|
|
- Kamila Vladimíra Tomanová
- před 7 lety
- Počet zobrazení:
Transkript
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19 DEMO
20
21
22
23
24
25
26
27
28
29
30 Převodsignálu na slovní reprezentaci Rozpozná jen to,na co byl naučen Jazyk,prostředí, slovník, téma Každé slovo zná svůj čas
31 Přijďteza mnou po přednášce(iphone, ipad) SledujteTwitter Podívejte se, jak se choval rozpoznávač v nestandardních situacích
32 ZÍSKÁVÁNÍ DAT Z ŘEČI 1/16
33 INFORMACE V ŘEČI B žný lov k vysloví pr m rn 7400 slov denn, napíše však maximáln n kolik set slov písmo 8% e 92% Pouze text je však dnes indexován vyhledáva i, dohledatelný a používán v rozhodovacích procesech 2/16
34 OBSAH Co je v e i? Jaké jsou dnes k dispozici technologie a co umí? Kdy se budeme s e ovými technologiemi b žn setkávat? Jak se zapojit? 3/16
35 CO JE V ŘEČI Mluvčí Jazyk hovoru Dialekt, p vod e níka Vzd lání e níka Pohlaví, v k Identifikace mluvčího Prostředí Kde mluv í mluví Ke komu mluv í mluví (dialog, tení, proslov) Jiné zvuky (hudba apod.) Obsah Klíčová slova Doslovný přepis řeči Téma Kdy mluv í mluví Technika P ístroj (tel./mic/...) P enosové kanály (pevná/mobil/skype) Kodeky (gsm/mp3/ ) Kvalita signálu 4/29
36 ŘEČOVÉ TECHNOLOGIE Rozpoznání řeči Přepis Dobrý den Klíčová slova Novák Hovor / řeč Identifikace mluvčího Identifikace pohlaví Kdo Jan Novák Pohlaví Muž / Žena Identifikace jazyka Jazyk ENG / DEU /?? 5/29
37 PŘEPIS ŘEČI NA TEXT P epis e i vygeneruje k audiu dopl kovou informaci (text), kterou lze snadno indexovat, vyhledávat v ní a použít pro zp ístupn ní audia Umož uje nasadit nástroje pro analýzu textu. pro Příklady využití: PrepisReci.cz (CZ), Prednasky.com (CZ), SuperLectures.com (EN) 6/29
38 KVALITA PŘEPISU Pokud je adaptace na jazykovou doménu (medicína, právo, IT), má text minimum chyb a lze ho b žn íst Prednasky.com, SuperLectures.com Bez adaptace na jazykovou doménu a p i b žné konverza ní e i lze pochopit význam textu a lze v n m vyhledávat PrepisReci.cz 7/16
39 PŘEPIS ŘEČI NA TEXT e Zdroj P epis Dopravní policisté chystají na Velikonoční svátky přes sto sedmdesát dopravních akcí. Na idi e bude podle šéfa dopravní police dohlížet p es tisíc policistů. Dopravní policisté chystají nevelikonoční svátky přesto sedmdesát dopravních akci. Ne idi e bude podle šéfa dopravní policie dohlížet p es tisíc policistu. 8/16
40 DOHLEDATELNOST Rozpoznávač může dělat chyby (počítač nezná fyzikální podstatu světa, naše koníčky, kamarády, vztahy) Můžeme ale vygenerovat i alternativní (blízké) varianty přepisu a v nich pak vyhledávat => Téměř 100% dohledatelnost 9/16
41 DETEKCE KLÍČOVÝCH SLOV Jednodušší a rychlejší technologie Nižší přesnost než přepis Lze snadněji pokrýt velkou řadu jazyků Použití například pro monitoring médií nebo kontrolu práce operátorů v call centrech 10/16
42 IDENTIFIKACE MLUVČÍHO Mluvčího lze popsat hlasovým otiskem o délce jen 600 bajtů Hlasové otisky lze snadno porovnávat (řádově milióny porovnání v čase < 1s) Aplikace: verifikace osoby / vyhledávání záznamu podle hlasu / propojování záznamů od stejného mluvčího / segmentace nahrávky na mluvčí Technologie je výrazně lepší než člověk Každé 2 roky chybovost klesne na ½ V brzké době bude na každém telefonu a výrazně omezí anonymitu hlasové komunikace x x >> x x 11/16
43 IDENTIFIKACE JAZYKA Funguje jako klasifikátor, který lze trénovat k rozpoznání libovolného jazyka nebo i dialektu Tréning probíhá na 10 až 20 hodinách nepopsané řeči (jen je potřeba znát jazyk) Cca 40 předtrénovaných jazyků x x x x >> x x x x x 12/16
44 KDY SE BUDEME S ŘEČOVÝMI TECHNOLOGIEMI BĚŽNĚ SETKÁVAT? Dnes jsou běžně využívány call centry, zpravodajskými složkami, začínají se používat v mobilních aplikacích a začínají se objevovat se na internetu (např. Prednasky.com) Omezující faktor je kvalita záznamu: se vzdáleností mikrofonu od úst klesá přesnost šumy a neřečové události snižují přesnost s množstvím různých mikrofonů klesá přesnost Řešením je nový hardware a lepší algoritmy 13/16
45 ZAŘÍZENÍ, KTERÉ VŠE ZMĚNÍ Mobilní telefon Mikrofonní pole Handsfree 14/16
46 JAK SE ZAPOJIT? 1) Společné inovativní projekty Nabízíme technologii, technickou podporu, pomoc s komercializací a naše kontakty 2) Hledáme vývojáře, obchodníky, marketéry, designéry, na stálou pozici i na občasnou výpomoc 3) Lze se zapojit přímo do špičkového výzkumu na Speech@FIT 15/16
47 OTÁZKY A ODPOVĚDI Phonexia s.r.o. info@phonexia.com /16
48 í Phonexia a Superlectures?
