Tvar je důležitou vlastností jakéhokoliv objektu ve světě kolem nás. Popis a klasifikace tvarů se používá v mnoha úlohách, například při rozpoznávání písma nebo objektů na fotografiích. Geometrická morfometrie pak zkoumá tvar určitého typu objektů, jeho variabilitu a jeho změny, což slouží při výzkumu v nejrůznějších přírodovědných disciplínách – antropologii, zoologii, botanice nebo paleontologii. Tvarová analýza měří například tvar lebky určitého živočišného druhu, lidské tváře, měkké tkáně lidského těla nebo křídla hmyzu.
Nástup počítačů a rozšíření digitalizace dat nahradily původní měření vzdáleností a úhlů a výrazně rozšířily možnosti morfometrie. K dispozici máme nejrůznější metody od digitální fotografie, přes měřící zařízení určující přesnou polohu jednotlivých bodů v prostoru, povrchové skenery, až po lékařské zobrazovací techniky, jako jsou CT nebo MRI.
Na přednášce se seznámíme s geometrickou morfometrií, technologiemi digitalizace dat, možnostmi využití i některými praktickými otázkami, na které nám analýza tvarů pomáhá hledat odpověď.
Všichni slyšeli o Charlesi Darwinovi a jeho evoluční teorii, mnozí si však pamatují jen to, že silnější přežije a že se člověk (ač to někteří odmítají připustit) vyvinul z něčeho jako opice. Máme za to, že evoluce se týká nanejvýš nějakých ještěrek v pralese, přestože její působení můžeme pozorovat kolem sebe každý den. Například v tom, jak se vyvíjejí a obměňují obchody v naší ulici nebo jak se proměňuje móda a vkus.
Tytéž metody přirozeného výběru, které použila příroda k polidštění opice, můžeme úspěšně využít k řešení celé řady běžných problémů. Na přednášce si ukážeme, jak na to. Popíšeme základní pojmy, vysvětlíme princip genetických algoritmů a s jejich pomocí vyřešíme několik úloh.
Ačkoliv je teorie grafů již středně starou matematickou disciplinou (její základy položil Leonhard Euler v 18. století), na základní a střední školy u nás dosud příliš nepronikla. Toto je škoda obzvláště s ohledem na výuku Informatiky, jelikož mnoho netriviálních informatických problémů má grafově-teoretickou formulaci, která je (více či méně důkladně) zkoumána a jsou známy teoretické výsledky pro jednotlivé problémy. Tyto teoretické výsledky mohou být buďto algoritmy konkrétní problémy řešící, nebo tvrzení, že efektivní algoritmus neexistuje.
Zavedeme si základní terminologii teorie grafů, předneseme si několik problémů a řekneme si, co se o nich ví. Konkrétní problémy a podrobnosti budou přizpůsobeny schopnostem a znalostem obecenstva.
Strojový překlad je "výkladní skříní" počítačového zpracování přirozeného jazyka. Narazíte při něm snad na všechny problémy, se kterými se počítačová lingvistika potýká. I pro tak složitý jazyk, jako je čeština, už jsou systémy strojového překladu řadu let k dispozici. Možná o ně občas při práci na internetu zavadíte, ale víte, jak se vlastně takový strojový překlad dělá? Za jakých okolností překládá perfektně a kdy udělá chybu?
Na přednášce se nejprve seznámíme s obtížemi strojového překladu z lingvistického hlediska. Stručně představíme frázový a syntaktický přístup k překladu, který se opírá o větný rozbor, a vzápětí si ukážeme, jak oba tyto přístupy snadno přivést do úzkých.
Ve druhé části přednášky se na frázový překlad podíváme detailněji. Objeví se i formální definice, dva tři vzorečky z pravděpodobnosti a prohledávání stavového prostoru hypotéz, což je variace na základní algoritmus z oboru umělé inteligence. Když tedy jedničku z domácího úkolu na angličtinu nedostanete, budete aspoň moci učiteli přesně vysvětlit, co se stalo.
