Interjú Baranyi Péterrel az AI Technológia képzésről

Vajon mi a közös a kettlebell és a mesterséges intelligencia között? Baranyi Péter először 2018-ban vált a KÜRT Akadémia hallgatójává, akkor a Data Science képzésünkön bizonyította tudását, és új kihívásokat keresve 2021-ben csatlakozott AI Technológia képzésünkhöz is, ahol kettlebell modelljével nemcsak hallgatótársait, de a képzésvezetőket is lenyűgözte.  

Lassan már 20 éve adatbázis-programozással foglalkozol, és korábban voltál már nálunk Data Science képzésen is. Miért döntöttél úgy, hogy belevágsz az AI Technológia képzésünkbe?

A 2000-es évek elejéig rendszergazda voltam, utána több aktív alkalmazásfejlesztésben vettem részt különböző szerepkörökben. Az adattárház-terület új, izgalmas kihívások elé állított. Szerencsére a munkahelyem oktatási politikájának köszönhetően számos továbbképzésen volt lehetőségem részt venni. Így kerültem 2018-ban a KÜRT Akadémia Data Science kurzusára is.  

A Data Science képzés számomra egy még sosem tapasztalt képzési formát mutatott be. Nemcsak a szakmai gondolkodásomat változtatta meg számos területen, de az előadók személyében sikeres és gyakorlatias szakembereket is megismerhettem.   

Az AI Technológia képzésre 2021-ben volt lehetőségem jelentkezni. Mivel az AI érintőlegesen szerepelt a Data Science képzésen is, nagyjából tudtam, mire vállalkozom. Kicsit úgy tekintettem rá, mint a Data Science folytatására. 

A képzésalkalmakon túl mennyi extra időre van szükség, hogy kellően elsajátítsa az ember a képzésen megismert módszereket? 

Én úgy érzem, minden képzési alkalom után rá kell szánni egy napot az anyag áttekintésére és a gyakorlati feladatok elmélyült megoldására. Sajnos ez egy idealista elképzelés. Ezekkel a napokkal még én is tartozom magamnak.  Azt viszont fontosnak tartom, hogy a gyakorlati feladatok megoldására és főleg megértésére megfelelő időt biztosítson magának a hallgató a képzési alkalmak között.

Milyen volt a közösség a képzésen, hogy tetszett az előadók munkája? 

Érezni lehetett, hogy ezt a csapatot nem a szél fújta össze. A közös érdeklődésnek köszönhetően a kezdeti óvatos ismerkedési fázis rövid idő alatt lezajlott. Hamar kialakultak a szakmai beszélgetések, néha viták is. Talán elég erről annyit mondanom, hogy néhányan, két hónappal a képzés lezárása után is heti rendszerességgel több órát töltünk együtt online, közös kódolással, beszélgetéssel.  

Oktatóink, András és Levente külön-külön is nagyon szerethető jelenségek, de együtt igazán érdekes párost alkotnak. Már az első alkalommal lejött az az összhang, ami a tananyag megértését segítette. Például, ha András az anyag – kevésbé hálás – matematikai aspektusát adta elő, Levente rajtunk tartotta a szemét. Ha bizonytalanságot látott, akkor azonnal a segítségünkre sietett egy érthetőbb magyarázatot beszúrva.  
Megemlíteném még azt a szakmai elhivatottságot, amivel akár a képzéstől független kérdéseinket is különös alapossággal válaszolták meg. Szinte kollégákként kezeltek minket. Ez a hozzáállás nagyon inspiráló volt számomra. 

A képzés végeztével egy vizsgamunkát kellett bemutatnotok. Te milyen témán dolgoztál, és mik voltak a legnagyobb kihívások és eredmények a munkád során? 

A munkahelyem jellegéből adódóan nekem más területről kellett témát választanom. Kézenfekvő volt, hogy hobbiprojektet választok. Évek óta kísérletezem mikrokontrollerekkel, IoT eszközökkel. Egy ilyen kisméretű eszköz felhasználásával kezdtem adatot gyűjteni kettlebell súlyok mozgásáról különböző gyakorlatok közben. A kitűzött cél a gyakorlatok azonosítása volt.  
A legnagyobb kihívást az adatok mennyisége jelentette. Bármilyen korán is kezdtem az adatok gyűjtését, csak egy-kétszáz elvégzett gyakorlat állt rendelkezésemre a feldolgozáshoz. Különböző technikák segítségével végül sikerült elegendő tanuló adatot biztosítani az AI (CNN) tanításához. 

Technikai kihívást jelentett annak az ötletnek a megvalósítása, hogy a gyakorlatok azonosítása valós időben történjen a gyakorlatok kivitelezése alatt.  

Hatalmas sikerélmény volt, hogy ugyan messze nem kész, de működő „termék” került ki a kezeim közül, és a záró prezentációra érkezett visszajelzések szerint sikerült elnyernem az oktatók és a hallgatók elismerését is.  

Itt szeretném megköszönni oktatóink lelkiismeretes munkáját és a munkahelyem támogató hozzáállását! 

Mit gondolsz, mire fogod tudni használni az itt tanultakat? Milyen szerepe lesz a mesterséges intelligenciának a további pályádon? 

Nap mint nap adatokkal dolgozva, nincs kétségem afelől, hogy az itt tanult AI technológiák alkalmazása minden területen – így nálunk a közigazgatásban is – elkerülhetetlen lesz a hatékony adatalapú működéshez. Úgy gondolom, nekem most sikerült megtennem az első lépéseket, hogy felkészülve érjenek ezek a feladatok. Ugyanakkor nincsenek illúzióim. Ezt a tanulási folyamatot Levente és András segítségével csak elkezdtük. Hosszú út áll előttünk. Rajtunk múlik, hogy folyatjuk-e a tanulást. 

Ha valaki azon morfondírozik, hogy jelentkezzen a képzésre, akkor mit mondanál neki: milyen ismeretanyagra, milyen leterheltségre számítson? 

Az átadott ismeretanyag nagyon sokszínű és nagyon sok! Kincsként őrizgetem az rendelkezésünkre bocsátott előadásanyagokat, mert meggyőződésem, hogy sokszor fogok még visszanyúlni hozzájuk referenciaként. Ennyi információhoz ez az óraszám bizony kevés. Azt gondolom azonban, hogy nem az ismeretanyag a legfontosabb, amit az oktatóinktól kaptunk, hanem a képesség a megértésükre. Ez különösen fontos ezen a területen, hiszen gyakran dőlnek meg tényként kezelt állítások, és jelennek meg új módszerek.  

A leterheltség relatív fogalom. Engem a kíváncsiság hajtott alkalomról alkalomra, így nem igazán éreztem tehernek. 

Érdekel az AI Technológia képzés