49
50 Nasbírat data Zvolit parametry Zvolit model Apriorní znalost problému Natrénovat model Evaluaovat klasifikátor nasazení
51 Modely vstup Výpočet příznaků Vyhodnocení pravděpodobností nebo věrohodností (skóre hypotéz) Dekódování rozhodnutí
52 -
53 Gaussian Mixture models kluci, holky vstup MFCC Vyhodenocení GMM skóre Rozhodnutí kluk, holka
54
55 O
56 O
57
58
59
60
61
62
63
64
65 matylda1:/mnt/data 19T 14T 5,2T 72% /mnt/matylda1 matylda2:/speech 8,1T 6,3T 1,8T 78% /mnt/matylda2 matylda3:/speech 26T 23T 3,0T 89% /mnt/matylda3 matylda4:/speech 26T 14T 12T 55% /mnt/matylda4 matylda5:/speech 8,7T 8,7T 74G 100% /mnt/matylda5 matylda6:/speech 8,7T 8,0T 713G 92% /mnt/matylda6 scratch01:/mnt/data 3,0T 2,5T 531G 83% /mnt/scratch01 scratch02:/mnt/data 3,0T 866G 2,1T 29% /mnt/scratch02 scratch03:/mnt/data 1,9T 1,4T 522G 73% /mnt/scratch03 scratch04:/mnt/data 3,0T 1,4T 1,6T 48% /mnt/scratch04 scratch05:/mnt/data 3,0T 15G 3,0T 1% /mnt/scratch05 scratch06:/mnt/data 4,4T 1,9T 2,6T 42% /mnt/scratch06
66
67 Faculty (faculty members, research intent) research funds) EU projects (FP[4567]) Past: SpeechDat, SpeeCon, M4, AMI, CareTaker, AMIDA, MOBIO, weknowit, DIRAC Running: FP7 GLOCAL US funding Air Force EOARD, IARPA, DARPA Local funding agencies - Grant Agency of CR, Ministries of Education, and Trade and Commerce Czech force ministries Defense, Interior
68
69
70 Přemýšlet o výsledcích a chtít přijít věcem na kloub.
71 Děkujeme za pozornost
7 Další. úlohy analýzy řeči i a metody
Pokročilé metody rozpoznávánířeči Přednáška 7 Další úlohy analýzy řeči i a metody jejich řešení Výsledky rozpoznávání (slovník k 413k) frantisek_vlas 91.92( 90.18) [H= 796, D= 10, S= 60, I= 15, N=866,
VíceEfektivní komunikace díky inovativním hlasovým technologiím. Praha, 25.11.2011 Call centrum ve finančních službách
Efektivní komunikace díky inovativním hlasovým technologiím Praha, 25.11.2011 Call centrum ve finančních službách Agenda Představení společnosti Ovládání hlasových aplikací přirozenou řečí Nové bezpečností
VíceDolování dat z multimediálních databází. Ing. Igor Szöke Speech group ÚPGM, FIT, VUT
Dolování dat z multimediálních databází Ing. Igor Szöke Speech group ÚPGM, FIT, VUT Obsah prezentace Co jsou multimediální databáze Možnosti dolování dat v multimediálních databázích Vyhledávání fotografií
VíceTechnologie počítačového zpracování řeči
hlasová komunikace pod kontrolou Technologie počítačového zpracování řeči Pavel Cenek OptimSys, s.r.o. 5. odborný seminář Teorie a praxe IP telefonie Praha, 5. 6. prosince 2012 Řečové technologie přehled
VíceNEWTON Technologies a.s. Jaroslava Schmidtová Project manager
NEWTON Technologies a.s. Jaroslava Schmidtová Project manager NEWTON Technologies a.s. Budoucnost tvoříme hlasem Jaroslava Schmidtová Project manager NEWTON Technologies, a.s. je česká společnost (založená
VíceNEWTON Technologies a.s.
