[PREZENČNĚ] Letní škola Czech AI Factory

7. 9. 2026 8:30 → 11. 9. 2026 13:30 Europe/Prague

IT4Innovations

Anotace

Letní škola Czech AI Factory nabízí intenzivní pětidenní program zaměřený na moderní metody umělé inteligence, jejich praktické využití a efektivní práci se superpočítači.
Účastníci se seznámí se základy využívání superpočítačů pro trénování modelů, přípravou dat pro strojové učení i nástroji usnadňujícími vývoj a nasazení AI aplikací.

Co vás čeká?

Pět dní nabitých odbornými přednáškami, praktickými workshopy a případovými studiemi z různých oblastí využití umělé inteligence.

Společně se zaměříme na: 

• přípravu dat a strojové učení
• velké jazykové modely (LLMs)
• AI ve fyzickém světě
• zpracování řeči
• AI ve vědách o životě
• důvěryhodnou a bezpečnou AI
  
  

Vedle odborného programu nabídne letní škola také prostor pro networking, prohlídku infrastruktury IT4Innovations a doprovodný společenský program.

Pro koho je letní škola určena

Letní škola je otevřena zájemcům o umělou inteligenci napříč akademickou, veřejnou i soukromou sférou. Přihlásit se mohou zejména: studenti vysokých škol, doktorandi, výzkumní pracovníci, odborníci z firem, pracovníci veřejné správy, další zájemci o využití AI.

Kapacita letní školy je 35 účastníků. V případě vyššího počtu přihlášek budou účastníci vybráni na základě motivačního dopisu a životopisu, které jsou součástí registračního formuláře.

Úroveň a předpoklady

Program je určen účastníkům se základními znalostmi umělé inteligence, strojového učení nebo datové analýzy. Kombinuje úvodní tematické bloky s pokročilejšími přednáškami, praktickými workshopy a případovými studiemi zaměřenými na využití AI v různých aplikačních oblastech. 

Pro zapojení do praktických workshopů je potřebná základní znalost programování v jazyce Python a schopnost pracovat s jednoduchým kódem a daty. Doporučuje se také základní orientace v příkazové řádce.

Jazyk

Hlavním jazykem letní školy je čeština, některé přednášky budou vedeny zahraničními experty v angličtině.

Praktické informace

Účastníkům nabízíme možnost bezplatného ubytování v Ostravě po dobu konání Letní školy. Mezi místem ubytování a IT4Innovations bude zajištěna autobusová doprava. V průběhu Letní školy bude pro účastníky zajištěno také stravování.

 

Tato akce byla podpořena projektem CZAI na základě grantové dohody č. 101314740. Tento projekt získal finanční prostředky z Evropského společného podniku pro vysoce výkonné počítání a jeho členů, včetně spolufinancování Ministerstva školství, mládeže a tělovýchovy České republiky.

Partneři projektu

po 7. září

8:30 → 9:00 Autobus hotel - IT4I

8:30 → 9:00 Registrace účastníků

9:00 → 9:30 Přivítání, představení CZAI

Pořadatelé: Tomáš Kozubek, Vít Vondrák

9:30 → 10:30 Úvod do HPC, připojení na superpočítače I

Pořadatelé: Ondřej Meca, Dominika Regéciová

10:30 → 11:00 Kávová přestávka

11:00 → 12:30 Úvod do HPC, připojení na superpočítače II

Pořadatelé: Ondřej Meca, Dominika Regéciová

12:30 → 13:30 Oběd

13:30 → 15:00 Příprava dat pro strojové učení I

Kvalita dat a způsob jejich přípravy mají zásadní vliv na výsledky modelů strojového učení. V této prakticky zaměřené sekci si na konkrétních příkladech ukážeme několik častých problémů, které mohou při přípravě dat snadno zůstat bez povšimnutí, ale výrazně ovlivnit trénování i následné vyhodnocení modelu.
Účastníci si vyzkoušejí základy explorativní analýzy tabulkových dat, odhalování problémů při rozdělení dat na trénovací, validační a testovací sady v úlohách zpracování obrazu a práci s nevyváženými daty. Ukážeme si také, jak se různá rozhodnutí při přípravě datasetu promítají do výsledných metrik a proč zdánlivě dobrý výsledek nemusí vždy znamenat dobře fungující model.

