studijní program

Information Technology

Fakulta: FITZkratka: DIT-ENAk. rok: 2021/2022

Typ studijního programu: doktorský

Kód studijního programu: P0613D140029

Udělovaný titul: Ph.D.

Jazyk výuky: angličtina

Poplatek za studium: 4000 EUR/ročně pro studenty z EU, 4000 EUR/ročně pro studenty mimo EU

Akreditace: 8.12.2020 - 8.12.2030

Profil programu

Akademicky zaměřený

Forma studia

Kombinované studium

Standardní doba studia

4 roky

Garant programu

Oborová rada

Oblasti vzdělávání

Oblast Téma Podíl [%]
Informatika Bez tematického okruhu 100

Cíle studia

Cílem studijního programu je poskytnout vynikajícím absolventům magisterského studia specializované univerzitní vzdělání nejvyššího typu v informatice a výpočetní technice, zvláště pak v oblastech, ve kterých se profilují výzkumné skupiny FIT, a ve vztahu k výzkumným projektům řešeným na FIT:

  • akcelerované síťové technologie,
  • automatizovaná analýza, verifikace a syntéza,
  • efektivní techniky práce s automaty a logikami a jejich aplikace,
  • bezpečnost,
  • dolování dat z řečí,
  • evolvable hardware,
  • formální modely,
  • hardware-software codesign,
  • informační a databázové systémy,
  • inteligentní systémy,
  • management v softwarovém inženýrství,
  • modelování a optimalizace systémů,
  • nekonvenční číslicové obvody,
  • počítačová grafika,
  • počítačové sítě a vestavěné systémy,
  • robotika,
  • superpočítačové technologie,
  • systémy odolné proti poruchám, diagnostika a testování,
  • vysoce náročné výpočty,
  • znalostní technologie a
  • zpracování obrazu a videa.
Vzdělání získané v tomto studijním programu zahrnuje průpravu a atestaci k vědecké práci.

Profil absolventa

Absolventi doktorského studijního programu Information Technology jsou schopni samostatně provádět vědecko-výzkumnou činnost a tvůrčím způsobem řešit složité teoretické, návrhové, verifikační, testovací, implementační a inovační problémy v oblasti informatiky. Jsou vybaveni pokročilými znalostmi jak z teoretické informatiky, tak i z oblasti algoritmizace, tvorby software i hardware a zkušenostmi s jejich uplatněním v různých aplikacích. Hlavní důraz a cíl studia je směřován na vědeckou a tvůrčí činnost a představení výstupů této činnosti vědecké komunitě na mezinárodní úrovni, zejména ve formě publikačních výstupů. Další nedílnou součástí je získání zkušeností s prací v týmu a pravidelná prezentace dosažených výsledků, nejdříve pro kolegy na FIT a později na mezinárodních vědeckých konferencích. Absolventi doktorského studijního programu mají tedy nejen teoretické a specializované znalosti dle svého odborného zaměření, ale zároveň i zkušenosti s publikační činností a uplatněním a prezentací výsledků na mezinárodní úrovni. 

Charakteristika profesí

Absolventi FIT obecně a absolventi doktorského studia zejména nemají problém najít uplatnění jako vědečtí, pedagogičtí či řídicí pracovníci jak v ČR tak v zahraničí.

  • Absolvent doktorského studia je schopen samostatné vědecké, výzkumné a řídicí práce v oblasti informatiky, výpočetní techniky a informačních technologií. Je připraven řešit náročné koncepční, výzkumné a vývojové problémy. V praxi je schopen samostatně vést výzkum, vývoj a výrobu v oblasti moderních informačních technologií.
  • Nachází uplatnění jako tvůrčí pracovník na špičkových vědeckovýzkumných pracovištích, jako vedoucí výzkumných a vývojových týmů a též ve vědecké a pedagogické práci na vysokých školách. Absolventi tohoto programu se mohou také uplatnit při obsazování vyšších funkčních pozic v některých větších institucích a firmách, kde je vyžadována schopnost samostatně tvořivě pracovat, analyzovat složité problémy a navrhovat a realizovat nová, originální řešení.
  • Část absolventů typicky pokračuje jako tzv. "postdoc" v akademické kariéře v ČR nebo v zahraničí.

Podmínky splnění

Jsou vymezeny individuálním studijním plánem studenta, jenž specifikuje studijní předměty, které je student povinen úspěšně absolvovat, předpokládané stáže a účasti na odborných konferencích a minimální pedagogické působení v bakalářském nebo magisterském studijním programu fakulty. Úspěšné ukončení studia je podmíněno:

  • Složením státní doktorské zkoušky, při níž prokazuje student hluboké znalosti metodologických přístupů, teorií a jejích aplikací v souladu se současným stavem poznání v těch vědních disciplinách, které jsou vymezeny předměty individuálního studijního plánu studenta a tématem jeho disertační práce. Obsahem státní doktorské zkoušky je rovněž hodnocení předpokládaných cílů disertační práce, metod řešení a doposud dosažených vlastních výsledků.
  • Absolvováním části studia na zahraniční instituci v délce nejméně jednoho měsíce nebo účast na mezinárodním tvůrčím projektu s výsledky publikovanými nebo prezentovanými v zahraničí nebo jiná forma přímé účasti studenta na mezinárodní spolupráci.
  • Doložením splnění požadavků na tvůrčí činnost.
  • Obhajobou doktorské disertační práce, která je napsána v angličtině.

Student je povinen úspěšně absolvovat zkoušku z anglického jazyka a alespoň 2 předměty ze seznamu nabízených předmětů. Alespoň jeden z nich musí být z kategorie "teoretických" předmětů, kterou tvoří následující předměty: Vybraná témata z analýzy a překladu jazyků, Statistika, stochastické procesy, operační výzkum, Moderní matematické metody v informatice, Optika, Regulované gramatiky a automaty, Moderní teoretická informatika, Matematická logika, Teorie a aplikace Petriho sítí, Teorie kategorií v informatice, Vysoce náročné výpočty. 

Vytváření studijních plánů

Jsou stanovena směrnicí děkana Pravidla o organizaci studia na FIT pro sestavovaní individuálního plánu studenta.  Individuální studijní plán vychází z tématu disertační práce a podléhá schválení oborovou radou.
Předepisuje:

  • obsahové zaměření samostatné vědecké, výzkumné, vývojové činnosti a vlastní vzdělávací činnosti s ohledem na oborovou specializaci a téma disertační práce,
  • studijní předměty, které je student doktorského studia povinen absolvovat, konkrétně celkový počet předmětů a jejich časové zařazení do semestrů,
  • přehled tvůrčí činnosti, zejména stáže a pobyty na jiných pracovištích, účast na konferencích, seminářích, letních školách atp.,
  • publikační plán,
  • pedagogické působení v souladu se směrnicí fakulty Pravidla o organizaci studia na FIT  a
  • časové rozvržení studia v kontextu všech výše uvedených bodů.

https://www.fit.vut.cz/fit/info/smernice/sm2018-13.pdf

Dostupnost pro zdravotně postižené

Vysoké učení technické v Brně umožňuje studium osobám se zdravotním postižením dle § 21, odst. 1 písm. e) zákona 111/1998 Sb. vysokých školách a o změně a doplnění dalších zákonů ve znění pozdějších předpisů a dle požadavků v této oblasti vyplývajících z nařízení vlády č. 274/2016 Sb., o standardech pro akreditace ve vysokém školství, poskytuje uchazečům o studium a studentům se specifickými potřebami služby v rozsahu a formou odpovídající specifikaci uvedené v Příloze č. 3 k Pravidlům pro poskytování příspěvku a dotací veřejným vysokým školám Ministerstvem školství, mládeže a tělovýchovy, specifikující financování zvýšených nákladů na studium studentů se specifickými potřebami.

