Pavel è attivo nei mercati finanziari dal 2007, inizialmente come trader al dettaglio, e successivamente come gestore di portafoglio e sviluppatore di sistemi di trading automatizzati. Le sue strategie sono state implementate in portafogli gestiti che superano i 25 milioni di dollari.

Dalla scuola elementare si è dedicato ai metodi numerici e all'apprendimento automatico. Alla fine del 2011 ha iniziato a lavorare con reti neurali classiche (shallow). Nel 2013 è stato tra i primi ricercatori in Repubblica Ceca a studiare reti neurali profonde (deep learning), prima che questi metodi diventassero l'area più promettente dell'intelligenza artificiale. Ha utilizzato reti neurali convoluzionali profonde per classificare gli spettri degli oggetti spaziali. Nel 2014 ha difeso la sua tesi di laurea all'Università Masaryk di Brno nel campo della Fisica Teorica e Astrofisica. Il suo lavoro ha ottenuto risultati innovativi e, dopo la pubblicazione, ha ricevuto recensioni internazionali positive e citazioni da altri autori.

Pavel ha continuato ad applicare questi metodi nei mercati finanziari. Ha lavorato per le principali società di gestione patrimoniale della regione dell'Europa Centrale e ha contribuito in modo significativo allo sviluppo e ottimizzazione delle strategie sulle opzioni su ETF delle materie prime e sulla volatilità per un importante hedge fund dell'Europa Centrale. Uno dei suoi progetti successivi è stato la creazione di architetture profonde per i sistemi di market making nei principali mercati azionari europei per la banca d'investimento Wood & Company.

Attualmente, gestisce SpreadCharts e lavora come consulente di machine learning per lo sviluppo di altri interessanti progetti fintech in tutto il mondo.