Pořadatel: Tomáš Martinovič

15:00 → 15:30 Kávová přestávka

15:30 → 17:00 Příprava dat pro strojové učení II

Kvalita dat a způsob jejich přípravy mají zásadní vliv na výsledky modelů strojového učení. V této prakticky zaměřené sekci si na konkrétních příkladech ukážeme několik častých problémů, které mohou při přípravě dat snadno zůstat bez povšimnutí, ale výrazně ovlivnit trénování i následné vyhodnocení modelu.
Účastníci si vyzkoušejí základy explorativní analýzy tabulkových dat, odhalování problémů při rozdělení dat na trénovací, validační a testovací sady v úlohách zpracování obrazu a práci s nevyváženými daty. Ukážeme si také, jak se různá rozhodnutí při přípravě datasetu promítají do výsledných metrik a proč zdánlivě dobrý výsledek nemusí vždy znamenat dobře fungující model.

Pořadatel: Tomáš Martinovič

17:00 → 18:00 Networking a návštěva infrastruktury IT4I

Pořadatel: Tomáš Kozubek

18:00 → 21:00 Společná večeře na IT4I

21:15 → 21:45 Ojdezd autobusu na hotel

út 8. září

8:30 → 9:00 Autobus hotel - IT4I

9:00 → 10:30 Physical AI v praxi: Od AI modelu k humanoidnímu robotovi

Generativní AI dnes umí psát text nebo vytvářet obrázky. Mnohem větší výzvou je ale dostat umělou inteligenci do fyzického světa.
Na reálném průmyslovém scénáři si účastníci projdou celý proces návrhu řešení využívajícího humanoidního robota – od identifikace problému přes návrh AI architektury, simulaci, bezpečnost a testování až po pilotní nasazení.

Pořadatel: Václav Kubáček

10:30 → 11:00 Kávová přestávka

11:00 → 12:30 Physical AI v praxi: Od AI modelu k humanoidnímu robotovi - praktické cvičení

Workshop rovněž ukáže, jaké technologie jsou dnes připravené pro praxi, kde jsou jejich limity a jak firmy mohou začít s Physical AI bez nutnosti budovat vlastní výzkumné oddělení.

Pořadatelé: Václav Kubáček, Lukáš Navara

12:30 → 13:30 Oběd

13:30 → 15:00 MICROSOFT - Od chatu k agentovi: jak dát AI skutečnou práci v kódu

Coding agent není jen chat, který umí napsat funkci. Dokáže procházet repozitář, používat nástroje, spouštět testy a postupně dokončit zadanou práci. Na skutečném .NET scénáři si ukážeme, co agent potřebuje vědět, jak mu vymezit úkol, kde má člověk zůstat u rozhodování a jak ověřit, že výsledek opravdu funguje. Probereme také typické slepé uličky, bezpečné hranice a jednoduchý způsob, jak s coding agenty začít.

Pořadatel: Anna Marešová (Microsoft)

15:00 → 15:30 Kávová přestávka

15:30 → 17:00 MICROSOFT - Co váš model ví, ale neřekne vám to: interpretabilita pro lidi, kteří modely nasazují

Velké jazykové modely mohou dojít ke správné odpovědi ze špatných důvodů, opakovat naučenou zkratku nebo skrývat důležitý signál za přesvědčivým textem. Jak se podívat pod povrch, aniž bychom předstírali, že umíme číst modelu myšlenky? Na praktických příkladech si ukážeme, co dnes dokážou metody interpretability, jaké otázky pomáhají zodpovědět a kde mohou samy zavádět. Hlubší znalost neuronových sítí není potřeba.

Pořadatel: Anna Marešová (Microsoft)

17:15 → 17:45 Ojdezd autobusu na hotel

st 9. září

8:30 → 9:00 Autobus hotel - IT4I

9:00 → 10:30 Současné trendy v ověřování a extrakci reprezentací mluvčího z řeči

Tato přednáška představí nejmodernější a nově se rozvíjející metody extrakce reprezentací mluvčího (embeddingů) z řeči. Po rychlém představení současných a nedávných state-of-the-art metod bude větší pozornost věnována self-supervised transformerům a jejich využití pro extrakci reprezentací mluvčího. Modely, které si představíme, mají univerzální použití a rychle se staly nedílnou součástí úspěšných systémů pro automatické rozpoznávání řeči a další úlohy, jako například identifikace jazyka, deepfakes atd. Kromě jejich fine-tuningu pro extrakci embeddingů mluvčího se budeme věnovat také strategiím adaptace na doménu a vlastního předtrénování.

