Uskutečněné přednášky v LS 2025/26



Matematika ve farmaceutickém vývoji: experimentální nejistoty a jejich vliv na biodostupnost léčiv

Martin Balouch (Zentiva)

Abstrakt: Vývoj léčivého přípravku je dlouhá a komplexní cesta plná nejistot. Zatímco u firem vyvíjejících nová – tzv. originální – léčiva spočívá většina těchto neznámých ve výběru a optimalizaci úplně nové účinné molekuly, u generických léčiv se karta obrací. Účinná látka je známá a prověřená, a tak se hlavní zdroje nejistot přesouvají až do fáze vývoje finální lékové formy: tedy kombinace účinné látky s pomocnými látkami a jejího výsledného technologického zpracování.
V krátké přednášce se nejprve stručně zorientujeme v tom, jak se liší originální a generický vývoj léčiv. Poté se zaměříme už jen na generika. Cílem přednášky bude analyzovat zdroje nejistot tzv. bioekvivalence mezi originálním a generickým přípravkem, jejich teoretické a praktické řešení. A kde se je v tom ta matematika? Někde v tom prostoru mezi 300kilovým sudem účinné látky ve skladu, pěti sty změřenými částicemi o velikosti 2 mikrometrů, a finální tabletou s 100 mg účinné látky a dalšími 500 mg pomocných látek.

O přednášejícím: Martin Balouch je absolventem chemického inženýrství na VŠCHT v Praze. Nyní pracuje ve vývoji společnosti Zentiva, kde se specializuje na vývoj pevné fáze.






Matika na divoko a v divočině: evoluce, ekologie a modely

Pavel Drozd (PřF OU)

Abstrakt: Čísla nám v biologii pomáhají chápat přírodní výběr, dynamiku populací i to, proč si vzájemně pomáháme. Zároveň ale hrozí, že jim uvěříme víc než samotné přírodě. Rozumí biologové číslům a můžeme poznat přírodu bez znalostí matematiky? Chápou studenti biologie, proč se učí pracovat s čísly? Co očekává biolog od matematika a matematik od biologa když chtějí začít spolupracovat? Co se stane, když zkřížíte biologa s matematikem?

O přednášejícím: Doc. Mgr. Pavel Drozd, Ph.D. vystudoval obor Učitelství matematiky a biologie a nyní přednáší na Ostravské univerzitě Evoluční ekologii a Statistiku. Ačkoliv jsou hlavním tématem jeho výzkumu vztahy mezi rostlinami, hmyzem a mikroorganismy, v průběhu své kariéry se věnoval mnoha dalším tématům, mezi jinými také modelování evolučních procesů, odhadům biodiverzity nebo scientometrii.






Principy doporučovacích systémů a personalizovaného rankingu

Pavel Kordík (Recombee)

Abstrakt: Efektivní navigace v obrovském informačním prostoru dnes stojí i padá na schopnosti algoritmů prioritizovat obsah podle individuálních potřeb uživatele. Přednáška analyzuje klíčový úkol doporučovacích systémů: sestavení optimálního pořadí (rankingu) kandidátních položek tak, aby ty nejrelevantnější byly vždy na prvním místě.
Za mnoha světovými doporučovacími systémy stojí engine vyvíjený českou firmou Recombee, která pomocí AI obsluhuje miliardy personalizačních požadavků měsíčně.

O přednášejícím: Pavel Kordík je jednou z klíčových postav české AI scény. Dlouhodobě se věnuje strojovému učení a neuronovým sítím, přičemž svou kariéru dělí mezi akademickou půdu (FIT ČVUT) a technologický leadership (mj. spoluzakladatel Recombee).






Numerické modelování úložišť jaderného odpadu

Jaroslav Kruis (FSV ČVUT)

Abstrakt: V ČR se plánuje ukládání vysokoaktivního odpadu v úložišti umístěném v horninovém bloku 500 metrů pod povrchem. Vzdálenost ukládacích chodeb a jednotlivých ukládacích obalových souborů se zjišťuje teplo- technickými výpočty. Radioaktivní odpad generuje teplo a je třeba zajistit, že teplota v úložišti nepřekročí 95 °C. Numerická simulace oblasti o rozměrech 2x2x1 km, ve které je třeba zachytit objekty o velikosti 5 m, během 50 000 let vyžaduje víceúrovňový přístup a kombinaci různých numerických metod. Tento problém si v přednášce představíme.

O přednášejícím: Prof. Ing. Jaroslav Kruis, Ph.D. působí na Katedře mechaniky Fakulty stavební ČVUT. Věnuje se matematickým simulacím v oboru stavebních konstrukcí. Dlouhodobě pracuje na modelech budoucích uložišt odpadu z jaderných zařízení v ČR.






