Výzkumná laboratoř s firmou UNICO.AI

Laboratoř provozujeme ve spolupráci se společností UNICO.AI. Studentům nabízíme příležitost se zapojit jak do výzkumné činnosti společnosti, tak také do řešení praktických úloh z oblasti integrace a vytěžování velkých dat. Hlavní činností UNICO.AI je propojování akademické sféry s průmyslem pomocí nástrojů umělé inteligence a konzultačních služeb. Budujeme unikátní systémy, které zásadně zlepšují fungování celého ekosystému jako například experts.ai.

Více o nás

Aplikace
Čemu se laboratoř věnuje

Chceme, aby spolupráce firem a univerzit byla transparentní a výhodná pro obě strany. Pomáháme jim spolupracovat chytřeji prostřednictvím zpracování velkých dat a využití unikátní umělé inteligence. Naším cílem je ukázat oběma stranám jednotný a jednoduchý způsob spolupráce, který umožní efektivně propojit nabídku univerzit s poptávkou firem.

Máme data o expertech, patentech a inovacích z několika zemí. Nad daty lze vytvářet (zkoumat) různé algoritmy, od automatického čištění dat až po síťové algoritmy nebo rekomendační systémy.

Zejména se zaměřujeme na zpracování velkých dat z veřejných zdrojů. Využíváme algoritmy data miningu a best practice z oborů datových skladů pro pokročilé čištění dat. Na základě dat vyvíjíme rekomendační systémy založené na ontologiích a ostatních přístupech. Výzkum vedeme jak na teoretické, tak na praktické úrovni. Snažíme se výsledky výzkumu přenášet přímo do praxe.

Publikace

Reducing Cold Start Problems in Educational Recommender Systems

Rok
2016
Publikováno
2016 International Joint Conference on Neural Networks (IJCNN). San Francisco: American Institute of Physics and Magnetic Society of the IEEE, 2016. p. 3143-3149. ISSN 2161-4407. ISBN 978-1-5090-0620-5.
Typ
Stať ve sborníku
Anotace
Educational data can help us to personalise university information systems. In this paper, we show how educational data can be used to improve the performance of interaction-based recommender systems. Educational data is transformed to student profiles helping to prevent cold start problems when recommending projects to students with few user interactions. Our results show that our hybrid interaction based recommender boosted by educational profiles significantly outperforms bestseller recommendation, which is a mainstream recommendation method for cold start users.

Mining skills from educational data for project recommendations

Rok
2015
Publikováno
Proceedings of the International Joint Conference CISIS’15 and ICEUTE’15. Berlin: Springer-Verlag, 2015, pp. 617-627. Advances in Intelligent Systems and Computing. ISSN 2194-5357. ISBN 978-3-319-19713-5.
Typ
Stať ve sborníku
Anotace
We are focusing on an issue regarding how to actually recognize the skills of students based on educational results. Existing approaches do not offer suitable solutions. This paper will introduce algorithms making possible to aggregate educational results using ontology. We map the aggregated results, using various methods, as skills that are understandable for external partners and usable to recommend students for projects and projects for students. We compare the results of individual algorithms with subjective assessments of students, and we apply a recommendation algorithm that closely models these skills.

Kde nás najdete?

Výzkumná laboratoř s firmou UNICO.AI
Katedra aplikované matematiky
Fakulta informačních technologií
České vysoké učení technické v Praze

Místnost TH:A-1347 (Budova A, 13. patro)
Thákurova 7
Praha 6 – Dejvice
160 00

Kontaktní osoba

Ing. Stanislav Kuznetsov

Za obsah stránky zodpovídá: doc. Ing. Štěpán Starosta, Ph.D.