Služby pro studenty se specifickými potřebami jsou na VUT v Brně realizovány prostřednictvím aktivit specializovaného pracoviště - poradenského centra Alfons, které je součástí Institutu celoživotního vzdělávání VUT v Brně - sekce Poradenství pro studenty.

Aktivity poradenského centra a pravidla zpřístupňování studia univerzita garantuje platnou Směrnicí rektora č. 11/2017 upravující postavení uchazečů o studium a studentů se specifickými potřebami na VUT v Brně. Tato vnitřní norma garantuje minimální standardy poskytovaných služeb.
Služby poradenského centra jsou nabízeny uchazečům o studium a studentům se všemi typy zdravotního znevýhodnění uvedených ve zmíněném Metodickém standardu Ministerstva školství, mládeže a tělovýchovy.

Návaznost na další typy studijních programů

Studijní program navazuje jak na dobíhající navazující magisterský program Informační technologie, tak na nový navazující magisterský program Informační technologie a umělá inteligence.
Studenti mohou dále, podle svých potřeb a mimo své formalizované studium, také absolvovat kurzy a školení týkající se metodologie vědecké práce, publikačních a citačních dovedností, etiky, pedagogiky a tzv. měkkých dovedností, které organizuje VUT či jiné instituce.

Vypsaná témata doktorského studijního programu

  1. Analýza bezpečnosti anonymizačních sítí

    Tématicky se tato disertační práce orientuje na bezpečnost různých systémů, které mají zajistit anonymitu nebo pseudonymitu uživatelů internetu (například sítí typu TOR). Práce by měla obsahovat:

    • Prostudování teorie anonymizačních systémů, jejich vlastností a možností provedení útoků.
    • Odzkoušení základních typů útoků.
    • Navržení nového způsobu ochrany.
    • Experimenty, zhodnocení výsledků a návrh směru dalšího výzkumu.

    Očekává se účast na relevantních mezinárodních konferencích a publikování v odborných či vědeckých časopisech.

    Na vedení práce se bude podílet školitel-specialista dr. Kamil Malinka.

    Školitel: Hanáček Petr, doc. Dr. Ing.

  2. Analýza bezpečnosti Internetu věcí

    Tématicky se tato disertační práce orientuje na bezpečnost IoT systémů. Práce by měla obsahovat:

    • Prostudování teorie IoT systémů, jejich vlastností a možností provedení útoků.
    • Odzkoušení základních typů útoků.
    • Navržení nového způsobu ochrany.
    • Experimenty, zhodnocení výsledků a návrh směru dalšího výzkumu.

    Očekává se účast na relevantních mezinárodních konferencích a publikování v odborných či vědeckých časopisech.

    Na vedení práce se bude podílet školitel-specialista dr. Kamil Malinka.

    Školitel: Hanáček Petr, doc. Dr. Ing.

  3. Analýza útoků na bezdrátové sítě

    Tematicky se tato disertační práce orientuje na bezpečnost bezdrátových lokálních sítí. V rámci řešení by mělo dojít k seznámení se s vybranými bezdrátovými sítěmi a jejich zabezpečením. Kroky práce by měly obsahovat: prostudování teorie bezdrátových sítí, jejich vlastností a možností provedení útoků, odzkoušení základních typů útoků, navržení nového způsobu ochrany, experimenty, zhodnocení výsledků a návrh směru dalšího výzkumu.

    Očekává se účast na relevantních mezinárodních konferencích a publikování v odborných či vědeckých časopisech.

    Na vedení práce se bude podílet školitel-specialista dr. Kamil Malinka.

    Školitel: Hanáček Petr, doc. Dr. Ing.

  4. Automatická detekce a rozpoznání patologií v retinálních snímcích

    Cílem práce je detekce a rozpoznání patologií v retinálních snímcích (sítnice oka). Práce bude sestávat z(e):

    • Seznámení se se snímáním sítnice oka a všemožnými patologiemi, které se v retinálních snímcích vyskytují.
    • Návrh a implementace algoritmů pro detekci a rozpoznání druhu patologie v retinálním snímku, ideálně včetně výpočtu plochy a stanovení diagnózy.
    • Provedení experimentů a shrnutí dosažených výsledků.
    Očekává se účast na významných mezinárodních konferencích a publikování v odborných či vědeckých časopisech. Zahraniční stáž je možná a silně podporovaná. Tato práce bude řešena v rámci spolupráce s oftalmology z FNUSA a FN Brno, příp. dalšími.

    Školitel: Drahanský Martin, prof. Ing., Ph.D.

  5. Bezpečnostní a výkonnostní analýza konsenzuálních protokolů v blockchainech

    V blockchainoch sa používa niekoľko kategórií konsenzuálnych protokolov: Proof-of-Stake, Proof-of-Resource a Byzantine Fault Tolerant protokoly. Každý z nich má iné prípady použitia v permissined a permissionless blcockchainoch, čo je dané hlavne ich výkonom z hľadiska priepustnosti. Každá kategória navyše trpí rôznymi bezpečnostnými hrozbami. 

    Cieľom tejto práce je tereticky a prakticky analyzovať vybrané kategórie konsenzuálnych protokolov z hľadiska priepustnosti a bezpečnosti. Práca by mala obsahovať vyhodnotenie konsenzuálnych protokolov pomocou simulácií umožňujúcich otestovať reakciu protokolov za rôznych sieťových podmienok a poctivého / adversariálneho konsenzuálneho výkonu. Mali by sa preskúmať najmä nové scenáre útokov - napr. porušenie predpokladov protokolu alebo predpokladov o stimuloch. Práca by mala využívať aj princípy z teórie hier a štatistických analýz. Príklady útokov na vyšetrovanie sú selfish mining útoky, špecifické útoky pre mining pooly, double spending útoky, útoky na shardy, posterior coruption útoky, DoS útoky na leadra kola, long-range útoky, nothing-at-stake útoky, grinding útoky, atď. 


    Toto je všeobecná téma a môže byť ďalej špecifikovaná podľa kategórie konsenzuálnych protokolov alebo aspektov, ktoré sa majú preskúmať.


    Na vedení práce se bude podílet školitel-specialista dr. Ivan Homoliak.

    Školitel: Hanáček Petr, doc. Dr. Ing.

  6. Detekce a odstraňování artefaktů uvnitř fotoakustických obrazů pomocí umělé inteligence

    Tato práce je zaměřena na zvyšování kvality fotoakustických obrazů cévního řečiště v prsní tkání pomocí umělé inteligence. Tyto artefakty vznikají několika způsoby: (1) pohybem snímané osoby, např. dýcháním, (2) nedokonalým pokrytím prostoru pomocí detektorů, (3) variabilitou frekvenční a směrové odezvy jednotlivých detektorů, (4) nestabilitou prostředí, např změnou teploty, (5) numerickou metodou výpočtu.

    V současné době je nutné z fotoakustických dat vytvořit finální obraz, což trvá hodiny a teprve potom jsou odstraňovány artefakty. Našim cílem je detekovat tyto artefakty v surových datech. Druhou oblastí využití umělé inteligence je dopočítání obrazu z podvzorkované varianty a tím značné ušetření výpočetní kapacity. 

    Školitel: Jaroš Jiří, doc. Ing., Ph.D.

  7. Detekce a re-identifikace objektů v obraze a videu

    Cílem práce je vyhledávat a vytvářet algoritmy, které umožní "offline" i v reálném čase detekovat zajímavé objekty v záběrech ze stacionární, částečně pohyblivé, nebo volně pohyblivé kamery. Takto detekované objetky budou re-identifikovány při opakovaném výskytu před touž kamerou, a nebo v záběru jiné kamery. Zaměření práce bude na vozidla, chodce, ale i jiné, aplikačně zajímavé objekty.
    Činnosti v rámci výzkumu a vývoje budou sestávat z těchto dílčích témat a zaměřovat se na ně:

    • Všesměrná detekce objektů v reálném čase
    • Re-identifikace detekovaných objektů, například v záběrech z různých kamer nebo v různém čase
    • Zaměření na stacionární dohledové kamery
    • Zaměření na zpracování dopravních scén

    Školitel: Herout Adam, prof. Ing., Ph.D.

