HÍRLEVÉL
REGISZTRÁCIÓ
BEJELENTKEZÉSdataSTREAM 2023 előadások
Dr. Abonyi János, professzor, Pannon Egyetem Mérnöki Kar
Dr. Abonyi János a Pannon Egyetem egyetemi tanára, a Mesterséges intelligencia megoldásokat fejlesztő adattudományi szakmérnök képzés szakvezetője. Kutatási területe: irányítástechnika, rendszeridentifikáció, adatbányászat, számítási intelligencia mérnöki alkalmazásai, és folyamatmenedzsment. Publikációi, illetve MATLAB programnyelven írt kutatási célú fejlesztései elérhetők a http://www.abonyilab.com/ oldalról.
Előadás röviden:
Az elődás miután áttekinti a neurális hálózatok működési elvét, ismerteti az ipari alkalmazási lehetőségeket, majd ezen információkra építve a megoldások bevezetésének és alkalmazásának feltételrendszerét elemzi, felhívva a figyelmet az ML-Ops módszertan alkalmazásának jelentőségére.
Dr. Sipos László, egyetemi docens, Magyar Agrár- és Élettudományi Egyetem
Dr. Sipos László a Magyar Agrár- és Élettudományi Egyetem, Élelmiszertudományi és Technológiai Intézet, Árukezelési, Kereskedelmi, Ellátási Lánc és Érzékszervi Minősítési Tanszék egyetemi docense. Az egyetem budai karain okleveles kertészmérnökként (MSc), okleveles tájépítészmérnökként (MSc), okleveles élelmiszer-biztonsági és -minőségi mérnökként (MSc) végzett. Doktori disszertációját a magyar ásványvízfogyasztási szokások elemzéséből, valamint az ásványvizek érzékszervi vizsgálatából írta, PhD fokozatát 2009-ben szerezte meg gazdálkodás- és szervezéstudományokból. Kiemelt kutatási területe a szenzometria, amely az emberi érzékelésből, érzékszervi vizsgálatokból és más műszeres mérésekből származó adatok egy és többváltozós statisztikai elemzésére fókuszál. Ezeken a tématerületeken kutatások vezetője, résztvevője, eredményeit rendszeresen publikálja, számos hazai és nemzetközi folyóiratcikk, tanulmány, könyv szerzője, társszerzője. A Magyar Tudományos Akadémia Agrártudományok Osztályának, Kertészet- és Élelmiszertudományi Bizottságának tagja, valamint az Élelmiszer-tudományi Albizottságának elnöke. A hazai és nemzetközi szabványosítás is részt vesz, számos munkabizottság tagja, többek között az „MSZT/MB 612 Érzékszervi vizsgálatok és az élvezeti élelmiszerek” elnevezésű munkabizottságban is. A gyakorlatban élelmiszeripari vállalatok számára végez termékfejlesztési, továbbképzési és szaktanácsadási tevékenységet. A Közgazdasági- és Regionális Tudományi Kutatóintézet, Közgazdaságtudományi Intézet, Agrárgazdaságtan és Vidékfejlesztési csoport főmunkatársa.
Előadás röviden:
A mesterséges neurális hálózatok sikeressége abban rejlik, hogy képesek az adatokban rejlő komplex kapcsolatok, és az adatokban rejlő mintázatok felismerésére, valamint az ismeretlen minták előrejelzésére is. Az előadásban bemutatjuk a neurális hálózatok működési elvét, felépítését (topológiáját), a hálózatok csoportosítását és a legújabb élelmiszertudományi alkalmazási lehetőségeit (predikció, osztályozás, optimalizálás). Az eredmények azt mutatják, hogy a mesterséges neurális hálózatok alkalmazása exponenciálisan növekszik mind a tudományos kutatásokban, mins az ipari alkalmazások terén.
Kis Kornél István, Lead Expert Machine Learning, Robert-Bosch Kft.
Kis Kornél István 8 éve foglalkozik gépi tanulási technikákkal, mesterséges intelligenciával, kezdetben Text-to-speech és NLP (Natural Language Processing) alkalmazások kapcsán. 2017-től a Bosch magyarországi MI csapatában dolgozik, ahol főleg önvezető autóval kapcsolatos fejlesztésekben, projektekben vesz részt. Szűkebb szakmai tevékenysége és érdeklődése többek között AI-hoz kötődő innovációs tevékenység integrálása nagyvállalati termékportfóliókba, illetve a gépi tanulást használó termékek teljes életciklusának menedzsmentje (első problémafelvetéstől sorozatgyártásig).
