu v počítači. Žákům bude prezentován přehled základních metod a algoritmů, které nám poskytují předzpracování obrazu, popis částí obrazu a následné vyhodnocení. Výklad bude doplněn o příklady a názorné ukázky.

Rozvoj metod strojového učení a počítačového vidění přináší nové možnosti do oblasti medicíny, kde umožňuje nové diagnostické a léčebné postupy, ale otevírá pole i pro novinky ve výzkumu. V přednášce prozradíme specifika vývoje softwaru pro potřeby výzkumu v medicíně a naznačíme zvláštnosti vývoje aplikací pro léčbu pacientů v klinické medicíně. Vysvětlíme, proč musí i programátor posuzovat histologické vzorky a navštěvovat operační sály. To vše bude dokumentováno obrázky ze sálů a z experimentů, ale i ukázkami aplikací, které byly vytvářeny pro potřeby výzkumu regeneračního potenciálu jater a pro počítačovou podporu jaterní chirurgie. Aplikace představené v přednášce jsou zaměřeny na analýzu prokrvování jater. Základní motivací pro jejich tvorbu je rozšíření možností současné klinické péče o pacienty s nádorovým onemocněním jater a umožnění provádění operačních výkonů na hranici operability prostřednictvím modelování výsledku operačního výkonu a odhadu regeneračního potenciálu zbytku orgánu. Významný posun hranice poznání ve prospěch záchrany pacientů je možný díky propojování nejnovějších poznatků technického a medicínského výzkumu, který společně rozvíjí Lékařská fakulta v Plzni Univerzity Karlovy a Fakulta aplikovaných věd Západočeské univerzity.

V přednášce představíme standardní úlohy z oblasti počítačového vidění a metody založené na hlubokých neuronových sítích, které je řeší. Úlohy budou zaměřeny na komunikaci člověk-stroj mezi které patří např. detekce a rozpoznávání obličejů, rozpoznávání gest, nebo odhad pózy ruky. Představíme reprezentaci vstupních dat, architektury nejúspěšnějších modelů a způsoby trénování a vyhodnocení těchto modelů. Zároveň budou popsány nedostatky těchto řešení, které jsou předmětem aktuálního výzkumu. V závěru budou tyto metody demonstrovány na konkrétních příkladech, v případě možností také na reálných datech získaných přímo na místě.

V přednášce si přiblížíme, jak pracuje strojové učení, které je v současné době nejčastěji považováno za příklad umělé inteligence. Vysvětlíme si, co je potřeba pro natrénování neuronové sítě, jak taková neuronová síť vypadá, v jakých nástrojích se vytváří a co od ní můžeme očekávat. Na závěr si ukážeme použití natrénovaných modelů v aplikacích pro zpracování obrazu a řeči vyvíjených v rámci různorodých výzkumných projektů na Katedře kybernetiky FAV ZČU. Dozvíte se i jakým způsobem k výzkumu mohou přispět i studenti našich oborů.

Přednáška představuje základní principy zpracování mluvené řeči a jazyka počítačem s využitím metod umělé inteligence a strojového učení. Názorně vysvětluje celý proces zpracování, od digitalizace akustického signálu až po modelování jak na akustické, tak na jazykové úrovni. Součástí prezentace jsou praktické ukázky reálných systémů a aplikací řešených na katedře kybernetiky.

V přednášce si představíme základní řečové technologie – automatické rozpoznávání řeči, syntéza řeči z textu, zpracování přirozeného jazyka. Podrobně se budeme věnovat hlasovým dialogovým systémům, tj. případům, kdy uživatel komunikuje s počítačem mluvenou řečí. Součástí přednášky budou ukázky realizovaných systémů.

Úvodem stručně představíme řečové technologie – automatické rozpoznávání řeči, syntéza řeči z textu, zpracování přirozeného jazyka. V přednášce si přiblížíme postupy, pomocí nichž můžeme naučit počítač „mluvit“. Ukážeme si první pionýrské pokusy a samozřejmě také současné metody založené na strojovém učení a moderních neuronových sítích. Vysvětlíme, jakým způsobem se zpracovává vstupní text, jak reprezentovat jeho výslovnost a jak z této reprezentace získáme řečový výstup. Součástí prezentace jsou praktické ukázky reálných systémů syntézy řeči a aplikací řešených na katedře kybernetiky.

V přednášce si představíme jednotlivé řečové technologie a podrobněji se budeme věnovat algoritmům pro rozpoznávání mluvené řeči, tj. automatický převod mluvené řeči na psaný text. Vysvětlíme obecné principy klíčových komponent systému rozpoznávání řeči, kterými jsou zpracování akustického signálu, modelování hlasového ústrojí pomocí tzv. akustických modelů a statistické zachycení vlastností přirozeného jazyka pomocí modelů jazykových. Součástí přednášky jsou praktické ukázky rozpoznávání řeči pomocí systémů vyvinutých na katedře kybernetiky.

V přednášce si ve stručnosti představíme historický vývoj oboru umělá inteligence od jeho vzniku v 50. letech 20. století do současnosti. Věnovat se budeme především základním přístupům k umělé inteligenci a vysvětlíme, které z nich byly v různých obdobích preferovány a proč. Stručně bude představen také aktuálně jednoznačně nejpoužívanější přístup – strojové učení včetně tzv. hlubokého učení, které má své kořeny překvapivě hluboko v historii oboru. Povíme si také nejen o úspěších, ale i o limitech současných systémů využívajících umělou inteligenci.

V přednášce se dozvíme, proč se vlastně informace vizualizuje, uvedeme si stručný přehled způsobů vizualizace informace, zaměříme se na problematiku vizuální manipulace a dále pak na vizualizaci prostřednictvím odrážek, tabulek a grafů (např. v Exceluj. U grafů si vysvětlíme, k čemu je ten či onen typ grafu vhodný, kdy je naopak nevhodný, a na co si dát pozor, aby výsledek měl přinesenou informační hodnotu.

