Mesterséges Intelligencia kurzusok SzTE BSc infós szakosoknak
Az SzTE Számítógépes Algoritmusok és Mesterséges Intelligencia tanszéke az alábbi 6db választható kurzust kínálja az informatikai BSc szakos hallgatóinak. A kurzusok a mesterséges intelligencia legmodernebb eredményeibe és eszközeinek használatába adnak bevezetést. A kurzusok gyakorlatorientáltak, mindegyeken a másfél órás géptermi gyakorlaton python nyelven ismerkednek meg a hallgatók a legfontosabb szoftvereszközökkel.Ezek a kurzusok alkotják a programtervező informatikus BSc szak leendő Mesterséges Intelligencia specializációját. Az új specializáció várhatóan a 2021/22/2 államvizsgázó hallgatóknak már hivatalos lesz.
Gépi tanulás a gyakorlatban
Introduction to Machine Learning
őszi félév, javasolt félév: 3.
PTI BSc-n Differenciált informatikai ismeret
A gépi tanulás során a megoldást nem a programozó implementálja, hanem az adatok közti összefüggések alapján a gép maga tanulja meg. A kurzuson a hallgatók megismerkednek a gépi tanulás alapfogalmaival és számos alkalmazási példán keresztül megtanulják a gyakorlatban használni azt. Többek között, a gépet megtanítjuk eldönteni, hogy milyen állat van egy képen és arra, hogy megtippelje mennyire fog tetszeni egy film egy felhasználónak.
Bevezetés a mélytanulásba
Introduction to Deep Learning
őszi félév, javasolt félév: 5.
PTI BSc-n Differenciált matematikai és számítástudományi ismeret
Az elmúlt évtizedben a gépi tanulást uralja az ún. mélytanulási (deep learning) megközelítés, ami jelentős áttörést hozott a képosztályozok, beszédfelismerők, gépi fordítók és még sok más alkalmazási területen. A kurzus bevezetést ad a neurális hálózatok területére és számos különböző mély neurális hálózati modell használatát tanítja meg a pytorch keretrendszerben.
Adatelemzés a szociális médiában
Introduction to Data Science
tavaszi félév, javasolt félév: 2.
PTI BSc-n Differenciált informatikai ismeret
A modern adatelemzés (data science) lehetővé teszi - a mesterséges intelligencia eszközeivel -, hogy a numerikus adatokon felül szöveges-, képi-, hálózatos és idősor adatokat is elemezni tudjunk. A kurzus bevezetést ad a hatékony adatkezelésre és adatvizualizációra pythonban, valamint betekintést nyerhetünk a különböző adattípusok feldolgozási módszereibe.
Szövegelemzés mesterséges intelligencia alapokon
Introduction to Natural Language Processing
őszi félév, javasolt félév: 3.
PTI BSc-n Differenciált informatikai ismeret
A természetes nyelvű (pl. magyar vagy angol) szövegek emberi olvasásra íródtak, azok számítógépes feldolgozása még napjainkban is kihívásokkal teli probléma. Gondoljunk csak arra, hogy ugyanaz hány különböző módon tudjuk magyarul elmondani, vagy hogy egy szónak hány különböző jelentése lehet. A szövegfeldolgozó megoldásokat nem lehetséges szabályokkal megoldani, gépi tanulási megoldásokra van szükség. A kurzus bevezetést ad a legmodernebb szövegfeldolgozási eszközökbe valamint a legfontosabb célalkalmazásokra közösen fejlesztünk megoldást. Többek között fejlesztünk saját chatbotot és automatikus szövegösszefoglalót is.
Számítógépes szemantika
Computational semantics
tavaszi félév, javasolt félév: 4.
PTI BSc-n Differenciált matematikai és számítástudományi ismeret
A mesterséges intelligencia egyik kulcsa, hogy az egyes szavak, kifejezések, mondatok jelentését - azaz szemantikáját - hogyan tudjuk a gépek számára kezelhető módon ábrázolni. A kurzus betekintést ad a folytonos vektortereket használó szemantikai reprezentációkba (mint például word2vec, BERT), amelyek forradalmasították a szövegfeldolgozást az elmúlt 5-6 évben.
Számítógépes beszédelemzés
Introduction to Speech Recognition
őszi félév, javasolt félév: 5.
PTI BSc-n Differenciált informatikai ismeret
Az emberi beszéd elemzésének számos alkalmazási területe van. A beszéd szövegátiratán túl értékes információkat nyerhetünk ki a beszédhangból, például a beszélő érzelmi állapotát. A kurzus bevezetést ad az audio jelek feldolgozásába és alkalmazási példákon keresztül mutatja be a beszédhang elemzésére gépi tanulási módszereket.
Megerősítéses tanulás a gyakorlatban
Introduction to Reinforcement Learning
tavaszi félév, javasolt félév: 4.
PTI BSc-n Differenciált matematikai és számítástudományi ismeret
lorem ipsum
Idősorelemző alkalmazásai MI segitségével
AI-based time series forecasting applications
tavaszi félév, javasolt félév: 4.
PTI BSc-n Differenciált matematikai és számítástudományi ismeret
lorem ipsum