TÁVKÖZLÉSI ÉS MÉDIAINFORMATIKAI TANSZÉK
Budapesti Műszaki és Gazdaságtudományi Egyetem - Villamosmérnöki és Informatikai Kar

Keresés eredménye mély neurális háló kulcsszóra keresve

Deep Learning: Mély neurális hálózat alapú gépi tanulás
A számos tudományterületen kinyerhetõ nagy adatmennyiségnek, továbbá a nagy tárolási- és számítási kapacitásnak köszönhetõen a statisztikai alapú adatvezérelt rendszerek az elmúlt évtizedben jelentõs teret hódítottak meg a szabályalapú megoldásokkal szemben. Alkalmazási területtõl (pl. kép-, szöveg-, beszédfeldolgozás) függõen különbözõ matematikai modelleket használnak. Az elmúlt évek egyik legígéretesebb technológiája a mély tanulás (deep learning) alapú modellalkotás. A mély tanuláson alapuló mély neurális hálózatok új tipusú architektúrájuknak és többszintû rejtett rétegeinek köszönhetõen a korábbi hálózatoknál pontosabb és általánosabb modellezésre képesek. A hallgató feladata a félév(ek) során segítségünkkel a gépi tanulás és a mély tanulás alapjainak és a rendelkezésre álló eszközöknek a megismerése után egy közösen választott probléma megoldása. Ilyen feladat lehet például (1) zenei számok azonosítása; (2) rosszindulatú bõrdaganat szûrés; (3) gépi szövegfelolvasó (Text-To-Speech) természetességének növelése; (4) beszédfelismerés; (5) pénzügyi idõsorok modellezése; (6) személyi asszisztens, intelligens chatbot; (7) intelligens játékos az Open AI Gym-ben (pl. "Gyõzd le a 2048-at!", "DeepSneak", "MarioKart"). A munka a legelterjedtebb, magas szintû deep learning keretrendszerek segítségével folyik (pl. TensorFlow, PyTorch, Keras). A hallgatónak a munka elõrehaladtával nagyteljesítményû GPU erõforrást biztosítunk. A feladatok megoldása jelentõs mennyiségû programozást kíván (elsõsorban Python, de lehet LUA vagy C, C++ nyelven). Tudományos érdeklõdés esetén lehetõség van kutatási munkára is, a téma elméleti kihívásokat tartalmaz, amely TDK konferencián való részvételhez is megfelel. A téma diplomáig, illetve akár PhD témaként is folytatható. Elvárás: Korrekt, egyenletes munkavégzés, proaktívitás, olvasás szintû angoltudás. Elõny: "Deep Learning a gyakorlatban Python és LUA alapon" (VITMAV45) tárgyban szerzett 4-es vagy 5-ös osztályzat.
Témavezető: Gyires-Tóth Bálint