Trojúhelníkové (a obecněji polygonální) sítě jsou patrně nejrozšířenější reprezentace tvaru trojrozměrných objektů v počítačové grafice. Používají se v široké škále aplikací, od nasazení ve 3D videohrách přes použití ve trikových filmech až po průmyslové aplikace a využití v medicíně. V přednášce budou představeny jejich základní vlastnosti, způsoby jejich získávání (modelování, skenování), zpracování (zjednodušování, vyhlazování, parametrizace a další) a ukládání (komprese). Nakonec se také krátce dotkneme použití těchto modelů pro reprezentaci animací.

Přednáška je orientovaná spíše na humanitně zaměřené posluchače, kterým srozumitelnou formou osvětluje nejčastější omyly a nepochopení, která se ve veřejném mediálním prostoru objevují v souvislosti s fenoménem rapidního rozšiřování nasazení umělé inteligence. Rozebereme některá bombastická tvrzení novinářů a popularizátorů vědy, kteří ovšem ve zmíněných případech naprosto selhali v pochopení fundamentálních principů nejen umělé inteligence, ale vědy obecně, čímž přispěli nikoliv k popularizaci, ale spíše k navození ambivalentních pocitů z této perspektivní a nesmírně zajímavé oblasti vědeckého bádání.

Přednáška osvětluje základní principy počítačového zpracování přirozené řeči a jazyka. Vysvětluje, jak počítač transformuje akustický signál do podoby dále využitelné technikami zpracování číslicových signálů, umělé inteligence a strojového učení tak, aby na konci řetězce algoritmických postupů vznikl ze záznamu řeči její přepis do podoby textu. Následně se přednáška věnuje postupům z oblasti NLP, tedy zpracování výsledného textu tak, aby počítač porozuměl sdělení lidského uživatele. Zmíněny jsou základy syntaktické a sémantické analýzy a ve všech fázích zpracování také souvislost s konkrétními matematickými či algoritmickými technikami.

Přednáška je určena pro posluchače se znalostí Php. Jejím účelem je seznámit je s jedním z postupů zvyšování kvality vytvářeného software, konkrétně jednotkových testů. V teoretické části přednášky jsou vysvětleny principy a účel jednotkových testů. V praktické části je ukázán příklad použití nejznámějšího frameworku pro jednotkové testy – PHPUnit.

Přednáška je určena pro posluchače se znalostí Php. Jejím účelem je seznámit je s jedním z postupů zvyšování kvality vytvářeného software, konkrétně jednotkových testů. V teoretické části přednášky jsou vysvětleny principy a účel jednotkových testů. V praktické části je ukázán příklad použití nejznámějšího frameworku pro jednotkové testy – PHPUnit.

Přednáška (a nejlépe i seminář s možností využít počítače s předinstalovaným Netlogem) ukazuje, jak je možné simulovat vybrané přírodní jevy a ukázat v simulaci některé druhy emergentního chování. Modely jsou zaměřené na napodobování některých biologických systémů (mravenčí feromonové cestičky, model predátora a kořisti, model organizace hejna, model šíření choroby, model migrace řízené dostupností potravy, … ). Citem tématu je seznámit studenty s postupy a nástroji, které se pro podobné simulační pokusy dají použít, demonstrovat, že i relativně jednoduše působící modely a jejich pravidla mohou vést ke komplexnímu a realisticky vypadajícímu chování. Zároveň bych rád ukázal na kolik jsou podobné modely (a v konečném důsledku i reálné systémy) náchylné na stav počátečních podmínek, respektive i na malé změny jejich vlastností a jak se ustalují v případném novém rovnovážném stavu. Všechny použití modely jsou dostupné v prostředí Netlogo, ve kterém je jak jejich detailní popis, tak grafické rozhraní k jejich použití i celý programový kód modelu, takže je případně možné s nimi přímo pracovat a vyzkoušet si jejich úpravy na různé úrovni.

Cílem přednášky je představit základní mechanismy vědecké metody poznávání světa. Povídání se zaměřuje zejména na dvě témata – jednak na modely, které věda používá k popisu světa a které jsou vždy jen omezeně platné, aby mohly být dostatečně jednoduché, a na ukázky toho, jak moc je věda závislá na schopnosti odhalovat a opravovat své vlastní omyly a modely, které přestaly vyhovovat. Hlavním použitým příkladem je vývoj pohledu na sluneční soustavu a pohyb těles na jejich drahách. Na tomto příkladu se snažím ukazovat jak, a hlavně proč se měnil pohled učenců na jevy, které vidí na obloze a ukázat proč všechny použité modely měly svůj význam a jak pečlivé pozorování vedlo zároveň k jejich zpřesňování ale i odmítnutí. Cílem přednášky je uvědomit si meze platnosti jakéhokoliv modelu reálného systému a zároveň pochopit, že jakýkoliv model – byť vůbec nemusí odpovídat realitě, kterou modeluje – může být za některých okolností užitečný.

Umělá inteligence se stává do jisté míry fenoménem dnešní doby. Neuronové sítě v současnosti v této oblasti naprosto převládají nad ostatními přístupy. Tuto přednášku zahájíme vysvětlením základních matematických principů používaných v neuronových sítích. Princip sítí bude demonstrován jak matematickým odvozením, tak vhodnými vizualizacemi. Dále navážeme pří klady použití a aktuálními problémy tohoto přístupu. V druhé části přednášky se zaměříme na metody počítačového „porozumění“ textu. Ukážeme si, jak počítač vidí (čte) slova a věty, čeho jsou dnešní algoritmy schopny a kde naopak selhávají.