  8. Detekce mobilních aplikací v šifrovaném provozu

    Většina současné internetové komunikace je šifrována. Platí to i pro mobilní aplikace, které zabezpečují přenos dat pomocí TLS či DTLS. Pro správu počítačové sítě a kybernetickou bezpečnost je potřeba vědět, jaké aplikace komunikují v dané síti. Pro detekci aplikací v šifrovaném provozu je možné určit komunikující aplikaci pomocí metody otisků JA3/JAS3, dále je možné provádět statistickou analýzu šifrovaného provozu či použít metody strojového učení pro určení komunikující aplikace.

    Součástí výzkumu daného tématu je rešerše a zhodnocení existujících metod pro detekci aplikací v šifrovaném provozu, dále návrh pokročilejších metod či jejich rozšíření. Výzkum se zaměřuje na mobilní aplikace a automatizovanou detekci.

    Výzkum je součástí výzkumného projektu IGA s názvem Metody AI pro zabezpečení kybernetického prostoru a řídicí systémy.

    Školitel specialista: Matoušek Petr, Ing., Ph.D., M.A.

    Školitel: Ryšavý Ondřej, doc. Ing., Ph.D.

  9. Embedded systémy pro zpracování videa/signálu

    Téma je zaměřeno na algoritmy embedded zpracování obrazu, videa a/nebo signálu. Hlavním cílem je zkoumat možnosti "chytrých" a "malých" zařízení, která by měla nové vlastnosti, a  bylo možné je efektivně nasadit do aplikací vyžadujících malé, skryté, distribuované, nízkopříkonové, mechanicky nebo klimaticky namáhané jednotky schopné zpracovávat signálové vstupy. Nasazení takových jednotek je perspektivní a široké a předpokládá se i propojení do klient/server a/nebo cloud systémů. Samotné jednotky mohou být založeny na efektivním CPU/GPU/DSP, na programovatelném hardware, případně na kombinaci těchto technologií. Může se jednat i o smart kamery. Aplikace, které jsou v oblasti zájmu tohoto tématu:

    • klasifikace obrazu nebo objektů s využitím strojového učení (AI) klasicky nebo prostřednictvím hlubokých konvolučních neuronových sítí nebo podobných přístupů (například pro kontrolu kvality výrobků apod.),
    • současná analýza jednorozměrného signálu (signálů) a obrazu (například pro robustní zjištění nějakého objektu například v dopravních nebo průmyslových aplikacích),
    • moderní algoritmy zpracování videa, obrazu a/nebo signálu  s využitím "klient/server", případně "cloudu" (se zaměřením na aspekty client/server a/nebo cloud) vhodné například pro mobilní techniku a/nebo embedded systémy,
    • po dohodě je možné zpracovávat i individuálně vybrané téma, které ve výše uvedeném seznamu není, ale v principu sem patří.

    Je možnost spolupráce i na grantových projektech, zejména na nově podávaných projektech TAČR, H2020, ECSEL (potenciálně možnost stipendia či pracovního poměru).

    Školitel: Zemčík Pavel, prof. Dr. Ing., dr. h. c.

  10. Extrakce informací z WWW

    Problematika identifikace a extrakce konkrétních informací z dokumentů na WWW je již delší dobu předmětem intenzivního výzkumu. Mezi základní překážky, které je třeba překonat, patří nedostatečná strukturovanost HTML dokumentů a absence metainformací (anotací) využitelných pro rozpoznání významu jednotlivých částí obsahu. Tyto chybějící informace jsou proto nahrazovány analýzou různých aspektů webových dokumentů, zejména následujících:

    • HTML kód dokumentu (DOM)
    • Text dokumentu (hledání klíčových slov, statistická analýza textu, metody zpracování přirozeného jazyka)
    • Vizuální organizaci (rozložení obsahu na stránce, vizuální vlastnosti)

    Pro úspěšnou extrakci konkrétní informace z dokumentů je rovněž nezbytná doménová znalost zahrnující očekávanou strukturu extrahované informace (vztahy mezi jednotlivými extrahovanými položkami) a způsob zápisu jednotlivých položek. Tato znalost umožňuje přesnější rozpoznání jednotlivých částí informace v textu dokumentu.

    Současné přístupy k extrakci informací z webových dokumentů se soustřeďují zejména na modelování a analýzu dokumentů samotných; modelování extrahované informace za účelem jejího přesnějšího rozpoznání nebylo dosud podrobněji zkoumáno v tomto kontextu. Předpokládaným cílem disertační práce jsou proto následující:

    • Studium existujících doménových modelů jako např. UML diagramy tříd, E-R diagramy nebo ontologie.
    • Rozšíření těchto modelů o konkrétní metody rozpoznání konkrétních údajů v dokumentech (např. regulární výrazy, pokročilá klasifikace textu).
    • Návrh metod extrakce informací založených na srovnání struktury informace prezentované v dokumentu a očekávané struktury cílových informací.

    Nedílnou součástí je rovněž experimentální implementace navržených metod s využitím existujících nástrojů a experimentální ověření na reálných dokumentech dostupných na WWW.

    Školitel: Burget Radek, doc. Ing., Ph.D.

  11. Generativní adversarialní neuronové sítě v kontextu kybernetické bezpečnosti

    Generatívne adversariálne siete (GAN) zavedené Goodfellowom et al. v roku 2014 našli veľa zaujímavých aplikácií v rôznych doménach. GAN umožňujú zlepšiť výkonnosť klasifikátorov založených na neurónových sieťach a tiež obohatiť vzorovú sadu ťažko dostupných súborov údajov. Kombinácia dvoch GAN (tiež známa ako dual-GAN) navyše umožňuje vykonávať unsupervissed mapovanie medzi dvoma rôznymi doménami množiny údajov. Takéto rozšírenie je možné ďalej použiť ako filter šumu v súboroch údajov. Cieľom tejto práce je preskúmať existujúce aplikačné domény a vhodné scenáre GAN so zameraním na bezpečnostné aspekty. Môže sa napríklad analyzovať použitie sietí GAN na extrakciu údajov citlivých na súkromie. Ďalej by mala práca preskúmať nové prístupy k útokom využívajúcim GAN a vyhodnotiť ich úspešnosť. Na záver by mala práca navrhnúť nové obranné techniky a prediskutovať ich predpoklady a obmedzenia.

    Na vedení práce se bude podílet školitel-specialista dr. Ivan Homoliak.

    Školitel: Hanáček Petr, doc. Dr. Ing.

  12. Generování poškození do syntetických otisků prstů a analýza jejich kvality

    Cílem práce je generování různých poškození do syntetických otisků prstů a analýza jejich kvality. Práce bude sestávat z(e):

    • Seznámení se s biometrickým rozpoznáváním otisků prstů, dále s generátory syntetických otisků prstů, různými poškozeními, která se mohou v otisku prstu objevit, a metodami stanovení kvality otisku prstu.
    • Návrh a implementace algoritmů pro vkládání (simulování) různých druhů poškození do syntetických otisků prstů.
    • Návrh a implementace vlastních metod stanovení kvality otisku prstů, ideálně v kombinaci s existujícími metodami.
    • Provedení experimentů a shrnutí dosažených výsledků.
    Očekává se účast na významných mezinárodních konferencích a publikování v odborných či vědeckých časopisech. Zahraniční stáž je možná a silně podporovaná. Tato práce bude řešena v rámci spolupráce s Policií ČR.

    Školitel: Drahanský Martin, prof. Ing., Ph.D.

