Szirmai Vilmos Andor: Self-supervised Deep Learning Models on Time-series Data

A hallgató feladata, hogy egy választott idősoros adathalmazon (egészségügy vagy energetia témában) kipróbáljon, kiértékeljen, és esetlegesen továbbfejlesszen önfelügyelt mély tanuló eljárásokat.

A projekt kiváló terep arra, hogy egy kiválasztott egészségügyi/energetikai feladat megoldása mentén (1) a hallgató megismerje az elmúlt évek mesterséges intelligencia alkalmazásainak egyik fontos sarokkövét, az önfelügyelt tanulást; (2) tapasztalatot szerezzen idősoros adatok mély tanulási eszközökkel történő modellezésében; (3) mélyrehatóan megismerjen csúcsteljesítményű eljárásokat a témában.

Hivatkozások

1. Zhang, Xiang, et al. "Self-supervised contrastive pre-training for time series via time-frequency consistency." (NeurIPS 2022)
2. Oord, A.V.D., Li, Y. and Vinyals, O., 2018. Representation learning with contrastive predictive coding. arXiv preprint arXiv:1807.03748.
3. http://www.deeplearningbook.org