Előadás röviden:
Az előadás napjaink egyik legfontosabb gépi tanulást használó termékének, az önvezető autónak egy kulcsfontosságú komponensét mutatja be. A ’behavior prediction’, vagyis a viselkedés előre jelző modul nagyban hozzájárul ahhoz, hogy az önvezető autók a forgalomban természetes, mondhatni emberszerű viselkedésmintákat mutassanak. A tématerületen sok éve zajlik intenzív kutatás-fejlesztési tevékenység, viszont még mindig nem tekinthető megoldott problémának – egyetemi kutatás szintjén sem. Az előadás közérthető módon próbálja bemutatni a mai legmodernebb rendszerek mögötti ötleteket, és felvázolni néhány érdekes megoldatlan kihívást a területen.
Dr. Zainkó Csaba, adjunktus, BME-TMIT-Smartlab
Dr. Zainkó Csaba a BME Távközlési és Médiainformatikai Tanszék, Beszédtechnológia és Intelligens Interakciók Laboratóriumának adjunktusa. Informatika szakon szerzett MSc (1999) és PhD (2010) diplomát a BME-n. PhD témája a beszédszintézis infokommunikációs hálózatokban volt. Oktat Deep learning, Ember-Gép interakció, Ember-Robot interakció és Beszédinformációs rendszer témakörökben. Ipari projektekben is jelentős tapasztalata van: pl. Első magyar e-mail olvasó, Szöveg-beszéd átalakító vasúti pályaudvari bemondásokhoz, Mia ChatRobot - Mesterséges intelligencia chatbot szolgáltatás és MÁV Elvira hang-alapú virtuális asszisztens. Jelenlegi kutatási területe a neurális háló alapú beszédfeldolgozás.
Előadás röviden:
A deep learning alapú megoldások a beszédszintézis területén is vezető megoldások lettek. A neurális beszédszintézis természetességben felülmúlta a korábbi technológiákat és már elérhetők olyan sebességű modellek is, amelyek lehetővé teszik a széles körű, valós idejű használatot is.
Dr. Mihajlik Péter, tudományos főmunkatárs, BME-TMIT és NYTK
Dr. Mihajlik Péter a magyar nyelvű beszédfelismerés, beszédleiratozás szakértője több mint 20 éves tapasztalattal. Kutatásai már 2007-ben előrevetítették a tisztán adat alapú megközelítés hatékonyságát, mely az elmúlt 10 évben - elsősorban a mély neurális technológiák előretörésével - egyeduralkodóvá vált. Jelenleg a BME Távközlési és Médiainformatikai tanszékén valamint a Nyelvtudományi Kutatóközpontban folytatja a mélytanulásra épülő beszédleiratozási kutatásait csoportvezetőként.
Előadás röviden:
Spontán és olvasott magyar nyelvű beszédadatokon értékeljük ki az NVIDIA, az OpenAI és a Meta legújabb beszédfelismerési neurális modelljeit, magyar nyelvre finomhangolva őket. Egyben a mélytanulási megközelítéseket is vizsgáljuk: a több emberi erővel előállított leirat, a több hanganyag, vagy a meglévő nyelvi erőforrások jobb kihasználása hozhatja ez a gépi beszédleiratozás új szintjét.
Tamási-Mészáros Evelin, elemző és Molnár Anna Enikő, junior elemző, Clementine
Tamási-Mészáros Evelin a Clementine elemzői csapatában 2016 óta dolgozik, ahol leginkább adatbányászati és szöveganalitikai megoldások kivitelezésével foglalkozik. Munkája során főleg a Python programozási nyelv és az SPSS Modeler integrációjára helyezi a hangsúlyt, ahol az egyes eszközök előnyeit figyelembe véve és felhasználva támogatja a megoldások sikeres kivitelezését.
Molnár Anna Enikő 2022-ben szerezett diplomát az Eötvös Loránd Tudományegyetem survey statisztika és adatanalitika szakán. 2020. június óta dolgozik a Clementine-nál, ahol elsősorban szöveganalitikai szótárak építése és adattranszformációs folyamatok kialakítása a feladata, valamint programozási ismereteivel segíti az új projektek megvalósítását.