Testování některých hypotéz nebo systémů nemusí být vůbec jednoduchá ani bezpečná záležitost. Například si představte, že jste dostali za úkol vytvořit protiraketovou obranu New Yorku a rádi byste si ověřili, jestli funguje. Vybudujete proto zmíněnou obranu, odpálíte na New York pár jaderných hlavic a sledujete, co se stane. Bohužel, pokud váš první návrh nebyl ještě úplně dokonalý, je velmi pravděpodobné, že druhou šanci na vylepšení už nedostanete a soutěž o nejoblíbenější celebritu asi také nevyhrajete. Abyste se podobným potížím vyhnuli, můžete si útok na New York opakovaně nasimulovat v počítači.
Simulace se dají využít k nejrůznějším účelům (nejen k protijaderné ochraně New Yorku) a v rámci přednášky se s nimi seznámíme. Zaměříme se na multiagentní simulace a ukážeme si několik zajímavých modelů (simulace mravenců, šíření viru HIV, ...). V druhé části přednášky se pak podíváme na vznik mezioborové bakalářské práce na MFF, zabývající se simulací chování švábů. Jak uvidíte, jsou to nesmírně zajímavá stvoření.
Na počátku každého školního roku všichni školáci i učitelé netrpělivě čekají na školní rozvrh. Jaký tentokrát bude? Vyjde zase matika hned po těláku, bude chemie v pondělí v sedm ráno a odpolední výuka němčiny v pátek? Bude čas na oběd nebo na kafíčko? A pokud rozvrh nevypadá podle našich přání a skrytých tužeb, kdo za to může?
Sestavování rozvrhu je obecně složitý problém (informatik by řekl NP-těžký) a protože vyhovět všem studentským i učitelským požadavkům je někdy nad lidské síly, k jeho vytváření se stále častěji používají programy, které dokážou rozvrhování usnadnit, anebo dokonce automaticky vyřešit.
V přednášce si ukážeme, jak se dají rozvrhy vytvářet automaticky za použití technik umělé inteligence: programování s omezujícími podmínkami a lokálního prohledávání. Tyto techniky, používané mimo rozvrhování k řešení celé řady dalších optimizačních úloh, dokážou v řadě případů sestavit rozvrh pro typickou střední školu v řádu několika minut. Na závěr přednášky si jeden takový rozvrh vyrobíme a pokud se podaří, určitě nebude matika hned po těláku.
S problematikou zpracování dat se setkáváme na každém kroku napříč všemi obory informatiky. Zajímavé otázky začnou vyvstávat zejména v okamžiku, kdy se nám data nevejdou do operační paměti, nebo dokonce na pevný disk či diskové pole běžného serveru.Na přednášce definujeme největší problémy zpracování dat a podíváme se na různé přístupy k řešení. Zabývat se budeme především strukturovanými daty v relačních databázích, semi-strukturovanými daty (XML, JSON) a také grafovými daty (RDF, Linked-data). Stranou nezůstanou ani otázky reprezentace dat, indexace či transakčního zpracování. Ke konci přednášky pak krátce věnujeme pozornost také velmi velkým datovým kolekcím, které není možné udržovat centralizovaně v jednom počítači (např. databáze doménových jmen DNS), a metodě Map-Reduce, pomocí které Google indexuje celý web.
S problematikou zpracování dat se setkáváme na každém kroku napříč všemi obory informatiky. Zajímavé otázky začnou vyvstávat zejména v okamžiku, kdy se nám data nevejdou do operační paměti, nebo dokonce na pevný disk či diskové pole běžného serveru.
Na přednášce definujeme největší problémy zpracování dat a podíváme se na různé přístupy k řešení. Zabývat se budeme především strukturovanými daty v relačních databázích, semi-strukturovanými daty (XML, JSON) a také grafovými daty (RDF, Linked-data). Stranou nezůstanou ani otázky reprezentace dat, indexace či transakčního zpracování. Ke konci přednášky pak krátce věnujeme pozornost také velmi velkým datovým kolekcím, které není možné udržovat centralizovaně v jednom počítači (např. databáze doménových jmen DNS), a metodě Map-Reduce, pomocí které Google indexuje celý web.