Pořadatel: Oldřich Plchot

10:30 → 11:00 Kávová přestávka

11:00 → 12:30 Řízení projektu automatického rozpoznávání řeči: od dat po nasazení

Workshop bude o jednotlivých krocích při nasazování automatického přepisu řeči do textu (ASR). V prezentaci se účastníci dozvědí o možných use cases a o tom, co znamenají pro volbu ASR. Toto se dále propisuje do trénovacích dat (identifikace, akvizice), jejich případné anotace a čištění. Dále se workshop zaměří na přípravu trénovacích a evaluačních setů včetně metrik vyhodnocení. V neposlední řadě se účastníci seznámí s jednotlivými nástroji, modely a jejich adaptací na cílovou doménu. Uvidí, jak model adaptovat a následně provozovat. Účastníci by si měli odnést know-how, jak adaptovat ASR model na vlastních datech / pro vlastní use case a následně ho nasadit do provozu.

Pořadatelé: Igor Szöke, Veronika Nevařilová

12:30 → 13:30 Oběd

13:30 → 15:00 Nástroje usnadňující trénování a inferenci AI modelů na superpočítačích I (VSB)

V této prakticky zaměřené sekci si představíme AI Training App, nástroj vyvinutý v IT4Innovations, který zjednodušuje přípravu a spouštění trénování modelů umělé inteligence na superpočítačové infrastruktuře. Aplikace je postavena nad službami LEXIS Platform a umožňuje uživatelům pracovat s výpočetními prostředky superpočítačů bez nutnosti detailně znát jejich technické prostředí.
Účastníci si vyzkoušejí, jak do aplikace nahrát vlastní data, připravit trénovací workflow a následně jej spustit na superpočítačové infrastruktuře. Ukážeme si také inferenční službu provozovanou IT4Innovations, která umožňuje vystavit API pro inferenční úlohy běžící na superpočítači.

Pořadatel: Tomáš Martinovič

15:00 → 15:30 Kávová přestávka

15:30 → 17:00 Nástroje usnadňující trénování a inferenci AI modelů na superpočítačích II (VSB)

V této prakticky zaměřené sekci si představíme AI Training App, nástroj vyvinutý v IT4Innovations, který zjednodušuje přípravu a spouštění trénování modelů umělé inteligence na superpočítačové infrastruktuře. Aplikace je postavena nad službami LEXIS Platform a umožňuje uživatelům pracovat s výpočetními prostředky superpočítačů bez nutnosti detailně znát jejich technické prostředí.
Účastníci si vyzkoušejí, jak do aplikace nahrát vlastní data, připravit trénovací workflow a následně jej spustit na superpočítačové infrastruktuře. Ukážeme si také inferenční službu provozovanou IT4Innovations, která umožňuje vystavit API pro inferenční úlohy běžící na superpočítači.

Pořadatel: Tomáš Martinovič

17:15 → 18:00 Odchod do Planetária

18:00 → 21:00 Návštěva Planetária s promítáním a večeří

21:15 → 21:45 Ojdezd autobusu na hotel

čt 10. září

8:30 → 9:00 Autobus hotel - IT4I

9:00 → 10:30 Projekt OpenEuroLLM a evropské otevřené modely

V přednášce bude přestavem projekt OpenEuroLLM a projekty související (LLMs4EU, ALT-EDIC4EU). OpenEuroLLM buduje otevřené, vícejazyčné základní LLM pro všechny evropské jazyky, včetně přípravy dat. Představeny budou i způsoby trénování a otázky spojené s budoucím provozem, včetně regulatorních a legislativních problémů. Přednáška také představí ostatní evropské otevřené modely (EuroLLM, Apertus).

Pořadatel: Jan Hajič

10:30 → 11:00 Kávová přestávka

11:00 → 12:30 Obtížnost vyhodnocování výstupů velkých jazykových modelů

V přednášce představím úlohu strojového překladu jako historický základ dnešních velkých jazykových modelů. Oblast strojového překladu má světu LLM stále co nabídnout, zejména mnohaleté zkušenosti a doporučení, jak vyhodnocovat kvalitu "generativních výstupů", a jakých metodologických chyb se naopak vyvarovat. Na závěr zmíním naše letošní výsledky vyhodnocování přístupu "LLM as a judge" pro oblast odpovídání na otevřené otázky.