Od pokerové AI k tradingu

Martin Schmid (EquiLibre Technologies)

Abstrakt: Tato přednáška nebude úvodem do zpětnovazebného učení (reinforcement learning), ani hloubkovým rozborem algoritmických detailů. Namísto toho se zaměřím na to, jak aplikované zpětnovazebné učení utváří svět kolem nás a jak tyto reálné aplikace následně formují obor samotný. Mým cílem je vybudovat u posluchačů intuici a poskytnout nadhled nad historií, současnou podobou a budoucností tohoto odvětví. Doufám, že vás přednáška bude nejen bavit, ale také inspiruje k úvahám o nových možnostech využití zpětnovazebného učení v rámci vašich vlastních výzkumných domén. Na závěr představím svou nejnovější aplikaci: algoritmické obchodování.

O přednášejícím: Martin Schmid je jedním ze autorů systému DeepStack – první umělé inteligence, která porazila profesionální hráče v no-limit pokeru. Po několika letech práce na projektech v rámci Google DeepMind se rozhodl založit společnost EquiLibre Technologies, která aplikuje techniky zpětnovazebného učení právě na algoritmické obchodování.






Co je to cena elektřiny a jak se předpovídá?

Michal Rolínek (Second Foundation)

Abstrakt: V médiích se často mluví o ceně elektřiny. Málokdy ale zazní, co tato cena představuje, z jakých složek se skládá a jak se vlastně stanovuje. Ještě méně pozornosti se věnuje možnostem předpovídání ceny a významu takových předpovědí pro výrobce, obchodníky i spotřebitele. Po tomto jemném úvodu do energetiky zabředneme i do principů matematické optimalizace. Dojde také na několik nenápadných malých hádanek, které odrážejí některé problémy z praxe. Právě na nich lze ukázat konkrétní problémy, které energetický trh přináší.

O přednášejícím: Michal Rolinek je český matematik a výzkumník v oblasti strojového učení, diskrétní optimalizace a umělé inteligence. Působil jako postdoktorand na Max-Planck-Institutu. Nyní pracuje v Second Foundation, kde propojuje matematiku s datovou analýzou a strojovým učením. Zároveň je dlouholetým nadšencem do matematiky – je absolutním vítězem české matematické olympiády a aktivně se podílí na vzdělávání a podpoře mladých talentů.






Uskutečněné přednášky v ZS 2025/26



Velká zemětřesení uplynulých století

Aleš Špičák (Geofyzikální ústav AV ČR)

Abstrakt: Velké zemětřesení vyžaduje velký prostor. Při dosud nejsilnějším zaznamenaném zemětřesení (Chile 22. 5. 1960, magnitudo 9,5) se aktivovala plocha o rozměrech 800 x 100 km2. Tak obrovská plocha je na Zemi k dispozici především na rozhraní litosférických desek v subdukčních zónách – takové tektonické uspořádání je společné všem pěti nejsilnějším zemětřesením. Mohlo by uspořádání litosférických desek na Zemi vést k ještě silnějšímu zemětřesení?
Kontrast důsledků dvou nedávných zemětřesení, extrémně silného zemětřesení na Kamčatce (M 8,8) a středně silného v Afghánistánu (M 6,0), nám umožní pochopit vztah mezi sílou zemětřesení a jeho společenskými dopady.

O přednášejícím: RNDr. Aleš Špičák, CSc. je český seismolog, dlouholetý ředitel Geofyzikálního ústavu AV ČR v.v.i. Kromě základního výzkumu se věnuje pedagogické a popularizační činnosti, za kterou obdržel Cenu předsedy AV ČR za popularizaci vědy.






Matematika a velké dalekohledy

Petr Kubánek (Vera C. Rubin Observatory)

Abstrakt: Chcete vědět jak se počítá adaptivní optika na největších dalekohledech na světě? Jak správně zaostřit zrcadla, aby jste měli jasný obraz? Jak navhrnout, postavit a provozovat řídicí systém velkého dalekohledu? A na jaké další matematické problémy lze narazit v astronomii?
Přednáška by měla poskytnout rychlý přehled od softwarového inženýra, co se od malých plně robotických dalekohledů dostal k práci na těch celosvětově největších, včetně nové observatoře s největším teleskopem na světě. Tato observatoř byla právě uvedena do provozu a má v budoucnu pořídit nejrozsáhlejší katalog astronomických objektů ve vesmíru.

O přednášejícím: Petr Kubánek je softwarový inženýr, který se podílel na stavbě několika desítek observatoří po celém světě. Nyní pracuje na vývoji software pro největšího teleskop na světě v Rubin C. Observatory v Chile.






Matematika a bakteriální kolonie

Vladimír Scholtz (VŠCHT)

Abstrakt: Táto prednáška sa zameria na matematické modelovanie vzhľadu a štruktúry bakteriálnych kolónií a na vybraných príkladoch ukáže, že komplexné biologické správanie možno často redukovať na riešenie elegantných diferenciálnych rovníc, ktoré nielenže popisujú pozorované javy, ale môžu poskytnúť aj náhľad na elementárnejšie procesy (nielen) živej hmoty.
Jednoduché matematické nástroje ako náhodná prechádzka alebo systémy diferenciálnych rovníc v reakčne-difúznych modeloch umožňujú zachytiť dynamiku populácie baktérií, difúziu živín a signálnych molekúl, ako aj vplyv faktorov prostredia, akými sú napríklad zmeny pH. Jednoduché zmeny parametrov, ako sú difúzne koeficienty, môžu viesť k kvalitatívne odlišným makroskopickým vzorom, popisujúce reálne biologické objekty.

