Prezenční studium

4 roky

prof. Ing. Zdeněk Smékal, CSc.

Předseda :
prof. Ing. Zdeněk Smékal, CSc.
Člen interní :
doc. Ing. Radim Burget, Ph.D.
prof. Ing. Jiří Mišurec, CSc.
doc. Ing. Vladislav Škorpil, CSc.
doc. Ing. Jiří Hošek, Ph.D.
prof. Ing. Jaroslav Koton, Ph.D.
Člen externí :
doc. Ing. Otto Dostál, CSc.
prof. Ing. Boris Šimák, CSc.
prof. Ing. Ivan Baroňák, Ph.D.

Doktorand se naučí tvůrčím způsobem využívat teoretické znalosti získané jak studiem vybraných kurzů, tak vlastní tvůrčí činností. Tyto poznatky je schopni efektivně využití při následném návrhu vlastních a inovátorských řešení v rámci dalšího experimentálního vývoje a aplikačního výzkumu. Důraz je tak kladen na získání jak teoretických, tak i praktických dovedností, dále samostatnost v rozhodování, formulování vědecko-výzkumných hypotéz pro přípravu projektů základního až aplikovaného výzkumu, schopnost hodnocení výsledků a jejich prezentace ve formě vědeckých textů a prezentací před vědeckou komunitou.

Doktorský studijní program "Teleinformatics" je zaměřen na přípravu špičkových vědeckých a výzkumných specialistů, kteří budou mít hluboké znalosti principů a technik využívaných v komunikačních a datových drátových i bezdrátových sítích a s tím souvisejících oblastí jako je i vlastní sběr, zpracování a zpětná reprezentace užitečných uživatelských dat na úrovni aplikační vrstvy. Hlavní části studia tvoří oblasti teoretické informatiky a komunikační techniky. Absolvent má široké znalosti komunikačních a informačních technologií, datových přenosů a jejich zabezpečení. Absolvent se orientuje v operačních systémech, počítačových jazycích a databázových systémech, jejich užití včetně návrhu vhodného software a uživatelských aplikací. Je schopen navrhovat nová technologická řešení komunikačních zařízení a informačních systémů určených pro pokročilý přenos informací.

Absolventi programu "Teleinformatics" se uplatňují zejména ve výzkumných, vývojových a projekčních týmech, v oblasti odborné činnosti ve výrobních nebo obchodních organizacích, v akademické sféře a v dalších institucích zabývajících se vědou, výzkumem, vývojem a inovacemi, ve všech oblastech společnosti, kde dochází k aplikaci a využití komunikačních systémů a přenosu informace datovými sítěmi.
Uplatnění naši absolventi nalézají zejména při analýze, návrhu, tvorbě nebo správě komplexních systémů pro přenos a zpracování dat, a také při programování, integraci, podpoře, údržbě nebo prodeji těchto systémů.

Studium doktoranda probíhá podle individuálního studijního plánu, který zpracuje v úvodu studia školitel doktoranda ve spolupráci s doktorandem. V individuálním studijním plánu jsou specifikovány všechny povinnosti stanovené v souladu se Studijním a zkušebním řádem VUT, které musí doktorand k úspěšnému ukončení studia splnit. Tyto povinnosti jsou časově rozvrženy do celého období studia, jsou bodově ohodnoceny a v pevně daných termínech probíhá kontrola jejich plnění. Student si zapíše a vykoná zkoušky z povinných předmětů, minimálně dvou povinně volitelných předmětů ohledem na zaměření jeho disertační práce, a dále minimálně dvou volitelných předmětů (Angličtina pro doktorandy, Řešení inovačních zadání, Vědecké publikování od A do Z).
Ke státní doktorské zkoušce se může student přihlásit až po vykonání všech zkoušek předepsaných jeho individuálním studijním plánem. Před státní doktorskou zkouškou student vypracuje pojednání k disertační práci, v němž detailně popíše cíle práce, důkladné zhodnocení stavu poznání v oblasti řešené disertace, charakteristiku metod, které hodlá při řešení uplatňovat. Obhajoba pojednání, které je oponováno, je součástí státní doktorské zkoušky. V další části zkoušky musí student prokázat hluboké teoretické i praktické znalosti v oblasti mikroelektroniky, elektrotechnologie, fyziky materiálů, nanotechnologií, elektrotechniky, elektroniky, teorie obvodů. Státní doktorská zkouška probíhá ústní formou a kromě diskuze nad pojednáním k disertační práci se také skládá z tematických okruhů týkajících se povinných a povinně volitelných předmětů.
K obhajobě disertační práce se student hlásí po vykonání státní doktorské zkoušky a po splnění podmínek pro ukončení, jakými jsou účast na výuce, vědecká a odborná činnost (tvůrčí činnost), a minimálně měsíční studijní nebo pracovní stáž na zahraniční instituci anebo účasti na mezinárodním tvůrčím projektu.