  13. Hardware & kryptoměny: Bezpečnostní analýza hardwarových kryptopeněženek a ich klientských protokolů

    Praca sa zameriava najma na analyzu postrannych kanalov HW penazeniek ale aj SW zranitelnostami protokolu, ktory sa vyuziva na komunikaciu medzi penazenkou a klientskou stanicou.  Do uvahy pripada model utocnika, ktory odcudzil penazenku, ale aj model utocnika, ktory ma pristup ku klientskej stanici kam sa penazenka pripaja pomocou USB, bluetooth, etc. Hardware pre projekt bude objednany, uvazujeme na nasledovnych penazenkach: Trezor One/T, CoolBitX, Ellipal, Ledger Nano S, etc.

    Na vedení práce se bude podílet školitel-specialista dr. Ivan Homoliak.

    Školitel: Hanáček Petr, doc. Dr. Ing.

  14. Hluboké neuronové sítě pro analýzu obrazu s omezenou učící datovou sadou

    Hluboké konvoluční sítě jsou jasným trendem posledních let v oblasti strojového účení pro analýzu obrazu. V úlohách s velmi omezenou a specifickou datovou sadou, kdy není dostatečné využít augmentace dat nebo koncepce GAN sítí, je však jejich nasazení stále problematické.

    Cílem disertační práce je zkoumat, analyzovat a hledat nové architektury hlubokých konvolučních sítí a přístupů k jejich učení pro takové úlohy analýzy obrazu, ve kterých je velikost anotované datové sady extrémně malá a nebo se postupně rozrůstá. Pro naučení neuronových sítí je možné využít neanotovaných dat případně částečně anotovaných dat ve formě uživatelského vstupu.

    Součástí práce bude i aplikace zkoumaných metod v rámci projektů, na jejichž řešení se školitel podílí.

    Školitel: Španěl Michal, Ing., Ph.D.

  15. Hybridní metody reprezentace 3D dat pro jejich efektivní zpracování

    V současnosti existuje řada způsobů reprezentace a uložení 3D dat v počítači. Nejčastěji používanou je polygonální reprezentace, kvůli své jednoduchosti a všestrannosti. Pro některé specifické úlohy jsou často využívány volumetrické reprezentace, které mohou významně zjednodušit operace, jejichž realizace s polygonálními modely je složitá. Nastupujícím trendem jsou pak hybridní reprezentace, které se snaží spojit výhody obou těchto reprezentací a případně odstranit nutnost změny jedné reprezentace na druhou.

    Cílem disertační práce je zkoumat metody uložení a reprezentace 3D dat a návrhovat nové algoritmy zpracování 3D dat s ohledem na typické problémy jako jsou numerická stabilita, robustnost, neuzavřené a non-manifold 3D modely.

    Součástí práce bude i aplikace zkoumaných metod v rámci projektů, na jejichž řešení se školitel podílí.

    Školitel: Španěl Michal, Ing., Ph.D.

  16. Interakce člověka s robotem v kolaborativním prostředí

    Trendem výrobního průmyslu je zavádění kolaborativních robotů do výroby, což umožňuje bližší spolupráci člověka s robotem. Cílem je zefektivnit výrobu využitím robotů na opakované činnosti a pracovníka na činnosti složité, jejich robotizace by byla příliš nákladná a málo škálovatelná. Tento trend přináší nové problémy, jak s roboty efektivně komunikovat: mít představu o stavu robota a jeho chápání situace a snadno a přirozeně robota řídit a programovat. 

    Cílem této práce je zkoumat nové možnosti komunikace člověka s robotem s využitím moderních technologií a zařízení. V rámci řešení je potřeba:

    • Analyzovat uživatelské potřeby a dostupné technologie a pro vizualizaci informací,
    • navrhovat způsoby interakce pro vybrané úlohy,
    • připravit experimentální řešení,
    • provádět experimenty s uživateli a tyto experimenty vyhodnocovat.
    Mezi technologie vhodné pro interakci, které by měl řešitel analyzovat a experimentálně využít, patří zejména rozšířená realita (promítaná nebo v mobilním zařízení), bezkontaktní technologie (snímání aktivit a stavu člověka kamerami nebo hloubkovými senzory, snímače svalové aktivity), haptická a zvuková zpětná vazba apod.

    Řešitel bude mít k dispozici experimentální pracoviště pro blízkou spolupráci člověka s robotem, které je vyvíjeno v laboratořích výzkumné skupiny Robo@FIT.

    Očekává se účast na relevantních mezinárodních konferencích a publikování v odborných či vědeckých časopisech. Dále spolupráce s průmyslovými partnery v dané oblasti. V neposlední řadě účast na relevantních tuzemských či zahraničních projektech.

    Více informací po osobní schůzce.

    Školitel: Beran Vítězslav, doc. Ing., Ph.D.

  17. Měření vizuální kvality obrazu a videa

    Projekt se zabývá metrikami pro odhad vizuální kvality obrazu a videa. Cílem práce je výzkum nových metod, které by odstranily některé nedostatky existujících metrik zejména s ohledem na vlastnosti vizuálního vnímání člověka. V úvahu přicházejí např. problémy z oblasti vjemu HDR obrazu a využití přídavných informací (metadata, 3D, atd.) o testovaných scénách pomocí metod strojového učení (např. neuronových sítí).


    Školitel: Čadík Martin, doc. Ing., Ph.D.

  18. Metody pro detekci anomálií k průmyslové komunikaci ICS/SCADA

    Komunikace SCADA (Supervisory Control And Data Acquisition) a ICS (Industrial Control System) slouží pro monitorování a řízení činnosti průmyslových provozů, inteligentních továren a rozvodných sítí. Narušení této komunikace znamená ohrožení výroby důležitých součástí nebo například přerušení dodávky elektrické energie.

    Pro ochranu komunikace SCADA/ICS můžeme využít pokročilé monitorování, které vytváří profily chování běžné komunikace a detekuje odchylky (anomálie). Pro popis chování je možné využít statistické metody sbírající údaje o počtech a typech přenesených dat, můžeme modelovat komunikační vzory pomocí automatů či vytvářet modely na základě strojového učení.

    Cílem práce je popsat chování průmyslové komunikace a navrhnout vhodný způsob jejich reprezentace pomocí vícedimenzionálních profilů. Další části práce je ověřit, jaké typy anomálií je možné detekovat pomocí navržených metod a navrhnout jejich rozšíření s cílem zpřesnit detekci anomálií. 

    Téma je součástí výzkumného projektu Bezpečnostní monitorování řídící komunikace ICS v energetických sítích (BONNET).


    Školitel specialista: Matoušek Petr, Ing., Ph.D., M.A.

    Školitel: Ryšavý Ondřej, doc. Ing., Ph.D.

  19. Metody zpracování obrazu pomocí neuronových sítí

    Projekt se zabývá pokročilými metodami zpracování a editace obrazu. Cílem práce je výzkum nových metod s využitím strojového učení, zejména hlubokých konvolučních neuronových sítí. 

    • Kontakt: http://cadik.posvete.cz/
    • Možnost spolupráce a stáže se špičkovými laboratořemi (Adobe Research, USA, MPII Saarbrücken, Německo, Disney Research Curych, Švýcarsko, INRIA Bordeaux, Francie)

    Školitel: Čadík Martin, doc. Ing., Ph.D.

  20. Modelem řízená architektura pro systémy zpracování velkých dat

    Cílem výzkumu je navrhnout novou metodu pro analýzu, vývoj a implementaci softwarových systémů pro zpracování velkých dat (Big data), která by byla souladu s principem modelem řízené architektury (Model Driven Architecture, MDA). Tato metoda by umožnila snadnou transformaci doménových a platformě nezávislých modelů na různé platformě specifické modely a implementace systémů zpracování velkých dat pomocí různých technologií, a tím v důsledku snazší vývoj, nasazení a evaluaci takových systémů.