Pořadatel: Ondřej Bojar

12:30 → 13:30 Oběd

13:30 → 15:00 Knowing When to Trust Machine Learning Models: A Bayesian Perspective

Modern biology increasingly relies on machine learning to model biomolecular interactions, predict molecular properties, and accelerate molecular simulations. These models have remarkable predictive power, but they also make mistakes — and those mistakes are often difficult to identify without quantifying the credibility of the model. Uncertainty estimation is therefore essential for determining when a machine learning model prediction can be trusted and remains one of the central challenges in scientific machine learning. This lecture introduces Bayesian inference as a probabilistic framework for building machine learning models that quantify their own uncertainty, providing a principled measure of confidence in model predictions. Beginning with simple Bayesian parameter estimation, we will develop the fundamental concepts and intuition behind probabilistic inference before extending them to modern machine learning models. We will explore how Bayesian methods enable more reliable scientific inference, improve decision-making, and identify where additional data would be most valuable. Applications will include biomolecular force field design, machine learning interatomic potentials, and other areas of computational biology where understanding model uncertainty is essential.

Pořadatel: Brennon Shanks

15:00 → 15:30 Kávová přestávka

15:30 → 17:00 AI pro enzymy: Jak pochopit chemii přírody - a překonat ji

Enzymes are the molecular machines that make the chemistry of life possible. They accelerate reactions by orders of magnitude with remarkable specificity. Far beyond the living cell, they are workhorses of biotechnology, drug discovery, metabolic engineering, and synthetic biology, often producing valuable compounds more cleanly and sustainably than synthetic chemistry can, or ones that are prohibitively hard to synthesize. Conveniently for us, an enzyme is fully specified by a string: its sequence of amino acids. We already have millions of these sequences on record, yet no analytical way to look at one and say if it’s an enzyme and which reaction it catalyzes. The mapping from sequence to function is real but not something a human can derive by inspection. This makes enzymes a natural fit for machine learning, which provides a way both to predict the function of natural enzymes, mining nature for valuable chemistry, and to generate novel enzymes designed to produce molecules of interest. The hands-on part will let you try one of the best-known prediction models yourself.

Pořadatel: Matouš Soldát

17:15 → 17:45 Ojdezd autobusu na hotel

pá 11. září

8:30 → 9:00 Autobus hotel - IT4I

9:00 → 10:30 Propojení světa akademie a průmyslu

Přednáška nabídne pohled na to, jak mohou výzkumníci uvažovat o dopadu své práce a technologií za hranicemi laboratoře a proč na tom záleží. Zaměří se na to, jak smysluplně navázat spolupráci s průmyslem, potenciálními zákazníky a investory a na to, co z pohledu těchto partnerů odlišuje projekty, které zůstanou uvnitř akademie, od těch, z nichž vzniknou úspěšné firmy a přelomové technologie.

10:30 → 11:00 Kávová přestávka

11:00 → 11:45 Responsible and Trustworthy AI: Challenges, Compliance, and Best Practices

This presentation explains how core legal standards can make AI more trustworthy. It introduces AI Summer School participants to the main legal challenges of AI, from data protection and liability to bias and the transparency of automated decisions, and shows how legal frameworks help address them. Its wider aim is to promote key principles of responsible and ethical AI practice, treating law not as a formality but as a foundation for AI that people can trust.

Pořadatelé: Lalit Patil, Petra Petrek Lašová

11:45 → 12:30 Když umělá inteligence jedná: Bezpečnost a důvěryhodnost AI agentů

Tato prezentace zkoumá praktická bezpečnostní rizika modelů umělé inteligence a autonomních agentů. Nedávné incidenty zahrnující Mythos 5 a další hraniční modely ukazují, jak nadměrná oprávnění, okamžité vkládání, slabá ochrana a nezamýšlené sledování cílů mohou způsobit škody v reálném světě. Účastníci se seznámí s praktickými principy pro zajištění bezpečnosti, kontroly a odpovědnosti systémů umělé inteligence.

Pořadatel: Dominika Regéciová

12:30 → 13:30 Ukončení akce, oběd