Studium doktoranda probíhá podle individuálního studijního plánu (dále jen ISP), který zpracuje v úvodu studia školitel doktoranda ve spolupráci s doktorandem. Individuální studijní plán je pro doktoranda závazný. Jsou v něm specifikovány všechny povinnosti stanovené v souladu se Studijním a zkušebním řádem VUT, které musí doktorand k úspěšnému ukončení studia splnit. Tyto povinnosti jsou časově rozvrženy do celého období studia, jsou bodově ohodnoceny a v pevně daných termínech probíhá kontrola jejich plnění. Průběžné bodové hodnocení všech aktivit doktoranda je vedeno v dokumentu „Celkové bodové hodnocení doktoranda“ a je součástí ISP. Při zahájení dalšího roku studia pak školitel do ISP zaznamená případné změny. Nejpozději do 15. 10. každého roku studia odevzdává doktorand vytištěný a podepsaný ISP na vědeckém oddělení fakulty ke kontrole a založení.
Během prvních čtyř semestrů skládá doktorand zkoušky z povinných, povinně volitelných anebo volitelných předmětů pro splnění bodových limitů ze Studijní oblasti, a současně se intenzivně zabývá vlastním studiem a analýzou poznatků v oboru stanoveném tématem disertační práce a průběžným publikováním takto získaných poznatků a vlastních výsledků. V dalších semestrech se doktorand již více soustřeďuje na výzkum a vývoj, který souvisí s tématem disertační práce, na publikování výsledků své tvůrčí práce a na vlastní zpracování disertační práce.
Do konce druhého roku studia skládá doktorand státní doktorskou zkoušku, kterou prokazuje široký rozhled a hluboké znalosti v oboru, souvisejícím s tématem disertační práce. K této zkoušce se musí přihlásit nejpozději do 30. dubna ve druhém roce svého studia. Státní doktorské zkoušce předchází zkouška z anglického jazyka.
Ve třetím a čtvrtém roce svého studia provádí doktorand potřebnou výzkumnou činnost, publikuje dosažené výsledky a zpracovává svoji disertační práci. Součástí studijních povinností v doktorském studijním programu je absolvování části studia na zahraniční instituci nebo účast na mezinárodním tvůrčím projektu s výsledky publikovanými nebo prezentovanými v zahraničí nebo jiná forma přímé účasti studenta na mezinárodní spolupráci, což je nutné doložit nejpozději při odevzdání disertační práce.
Doktorandi ve čtvrtém roce studia předkládají do konce zimního zkouškového období svému školiteli rozpracovanou disertační práci, který ji ohodnotí. Disertační práci doktorand odevzdává do konce 4. roku studia.
Student prezenční formy doktorského studia je v průběhu studia povinen absolvovat pedagogickou praxi, tj. působit v procesu výuky. Zapojení doktoranda do pedagogické činnosti je součástí jeho vědecké přípravy. Pedagogickou praxí doktorand získává zkušenosti v předávání poznatků a zdokonaluje prezentační dovednosti. Skladbu pedagogických aktivit (cvičení, laboratorní cvičení, vedení projektů apod.) určí doktorandovi vedoucí daného ústavu po dohodě se školitelem. Povinnost pedagogické praxe se nevztahuje na doktorandy-samoplátce a na doktorandy v kombinované formě studia. Zapojení do výuky v rámci pedagogické praxe potvrdí po jejím splnění školitel v IS VUT.

1. Bezpečnost optických vláknových infrastruktur

   Optické vláknové sítě se v posledních letech rapidně vyvíjely, aby uspokojily stále rostoucí poptávku po navyšující se kapacitě. Optická vlákna jsou dnes široce používána ve všech typech sítí z důvodu nejen přenosových rychlostí, maximálního dosahu, ale i bezpečnosti. Přestože jsou optické vláknové sítě považovány za naprosto bezpečné, existují možnosti, jak část datového signálu zachytit nebo zkopírovat. Využívány mohou být jak nedokonalosti pasivních optických komponent, tak například monitorovací výstupy aktivních zařízení. S nástupem kvantových počítačů by současné šifrování mohlo být prolomeno. Je nutné se tedy zabývat bezpečností optických vláknových sítí, analyzovat bezpečnostní rizika a navrhnout vhodná protiopatření.

