Podklady pro hodnocení kateder na základě článků v impaktovaných časopisech ohodnocených podle pozice časopisu v oborovém žebříčku dle JCR a konferenčních příspěvků ohodnocených dle interních pravidel. Jde o výsledky vykázané za FI nebo s deklarovaným podílem FI (konkrétní výše podílu není nijak zohledněna).
Hodnoty výsledků dělím rovným dílem mezi domácí autory s vazbou k jedné z kateder. Základem pro rozřazení autorů ke katedrám je seznam zaměstnanců kateder. Doktorandi jsou řazeni na katedru svého školitele, ze zbylých domácích autorů jsou ti, kteří mají spoluautory pouze z jedné katedry, zařazeni na tuto katedru, z ostatních jsou ti s významnějším přínosem zařazeni ručně (např. magisterští studenti dle vedoucího DP), podíl těch s marginálním přínosem je rozdělen mezi jejich spoluautory.
Šedě podbarvené jsou vykázány za jinou fakultu, ale s deklarovaným podílem FI.
Mgr. et Mgr. Jaroslav Oľha, Ph.D. (IS), katedra: KSUZD, zdroj vazby: seznam
Články v impaktovaných časopisech dle IS MU 2020–2024 (celkem 0.64)Hodnota se počítá jako (Nmax - N + 1) / N, kde Nmax je počet časopisů v kategorii a N pořadí časopisu dle IF. Při zařazení časopisu do více kategorií nebo shodě IF se bere průměr. Najetím myší na hodnotu se zobrazí pořadí v oborových žebříčcích daného ročníku JCR (pro 2024 JCR2023; JCR2024 ještě nevyšlo), odkaz vede na stránku časopisu v JCR (oborové žebříčky tam jsou pod odkazem Rank), funguje ale jen z IP adres MU a je potřeba kliknout alespoň dvakrát, první přístup pouze inicializuje session.
| hodnota | díl autora | rok | title | započítaní | ostatní |
|---|---|---|---|---|---|
| 0.982 | 0.109 | 2024 | AlphaFind: discover structure similarity across the proteome in AlphaFold DB (DOI) | Procházka, Slanináková, Oľha, Rošinec, Jánošová, Čillík, Porubská, Dohnal, Antol | Grešová, Svobodová |
| 0.716 | 0.179 | 2023 | Umpalumpa: a framework for efficient execution of complex image processing workloads on heterogeneous nodes (DOI) | Střelák, Petrovič, Oľha, Filipovič | Myška, Polák |
| 0.49 | 0.123 | 2023 | Reproducible experiments with Learned Metric Index Framework (DOI) | Slanináková, Antol, Oľha, Dohnal | Ladra, Martínez-Prieto |
| 0.488 | 0.122 | 2021 | Learned metric index - proposition of learned indexing for unstructured data (DOI) | Antol, Oľha, Slanináková, Dohnal | |
| 0.431 | 0.108 | 2020 | Exploiting historical data: Pruning autotuning spaces and estimating the number of tuning steps (DOI) | Oľha, Hozzová, Fousek, Filipovič |
| rank | rok | title | započítaní | ostatní | nakladatel | sborník |
|---|---|---|---|---|---|---|
| B SISAP | 2022 | Learned Indexing in Proteins: Substituting Complex Distance Calculations with Embedding and Clustering Techniques (DOI) | Oľha, Slanináková, Gendiar, Antol, Dohnal | Springer Cham | Similarity Search and Applications, 15th International Conference, SISAP 2022, Bologna, Italy, October 5–7, 2022, Proceedings | |
| B SISAP | 2021 | Data-driven Learned Metric Index: an Unsupervised Approach (DOI) | Slanináková, Antol, Oľha, Dohnal | Springer | 14th International Conference on Similarity Search and Applications (SISAP 2021) | |
| C SISAP | 2023 | SISAP 2023 Indexing Challenge – Learned Metric Index (DOI) | Slanináková, Procházka, Antol, Oľha, Dohnal | Springer | Similarity Search and Applications. SISAP 2023. Lecture Notes in Computer Science, vol 14289 |