Komplex jelenségek, hálózatok gépi tanulással való modellezése
| Témavezető: | Lukács András |
| ELTE Matematikai Intézet, MI Kutatócsoport | |
| email: | andras.lukacs@ttk.elte.hu |
Projekt leírás
Az önálló projekt célja komplex jelenségek modellezésére, hálózatok jellemzésére használható gépi tanulási módszerek megismerése és vizsgálata, amelyek a mesterséges intelligencia (adatbányászat, adattudomány, big data) területén alkalmazhatók.
Az önálló projektet kétféleképpen lehet teljesíteni. Az egyik megközelítésben a hallgató egy kiválasztott rendszert, jelenséget, az azt leíró nagyobb mennyiségű adat alapján vizsgál, ill. az adott adathalmazhoz kapcsolódó üzleti vagy tudományos alkalmazás fontos kérdéseire keres választ. A projekt során elérendő cél, hogy a hallgató komplex feladatok megoldására önállóan tudjon modellt választani, építeni, majd azon méréseket végezni.
A másik megközelítés során a hallgató egy kiválasztott matematikai modell(család) és a hozzá kapcsolódó algoritmusok vizsgálatával foglalkozik egyrészt elméleti szempontokból, másrészt szimulált és valós adatokon végzett méréseken keresztül.
A vizsgálható jelenségek, rendszerek: szociális és más hálózatok, info- és telekommunikációs eszközök, a humán viselkedés jelenségei, biológiai-élettani jelenségek. Az alkalmazható módszerek, technológiák: gépi tanulás, deep learning, továbbá hálózati algoritmusok, optimalizálás. Az önálló projekt során végzendő tevékenységek tipikusan a következők: a releváns szakirodalom olvasása, kérdések megfogalmazása; adatok előkészítéséhez, egyszerűbb mérésekhez szükséges kódok készítése; mérési rendszerek összeállítása, mérések végrehajtása, kapott eredmények rögzítése, értelmezése.
Előfeltételek
- angol nyelvű cikkek olvasása
- Python és/vagy C++ nyelv ismerete előny
Hivatkozások
- Shalev-Shwartz, Shai, and Shai Ben-David. Understanding Machine Learning: From Theory to Algorithms. Cambridge University Press, 2014.
https://www.cs.huji.ac.il/~shais/UnderstandingMachineLearning/understanding-machine-learning-theory-algorithms.pdf - Goodfellow, Ian, Yoshua Bengio, and Aaron Courville. Deep learning. MIT press, 2016.
http://www.deeplearningbook.org/
Korábbi hallgatók
- Nurzhan Sarzhan: Komplex jelenségek, hálózatok gépi tanulással való modellezése (2019/20 I. félév Project Work 1)
- Nurzhan Sarzhan: Komplex jelenségek, hálózatok gépi tanulással való modellezése (2019/20 II. félév Project Work 2)
- Nurzhan Sarzhan: Komplex jelenségek, hálózatok gépi tanulással való modellezése (2020/21 I. félév Project Work 3)