Tradiční výzkum buněk a živých organismů spočívá převážně v pozorování. Pečlivým sledováním, měřením nebo studiem chování získáváme poznatky, na základě kterých vytváříme teorie, jak asi buňka nebo organismus funguje. I když máme velké množství konkrétních informací (například o proteinech, jejich struktuře a funkci), není snadné nalézt jednotící teorii, která by popisovala chování buněčných soustav.
Jedním ze způsobů, jak tuto mezeru vyplnit, jsou počítačové prediktivní modely. Tak jako nám ve fyzice Newtonovy zákony umožňují vysvětlovat a předpovídat pohyb planet, jsou i prediktivní buněčné modely založeny na formulaci jednoduchých zákonů, které popisují, jak by se buňka mohla chovat v malé oblasti v krátkém čase. Počítačová simulace velkého množství buněk nám pak ukáže chování a vývoj celých tkání.
Na přednášce si povíme o základních principech prediktivního buněčného modelování založeného na difúzi a chemických reakcích. Dále si ukážeme algoritmický model buňky a její komunikace s okolím. Podíváme se, jak se dají takovéto umělé buňky v počítačovém simulátoru programovat a jak se chovají virtuální tkáně, které potom tyto buňky tvoří.
Co mají společného následující věci:
Mohlo by se zdát, že společneho mají málo nebo vůbec nic, avšak jedna společná věc tu je -samoopravné kódy. Jednoduše řečeno se jedná o způsob, kterak poslat informaci přes relativnně spolehlivé médium z jednoho konce a na druhémkonci ji dekódovat v původní vyslanou zprávu.
Společně se podíváme na nějaké pěkné samoopravné kódy - konkrétně na kód Hadamárův a kód Hammingův, který byl objeven v padesátých letech dvacátého století. Na konci předvedeme některá možná zobecnění základního kódu, který nám dovoluje zprávy jen 4bitové. Pobavíme se též o lineárních kódech, které využívají ı mnoha hezkých vlastností lineární algebry (vše nutné bude řečeno ). Jeden z lineárních kódů je právě Hammingův kód.
Globální osvětlení označuje zobrazovací metody v počítačové grafice, jež berou v úvahu několikanásobné odrazy světla mezi objekty ve scéně. Použití globálního osvětlení významně přispívá ke kvalitě vygenerovaných obrázků, avšak z důvodu časové náročnosti jej tradičně nebylo možné použít pro počítačovou grafiku ve filmech a hrách. V posledních letech se díky lepším algoritmům a vyššímu výkonu počítačů stalo globální osvětlení běžným nástrojem generování realistických obrazů ve filmu a pomalu se dostává i do herní produkce. V této přednášce podám přehled základní teorie výpočtu globálního osvětlení a proberu nejdůležitější algoritmy používané ve filmové a herní praxi, konkrétně sledování cest (path tracing), úschova osvětlení (irradiance caching), a bodové globální osvětlení (point-based global illumination).
StoryFactory a 3D animace V současné době se už téměř žádný větší film neobejde bez výpomoci virtuálních herců. Umělí lidé chodí, mluví a hýbou se jako ti opravdoví, dokonce můžete s počítačovými bytostmi natočit celý film. Jak ale přimět virtuální tvory ke spolupráci? Nahlédnout do dílny tvůrců 3D filmů nebo programátorů počítačových her lze díky unikátnímu nástroji StoryFactory, který vznikl na Matematicko-fyzikální fakultě UK v Praze. Umožňuje vytvářet krátké animované snímky ve virtuální realitě a jen tak mimochodem při tom třeba zjistit, co všechno se musí udělat, aby virtuální kluk přešel ulici a otočil se doprava, a že život tvůrce počítačových her není vždycky jednoduchý. Na přednášce se dále dozvíte, jak StoryFactory vznikala, jak dostali virtuální panáci tvář, naučili se hýbat a chodit spolu na rande. Objevíte základy 3D animací: jak se snímají pohyby prostřednictvím motion capture, jak se převádějí na pohyb virtuálního těla, jak tohle tělo vlastně vzniká, a odhalíte, co má umělá holka pod tričkem.