Az előadásról röviden:
Az egyre szélesebb körben hozzáférhető szöveges adatok térhódításának köszönhetően egyre többször szembesülhet egy elemző azzal a kihívással, hogy az egyezőnek számító tartalom figyelmen kívül hagyása torzíthatja a statisztikákat. Az EUROSTAT időszakonként publikált megmérettetései között 2022 decemberében jelent meg egy felhívás, ami kifejezetten a szöveganalitikai elemzés során felmerülő duplikációs problémákra összpontosított. A verseny témája az interneten elérhető álláshirdetésekre koncentrált, és a többnyelvű hosszú szövegek páronkénti összehasonlítása volt a fő feladat. Az előadás betekintést enged az alkalmazott módszertan kihívásaiba és egy konkrét példán való felhasználásába is.
Huszti Dániel, Data & AI Technical Sales, IBM Technology Sales, IBM
Az IBM közép-kelet-európai régiójának adatelemzési szakértője. Fő feladata az üzleti, technológiai tanácsadás és a nagyvállalati ügyfelek igényeinek megfelelő komplex megoldások tervezése.
Előadás röviden:
A mesterséges intelligencia alapú rendszerek terjedése egyre inkább megköveteli az üzleti felhasználóktól, hogy bízzanak a modellekben, értsék azok működését. Az előadás során választ kaphatunk a következő kérdésekre: Miként lehetséges a modellekbe vetett bizalmat eszközökkel támogatni? Hogyan építsük be szabályozott vállalati folyamatainkba az MI modelleket? Hogyan feleljünk meg az EU által bevezette MI-felelősségi irányelvnek?
Dr. Bányász Péter, adjunktus, NKE ÁNTK Kiberbiztonsági Tanszék
Dr. Bányász Péter az ELTE Állam- és Jogtudományi Karán szerzett politológus diplomát, majd a Nemzeti Közszolgálati Egyetem Katonai Műszaki Doktori Iskolájában szerezte meg tudományos fokozatát. Kutatási területei közé tartozik a kiberbiztonság humán aspektusa, a lélektani műveletek hálózatelméleti megközelítése, illetve a magánszféra és megfigyelés kapcsolata.Jelenleg a Nemzeti Közszolgálati Egyetem Államtudományi és Nemzetközi Tanulmányok Karának adjunktusa, illetve aKiberbiztonsági Kutatóintézetének kutatója. Emellett vezető mentoroktató az Egyetem Nemzetbiztonsági Szakkollégiumában és Puskás Tivadar Műszaki Szakkollégiumában. Több tudományos társaság aktív tagja. Alapító elnöke volt a Magyar Hadtudományi Társaság Kápolnai Pauer István Ifjúsági Klubjának, amely szervezeti egység vezetőjeként számos tehetséges, a hadtudomány iránt érdeklődő alap- és mesterszakos hallgató esetében végez mentori tevékenységet.
Előadás röviden:
2022 év végén a mesterséges intelligencia ismét a közérdeklődés tárgyává vált olyan alkalmazásoknak köszönhetően, mint a Midjourney Open AI Chat GPT-je vagy a Dall-E. Ezek a platformok az élet számos területén fognak várhatóan paradigmaváltást eredményezni, ami alól a kiberbiztonság sem kivétel. Az előadás áttekinti azokat az aktuális kockázatokat, amelyek a mesterséges intelligenca napjainkban tapasztaható trendjei mutatnak.
Hegedüs Pál. senior elemző, Clementine
2012-óta a Clementine munkatársa, ahol az analitikai folyamatok optimalizációjára, illetve azok teljeskörű automatizációjára specializálódva vezető
elemzőként támogatja az ügyfelek adatbányászati irányú célkitűzéseit. Emellett piaci szereplők, valamint bűnüldöző szervek megbízásából egyaránt végez kapcsolati háló feltérképezésre épülő elemzéseket a csalásgyanús esetek, illetve a bűncselekmények kiszűrésére. Mindezekkel összefüggésben a Clementine automatizálási és a hálózatvizualizációs témában tartott tréningjeit is vezeti.
Az előadásról röviden:
A biztosító társaságoknak állandó gondot okoz a csalások detektálása. Megvizsgáltuk, hogyan modellezhető a probléma az i2 szoftverek használatával, és mutatunk néhány ötletet a csaló hálózatok leleplezésére.