Azok a hallgatók, akik elvégzik ezt a képzésünket, képesek lesznek önállóan alkalmazni a különféle machine learning módszereket olyan területeken, mint a robotika, a prediktív analitika, önvezető autók, videojátékok, ügyfélszolgálati chatbotok, gyártás automatizálás, gyógyszerkutatás és orvosi diagnosztika - sok más egyéb közt.
A mesterséges intelligencia robbanó növekedése számtalan iparágban tapasztalható a világon, mint például a pénzügyi szektor, az oktatás, az egészségügy, logisztika és szállítmányozás, telekommunikáció, marketing és értékesítés. Magyarországon is egyre több olyan üzleti döntéshozó van, akit foglalkoztatnak a mesterséges intelligencia által nyújtott lehetőségek, emellett nagy igény van olyan szakemberekre, akik széles körű technológiai és iparági ismereteikkel képesek lesznek AI projekteket megvalósítani és a vállalatok digitális átalakulásában vezető szerepet játszani. Képzésünkkel az a célunk, hogy ezeket az AI szakembereket kiképezzük.
“A tudat a hivatásom.” – Levente eredeti háttere a kognitív tudomány és buddhizmus, de az utóbbi évtizedben mesterséges intelligencia területen dolgozik, tanácsadóként, kutatásvezetőként és technológiai igazgatóként. Bár fő fókusza a természetes nyelvfeldolgozás területére esik, vezetőként a technológia üzleti alkalmazása is figyelme homlokterében van, egyaránt részt vesz az elméleti kutatásban és gyakorlati megvalósításban is, tanácsadóként pedig segít az ügyfeleknek az AI által teremtett lehetőségek realizálásában.
Szabados Levente
Vezető AI szakértő, Képzésvezető, KÜRT Akadémia
Gábort gyerekkora óta vonzották a természettudományok, kémiát és fizikát tanult, majd számítástudományból szerzett doktori fokozatot az ELTE-n. Mivel az agy működése érdekelte legjobban, különböző funkciók számítógépes modellezésével foglalkozott (látást tanulmányozta a UCSF és Columbia egyetemeken, térbeli navigálás és emlékezet volt a témája Tübingenben). A természet inspirálta megoldások gyakorlati alkalmazása pedig a modern gépi tanulás, azon belül a gépi látás világába vitte. Több mint öt éven át vezette a Realeyes cég magyarországi fejlesztőköpontjának kutatási csoportját, automatizált arckifejezés elemzéssel és prediktív modellezéssel foglalkozott. Munkája révén kapcsolatban állt tudományos műhelyekkel, több uniós projektben vett részt, egy ötletét európai innovációs díjjal jutalmazták. Fontosnak tartja fiatalok szakmai segítését, ezért gyakornoki programokban és oktatásban is szívesen vesz részt. Jelenleg szabadúszó tanácsadóként a mesterséges intelligencia eszközeire épülő üzleti megoldásokat készít különböző iparágakban aktív partnerek számára (gépi látás, természetes nyelvfeldolgozás, kontroll rendszerek).
Szirtes Gábor
kutatásvezető, tanácsadó, Black Sheep Intelligence Kft.
Grad-Gyenge László született kutató. Folyamatosan elemzi környezetét a humán és mesterséges struktúrák lényegét kutatva. Mivel részben matematikus, ezért ez természetes része az életének. László emelett egy innovatív szoftverfejlesztő céget vezet, ahol tevékenysége fókuszában a kereskedelmi start-up projektek és alkalmazások állnak. Számára az innováció meghatározó jelentőséggel bír és ezt általa alapított cég, a Creo Group is vallja számos innovatív megoldásával. Emellett szereti a művészeteket, szabadidejében fotóz. Kreativitását a kortárs és XX. századi művek inspirálják.
Grad-Gyenge László
CEO, Creo Group
Simonyi András számítógépes nyelvész, filozófus. Korábban az Analogy Zrt., az MTA-PPKE Magyar Nyelvtechnológiai Kutatócsoport és az Alkalmazott Logikai Laboratórium kutató-szoftverfejlesztője, jelenleg szabadúszó. Több mint egy évtizede foglalkozik intelligens rendszerek tervezésével és fejlesztésével, szűkebb szakterülete a számítógépes szemantika.
Simonyi András
Szenior NLP kutató és fejlesztő
Bevezetés, statisztikai modellezés
Reprezentáció - dimenziócsökkentés
Felügyelt tanulás - regresszió, osztályozás
Nem felügyelt tanulás - klaszterezés, outlier detektálás
Idősorok elemzése
Ensemble módszerek
Neurális hálók alapjai - perceptron, többrétegű hálók
Deep learning
Aktivációs függvény és jobb SGD (stochastic gradient descent)
Regularizáció
Képfeldolgozás - konvolúciós hálók, modern hálók és új ötletek
Rekurrens hálók
Idősor-problémák és ajánlórendszerek
NLP - természetes nyelvfeldolgozás
Autoencoderek és generatív hálók
2 félév, 19 alkalom, 76 óra*
|
képzési alkalmak: csütörtökönként 14-18 óra közt |
szükséges képzettség: alapszintű adatmodellezési és Python ismeretek |
|
helyszín: CEU 1051 Budapest, Nádor utca 15. |
|
|
részvételi díj: 1.200.000 Ft + ÁFA |
* a változtatás jogát |