    Dílčími cíli jsou prozkoumání, vyhodnocení a kategorizace různých technologií zpracování velkých dat; tvorba jejich platformě specifických i obecných meta-modelů; hledání a návrh společného platformě nezávislého meta-modelu; integrace podpory modelů do modelovacích nástrojů či vývoj vlastního; návrh a implementace automatického generování zdrojového kódu z modelů a zpětně modelů ze zdrojového kódu (round-trip engineering); tvorba automatických validačních a výkonnostních testů; podpora agilního vývoje takových systémů vč. jejich nasazení (CI/CD); aj.

    Školitel specialista: RNDr. Marek Rychlý, Ph.D.

    Školitel: Ryšavý Ondřej, doc. Ing., Ph.D.

  21. Moderní algoritmy počítačové grafiky

    Tématem jsou algoritmy počítačové grafiky a syntézy obrazu. Hlavním cílem je zkoumat nové a moderní algoritmy počítačové grafiky, související datové struktury, související otázky získávání a zpracování 3D modelů a další aspekty algoritmů tak, aby bylo lépe rozumět jejich vlastnostem a možnostem, zlepšovat a připravovat nové. Je možno pracovat na různých platformách, včetně paralelních CPU jáder x86/64, ARM, Xeon PHI, GPU apod. v OpenCL, CUDA, v FPGA ve VHDL, případně i jinak. Možné algoritmy zahrnují:

    • zobrazování pomocí vybraných grafických metod (ray tracing, photon mapping, přímé zobrazování "point cloud" apod.),
    • modelování scény a zobrazování s využitím metod umělé inteligence včetně syntézy obrazu s využitím neuronových sítí (zejména CNN),
    • zpracování a zobrazování "lightfield" obrazů, jejich pořizování, případně komprese, rekonstrukce 3D scény z obrazů a/nebo videa, případně fúzí s jinými senzory, jako je například LIDAR nebo i RADAR,
    • moderní algoritmy geometrie vhodné pro aplikaci v oblasti počítačové grafiky, případně i 3D tisku, 
    • nastupující algoritmy syntézy 3D obrazu, holografie, aplikace algoritmů vlnkové, frekvenční a/nebo obdobné transformace.

    Po dohodě je možné zpracovávat i individuálně vybrané algoritmy, které ve výše uvedeném seznamu nejsou, ale patří do dané tématiky.

    Je možnost spolupráce i na grantových projektech, zejména na nově podávaných projektech TAČR, H2020, ECSEL (možnost stipendia či pracovního poměru).

    Školitel: Zemčík Pavel, prof. Dr. Ing., dr. h. c.

  22. Moderní metody počítačového vidění

    Cílem práce je seznámit se s aktuálními problémy počítačového vidění a používaného strojového učení (hluboké konvoluční neuronové sítě) a identifikovat zajímavé problémy k rozvinutí a dalšímu výzkumu. Řešitel má získat nadhled v problematice a experimentovat s populárními algoritmy a identifikovat jejich vhodné okrajové případy, na kterých bude možné dosáhnout zajímavých výsledků a pokroků.
    Konkrétně se řešitel má zaměřit na následující:

    • Použití moderních a slibných přístupů v počítačovém vidění, zejména metody strojového učení a konvolučních neuronových sítí
    • Identifikace zajímavých otevřených problémů
    • Návrh netradičních modifikací existujících přístupů
    • Experimentální vyhodnocení, využití existujících datových sad a pořizování nových

    Školitel: Herout Adam, prof. Ing., Ph.D.

  23. Moderní metody počítačového vidění

    Cílem práce je seznámit se s aktuálními problémy počítačového vidění a používaného strojového učení (hluboké konvoluční neuronové sítě) a identifikovat zajímavé problémy k rozvinutí a dalšímu výzkumu. Řešitel má získat nadhled v problematice a experimentovat s populárními algoritmy a identifikovat jejich vhodné okrajové případy, na kterých bude možné dosáhnout zajímavých výsledků a pokroků.
    Konkrétně se řešitel má zaměřit na následující:

    • Použití moderních a slibných přístupů v počítačovém vidění, zejména metody strojového učení a konvolučních neuronových sítí
    • Identifikace zajímavých otevřených problémů
    • Návrh netradičních modifikací existujících přístupů
    • Experimentální vyhodnocení, využití existujících datových sad a pořizování nových

    Školitel: Herout Adam, prof. Ing., Ph.D.

  24. Počítačové vidění ve sledování dopravy

    Cílem je studovat a vědecky a technologicky rozvíjet problematiku zpracování dohledových videí v oblasti dopravy a dolování užitečných dat z nich. Práce bude zaměřena na aktuální algoritmy re-identifikace vozidel, počítání vozidel v dopravě a na parkovacích místech různého druhu, měření rychlosti a získávání dalších zajímavých dat. Zaměření bude na použití kamer umístěných v ne docela výhodných úhlech a pozicích, které stávající a používané algoritmy vylučují z použití.
    Zejména se řešitel zaměří na následující:

    • Výzkum a vývoj algoritmů počítačového vidění.
    • Zaměření na video z dohledových kamer v dopravě.
    • Výzkum algoritmů s minimálním uživatelským vstupem.
    • Pořizování a syntéza vhodných datových sad.
    • Implementace experimentálních prototypů
    • Návrh a prototypování aplikací.

    Školitel: Herout Adam, prof. Ing., Ph.D.

  25. Pokročilé algoritmy zpracování videa, obrazu, signálu

    Tématem jsou algoritmy zpracování obrazu, videa a/nebo signálu. Hlavním cílem je zkoumat a do hloubky analyzovat příslušné algoritmy a hledat nové tak, aby měly nové potřebné vlastnosti, a  bylo možné je efektivně implementovat. Taková efektivní implementace může , ale nemusí být součástí práce, ale důležité je algoritmy připravit tak, aby šly efektivně zpracovávat například v CPU, v CPU s akcelerací SSE instrukcemi, v embedded systémech, i v kombinaci s FPGA, v Intel Xeon PHI, v systémech s extrémně nízkým příkonem, případně v jiném prostředí. Je možné i využití algoritmů umělé inteligence, včetně neuronových sítí, zejména CNN.  Důležité jsou též aplikační možnosti algoritmů s tím, že samotná aplikace může, ale nemusí být součástí řešení. Možné algoritmy/aplikace zahrnují:

    • rozpoznávání obsahu scény, případně dějů ve videosekvencích (například detekce dopravních situací, identifikace filmových scén, rozpoznání druhu akce, apod.),
    • klasifikace obrazu nebo videosekvencí (například pro kontrolu kvality výrobků, vyhledání objektů nebo charakteristik scén, apod.), případně i v kombinaci se sledováním objektů (tracking) ve videu moderními metodami,
    • současná analýza videa a signálu (například pro zjištění souběhu výskytu nějakého objektu ve videu a současně charakteristického průběhu signálu například v "surveillance" aplikacích), fůze obrazu a signálju,
    • moderní algoritmy zpracování videa, obrazu a/nebo signálu  s využitím "klient/server", případně "cloudu" vhodné například pro mobilní techniku a/nebo embedded systémy,
    • algoritmy komprese videa a analýzy prostřednictvím frekvenční či vlnkové a transformace, nebo obdobnými postupy...

    Po dohodě je možné zpracovávat i individuálně vybrané téma, které ve výše uvedeném seznamu není, ale patří do dané tématiky.

    Je možnost spolupráce i na grantových projektech, zejména na nově podávaných TAČR, MPO, H2020, SCSEL (potenciálně možnost stipendia či pracovního poměru).

    Školitel: Zemčík Pavel, prof. Dr. Ing., dr. h. c.