NEWTON Technologies a.s. Budoucnost tvoříme hlasem Mgr. Jaroslava Schmidtová Project manager NEWTON Technologies, a.s. je česká společnost (založená v roce 2008), která se specializuje na řešení využívající
VíceUmělá inteligence pro zpracování obrazu a zvuku
Umělá inteligence pro zpracování obrazu a zvuku Jan Švec honzas@ntis.zcu.cz Kontakt: Jan Švec honzas@ntis.zcu.cz jan.svec@speechtech.cz www.linkedin.com/in/jansvec Katedra kybernetiky ZČU v Plzni Katedra
VíceÚvod do zpracování signálů
1 / 25 Úvod do zpracování signálů Karel Horák Rozvrh přednášky: 1. Spojitý a diskrétní signál. 2. Spektrum signálu. 3. Vzorkovací věta. 4. Konvoluce signálů. 5. Korelace signálů. 2 / 25 Úvod do zpracování
VíceJAK LZE VYUŽÍT GRAFICKÉHO ZOBRAZENÍ AKUSTICKÉHO SIGNÁLU PŘI VÝUCE JAZYKA A SPRÁVNÉ VÝSLOVNOSTI
JAK LZE VYUŽÍT GRAFICKÉHO ZOBRAZENÍ AKUSTICKÉHO SIGNÁLU PŘI VÝUCE JAZYKA A SPRÁVNÉ VÝSLOVNOSTI Jana Mádlíková - Jan Nouza Laboratoř počítačového zpracování řeči na Technické univerzitě v Liberci se již
VíceNáhled společnosti Atos na elektronizaci veřejné správy E-government Mikulov 2013
Náhled společnosti Atos na elektronizaci veřejné správy E-government Mikulov 2013 Petr Mayer Stanislav Cingroš Atos IT Solutions and Services, s.r.o. 2 Vize YourGov Veřejná správa bez překážek 2 Základní
VíceZÁKLADY PROGRAMOVÁNÍ. Mgr. Vladislav BEDNÁŘ 2014 7.4 13/14
ZÁKLADY PROGRAMOVÁNÍ Mgr. Vladislav BEDNÁŘ 2014 7.4 13/14 Co je vhodné vědět, než si vybereme programovací jazyk a začneme programovat roboty. 1 / 13 0:40 Implementace Umělá inteligence (UI) Umělá inteligence
VíceNabídky spolupráce pro průmysl
Nabídky spolupráce pro průmysl České vysoké učení technické v Praze kontakty Prof. Ing. Pavel Sovka, CSc., e-mail: sovka@fel.cvut.cz doc. Dr. Ing. Jiří Hospodka, email: hospodka@fel.cvut.cz 17. dubna 2012
VíceKatedra kybernetiky laboratoř Inteligentní Datové Analýzy (IDA) Katedra počítačů, Computational Intelligence Group
Vytěžování dat Miroslav Čepek, Filip Železný Katedra kybernetiky laboratoř Inteligentní Datové Analýzy (IDA) Katedra počítačů, Computational Intelligence Group Evropský sociální fond Praha & EU: Investujeme
VíceZ OBRAZOVÉHO ZÁZNAMU. Jan HAVLÍK. Katedra teorie obvodů, Fakulta elektrotechnická
POROVNÁNÍ HRANOVÝCH DETEKTORŮ POUŽITÝCH PŘI PARAMETRIZACI POHYBU Z OBRAZOVÉHO ZÁZNAMU Jan HAVLÍK Katedra teorie obvodů, Fakulta elektrotechnická České vysoké učení technické v Praze Abstrakt Tento článek
VíceDynamický podpis. vycházející z přednášek Dr. Andrzej Drygajlo, http://scgwww.epfl.ch/courses/
Dynamický podpis vycházející z přednášek Dr. Andrzej Drygajlo, http://scgwww.epfl.ch/courses/ Biometrické charakteristiky Biologické DNA, krev, sliny Biologické/Fyziologické otisk prstu, zornice, tvář,
VíceVyužití metod strojového učení v bioinformatice David Hoksza
Využití metod strojového učení v bioinformatice David Hoksza SIRET Research Group Katedra softwarového inženýrství, Matematicko-fyzikální fakulta Karlova Univerzita v Praze Bioinformatika Biologické inspirace
VíceINOVATIVNÍ MANAŽER MARKETINGU: INOVATIVNÍ BUSINESS INTELLIGENCE
INOVATIVNÍ MANAŽER MARKETINGU: INOVATIVNÍ BUSINESS INTELLIGENCE E-LEARNING Jan Novák 15. července 2014 Obsah Proč mít data? Zdroje dat (externí a interní) Typy dat tvrdá a měkká Nejčastější chyby při přípravě
VíceMgr. Petr Čadek, Mgr. Karel Šulc, Bc. Lukáš Javůrek, Hana Solarová
Mgr. Petr Čadek, Mgr. Karel Šulc, Bc. Lukáš Javůrek, Hana Solarová KOGNITIVNÍ LINGVISTIKA Jazyk a jeho užívání jsou jednou z kognitivních aktivit lidské mysli. Kognitivní lingvisté předpokládají, že jazyk
VícePokročil. Vyučující: Prof. Ing. Jan Nouza, CSc., ITE
Pokročil ilé metody rozpoznávánířeči Vyučující: Prof. Ing. Jan Nouza, CSc., ITE Cíl předmětu: Seznámit se s nejmodernějšími metodami rozpoznávánířeči s využitím modulové stavebnice HTK (Hidden Model Markov
VíceŘečové technologie na Katedře kybernetiky FAV ZČU v Plzni. Katedra kybernetiky. Fakulta aplikovaných věd. Západočeská univerzita v Plzni
Pracoviště: Katedra kybernetiky Fakulta aplikovaných věd Západočeská univerzita v Plzni Výzkumné zaměření: a) Teorie systémů b) Řízení strojů a procesů (včetně aplikací) c) Řečové technologie d) Technická
VíceA2M31RAT- Řečové aplikace v telekomunikacích
A2M31RAT- Řečové aplikace v telekomunikacích Záznam a zpracování hlasových signálů pro potřeby výzkumu a aplikací hlasových technologií. Textové korpusy Doc. Ing. Petr Pollák, CSc. 17.května2011-15:44
VíceSemestrální práce: Rozpoznání hláskované řeči a převedení na text
VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ Fakulta strojního inženýrství Ústav mechaniky těles, mechatroniky a biomechaniky Technická 2, Brno 616 69 RSZ Základy zpracování signálu Semestrální práce: Rozpoznání hláskované
