Petr Jeřábek se věnuje neuronovým sítím.
Neuronové sítě představují podobor umělé inteligence, který leží na pomezí matematiky a informatiky a je silně inspirován neurovědami. Denně je využívá každý z nás, často aniž bychom si to vůbec uvědomovali. Tyto struktury jsou navrženy tak, aby dokázaly efektivně řešit problémy, na které zkrátka nestačí běžné algoritmy. Typickým příkladem je třeba rozpoznávání tváří. To je sice pro lidský mozek „triviální“ úkol, avšak i pro výkonné moderní počítače je to bez použití správného přístupu nepřekonatelná výzva. Tímto přístupem jsou právě umělé neuronové sítě, jejichž matematika je do velké míry inspirována fungováním skutečné nervové soustavy. Ať už se jedná o medicínu, chemii, kriminalistiku, fyziku či jakýkoliv jiný obor, často se stává, že množství dat, které je potřeba zpracovat a analyzovat je příliš velké na to, aby byl lidský mozek schopen rozeznat jisté vzorce skryté v jejich hlubinách. Neuronové sítě, které se podobně jako mozek doslova učí často na tisících různých příkladů, se však v tomto ohledu ukázaly jako ideální řešení. Dnes už jsou dokonce schopné se kvalitně naučit vykonávat kreativní činnosti typické pro lidi, jako je například tvorba uměleckých prvků, předklad jazyka, konverzace v reálném čase, či určování diagnózy pacientů.Petr Jeřábek v oceněné práci vysvětluje matematiku základních algoritmů používaných k optimalizaci těchto struktur. Zároveň zmiňované sítě komentuje a implementuje nejdříve od základů v populárním programovacím jazyku Python, a poté porovnává tento kód s implementací za využití moderní platformy TensorFlow a její nadstavbou Keras pro vývoj AI. Tento rozdíl je obvykle velmi vidět jak v přehlednosti kódu a efektivitě výpočtů, tak v samotné rychlosti trénování sítě.