Info o kurzu

Letošní rok bude tato přednáška poprvé. Uvítám proto náměty i kritiku a věřím, že to zvládneme ke spokojensoti všech!

Tento kurz je určený pro všechny studenty, od prváků po doktorandy, které tato tématika zajímá. Dotkneme se zpracování dat, automatizací měření, zkrátka všeho, co nám jako fyzikům může ulehčit práci. Více v podrobném sylabu níže. Oficiální anotace v SISu zde.

Každá hodina začne výkladem s maximální délkou jedné hodiny (tedy přednáška). Slidy se budou objevovat na těchto stránkách. Poté bude pokračovat cvičení, kde společně budeme řešit konkrétní problém. Zdrojáky z tohoto cvičení budou k dispozici na fakultním gitlabu.

V čem programujeme

Volba jazyka je na vás, já budu většinou používat Python 3. Získané dovednosti by měli být přenositelné do jakéhokoli jiného jazyka. Platforma, interpret a vývojové prostředí je zcela na vás, já doporučuji tuto variantu:

• Anaconda distribuci Pythonu a vývojové prostředí VS Code.
  Proč tohle? Anaconda vám nainstaluje krom nejnovějšího Pythonu také spoustu užitečných knihoven a programů. VS Code je rychlý, opensource a multiplatformní textový editor. Díky množství pluginů se hodí na veškerou práci od Pythonu po LaTeX.
  Jak to nainstaluji? Stáhněte instalátor, nainstalujte a spusťte Anaconda Navigator. Zde spusťte VS Code (pokud nebude nainstalovaný, tak se nabídne doinstalace).

Podmínky klasifikovaného zápočtu

Zápočet (a známka) se udílí za napsání programu, který bude online komunikovat z virtuální běžící aparaturou. Vyhodnotí snímky z kamer a provede předepsané úkoly v zadaném čase. Podrobnosti budou zveřejněny v průběhu semestru.

Předběžný, avšak detailní sylabus

Lekce 1: Úvod do automatizace ve fyzice

• Přehled principů a aplikací automatizace ve fyzice
• Historický pohled a současné trendy
• Dohoda o struktuře kurzu

Lekce 2: Architektura přístrojů a programování PLC

• Kritické součásti měřicího systému
• Komunikační protokoly používané ve velkých infrastrukturách

Lekce 3: Komunikace se šestiosým robotickým ramenem

• Průmyslové protokoly
• Operační systém pro roboty (ROS)
• Detekce kolizí

Lekce 4: Počítačové vidění

• Přehled OpenCV
• Rozpoznávání objektů, vyhodnocování 2D snímků z mikroskopu
• Problém bin-packingu

Lekce 5: Základy strojového učení

• Supervised vs. unsupervised learning
• Clustering algorithms

Lekce 6: Umělá inteligence a expertní systémy

• Úvod do umělé inteligence a expertních systémů
• Systémy založené na pravidlech a rozhodovací stromy
• Fuzzy logic a neuronové sítě

Lekce 7: Automatické plánování experimentů

• Pravděpodobnostní přístup aktivního učení
• Měření s podporou aktivního učení s log-gaussovskými procesy

Lekce 8: Bayesovská optimalizace měření

• Bayesovská optimalizace experimentálních parametrů
• Aplikace ve fyzice

Lekce 9: Aplikace v materiálové vědě

• Automatizovaná charakterizace materiálů
• Automatizovaná syntéza a zpracování vzorků

Lekce 10: Analýza dat řízená umělou inteligencí

• Použití simulovaných dat k tréninku neuronových sítí
• Deterministické metody k zajištění odhadu chyb
• Určování oblastí v naměřených datech s přidanou informační hodnotou

Lekce 11: Zveřejňování dat

• Zásady F.A.I.R.
• Popisování dat pomocí skriptů
• Ukládání dat pro další generace

Lekce 12: Budoucí trendy v automatizaci

• Využití velkých jazykových modelů pro psaní dokumentů

Kontakt

Rád bych s vámi byl v kontaktu nejen ve zkouškovém. Preferuji komunikaci přes MFF Discord, kde bude zřízen dedikovaný channel. Na MFF Discordu jsem jako <petrscience#1543>. Pokud preferujete klasický způsob komunikace, využijte můj email.