VíceROZPOZNÁNÍ TITULU GRAMOFONOVÉ DESKY PODLE KRÁTKÉ UKÁZKY
ROZPOZNÁNÍ TITULU GRAMOFONOVÉ DESKY PODLE KRÁTKÉ UKÁZKY V. Moldan, F. Rund Katedra radioelektroniky, fakulta elektrotechnická České vysoké učení technické v Praze, Česká republika Abstrakt Tento článek
VíceŘEČOVÉ TECHNOLOGIE v PRAXI
ŘEČOVÉ TECHNOLOGIE v PRAXI Josef Psutka, FAV ZČU v Plzni Obsah: 1. Automatické rozpoznávání řeči počítačem 2. Počítačová syntéza řeči 3. Hlasový dialog člověka s počítačem 1.10 2014 1 Automatické rozpoznávání
VíceÚvod do praxe stínového řečníka. Automatické rozpoznávání řeči
Úvod do praxe stínového řečníka Automatické rozpoznávání řeči Systém rozpoznávání řeči Řečník akustický řečový signál Akustická analýza O Akustický model Jazykový model p( O W) PW ( ) Dekodér W^ rozpoznaná
VícePočítačové zpracování češtiny. Kontrola pravopisu. Daniel Zeman
Počítačové zpracování češtiny Kontrola pravopisu Daniel Zeman http://ufal.mff.cuni.cz/daniel-zeman/ Úloha Rozpoznat slovo, které není ve slovníku Triviální Těžší je rozpoznat slovo, které ve slovníku je,
VíceNahrávací systém TriREC
\ 2011 Nahrávací systém TriREC 9.12.2011 OBSAH Nahrávací systém TriREC...2 Základní vlastnosti:...2 Škálovatelnost...2 Controller...3 Recorder...3 Storage...3 Integrátor...3 Vstupy...3 Nahrávání...3 Sledování...4
VíceKlasifikace a rozpoznávání. Bayesovská rozhodovací teorie
Klasifikace a rozpoznávání Bayesovská rozhodovací teorie Extrakce p íznaků Granáty Četnost Jablka Váha [dkg] Pravděpodobnosti - diskrétní p íznaky Uvažujme diskrétní p íznaky váhové kategorie Nechť tabulka
VíceDiktovací sw NovaVoice zkušenosti. D.Zoubek KZM FN Motol
Diktovací sw NovaVoice zkušenosti D.Zoubek KZM FN Motol NovaVoice automatické rozpoznávání řeči Automatic Speech Recognition - ASR je určen k automatickému rozpoznávání souvislé mluvené české řeči je
VíceZpráva pro školu z evaluačního nástroje Strategie učení se cizímu jazyku
Zpráva pro školu z evaluačního nástroje Strategie učení se cizímu jazyku Škola Gymnázium Datum 12. 2011 22. 02. 2011 Jana 3. OA3 Němčina 22. 02. 2011 Jana 4. OA4 Němčina 22. 02. 2011 Marie 3. OA3 Němčina
VíceObjektově orientované databáze
Objektově orientované databáze Miroslav Beneš Obsah přednášky Motivace Vlastnosti databázových systémů Logické datové modely Co potřebujeme modelovat? Identifikace entit v~relačních SŘBD Co je to objektová
VíceVERIA. safety for life KATALOG PRODUKTŮ VIDEOTELEFONY
safety for life KATALOG PRODUKTŮ VIDEOTELEFONY Úvod Na trh nedávno uvedené vstupní systémy řady 7 navazují na oblíbenou řadu 6 a přináší s sebou kromě celodotykového ovládání a unikátního ultratenkého
VíceJosef Rajnoha. České vysoké učení technické v Praze, Fakulta elektrotechnická rajnoj1@fel.cvut.cz
Modelování neřečových událostí v robustním rozpoznávání řeči s malým slovníkem Josef Rajnoha České vysoké učení technické v Praze, Fakulta elektrotechnická rajnoj1@fel.cvut.cz Abstrakt: V tomto článku
VíceAnglická konverzace. Charakteristika vyučovacího předmětu 2. stupeň. Obsahové, časové a organizační vymezení ve vyučovacím předmětu
Anglická konverzace Charakteristika vyučovacího předmětu 2. stupeň Obsahové, časové a organizační vymezení ve vyučovacím předmětu Vzdělávací obsah předmětu snižování jazykové bariéry a zvyšování sebedůvěry
VíceINTELIGENTNÍ SENZORY PRO PARKOVÁNÍ V BRNĚ
Téma: INTELIGENTNÍ SENZORY PRO PARKOVÁNÍ V BRNĚ SEMINÁŘ Inovace pro efektivní dopravu * stavebnictví * ICT města Brna SŽDC Brno Kounicova 26, 10. 12. 2015 WWW.CAMEA.CZ Představení společnosti Společnost
VícePoužití mluvených korpusů ve vývoji systému pro rozpoznávání českých přednášek *
Použití mluvených korpusů ve vývoji systému pro rozpoznávání českých přednášek * Tomáš Mikolov, Ilya Oparin, Ondřej Glembek, Lukáš Burget, Martin arafiát, Jan Černocký Speech@FIT, Ústav počítačové grafiky
VíceHlas a počítač Možnosti nasazení nových technologií v resortu školství a jako pomůcka pro zdravotně postižené studenty
Laboratoř počítačového zpracování řeči Fakulta mechatroniky TU v Liberci Hlas a počítač Možnosti nasazení nových technologií v resortu školství a jako pomůcka pro zdravotně postižené studenty Jan Nouza
VíceTR(2) Tabulka rovin ČG - 4. a 5. ročník ZŠ
TR(2) Tabulka rovin ČG - 4. a 5. ročník ZŠ I Rovina čtenářské gramotnosti Vztah ke čtení Kritéria Vnímání čtení jako zdroje vnitřních zážitků a prožitků. Indikátory 1 Žák je podněcován k četbě i ve svém
VícePRODUKTY. Tovek Tools
jsou desktopovou aplikací určenou k vyhledávání informací, tvorbě různých typů analýz a vytváření přehledů a rešerší. Jsou vhodné pro práci i s velkým objemem textových dat z různorodých informačních zdrojů.