  26. Pokročilé metody syntézy obrazu

    Projekt se zabývá pokročilými metodami syntézy obrazu. Cílem práce je výzkum nových metod pro fotorealistické (fyzikálně založené) i nefotorealistické (NPR) simulace světelné interakce ve scéně. Předpokládá se intenzivní spolupráce a stáže na špičkových institucích a firmách v oboru (Adobe, USA, MPII Saarbrücken, Německo, Disney Curych, Švýcarsko, INRIA Bordeaux, Francie).

    Školitel: Čadík Martin, doc. Ing., Ph.D.

  27. Pokročilé metody výpočetní fotografie

    Projekt se zabývá pokročilými metodami výpočetní fotografie. Cílem práce je výzkum nových metod pro výpočetní fotografii, což zahrnuje zejména softwarové řešení, které může být případně dále kombinováno s novou optikou a dalším hardware. Mezi oblasti výzkumu patří zpracování HDR obrazu a videa, převod barevného obrazu na černobílý, spektrální obraz, atd.


    Školitel: Čadík Martin, doc. Ing., Ph.D.

  28. Pokročilé metody zpracování a vizualizace geografických dat

    Dnešní neustále vzrůstající nároky na zpracování a vizualizaci dat kladou stále větší důraz na vývoj kvalitních, rychlých a uživatelsky přívětivých nástrojů určených pro tyto účely. Běžné typy vizualizačních prvků (diagramů) přestávají být dostačující pro prezentaci komplexních vícedimenzionálních dat. Takovými daty jsou například geografická data reprezentující vztah dat vůči geografické poloze (příkladem může výskyt nějakých jevů na zemském povrchu). Potřeba vizualizovat taková data v dnešní době přesahuje hranice akademického prostředí. S vizualizacemi geografických dat se můžeme setkat v komerční sféře (vizualizace rozmístění poboček, síťové topologie), veřejném sektoru (schémata hromadné dopravy), médiích (šíření pandemie, ekonomické a demografické ukazatele, apod.), ale i mezi běžnými uživateli (zaznamenávání osobních cest). Vizualizační prvky bývají často skládány do pokročilých pohledů (dashboardů, apod.).

    Uživatelé mají v dnešní době možnost využít dva typy nástrojů určených k vizualizaci geografických dat:

    1. Autorské systémy umožňující vytvářet vlastní tématické mapy: Příkladem takových systémů mohou být nástroje pro tvorbu všeobecných vizualizací - např. Tableau nebo Grafana. Použití takových systémů je mnohdy limitováno funkcionalitou. Proto je možné použít řešení specializující se výhradně na geovizualizace - např. Mapbox. Takové nástroje umožňují uživateli vytvářet pokročilé mapy pohodlně bez nutnosti znalosti programování. Pochopení takových systémů mnohdy přesahuje znalosti běžných uživatelů. Výsledná tématická mapa je navíc hostována u poskytovatele. Vzhledem k tomu, že se jedná zpravidla o komerční systémy, jejich použití omezuje uživatele např. počtem přístupů apod.
    2. Programové knihovny - Leaflet, Mapbox GL, OpenLayers, Google Maps Platform, a jiné. Tyto knihovny umožňují vytvářet libovolné druhy tématických map bez zásadního omezení. Nutností je nicméně dobrá znalost programování, ale také chápání problematiky týkající se práce s geografickými daty a jejich formáty (GeoJSON apod.). Tyto knihovny zpravidla neposkytují hotové tématické mapy, ale umožňují programátorům jejich vytvoření prostřednictvím základních prvků (vrstvy, body, polygony, apod.).

    Oba přístupy mají své výhody a nevýhody. V rámci TAČR projektu v roce 19/20 ve spolupráci VUT, MU a firmy Flowmon vznikla knihovna Geovisto, která se snaží vhodně kombinovat zmíněné přístupy. Vychází z programové knihovny Leaflet, nicméně snaží se o poskytnutí vyšší míry abstrakce prostřednictvím sady nástrojů nabízejí hotové tématické mapy (kartogram, mapa spojení, ...). Tyto tématické mapy je přitom možné konfigurovat jak programově, tak do jisté míry i za použití ovládacích prvků podobných ze známých geografických autorských systémů. Cílovou skupinou jsou programátoři, kteří chtějí použít existující hotové řešení, nicméně nechtějí být limitováni nutnosti studovat daný framework, ale zároveň také nechtějí být závislí na limitacích proprietárních systémů.

    Cílem disertační práce práce bude studovat existující přístupy pro vizualizaci geografických dat a zkoumat

    ... úplný popis... full description

    Školitel: Hruška Tomáš, prof. Ing., CSc.

  29. Pokročilé monitorování IoT sítí

    Internet věcí (IoT) tvoří komunikační síť propojující různé typy zařízení v inteligentní domácnosti (smart home), budově (smart building) či nemocnici (smart hospital). Koncová zařízení obvykle komunikují přes L2 sítě typu Zigbee, Z-Wave, WiFi či Bluetooth s kontrolerem (bránou) IoT, která přeposílá data do cloudu pro zpracování a vizualizaci. Toto řešení je většinou dané výrobcem řešení IoT a neumožňuje integraci se stávajícími systémy pro správu sítě (SIEM, SOC).

    IoT zařízení lze integrovat do centrálního monitorovacího systému pomocí proxy zařízení SNMP, která analyzují provoz IoT a pro různé koncové prvky dynamicky vytvářejí objekty MIB, které jsou dostupné pro správu SNMP.
    Z pohledu pokročilého řízení je potřeba zpracovávat množství monitorovacích dat z IoT zařízení, která se liší od monitorovacích dat klasických síťových prvků.

    Cílem dizertační práce je navrhnout a implementovat způsoby pro integraci IoT sítí pro centralizovanou síťovou správu a dále navrhnout metody pro analýzu, zpracování a využití monitorovacích dat IoT zařízení pro správu sítě podle modelu FCAPS.

    Téma je součástí projektu aplikovaného výzkumu IGA Metody AI pro zabezpečení kybernetického prostoru a řídicí systémy a národní centra kompetence pro kybernetickou bezpečnost.


    Školitel specialista: Matoušek Petr, Ing., Ph.D., M.A.

    Školitel: Ryšavý Ondřej, doc. Ing., Ph.D.

  30. Rekonstrukce poničených povrchů CD/DVD/BR/HDD pro forenzní účely

    Cílem práce je rekonstrukce poničených povrchů CD/DVD/BR/HDD, sestávající z:

    • Seznámení se všemi možnými způsoby záznamů na nosičích CD/DVD/BR/HDD.
    • Využití optického nebo elektronového mikroskopu na pracovišti ÚITS FIT VUT v Brně k nasnímání poškozených povrchů (např. rozlámané či popraskané médium), příp. na jiných pracovištích (Tescan, Thermo Fisher - FEI).
    • Návrh a implementace aplikace pro inteligentní (automatické) poskládání nasnímaných obrazů do jednoho celku.
    • Doplnění inteligentní funkce pro vyčtení obsahu nosiče po rekonstrukci, tj. rekonstrukci či záchranu dat na nosiči.
    • Provedení experimentů a shrnutí dosažených výsledků.
    Očekává se účast na významných mezinárodních konferencích a publikování v odborných či vědeckých časopisech. Zahraniční stáž je možná a silně podporovaná. Tato práce bude řešena v rámci spolupráce s Policií ČR.

    Školitel: Drahanský Martin, prof. Ing., Ph.D.

  31. Rozpoznávání řeči a zpracování dat pro komunikaci ATC-pilot v letectví

    Téma práce je zaměřeno na rozpoznávání řeči a zpracování dat pro komunikaci ATC-pilot v letectví. Bude se týkat všech komponentů automatického rozpoznávání řeči (ASR), tedy zpracování dat, akustického modelu, slovníku (včetně speciální letecké terminologie) a jazykového modelu. 


    Téma souvisí s evropským projektem Horizon 2020 AT|CO2, a bude řešeno ve spolupráci s partnery projektu. 

