Obor: AI

Segmentace biologických 2D objektů

Navrhovaná práce se zaměřuje na rozvoj metod počítačového vidění s důrazem na segmentaci objektů ve 2D datech. Ve spolupráci s mikrobiology budou analyzována data s konkrétními úlohami. Součástí studie bude výběr vhodných metrik pro porovnání účinnosti různých segmentačních metod. Na základě těchto srovnání bude navržen systém schopný sledovat proces změn v čase. https://www.utia.cas.cz/cs

AI metody v elektronové a fluorescenční mikroskopii

Nové generace elektronových a superrezolučních fluorescenčních mikroskopů v kombinaci s metodami hlubokého učení dávají bezprecedentní možnosti analyzovat materiálové a biologické vzorky. Během stáže se studenti seznámí s rekonstrukčními metodami, jako je dekonvoluce a superrozlišení, a získají vhled do metod automatické segmentace, detekce a trekování velkého množství malých objektů. Vyzkouší si použití těchto metod na problémy…

Vysvětlitelné modely pro interaktivní vývoj vědeckých teorií

Metody strojového učení jsou již dnes běžnou součástí vědecké praxe. Aktuálně nejpřesnější modely jsou však typu black-box, pro něž není snadné určit jak daný model funguje. Je tedy možné, že i přesné predikce jsou založeny na chybné interpretaci dat, například kvůli neúplnosti trénovacích dat. Vysvětlitelné modely strojového učení se snaží tento problém řešit. Jejich primárním…

Využívání metod hlubokého učení pro simulaci a vyhodnocování dat

V průběhu stáže se student seznámí se základními algoritmy hlubokého učení a jejich teoretickým pozadím. Na vybraných příkladech se naučíte využívat moderní softwarové nástroje implementující algoritmy strojového a hlubokého učení na masivně využívaných hardwarových multiprocesorových platformách CPU/GPU.Cílem stáže je aby posluchač zvládl celý vývojový cyklus použítí strojovéhoučení, počínaje instalace potřebného SW, předzpracováním zadaných dat přes…

Využití vektorových databází pro podobnostní vyhledávání

V souvislosti s rozvojem využívání vektorových reprezentací entit zejména v souvislosti se zpracování dat pomocí (hlubokých) neuronových sítí, roste i význam vektorových databází (např. Chroma DB, Qdrant.tech, …). V rámci stáže bude probíhat implementace podobnostního vyhledávání v dané doméně dle dohody s uchazečem. Zadání může být rozšířeno o multimodální přístupy či další use-cases. https://www.fzu.cz/home

Bridging the Gap: Integrace experimentů a strojového učení v materiálovém inženýrství

Predikce vlastností materiálů pomocí modelů strojového učení.Experimentální studie kovových materiálů spojené se strojovým učením a algoritmickým modelováním umožní účastníkům stáže vytvářet predikční modely mechanických vlastností materiálů z reálných dat a navrhovat strategie pro jejich praktické využití. https://www.fzu.cz/home