Více6.1 I.stupeň. Vzdělávací oblast: Cizí jazyk 6.1.2. Vyučovací předmět: ANGLICKÝ JAZYK. Charakteristika vyučovacího předmětu 1.
6.1 I.stupeň Vzdělávací oblast: Cizí jazyk 6.1.2. Vyučovací předmět: ANGLICKÝ JAZYK Charakteristika vyučovacího předmětu 1. stupeň Anglický jazyk je důležitý cizí jazyk. Přispívá k chápání a objevování
Více1. Databázové systémy (MP leden 2010)
1. Databázové systémy (MP leden 2010) Fyzickáimplementace zadáníaněkterářešení 1 1.Zkolikaajakýchčástíseskládáčasprovstupněvýstupníoperaci? Ze tří částí: Seektime ječas,nežsehlavadiskudostanenadsprávnou
VíceNÁRODNÍ TESTOVÁNÍ 2018/2019
průměrný percentil Průměrný celkový percentil po jednotlivých třídách y 6. A 6. B 6. C ZŠ GYM 54 64 53 47 61 51 55 55 55 OSP ČJ MA Graf znázorňuje průměrné celkové percentily všech tříd u vaší školy. Zároveň
VíceAutomatické rozpoznávání dopravních značek
ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE FAKULTA DOPRAVNÍ Jiří Hofman Automatické rozpoznávání dopravních značek Semestrální práce z předmětu ITS 2012 Obsah 1. Automatické rozpoznávání dopravních značek (ATSR)...
VíceStatistika. Jindřich Soukup. University of South Bohemia in České Budějovice Faculty of Fisheries and Protection of Waters, School of complex systems
Statistika Jindřich Soukup 2013-07-24 University of South Bohemia in České Budějovice Faculty of Fisheries and Protection of Waters, School of complex systems Statistika umí: Předpovídat budoucnost? "...
Víceescribe: Online přepisovací centrum pro neslyšící
escribe: Online přepisovací centrum pro neslyšící Dr. Lukáš Kencl Ing. Zdeněk Bumbálek Mgr. Tomáš Pop Ing. Jan Zelenka Bc. Boris Šimák Ing. Martin Novák Jaroslav Winter Mgr. Věra Strnadová Ladislav Kratochvíl
VíceNAKI - ČRo archiv - Zpřístupnění archivu Českého rozhlasu pro sofistikované vyhledávání
NAKI - ČRo archiv - Zpřístupnění archivu Českého rozhlasu pro sofistikované vyhledávání Archiv mluvených pořadů Více Českého informací rozhlasu >>> je právem označován za jeden z klenotů kulturního dědictví
VíceKomerční výrobky pro kvantovou kryptografii
Cryptofest 05 Katedra počítačů, Fakulta elektrotechnická České vysoké učení technické v Praze 19. března 2005 O čem bude řeč Kryptografie Kryptografie se zejména snaží řešit: autorizovanost přístupu autenticitu
VíceSiebel CRM pro podporu řízení outsourcingu IT Služeb
Siebel CRM pro podporu řízení outsourcingu IT Služeb konference eostrava říjen 2009 Michal Dufek Oksystem s.r.o. Martin Rubina Ovanet a.s. 1 Agenda Východiska a potřeby Produkt Siebel CRM Implementace
VíceÚloha - rozpoznávání číslic
Úloha - rozpoznávání číslic Vojtěch Franc, Tomáš Pajdla a Tomáš Svoboda http://cmp.felk.cvut.cz 27. listopadu 26 Abstrakt Podpůrný text pro cvičení předmětu X33KUI. Vysvětluje tři způsoby rozpoznávání
VíceVYSOKÉ UČENÍ TECHNICKÉ V BRNĚ
VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ BRNO UNIVERSITY OF TECHNOLOGY FAKULTA INFORMAČNÍCH TECHNOLOGIÍ ÚSTAV POČÍTAČOVÉ GRAFIKY A MULTIMÉDIÍ FACULTY OF INFORMATION TECHNOLOGY DEPARTMENT OF COMPUTER GRAPHICS AND
VíceKybernetika a umělá inteligence, cvičení 10/11
Kybernetika a umělá inteligence, cvičení 10/11 Program 1. seminární cvičení: základní typy klasifikátorů a jejich princip 2. počítačové cvičení: procvičení na problému rozpoznávání číslic... body za aktivitu
VíceČíslo projektu: CZ.1.07/1.5.00/34.0036 Název projektu: Inovace a individualizace výuky Autor: Mgr. Martin Fryauf Název materiálu: Kriminalistická
Číslo projektu: CZ.1.07/1.5.00/34.0036 Název projektu: Inovace a individualizace výuky Autor: Mgr. Martin Fryauf Název materiálu: Kriminalistická fonoskopie Označení materiálu:vy_32_inovace_fry8 Datum
VíceCribis. Ing. Marek Čandík, PhD.
