Ústav teorie informace a automatizace

AS

Schedule & Presentations

Time

Title

Authors

7:30—7:50

Opening session

Organisers

7:50—8:20

Aplikace pokročilých statistických metod asimilace modelových předpovědí s pozorováními v terénu ve formě moderního programového prostředku pro podporu rozhodování za krizových situací

Vedoucí projektu: Ing. Petr Pecha, CSc.
Oddělení: AS
Podporováno (ID): VG20102013018
Poskytovatel: Ministerstvo vnitra
Trvání: 2010 - 2013
Podrobnosti: zde

Dungl

Jméno: 
Martin
Titul před jménem: 
Mgr.
Oddělení: 
AS
Pozice anglicky: 
Ph.D student
Pozice česky: 
doktorand
Odborné zájmy (anglicky): 
Bayesian modeling
Odborné zájmy (česky): 
Bayesovské modelování
Kontakty
Místnost: 
369
Linka: 
2358
Fax: 
266052068
Mail: 
dungl
Doména mailu: 
utia.cas.cz
Podrobnosti o doktorském studiu
Školitel: 
Typ studia: 
prezenční
Téma práce (anglicky): 
Classification of traffic data
Téma práce (česky): 
Klasifikace dopravních dat
Fakulta: 
Fakulta dopravní ČVUT
Obor (česky): 
Inženýrská informatika
Začátek studia: 
01.10.2010
Konec studia: 
30.06.2013
Přepínače
Aktivní: 
Ne
Zobrazit literaturu: 
Ano
Foto veřejné: 
Ano
Doktorand: 
Ano
Zahrnout do papírového seznamu: 
Ano

Tichý

Jméno: 
Ondřej
Titul před jménem: 
Ing.
Oddělení: 
AS
Pozice anglicky: 
Ph.D. student
Pozice česky: 
Doktorand
Kontakty
Místnost: 
480
Linka: 
2570
Fax: 
284683031
Mail: 
otichy
Doména mailu: 
utia.cas.cz
Podrobnosti o doktorském studiu
Školitel: 
Typ studia: 
prezenční
Téma práce (anglicky): 
Bayesian Blind Source Separation in Dynamic Medical Imaging
Téma práce (česky): 
Bayesian Blind Source Separation in Dynamic Medical Imaging
Fakulta: 
Fakulta jaderná a fyzikálně-inženýrská ČVUT
Obor (česky): 
Matematické inženýrství
Začátek studia: 
01.10.2010
Přepínače
Aktivní: 
Ano
Zobrazit literaturu: 
Ano
Foto veřejné: 
Ano
Doktorand: 
Ano
Zahrnout do papírového seznamu: 
Ano

Algoritmy bayesovské klasifikace

Název práce v Aj: 
Bayesian classification
Školitel: 
Typ práce: 
bakalářská
Pracoviště/Tel.: 
ÚTIA AV ČR, v.v.i., oddělení AS
Klíčová slova: 
datová analýza, bayesovská klasifikace
Klasifikace patří k úloham datové analýzy [1, 2] s cílem třídění dat na základě použití trénovací množiny dat s již známými skupinami. Existuje velké množství metod v této oblasti. Bayesovská klasifikace je jeden z nich.
Úkoly: 
Hlavním cílem práce je (i) seznámit se s touto úlohou, (ii) vytvořit přehled současných algoritmů v této oblasti, (iii) dodat jejich popis v prostředí LaTeX.
Literatura: 
[1] D. T. Larose Discovering Knowledge in Data. An Introduction to Data Mining. Willey, 2005. [2] Jiawei Han, Micheline Kamber, Jian Pei. Data Mining: Concepts and Techniques, Third Edition (The Morgan Kaufmann Series in Data Management Systems). Morgan Kaufmann, 2011.

Metody shlukové analýzy

Název práce v Aj: 
Semi-supervised clustering
Školitel: 
Typ práce: 
bakalářská
Pracoviště/Tel.: 
ÚTIA AV ČR, v.v.i., oddělení AS
Klíčová slova: 
Semi-supervised clustering
Semi-supervised clustering je jeden ze současných slibných přístupů v oblasti shlukové analýzy [1, 2]. Tato práce je zaměřená na seznámení se s touto úlohou, vytvoření přehledu současných algoritmů v této oblasti a jejich popis v prostředí LaTeX.
Literatura: 
[1] Zhu, Xiaojin; Goldberg, Andrew B. (2009). Introduction to semi-supervised learning. Morgan & Claypool. ISBN 9781598295481. [2] Zhu, Xiaojin. Semi-supervised learning literature survey. Computer Sciences, University of Wisconsin-Madison (2008).

Shluková analýza založená na využití modelu směsi distribucí

Název práce v Aj: 
Mixture model based clustering
Školitel: 
Typ práce: 
bakalářská
Pracoviště/Tel.: 
ÚTIA AV ČR, v.v.i., oddělení AS
Klíčová slova: 
shluková analýza, klastrování, datová analýza, model směsi distribucí
Shluková analýza (též clusterová analýza, klastrování) představuje výkonný nástroj pro analýzu dat a extrakce znalostí z nich [1, 2, 3]. Využívá se, například, v marketingu, politice, medicíně, v průmyslu, strojírenství, sociální oblasti, a mnoho dalších. Existuje velké množství shlukovacích metod. Tato práce se zabývá přístupem k shlukování z hlediska využití modelu směsi distribucí.
Úkoly: 
Hlavním cílem práce je (i) seznámit se s touto úlohou, (ii) vytvořit přehled současných algoritmů v této oblasti, (iii) dodat jejich popis v prostředí LaTeX.
Literatura: 
[1] D. T. Larose Discovering Knowledge in Data. An Introduction to Data Mining. Willey, 2005. [2] Jiawei Han, Micheline Kamber, Jian Pei. Data Mining: Concepts and Techniques, Third Edition (The Morgan Kaufmann Series in Data Management Systems). Morgan Kaufmann, 2011.

Organisers

  • Miroslav Kárný, Department of Adaptive Systems, Institute of Information Theory and Automation, Academy of Sciences of the Czech Republic
  • Tatiana Valentine Guy, Department of Adaptive Systems, Institute of Information Theory and Automation,  Academy of Sciences of the Czech Republic
  • David Wolpert, Intelligent Systems Division, NASA Ames Research Center, USA
  • David Rios Insua, Royal Academy of Sciences, Spai

Sečkárová

Jméno: 
Vladimíra
Titul před jménem: 
Mgr.
Oddělení: 
AS
Pozice anglicky: 
Ph.D. student
Pozice česky: 
Doktorand
Odborné zájmy (anglicky): 
knowledge merging
Odborné zájmy (česky): 
kombinace znalostí
Kontakty
Místnost: 
469
Linka: 
2817
Fax: 
284683031
Mail: 
seckarov
Doména mailu: 
utia.cas.cz
Podrobnosti o doktorském studiu
Školitel: 
Typ studia: 
prezenční
Téma práce (anglicky): 
Merging of probabilistic knowledge
Téma práce (česky): 
Spojování pravděpodobnostních znalostí
Úvazek: 
50%
Fakulta: 
Matematicko-fyzikální fakulta UK
Začátek studia: 
01.10.2010
Konec studia: 
31.12.2013
Přepínače
Aktivní: 
Ano
Zobrazit literaturu: 
Ano
Foto veřejné: 
Ne
Doktorand: 
Ano
Zahrnout do papírového seznamu: 
Ano
Syndikovat obsah
Ustav teorie informace a automatizace