   Školitel: Münster Petr, doc. Ing., Ph.D.

2. Innovative Approaches to Network Process and Topology Simplification Using Bio-Inspired AI Algorithms

   Network process and topology simplification is pivotal in a multitude of fields such as network design, system architecture, and more. Within this doctoral research, the student will delve into the exploration and development of innovative principles for network process and topology simplification. The principles will be employed on complex systems (like, 5G telecommunication networks systems etc.) to autonomously simplify and optimize their structures and processes. Drawing inspiration from nature, the student will employ bio-inspired algorithms such as Genetic Algorithms, Particle Swarm Optimization, Ant Colony Optimization, and others. These algorithms mimic biological phenomena like evolution, swarm behavior, and foraging patterns, providing robust solutions for complex optimization problems. These developed algorithms will be utilized across various fields, including network design, system architecture simplification, and more. The effectiveness and efficiency of these algorithms will be validated through numerical simulations and practical implementations. The research tools will primarily encompass various types of bio-inspired algorithms, both established and emerging, with potential exploration into hybrid techniques that integrate bio-inspired algorithms with other machine learning or optimization methodologies. The mission of this doctoral research is to expand the current understanding and application of bio-inspired algorithms in network process and topology simplification, paving the way for more efficient, simplified, and optimized systems across various industries.

   Školitel: Burget Radim, doc. Ing., Ph.D.

3. Kyberbezpečnost v dopravních systémech

   Výzkum se zaměří na analýzu hrozeb, zranitelností a metod zabezpečení v inteligentních systémech dopravy (ITS), internetu vozidel, intervozidlové/intravozidlové komunikace a v přidružených digitálních systémech a služeb v dopravě. Práce se bude dále zabývat jak tyto systémy chytré dopravy agilně, robustně a udržitelně zabezpečit. Dílčím cílem práce je i výzkum ochrany soukromí uživatelů u služeb ITS. Předpokládá se zapojení studenta do mezinárodních a národních výzkumných projektů.

   Školitel: Malina Lukáš, doc. Ing., Ph.D.

4. Moderní optické vláknové přenosové systémy

   Optické přenosové systémy se velmi rychle vyvíjí, aby uspokojily stále rostoucí požadavky uživatelů. Kromě datových přenosů se objevují i nové přenosy jako přesný čas, stabilní frekvence, radio over fiber, kvantové přenosy, apod. Jednotlivé typy signálů mají rozdílné požadavky na přenosovou infrastrukturu. Vlnové multiplexování je dnes široce používáno pro navýšení kapacity optických vláken, nicméně je nutné se zabývat otázkou možného vzájemného rušení. Aby bylo možné splnit požadavky na budoucí přenosové systémy, je nutné se zabývat několika technickými výzvami, jako jsou nové optické modulační formáty s vysokou spektrální účinností, zmírnění lineárních a nelineárních jevů v optických vláknech, nové typy optických vláken a optimalizace jejich spojů s konvenčními vlákny nebo zesílení signálu s minimálním šumem.

   Školitel: Münster Petr, doc. Ing., Ph.D.

5. New Principles of Anomaly Detection Using Machine Learning

   Anomaly detection is a concept widely applied to numerous domains, such as financial fraud, cyber intrusion and many others. Within this topic, a doctoral student will focus on research and development of new principles and algorithms of anomaly detection using machine learning. The proposed principles will be applied mainly on text data (normal text, network syslogs, etc.) to automatically identify anomalies in large datasets. Some of the fields, where the developed anomaly detection algorithms will be applied on, include e-mails, network performance syslogs, network security syslogs and patient symptoms data. As preferred research tools, student will primarily consider supervised and unsupervised machine learning concepts, as well as deep learning techniques. The developed algorithms will be verified through the numerical simulations as well as implementation in experimental networks.

   Školitel: Hošek Jiří, doc. Ing., Ph.D.