Cribis Ing. Marek Čandík, PhD. marekcandik@yahoo.com webová aplikace Cribis Cribis je datový zdroj o více než 10 milionech podnikatelských subjektů a fyzických osob z České a Slovenské republiky čerpající
VíceElektrická požární signalizace EBL512 G3
Elektrická požární signalizace EBL512 G3 Analogový adresný systém elektrické požární signalizace pro včasnou detekci bez jakýchkoliv nežádoucích poplachů. TŘETÍ GENERACE www.telelarm.cz & www.panasonic-fire-security.com
VíceLineární a adaptivní zpracování dat. 2. SYSTÉMY a jejich popis v časové doméně
Lineární a adaptivní zpracování dat 2. SYSTÉMY a jejich popis v časové doméně Daniel Schwarz Investice do rozvoje vzdělávání Osnova Opakování: signály Systémy: definice, několik příkladů Vlastnosti systémů
VíceVývoj informačních systémů. Obecně o IS
Vývoj informačních systémů Obecně o IS Informační systém Informační systém je propojení informačních technologií a lidských aktivit směřující k zajištění podpory procesů v organizaci. V širším slova smyslu
VíceStrojové učení a dolování dat. Vybrané partie dolování dat 2016/17 Jan Šimbera
Strojové učení a dolování dat vgeografii Vybrané partie dolování dat 2016/17 Jan Šimbera simberaj@natur.cuni.cz Kde v geografii? Získávání prostorově podrobných dat Prostorová dezagregace Analýza dat dálkového
Více1. Pot eby uživatel 1. Pot eby uživatel - ti, i k te e í í p ra r cu c jí í s C CTV T V den e n n oper e á r to o i i od C CTV T V o o e
KAMEROVÉ SYSTÉMY - CCTV Mgr. Zdeněk Štěpánek, PhD. Policejní akademie ČR POSOUZENÍ VHODNOSTI APLIKACE CCTV 1. Potřeby uživatelů - ti, kteří pracují s CCTV denně (operátoři)...od CCTV očekávají, že budou
VíceSKUPINA RWE V ČR V ROCE 2013
SKUPINA RWE V ČR V ROCE 2013 Martin Herrmann předseda představenstva, CEO RWE Česká republika STRANA 1 PRODEJ NET4GAS PŘISPĚL K UPEVNĚNÍ KAPITÁLOVÉ ZÁKLADNY RWE A POSÍLIL FINANČNÍ SÍLU CELÉHO KONCERNU
VíceGramatika. Minulý čas prostý. Minulý čas průběhový. Předpřítomný čas. Podmínkové věty typ I. Modální slovesa. Vyjadřování budoucnosti
A B C D E F 1 Vzdělávací oblast: Jazyk a jazyková komunikace 2 Vzdělávací obor: Cizí jazyk 3 Vzdělávací předmět Anglický jazyk 4 Ročník: 8. 5 Klíčové kompetence Průřezová témata Výstupy Učivo (Dílčí kompetence)
VíceCharakteristika předmětu Anglický jazyk
Charakteristika předmětu Anglický jazyk Vyučovací předmět Anglický jazyk se vyučuje jako samostatný předmět s časovou dotací: Ve 3. 5. ročníku 3 hodiny týdně Výuka je vedena od počátečního vybudování si
VícePRODUKTY. Tovek Tools
Analyst Pack je desktopovou aplikací určenou k vyhledávání informací, tvorbě různých typů analýz a vytváření přehledů a rešerší. Jsou vhodné pro práci i s velkým objemem textových dat z různorodých informačních
VíceĚ ť ž Š ú ť Š ť ú ž ž ú ž Ý ž ž ž ú ť Č ň Ú ň ť ť ť ú ť ž ž ť ú ú ť ú ž ž ť ť ť ú ž ž ť ť ž ž ť ž ž ž ú ž Ý ú ú ť ú ú ž ť ž ž ž ž ž ž ú Č ž ú ň ú ú ť ú ú Ý ú ť ú ž Ř ť ú ú ť Š Č Č ň Ú Č Š ú ť Č ť ď ž ň
VíceVideosekvence. vznik, úpravy, konverze formátů, zachytávání videa...
Videosekvence vznik, úpravy, konverze formátů, zachytávání videa... VIDEOSEKVENCE (VIDEO) Sekvence obrázků rychle po sobě jdoucích (např. 60 snímků za sekundu) tak, že vznikne pro diváka iluze pohybu.
VíceModulární monitorovací systém Gradient Digitální systém pro záznam, archivaci a vyhodnocení telefonie.
Modulární monitorovací systém Gradient Digitální systém pro záznam, archivaci a vyhodnocení telefonie. Obsah prezentace. Historie systému Gradient. Popis funkcí systému Gradient. Závěr kontaktní informace.
