Přijímací a maturitní zkoušky rozhodují o budoucnosti mnoha mladých lidí. Avšak, jak zajistit, aby takové testy opravdu měřily to, co mají, a byly spolehlivé? Co když bychom mohli využít technologie, která nám pomůže předpovědět obtížnost jednotlivých otázek a vytvořit adaptivní testy na míru každému studentovi? V této prezentaci se podíváme na komplexní analýzu testů a položek a ukážeme si, jak lze pomocí strojového učení předpovídat obtížnost položek a zefektivnit testování pomocí počítačových adaptivních testů.
Číslo pi=3,14... je jedna z nejdůležitějších matematických konstant. Je to iracionální číslo a nelze ho zkonstruovat geometricky jen kružítkem a pravítkem. Nejhrubější odhad pi je 3 (např. v 1. knize královské a 2. knize kronik). V rukopise napsaném kolem 1500 př. n. l. egyptským písařem Ahmosem je hodnota pi odhadnutá velikostí 256/81=3,160, co je odhad s přesností méně než 1%. Ukážeme, jak staří Egypťané počítali plochy geometrických útvarů, a jak (pravděpodoně) odhadli tuto hodnotu pi.
O fenoménu městských tepelných ostrovů slyšel v poslední době asi každý. Jak je ale možné, že tepelný komfort i zdravotní rizika jsou ve městech tak špatné, když je v nich teplota jen o několik stupňů vyšší? Na vině jsou další vlivy, které působí na lidský organismus – především sluneční a tepelné záření. Přednáška odpoví na otázku, čím je tvořen tepelný komfort, jak ho měřit a modelovat, a také co lze ve městech udělat pro jeho zlepšení.
Rozdíl mezi chápáním lékaře a závěry z velkých randomizovaných klinických studií je v tom, že lékař neustále vnímá jednoho pacienta, a proto pokles o 10 mmHg u léčby hypertenze se mu zdá málo. To, že výsledkem studie je průměrný rozdíl v poklesech tlaku mezi mnoha tisícovými soubory pacientů je pro lékaře jiné myšlení. V přednášce bude probrán koncept evidence-based medicine, koncept personalizované medicíny a Bayesovský přístup a jak ho aplikovat na kontrétního pacienta. Vše s mnoha příklady.