FIM ∙ Studenti, Aktuálně, Zaměstnanci ∙1. 10. 2026

Nabídka zvaných přednášek zimního semestru 2026/27

Přednášky jsou otevřené pro všechny zájemce o tato témata. Další přednášky budeme postupně aktuálně doplňovat.

 

 

Přednášející: plk. Ing. Vladimír Filip, kpt. PhDr. Lukáš Goga DiS., Policie ČR, Ředitelství služby cizinecké policie

Přednáška s podtitulem "Policejní data a datová věda: od získávání informací k analytickému využití" představí specifické prostředí policejních a bezpečnostních dat, jejich zdroje, způsoby získávání a možnosti analytického zpracování v kontextu moderní datové vědy. Studenti se seznámí s životním cyklem dat využívaných při odhalování, prověřování a vyšetřování trestné činnosti, od prvotního získání informací až po jejich analytické využití při rozhodování a podpoře vyšetřovacích procesů. 

Pozornost bude věnována datům získávaným z evropských informačních systémů, národních evidencí a policejních databází, stejně jako informacím vyplývajícím z evidence nápadu trestné činnosti a poznatků získaných činností v zájmovém prostředí. Samostatná část bude zaměřena na využití metod OSINT (Open Source Intelligence) a získávání dat z veřejně dostupných zdrojů, jako jsou sociální sítě, internetové stránky, obchodní rejstříky, mapové služby, otevřené databáze, média či digitální stopy zanechávané uživateli v online prostředí. Představeny budou možnosti i limity využití těchto zdrojů při tvorbě situačního povědomí a identifikaci vazeb mezi osobami, událostmi a objekty zájmu. 

Dále budou představeny významné zdroje dat získávané v rámci trestního řízení, zejména údaje o telekomunikačním provozu získávané podle § 88a trestního řádu, informace chráněné bankovním tajemstvím poskytované podle § 8 odst. 2 trestního řádu a další údaje získávané na základě součinnosti subjektů podle § 8 odst. 1 a 5 trestního řádu, například z obchodních databází, kamerových systémů, dopravních systémů, poskytovatelů služeb informační společnosti a dalších informačních zdrojů. 

Součástí přednášky bude diskuse nad problematikou kvality, úplnosti a spolehlivosti dat, jejich integrace z různorodých zdrojů a transformace do podoby vhodné pro analýzu. Na praktických příkladech bude ukázáno, jak lze propojením heterogenních datových zdrojů vytvářet znalosti podporující odhalování souvislostí mezi osobami, událostmi, objekty a organizovanými formami kriminality. 

Přednáška zároveň nabídne pohled na právní, etické a technické aspekty práce s citlivými daty a ukáže, jaké výzvy i příležitosti přináší využívání metod datové vědy, strojového učení a pokročilé analytiky v prostředí orgánů činných v trestním řízení.

 

Přednášející: Adam Dobiáš ze společnosti Dateio 

Přednáška vás provede kompletním procesem nasazení velkých jazykových modelů (LLM) do ostrého provozu v prostředí fintechu, kde je prioritou maximální přesnost, rychlost a nákladová efektivita. Ukážeme si, jak vybudovat robustní pipeline pro hromadné čištění a obohacování tisíců bankovních terminálů o chybějící metadata, jako jsou názvy obchodníků, GPS lokace a kategorie. Zaměříme se na kritické aspekty vývoje: od výběru vhodných modelů a pokročilého ladění promptů přes integraci s internetovými zdroji pomocí RAG (Retrieval-Augmented Generation) až po techniky automatizovaného testování a validace výstupů. Dozvíte se, jak v praxi zkrotit halucinace modelů a jakou zvolit architekturu, aby systém zůstal stabilní a ekonomicky udržitelný i při zpracování obrovských datových objemů.

 

Přednášející: Jan Garček, AI Engineer, IBM NCEE Build Engineering

V rámci přednášky se budeme věnovat vývoji datové vědy, zejména tomu, jakým způsobem se tento obor vyvíjel v posledních letech, ukážeme si, kde všude dnes AI nachází uplatnění a které nástroje v IBM při práci s daty využíváme. Jan Garček by rád zdůraznil, že samotné vytvoření modelu pro firemní použití často nestačí – je důležité věnovat pozornost dalším faktorům, které ovlivňují jeho nasazení a úspěch. Součástí přednášky budou také ukázky projektů z praxe, aby studenti získali lepší představu o konkrétních situacích, s nimiž se mohou v datové vědě setkat.