6. Strojové učení ve fotonice

   Fotonické systémy zahrnují celou řadu oblastí od datových přenosů, přes senzoriku až po kvantové sítě. Každý fotonický systém má vlastní požadavky na přenosovou infrastrukturu, ale i na vstupní a výstupní parametry. Manuální optimalizace rozsáhlých sítí založených na různých typech signálů je téměř nemožná. S pomocí strojového učení lze u fotonických sítí dosáhnout optimalizace jak samotných přenášených signálů, tak celé infrastruktury. V neposlední řadě, lze pomocí algoritmů strojového učení detekovat a klasifikovat nestandardní chování sítě a minimalizovat tak bezpečnostní rizika. Strojové učení ve fotonice tedy představuje aktuální a perspektivní téma.

   Školitel: Münster Petr, doc. Ing., Ph.D.

7. Zabezpečené optické sítě využívající kvantovou distribuci klíčů

   Dnešní digitální svět je závislý na bezpečnosti dat jak během komunikace, tak ale i při ukládání dat, například v elektronickém bankovnictví, elektronickém obchodování, elektronickém zdravotnictví nebo v elektronické veřejné správě. S nástupem kvantových počítačů hrozí riziko potenciálního narušení dnešních zabezpečení. Kvantová distribuce klíčů (QKD) poskytuje způsob distribuce a sdílení tajných klíčů, které jsou nezbytné pro kryptografické protokoly. Informace je zde kódována do jednotlivých fotonů. Integrace systémů QKD do stávající síťové infrastruktury využívané pro telekomunikace je aktuální výzvou. Mezi některé další hlavní výzvy patří zvýšení frekvence vysílání klíčů, zvětšení dosahu QKD, nebo snížení komplexnosti a robustnosti stávajících řešení.

   Školitel: Münster Petr, doc. Ing., Ph.D.

8. Zlepšování kvality poškozených zvukových signálů kombinací hlubokých neuronových sítí s klasickými modelovacími technikami

   Práce se bude zabývat moderními přístupy k restaurování audiosignálů, konkrétně se bude zaměřovat na úlohu doplnit chybějící úsek audiosignálu a na příbuznou úlohu nahrazení saturovaných vzorků. Problémy tohoto typu se v praxi běžně vyskytují (archivní nahrávky, výpadky v hovorech VoIP apod.). Současné metody zvládají velmi kvalitní interpolaci signálů, které jsou v okolí chybějícího úseku stacionární a mají harmonický charakter. Současný vývoj v oblasti hlubokých neuronových sítí (DNN) je sice slibný, ale ukazuje se, že DNN zlepšují svůj výkon, pokud jsou doplněny o fyzikální formulaci problému (model-based networks). Studium se bude zaměřovat na přístupy, které kombinují algoritmy úspěšné v posledních letech (metody založené na optimalizaci) a DNN. Práce neopomene psychoakustickou stránku problému. (Spolupráce s Acoustics Research Institute, Vídeň)

   Školitel: Rajmic Pavel, prof. Mgr., Ph.D.

1. kolo (podání přihlášek od 01.04.2024 do 30.04.2024)

1. Využití strojového učení při modelování zvukových systémů

   Neuronové sítě a strojové učení jsou v oblasti zpracování zvukových signálů v současné době využívány při dolování dat, např. rozpoznání žánru, získávání hudebních informací z nahrávek apod., a při zpracování řeči, např. rozpoznávání slov, identifikaci mluvčího, rozpoznání emocí apod. Jejich potencionální využití je ale také v modelování zvukových systémů. Cílem disertační práce je nalezení algoritmů optimalizace parametrů digitálních hudebních efektů, algoritmů simulujících akustiku prostorů a dalších s využitím strojového učení a modelů slyšení pro trénování neuronových sítí. Výzkum bude zaměřen jednak na statickou optimalizaci parametrů systému podle analogové předlohy a jednak na dynamickou změnu parametrů v reálném čase na základě vlastností zpracovávaného zvukového signálu. Výzkum bude probíhat ve spolupráci s firmami zabývajícími se vývojem SW pro zpracování zvukových signálů.

   Školitel: Schimmel Jiří, doc. Ing., Ph.D.

2. Zvýšení poslechové kvality komprimovaných zvukových signálů pomocí hlubokých neuronových sítí

   Přes veškerý úspěšný vývoj je kvalita audia při nízkých bitových rychlostech nízká. Studium by se věnovalo návrhu, konstrukci a trénováním generativní neuronové sítě, která by měla za úkol zvýšit poslechovou kvalitu komprimovaných zvukových signálů. Tedy na vstupu sítě by byl komprimovaný signál, na výstupu jeho poslechově vylepšená verze.

   Školitel: Rajmic Pavel, prof. Mgr., Ph.D.