VíceRozpoznávání v obraze
Rozpoznávání v obraze AdaBoost a detekce objektů IKR, 2013 Roman Juránek www.fit.vutbr.cz/~ijuranek/personal Detekce objektů Úloha - v daném obraze nalézt objekty určitých tříd
VíceAnalýzou dat k efektivnějšímu rozhodování
Analýzou dat k efektivnějšímu rozhodování Chytrá řešení pro veřejnou správu Václav Bahník, ECM Solution Consultant Marek Šoule, ECM Software Sales Representative 8.4.2013 Řízení efektivního poskytování
VíceZákladní komunikační řetězec
STŘEDNÍ PRŮMYSLOVÁ ŠKOLA NA PROSEKU EVROPSKÝ SOCIÁLNÍ FOND Základní komunikační řetězec PRAHA & EU INVESTUJEME DO VAŠÍ BUDOUCNOSTI Podpora kvality výuky informačních a telekomunikačních technologií ITTEL
VíceVytěžování znalostí z dat
Pavel Kordík, Jan Motl (ČVUT FIT) Vytěžování znalostí z dat BI-VZD, 2012, Přednáška 7 1/27 Vytěžování znalostí z dat Pavel Kordík, Jan Motl Department of Computer Systems Faculty of Information Technology
VíceAplikace obrazové fúze pro hledání vad
Marek Vajgl, Irina Perfilieva, Petr Hurtík, Petra Hoďáková Národní superpočítačové centrum IT4Innovations Divize Ostravské univerzity Ústav pro výzkum a aplikaci fuzzy modelování Ostrava, Česká republika
VíceZpracování digitalizovaného obrazu (ZDO) - Analýza pohybu
Zpracování digitalizovaného obrazu (ZDO) - Analýza pohybu Úvod Ing. Zdeněk Krňoul, Ph.D. Katedra Kybernetiky Fakulta aplikovaných věd Západočeská univerzita v Plzni Zpracování digitalizovaného obrazu (ZDO)
VíceVyhledávání hudbou aneb YouTube trochu jinak. Mgr. Ondřej Voců ÚISK FF UK vocu@upcmail.cz, 2012-10-02
Vyhledávání hudbou aneb YouTube trochu jinak Mgr. Ondřej Voců ÚISK FF UK vocu@upcmail.cz, 2012-10-02 Vyhledávání hudbou - Co je to? Zábava, ale také efektivní způsob vyhledávání, pokud neznám nic jiného,
VíceÚloha: Verifikace osoby pomocí dynamického podpisu
Cvičení z předmětu Biometrie Úloha: Verifikace osoby pomocí dynamického podpisu Jiří Wild, Jakub Schneider kontaktní email: schnejak@fel.cvut.cz 5. října 2015 1 Úvod Úloha má za cíl seznámit vás s metodami
VíceKlasifikace Landau-Kleffnerova syndromu
Klasifikace Landau-Kleffnerova syndromu malých dětí 1. Abstrakt Petr Zlatník ČVUT FEL, K13131 Katedra teorie obvodů Tento příspěvěk pojednává o klasifikaci Landau-Kleffnerova syndromu, který se projevuje
Více5 1. Úvod Automatického rozpoznávání řeči (Automatic Speech Recognition, ASR) je obor, ve kterém aktivní výzkum probíhá již od 60. let minulého století. V dnešní době nachází široké uplatnění, např. v
VíceSetkání interních auditorů z finanční oblasti. Nové výzvy pro interní audit Big Data a socialní sítě
www.pwc.com/cz Setkání interních auditorů z finanční oblasti Nové výzvy pro interní audit Big Data a socialní sítě 2. října 2014 Obsah Big Data a sociální sítě Změny v digitálním světě Jak využít velká
VíceJednoduchá sdělení představování, poděkování, pozdrav, omluva Základní výslovnostní návyky
Učební osnovy Ruský jazyk PŘEDMĚT: Ruský jazyk Ročník: 7. třída 1 rozumí jednoduchým pokynům a otázkám učitele, které jsou pronášeny pomalu a s pečlivou výslovností, a reaguje na ně 1p je seznámen se zvukovou
VíceBiskupské gymnázium Žďár nad Sázavou vyšší stupeň osmiletého gymnázia, čtyřleté gymnázium. Receptivní řečové dovednosti
Předmět: Seminář anglická literatura Ročník: oktáva, 4. ročník Biskupské gymnázium Žďár nad Sázavou vyšší stupeň osmiletého gymnázia, čtyřleté gymnázium Vypracoval: PhDr. Jitka Stráská Očekávaný výstup
VíceKonkretizovaný výstup Konkretizované učivo Očekávané výstupy RVP. Zápis čísla v desítkové soustavě - porovnávání čísel - čtení a psaní čísel
Ročník: I. - vytváří si názoru představu o čísle 5, 10, 20 - naučí se vidět počty prvků do 5 bez počítání po jedné - rozpozná a čte čísla 0 5 - pozná a čte čísla 0 10 - určí a čte čísla 0 20 Číselná řada
VíceA2M31RAT- Řečové aplikace v telekomunikacích. Aplikační úlohy rozpoznávání řeči a speciální techniky.
A2M31RAT- Řečové aplikace v telekomunikacích Aplikační úlohy rozpoznávání řeči a speciální techniky. Doc. Ing. Petr Pollák, CSc. 12.května2011-16:7 Obsah přednášky Adaptační techniky Teoretický základ
VíceMAGISTRÁT MĚSTA ÚSTÍ NAD LABEM
MAGISTRÁT MĚSTA ÚSTÍ NAD LABEM VELKÁ HRADEBNÍ 8 401 00 ÚSTÍ NAD LABEM ODBOR ROZVOJE MĚSTA Oddělení přípravy a realizace investic VÁŠ DOPIS ZNAČKY/ZE DNE EVID. Č. NAŠE ZNAČKA VYŘIZUJE/ LINKA V ÚSTÍ NAD
VíceOčekávané výstupy z RVP Učivo Přesahy a vazby Dokáže pracovat se základními obecné poučení o jazyce (jazykové příručky)
Český jazyk a literatura - 6. ročník Dokáže pracovat se základními obecné poučení o jazyce (jazykové příručky) jazykovými příručkami Odliší spisovný a nespisovný jazykový projev Rozpozná nejdůležitější
VíceElektronická kniha jízd ŠkodaSAT
Elektronická kniha jízd ŠkodaSAT Nová Fabia, Roomster, Octavia Tour, Octavia, Superb 1 Co je Elektronická kniha jízd ŠkodaSAT - EKJ Produkt umožňuje sledovat pohyb vozidla a zároveň vytvořit elektronickou
Vícetémata: [ Informační technologie ] [ Elektronika a diagnostika ] [ Zpracování obrazu ] Informační technologie
1. ročník, 2. semestr - NMP Při hledání téma na projekt doporučujeme prohlédnout si i témata diplomových prací, protože u většiny z nich lze zvýšit pravděpodobnost úspěšného obhájení pomocí projektu!!