    Zadání vyžaduje zájem o matematiku, statistiku, strojové učení a zpracování řeči, výhodou je zběhlost v jazyce Python a jeho knihovnách pro strojové učení.

    Školitel: Černocký Jan, prof. Dr. Ing.

  32. Rozšířená realita na mobilních zařízeních

    Cílem práce je vyhledávat a vytvářet algoritmy, které umožní v reálném čase provozovat rozšířenou realitu na mobilních (ultramobilních) zařízeních. Jedná se především o algoritmy určení/sledování pozice mobilního zařízení v prostoru pomocí počítačového vidění a využitím vestavěných senzorů mobilního zařízení. Dále se práce zaměří na algoritmy zobrazování virtuálních prvků do reálné scény a na aplikace rozšířené reality na mobilním zařízení.

    Školitel: Herout Adam, prof. Ing., Ph.D.

  33. Spolehlivé porovnávání 2D obličeje s projekcí 3D obličeje

    Cílem práce je vytvoření spolehlivého porovnávání 2D obličeje s projekcí 3D obličeje, konkrétně:

    • Seznámení se s prací s 3D modelem a osami otáčení.
    • Návrh a implementace algoritmu stanovení správného natočení 3D modelu hlavy dle dispozic 2D obličeje.
    • Návrh a implementace algoritmu porování 2D obličeje s projekcí 3D obličeje se stejnými parametry.
    • Provedení experimentů a shrnutí dosažených výsledků.
    Očekává se účast na významných mezinárodních konferencích a publikování v odborných či vědeckých časopisech. Zahraniční stáž je možná a silně podporovaná. Tato práce bude řešena v rámci spolupráce s Policií ČR.

    Školitel: Drahanský Martin, prof. Ing., Ph.D.

  34. Škálovatelné volby založené na blockchainu

    Cieľom tejto práce je navrhnúť škálovateľný decentralizovaný systém elektronického hlasovania založený na smart kontraktoch s maximálnym súkromím voličov, odolnosťou voči chybám a nátlakovým útokom. Takýto prístup by mal byť vhodný a dostatočne robustný pre národné voľby. Prvou výzvou je optimalizácia nákladov na spustenie nákladného zero-knowledge overenia v smart kontrakte prostredníctvom off-chain konštruktov (ako napríklad ZK-Snarks, ZK-Starks). Druhou výzvou je škálovateľnosť w.r.t. počtu účastníkov a možnostiam hlasovania v závislosti na použitom type blockchainu ako permissioned blockchainy (Proof-of-Authority) alebo permissionless blockchainy (Proof-of-Stake).

    Na vedení práce se bude podílet školitel-specialista dr. Ivan Homoliak.

    Školitel: Hanáček Petr, doc. Dr. Ing.

  35. Umělá inteligence v počítačové bezpečnosti

    Rostoucí trend v používání umělé inteligence přináší nové přístupy v oblasti kybernetické bezpečnosti na obou stranách - útočníci i obránci. Nejvýznamnějšími příklady je použití tzv. "deepfakes" k útoku na biometrické systémy nebo využití technik deeplearningu k detekci kybernetických útoků. Cílem této práce je analyzovat všechny existující přístupy, jejich vlastnosti a potenciální aplikace. Práce by poté měla navrhnout nové aplikace AI pro problémy, které nebyly dříve vyřešeny, a zároveň implementovat nejzajímavější aplikaci.

    Očekává se účast na relevantních mezinárodních konferencích a publikování v odborných či vědeckých časopisech.

    Na vedení práce se bude podílet školitel-specialista dr. Kamil Malinka.

    Školitel: Hanáček Petr, doc. Dr. Ing.

  36. Uživatelská zkušenost a moderní uživatelská rozhraní

    Cílem je studovat nejnovější trendy v oblasti uživatelské zkušenosti (user experience) a v oblasti moderních uživatelských rozhraní. Řešitel nastuduje nejnovější trendy v oblasti výzkumu a návrhu uživatelských rozhraní. V rámci řešení navrhne vhodná uživatelská rozhraní, která budou představovat výzvu z hlediska jejich uživatelské zkušenosti. Na nich, jejich návrhu a vývoji bude experimentovat s metodologií návrhu uživatelské zkušenosi a uživatelských rozhraní. Získané poznatky bude publikovat na kvalitních fórech zaměřených na návrh uživatelských rozhraní a uživatelskou zkušenost.
    Konkrétně se řešitel má zěmřit na:

    • Studium a návrh pokročilých webových a mobilních uživatelských rozhraní.
    • Validace, optimalizace a uživatelské testování webových a mobilních uživatelských rozhraní.
    • Statistické zpracování dat získaných na lidských respondentech / uživatelích.
    • Návrh, vývoj a nasazení prakticky použitelného webového a/nebo mobilního systému / uživatelského rozhraní.

    Školitel: Herout Adam, prof. Ing., Ph.D.

  37. Vícekanálové zpracování pro dolování z řeči ze vzdálených zdrojů

    Téma se zabývá společným trénováním architektur pro zpracování signálů a dolování informací z řeči, end-to-end přístupy. Zadání vyžaduje zájem o matematiku, statistiku, strojové učení a zpracování signálů, výhodou je zběhlost v jazyce Python a jeho knihovnách pro strojové učení.

    BUT Speech@FIT je špičkovou mezinárodní výzkumnou skupinou zabývající se dolováním informací z řeči. Nabízí rovné příležitosti pro všechny, v současné době má členy 10ti národností a (na IT) významný podíl žen.

    Více informací viz https://speech.fit.vutbr.cz/

    Školitel: Černocký Jan, prof. Dr. Ing.

  38. Vizuální geo-lokalizace a rozšířená realita na mobilních zařízeních

    Projekt se zabývá geo-lokalizací mobilních zařízení v neznámém prostředí pomocí metod počítačového vidění a počítačové grafiky. Hlavním cílem je výzkum a návrh nových metod registrace obrazu s geo-lokalizovanou obrazovou databází nebo s 3D modelem terénu. Cílem je též implementace navržených metod na mobilních zařízeních a hledání jejich dalších aplikací např. v oblastech zpracování obrazu, výpočetní fotografie a rozšířené reality.


    Školitel: Čadík Martin, doc. Ing., Ph.D.

  39. Vylepšení detekce kybernetických hrozeb a reprezentace údajů o hrozbách

    Toto téma se zaměřuje na proces a techniky používané pro detekci kybernetických hrozeb, získávání a reprezentaci dat o ohrožení. Cílem této disertační práce je prostudovat současné techniky a navrhnout řešení, které efektivně vylepšuje proces a jeho výsledky použitelné pro detekci malwaru a zjišťování dalších informací o kybernetických hrozbách, např. multikriteriální shlukování se zaměřením na vysvětlitelnost.

    Očekává se účast na relevantních mezinárodních konferencích a publikování v odborných či vědeckých časopisech.

    Na vedení práce se bude podílet školitel-specialista

    Školitel: Hanáček Petr, doc. Dr. Ing.

  40. Vytvoření 3D modelu hlavy z 2D fotografií různorodého původu

    Cílem práce je vytvoření 3D modelu obličeje z 2D fotografií různorodého původu, konkrétně:

    • Seznámení se s tvorbou 3D modelu z 2D fotografií.
    • Stanovení možností - velikost a rozlišení fotografie, stáří fotografie, pozice hlavy, ČB/barevná fotografie a dalších parametrů, aby bylo možné z těchto dat 3D model vytvořit.
    • Návrh a implementace algoritmu pro určení parametrů z předchozího bodu za účelem stanovení použitelnosti vstupních dat a umožnění tvorby 3D modelu.
    • Návrh a implementace algoritmu vytvoření 3D modelu z použitelných vstupních dat.
    • Provedení experimentů a shrnutí dosažených výsledků.
    Očekává se účast na významných mezinárodních konferencích a publikování v odborných či vědeckých časopisech. Zahraniční stáž je možná a silně podporovaná. Tato práce bude řešena v rámci spolupráce s Policií ČR.