O přednášejících: Doc. Ing. Vladimír Scholtz, Ph.D. vystudoval informatiku a fyziku pevných látek na FEI STU v Bratislavě a fyziku plazmatu na FEL ČVUT. Nyní je vedoucím Ústavu fyziky a měřicí techniky na VŠCHT. Věnuje se zejména výzkumu mikrobicidních účinků nízkoteplotního plazmatu. V roce 2013 získal cenu Neuron Impulsu v oblasti medicíny.






Adversariální útoky na neuronové sítě: skrytá křehkost v srdci AI

Stanislav Fort (AISLE)

Abstrakt: Deset let zpátky byl prvně popsán neobvyklý jev, kterému dnes říkáme adversariální útoky. Malé perturbace vstupu do neuronové sítě vedou k obrovským rozdílům ve výstupu a to i přes to, že pro člověka je vstup (například obrázek kočky) v podstatě nezměněn. Tento efekt se vyskytuje v neuronových sítích od těch nejmenších modelů až po ty největší AI systémy dneška, jako je například GPT-5, Claude 4.5 Sonnet, nebo Gemini 2.5 Pro. Za dekádu od jejich objevu bylo napsáno již 10 000 vědeckých článků, ale jejich vysvětlení nebo řešení nám pořád unikají.
V této přednášce si popíšeme historii tohoto problému, jeho propojení s vysokorozměrnou geometrií, tradiční přístupy k jeho řešení a vizi do budoucnosti.

O přednášejícím: Stanislav Fort, absolvent Standford University a University of Cambridge v oborech umělé inteligence a teoretické a matematické fyziky, je zkušeným odborníkem s praxí ve společnostech jako Google, DeepMind a Anthropic. Nedávno spoluzaložil startup AISLE, který se zaměřuje na vyhledávání a odstraňování kritických zranitelností pro zvýšení bezpečnosti softwaru.






Segmentace lidí a objektů podle jejich chování

Anna Michálková (Profinit)

Abstrakt: I když jsme každý jedinečný, svým chováním a svými rozhodnutími se podobáme mezi sebou víc, než si myslíme. Tvoříme tak skupiny s podobnými charakteristickými rysy. Stejně tak lze seskupit třeba bankomaty, čerpací stanice, knihy a mnoho jiných objektů. Dobře provedené rozdělení do skupin (tzv. segmentace) pomáhá například firmám, aby lépe porozuměly, co jejich zákazníci potřebují, a vytvářely produkty na míru.
Taková úloha je ve statistice dávno známá, ale čím víc dat máme o subjektech a čím jsou tato data různorodější, tím obtížněji se v praxi řeší. Současné postupy spojují poznatky z různých oborů matematiky – od optimalizace až po diferenciální geometrii. Posláním přednášky je ukázat, že mnoho zdánlivě těžkých úloh lze rozdělit na menší a každou z nich rozlousknout, jakmile dokážeme konkrétní praktickou situaci popsat jako abstraktní problém.

O přednášejícím: Anna Michálková vystudovala statistiku na MFF UK. Jako Data Scientist v konzultační firmě Profinit se věnuje úlohám od tradičních modelů (credit risk, propensita) přes detekci fraudu a cenotvorbu až po vytváření AI asistentů pro pomoc s dílčími úkoly ve strojovém učení.






Není neuron jako neuron: AI v diagnostice neurodegenerativních onemocnění

Ondřej Klempíř (FBMI ČVUT,  Ceeor)

Abstrakt: Může lidská řeč odhalit neurologické onemocnění dříve, než se projeví klinické příznaky? Změny v plynulosti, artikulaci či jazykové struktuře řeči často předcházejí viditelným symptomům poruch, jako je Parkinsonova nemoc, a představují tak slibný nástroj pro včasnou diagnostiku i dlouhodobé sledování pacientů.
V této přednášce si představíme hlavní přístupy k automatickému rozpoznávání patologické řeči se zaměřením na předtrénované řečové modely. Ukážeme si, jak jsou klinická vyšetření formalizována z pohledu zpracování signálu a datové analýzy. Porovnáme klasické metody založené na ručně navržených příznacích s moderními hlubokými neuronovými sítěmi. Budeme diskutovat jejich výkon, nároky na data, interpretovatelnost i potenciál pro praktické využití v klinické praxi, včetně otevřených metodologických otázek.

O přednášejícím: Ondřej Klempíř vystudoval PhD v oboru biomedicínské inženýrství na FBMI ČVUT, kde také bádá a učí. V CEEOR se zabývá mj. aplikací LLM ve zdravotnictví.