VícePRACOVNÍ MATERIÁLY PRACOVNÍ MATERIÁLY CHEMIE CHEMIE. Struktura vyu ovací hodiny. Záznamový Záznamový arch. P edm tový metodik: Ing.
PRACOVNÍ MATERIÁLY PRACOVNÍ MATERIÁLY CHEMIE CHEMIE Struktura vyu ovací hodiny Plán Struktura vyu ovací vyu ovací hodiny hodiny Plán Metodický vyu ovací list aplikace hodiny Záznamový Metodický list arch
VíceSoučasná praxe a trendy v oblasti veřejného osvětlení
Společnost pro rozvoj veřejného osvětlení Současná praxe a trendy v oblasti veřejného osvětlení Ing. Jiří Skála 19. 6. 2014 České Budějovice Obsah Mnoho tváří českého trhu Vliv kvality VO na dopravní nehodovost
VícePodporováno Technologickou agenturou České republiky, projekt TE
Podporováno Technologickou agenturou České republiky, projekt TE01020197 Centrum aplikované kybernetiky 3 je centrum kompetence podporované Technologickou agenturou České republiky. Koncentruje špičkové
VíceMarketing nejsou jen y. Boris Bělousov
Marketing nejsou jen Emaily Boris Bělousov Automatizace Marketingu Email Marketing Web Tracking Lead Scoring Nurture Marketing SMS Messaging Campaign Tracking Form Capture Surveys Landing Pages Social
VíceKOMUNIKACE INSPIROVANÁ PŘÍRODOU
KOMUNIKACE INSPIROVANÁ PŘÍRODOU příroda nám dala dvě uši, které navzájem spolupracují Svět přirozených zvuků Příroda nám dala dvě uši, které navzájem spolupracují. A podobně jako naše uši, spolupracují
VícePRACOVNÍ PORTÁL PERSONALISTKA.CZ PREZENTACE
PRACOVNÍ PORTÁL PERSONALISTKA.CZ PREZENTACE 1 O nás 2 Informace o portálu 3 Média a internet 4 Další informace 5 Kontakty a reference Jsme Personalistka.cz - vyhledávaný a oblíbený pracovní portál s širokou
VíceČeský jazyk a literatura komunikační a slohová výchova ročník TÉMA
Český jazyk a literatura komunikační a slohová výchova ročník TÉMA 1 Nauka o slohu - objasní základní pojmy stylistiky Styl prostě sdělovací - rozpozná funkční styl, dominantní slohový Popis a jeho postup
VícePostranními kanály k tajemství čipových karet
SIX Research Centre Vysoké učení technické v Brně martinasek@feec.vutbr.cz crypto.utko.feec.vutbr.cz Kryptoanaly za postrannı mi kana ly Proudova analy za Pr edstavenı U vod Crypto Research Group, Vysoke
VíceVytěžování znalostí z dat
Vytěžování znalostí z dat Department of Computer Systems Faculty of Information Technology Czech Technical University in Prague Přednáška 5: Hodnocení kvality modelu BI-VZD, 09/2011 MI-POA Evropský sociální
VíceTematický plán pro školní rok 2016/2017 Předmět: Český jazyk a literatura Vyučující: Mgr. Jana Paličková Týdenní dotace hodin: 9 hodin Ročník: druhý
ČASOVÉ OBDOBÍ Září 1. 30. 9. 1. 5. 28. 9. státní svátek KONKRÉTNÍ VÝSTUPY respektuje základní komunikační pravidla v rozhovoru volí vhodné verbální a nonverbální prostředky řeči v běžných školních i mimoškolních
VíceANALÝZA POTLAČOVÁNÍ AKUSTICKÉHO ECHA A DTD DETEKCE V CHYTRÝCH TELEFONECH
ANALÝZA POTLAČOVÁNÍ AKUSTICKÉHO ECHA A DTD DETEKCE V CHYTRÝCH TELEFONECH Jan Klapuch, Petr Pollák České vysoké učení technické v Praze, Fakulta elektrotechnická, K13131 klapujan@fel.cvut.cz, pollak@fel.cvut.cz
Více1 Vzdělávací oblast: Jazyk a jazyková komunikace 2 Vzdělávací obor: Cizí jazyk 3 Vzdělávací předmět: Anglický jazyk 4 Ročník:
A B C D E F 1 Vzdělávací oblast: Jazyk a jazyková komunikace 2 Vzdělávací obor: Cizí jazyk 3 Vzdělávací předmět: Anglický jazyk 4 Ročník: 9. 5 Klíčové kompetence Průřezová témata Výstupy Učivo (Dílčí kompetence)
VíceA6M33BIO- Biometrie. Biometrické metody založené na rozpoznávání hlasu II
A6M33BIO- Biometrie Biometrické metody založené na rozpoznávání hlasu II Doc. Ing. Petr Pollák, CSc. 16. listopadu 216-15:14 Obsah přednášky Úlohy automatického rozpoznávání řečníka Verifikace vs. identifikace
VíceUživatelská dokumentace
Uživatelská dokumentace k projektu Czech POINT Provozní řád Konverze dokumentů z elektronické do listinné podoby (z moci úřední) Vytvořeno dne: 29.11.2011 Verze: 2.0 2011 MVČR Obsah 1. Přihlášení do centrály
Více