    Školitel: Drahanský Martin, prof. Ing., Ph.D.

  41. Využití technologií sémantického webu pro analýzu dokumentů

    Technologie sémantického webu umožňují reprezentaci informací a znalostí pro účely jejich dalšího sdílení např. mezi počítačovými aplikacemi. Dostupné znalostní databáze, jako např. DBPedia, obsahují velké množství dále využitelných informací a faktů. Na současném webu je však většina nových informací publikována ve formě dokumentů nejčastěji v jazyce HTML, jejichž další zpracování je problematické zejména kvůli jejich volné struktuře a absenci explicitních informací o významu jednotlivých částí obsahu. Nabízí se dva způsoby, jak tuto propast mezi klasickým a sémantickým webem překonat:

    • Využít strukturované znalosti dostupné v sémantických úložištích jako doplňující znalost umožňující zpřesnit analýzu webových dokumentů a identifikaci v nich obsažených nových informací a naopak
    • Integrovat webové dokumenty jako informační zdroj do znalostních databází.

    Pro dosažení obou těchto cílů je nutné analyzovat možnosti existujících ontologických modelů s ohledem na popis konkrétních cílových domén a možnosti mapování těchto popisů na obsah reálných webových stránek a dokumentů. Možné aplikace zahrnují mimo jiné následující:

    • Rozpoznání tématu celého dokumentu nebo jednotlivých jeho částí na základě analýzy klíčových slov a přiřazení ke konceptům v sémantické databázi.
    • Rozpoznání strukturovaných dat v dokumentech na základě jejich mapování na existující doménové modely - ontologie.
    • Doplňování a aktualizace informací v sémantických databázích z webových zdrojů.

    Nedílnou součástí je rovněž experimentální implementace navržených metod s využitím existujících nástrojů a experimentální ověření na reálných datech a dokumentech.

    Školitel: Burget Radek, doc. Ing., Ph.D.

Struktura předmětů s uvedením ECTS kreditů (studijní plán)

2. ročník, zimní semestr
ZkratkaNázevJ.Kr.Pov.Uk.Hod. rozsahSk.Ot.
JADZkouška z jazyka anglického pro Ph.D.cs, en0Povinně volitelnýdrzkKK - 26Zkouška z angličtinyano
Libovolný ročník, zimní semestr
ZkratkaNázevJ.Kr.Pov.Uk.Hod. rozsahSk.Ot.
JA6DAngličtina pro doktorandycs, en0Povinně volitelnýdrzkP - 13 / KK - 26 / COZ - 13Zkouška z angličtinyano
PDDAplikace paralelních počítačůcs, en0Povinně volitelnýdrzkP - 39 / KK - 26Odborný předmětano
IV108Bioinformatikacs, en0Povinně volitelnýdrzkP - 13 / KK - 26 / COZ - 13Odborný předmětano
FADFormální analýza programůcs, en0Povinně volitelnýdrzkP - 26 / KK - 26Odborný předmětano
MSDModelování a simulacecs, en0Povinně volitelnýdrzkP - 39 / KK - 26Odborný předmětano
MZDModerní metody zpracování řečics, en0Povinně volitelnýdrzkP - 39 / KK - 26Odborný předmětano
DPC-TK1Optimalizační metody a teorie hromadné obsluhycs0Povinně volitelnýdrzkS - 39Odborný předmětano
ORIDOptimální řízení a identifikacecs, en0Povinně volitelnýdrzkP - 26 / KK - 26 / PR - 13Odborný předmětano
PGDPočítačová grafikacs, en0Povinně volitelnýdrzkP - 39 / KK - 26Odborný předmětano
PBDPokročilé biometrické systémycs, en0Povinně volitelnýdrzkP - 26 / KK - 26 / PR - 4Odborný předmětano
PNDPokročilé techniky návrhu číslicových systémůcs, en0Povinně volitelnýdrzkP - 39 / KK - 26Odborný předmětano
TJDTeorie programovacích jazykůcs, en0Povinně volitelnýdrzkP - 39 / KK - 26Odborný předmětano
ZPDZpracování přirozeného jazykacs, en0Povinně volitelnýdrzkP - 39 / KK - 26Odborný předmětano
ASDZpracování řeči a audia člověkem a počítačemcs, en0Povinně volitelnýdrzkP - 39 / KK - 26Odborný předmětano
MIDModerní matematické metody v informaticecs, en0Povinně volitelnýdrzkP - 26 / KK - 26Teoretický předmětano
MMDModerní metody zobrazování 3D scénycs, en0Povinně volitelnýdrzkP - 39 / KK - 26Teoretický předmětano
TIDModerní teoretická informatikacs, en0Povinně volitelnýdrzkP - 39 / KK - 26 / PR - 13Teoretický předmětano
OPDOptikacs, en0Povinně volitelnýdrzkP - 39 / KK - 26 / PR - 13Teoretický předmětano
RGDRegulované gramatiky a automatycs, en0Povinně volitelnýdrzkP - 39 / KK - 26 / PR - 13Teoretický předmětano
DPC-MA1Statistika. stochastické procesy, operační výzkumcs0Povinně volitelnýdrzkS - 39Teoretický předmětano
APDVybraná témata z analýzy a překladu jazykůcs, en0Povinně volitelnýdrzkP - 39 / KK - 26 / PR - 13Teoretický předmětano
VDDVědecké publikování od A do Zcs, en0VolitelnýdrzkKK - 26 / S - 8ano
Libovolný ročník, letní semestr
ZkratkaNázevJ.Kr.Pov.Uk.Hod. rozsahSk.Ot.
JA6DAngličtina pro doktorandycs, en0Povinně volitelnýdrzkP - 13 / KK - 26 / COZ - 13Zkouška z angličtinyne
BIDBezpečnost informačních systémů a kryptografiecs, en0Povinně volitelnýdrzkP - 39 / KK - 26 / PR - 4Odborný předmětano
EUDEvoluční a neurální hardwarecs, en0Povinně volitelnýdrzkP - 26 / KK - 26Odborný předmětano
EVDEvoluční výpočetní technikycs, en0Povinně volitelnýdrzkP - 26 / KK - 26Odborný předmětano
ISDInteligentní systémycs, en0Povinně volitelnýdrzkP - 26 / KK - 26 / PR - 26Odborný předmětano
SODSystémy odolné proti poruchámcs, en0Povinně volitelnýdrzkP - 39 / KK - 26Odborný předmětano
MADVybrané kapitoly z matematikycs, en0Povinně volitelnýdrzkP - 26 / KK - 26Odborný předmětano
VPDVybrané problémy informačních systémůcs, en0Povinně volitelnýdrzkP - 39 / KK - 26Odborný předmětano
KRDKlasifikace a rozpoznávánícs, en0Povinně volitelnýdrzkP - 39 / KK - 26Teoretický předmětano
MLDMatematická logikacs, en0Povinně volitelnýdrzkP - 26 / KK - 26Teoretický předmětano
TADTeorie a aplikace Petriho sítícs, en0Povinně volitelnýdrzkP - 39 / KK - 26 / Cp - 8Teoretický předmětano
TKDTeorie kategorií v informaticecs, en0Povinně volitelnýdrzkP - 26 / KK - 26Teoretický předmětano
VNDVysoce náročné výpočtycs, en0Povinně volitelnýdrzkP - 39 / KK - 26 / Cp - 26Teoretický předmětano
Všechny skupiny volitelných předmětů
Sk. Počet předm. Předměty
Teoretický předmět 1 - 9 MID, MMD, TID, OPD, RGD, DPC-MA1, APD, KRD, MLD, TAD, TKD, VND
Zkouška z angličtiny 1 - 9 JAD, JA6D zimní/letní sem.