Přehled pozice
- Základní a aplikovaný výzkum
- Prezenční studium (4 roky) – financování stipendiem + částečným úvazkem na pracovní smlouvu
- Na Fakultě informatiky MUNI
- Akreditovaný program s celosvětově uznávaným titulem
- Víc o fakultním programu
- Víc o přístupu naší laboratoře k Ph.D. studiu
- Termín pro první kolo přihlášek: 7. 5. 2025
- Termín pro odevzdání fakultní přihlášky: 21. 5. 2025
- Začátek studia: 1. 9. 2025
Popis výzkumu
Motivace
- Různé typy algoritmických zkreslení ovlivňují chování modelů strojového učení, což vede k nepřesnostem nebo dokonce nespravedlivosti v jejich aplikacích.
- Je nezbytné studovat vlastnosti zkreslení, abychom jim lépe porozuměli, a tyto problémy dokázali zmírnit.
Cíle
- Systematicky vyhodnocovat modely strojového učení pro vzdělávání, konkrétně:
- Zkoumání datových zkreslení a rozšiřování dat v reálných datových sadách.
- Zkoumání metodických zkreslení v modelech.
- Analýza citlivosti modelů v různých praktických případech.
Příklady souvisejících publikací
- V. Švábenský et al., 2025: Evaluating the Impact of Data Augmentation on Predictive Model Performance
- O. Deho et al., 2024: When the Past != The Future: Assessing the Impact of Dataset Drift on the Fairness of Learning Analytics Models
- J. Čechák, 2024: Exploring Statistical Biases in Educational Data
- S. Barocas et al., 2023: Fairness and Machine Learning: Limitations and Opportunities
Kontext a lidé
- Školitel: Pavel Čeleda, etablovaný vědecký pracovník (89 výzkumných publikací indexovaných Scopus s více než 3600 citacemi), který má bohaté zkušenosti s vedením doktorandů (8 obhájeno, 2 aktuálně studující).
- Konzultant: Valdemar Švábenský (Ph.D. 2022), který publikoval 42 výzkumných prací v oboru a má 3 roky mezinárodních výzkumných zkušeností, zejména v USA a Japonsku.
- Díky naší aktivní spolupráci se zahraničními výzkumníky je možnost absolvovat stáže na zahraničních univerzitách (viz níže).
- Výzkum je realizován v návaznosti na aktuální grantový projekt “Algorithmic Biases in Machine Learning Models in Education” (financovaný Grantovou agenturou ČR).
Vybrané zahraniční spolupracující instituce
- University of Pennsylvania, USA
- Michigan State University, USA
- Kyushu University, Japonsko
- University of South Australia, Austrálie
Požadavky
- Titul Mgr./Ing., nebo studium v posledním semestru v příbuzném oboru (např. informatika).
- Praktické IT dovednosti: Python, Git, LaTeX.
- Znalost angličtiny: minimálně středně pokročilá (B2) nebo vyšší.
Pokud máte dotazy nebo se chcete přihlásit
- Napište e-mail Valdemarovi a přiložte svůj životopis (PDF, max. 2 strany).
- Domluvíme si neformální schůzku na FI, kde si zodpovíme všechny dotazy.