Példaként említette, hogy csak az energetikában 20 felhasználási eset van napirenden. Palkovics László kitért arra, hogy MI sandbox néven létrehoztak egy olyan MI tesztpályát, ahol szabadon ki lehet próbálni a megoldásokat. Megemlítette a közösség által kifejlesztett magyar nyelvi modelleket, amelyek szintén szabadon elérhetőek. Van olyan magyar természetes nyelvfeldolgozási technológián alapuló mobil alkalmazás, amely gyógyszerkapszulákat ismer fel, és tájékoztat a mellékhatásairól, illetve szedéséről. A stratégia kiemelt eleme a társadalmi tudatosítás, amelynek keretében tavaly decemberben elindult az MI Kihívás kampánya. A miniszter hangsúlyozta, hogy ennek a végrehajtásában is jól állnak, már több mint egymillióan ismerkedtek meg a mesterséges intelligencia fontosságával. Eredetileg év végére tűzték ki az egymillió elérést - jelezte. Mindenkit arra bátorított, hogy látogasson el az oldalra, és végezze el az ott elérhető kurzust. A stratégia célja az is, hogy 2030-ig egymillióan juthatnak jobban fizető álláshoz a mesterséges intelligencia segítségével.
Gépi fordítás A fordító szoftver, akár írott, akár szóban elmondott szövegen alapul, a mesterséges intelligenciára támaszkodik a fordítások biztosítása és fejlesztése érdekében. Ez vonatkozik olyan funkciókra is, mint az automatikus feliratozás. Okosotthonok, városok és infrastruktúra Az okos termosztátok energiát takarítanak meg, míg az intelligens városok fejlesztői azt remélik, hogy szabályozhatják a forgalmat a dugók csökkentése érdekében. Okosautók Habár önvezető járművek még nem kerültek forgalomba, az autók már használják az MI-vel működő biztonsági funkciókat. Az EU hozzájárult többek között automatizált érzékelők finanszírozásához, amelyek észlelik a lehetséges veszélyes helyzeteket és segítenek kivédeni a baleseteket. A navigáció is a legtöbbször mesterséges intelligenciát használ. Kiberbiztonság Az MI rendszerek a folyamatos adatfeldolgozás, a minták felismerése és a támadások visszakövetése alapján segíthetnek a kibertámadások és más kiberfenyegetések kivédésében. Mesterséges intelligencia a Covid19 ellen A koronavírus-járvány esetében is használják a mesterséges intelligenciát, például a repülőtereken és végzett hőképalkotáshoz.
Mindez azt is jelenti, hogy a jellemzően férfiak által dominált munkakörök nagyfokú érintettsége miatt a férfiak jövőjét sokkal inkább befolyásolják majd a mesterséges intelligencia és az automatizálás hatásai" – mondta el a tanulmány kapcsán Riba Gábor, a PwC Magyarország mesterséges intelligencia szakértője. Az MI az első hullámban, azaz a 2020-as évek elejétől elsősorban egyszerű számítási feladatokat és strukturált adathalmazok elemzését lesz képes elvégezni, ami a kifejezetten adatfeldolgozásra épülő ágazatokat érintheti (pl. pénzügyi és infokommunikációs szektorok). A 2020-as évek közepétől (második hullám) fokozódik a MI befolyása azáltal, hogy üzleti támogatási funkciókat, illetve egyszerű döntéshozatali funkciókat is képes lesz elvégezni (pl. általános adatbekérő- és egyeztető/HR/számviteli funkciók). Emellett jól kontrollálható környezetben, például raktárakban tárgyak önálló mozgatása is várható az MI-től. A 2030-as évektől (harmadik hullám) várható a MI megjelenése a fizikai munka és kézi precíziós feladatok automatizálásában is (pl.
Elkészült Magyarország Mesterséges Intelligencia (MI) Stratégiája, amelynek a kidolgozásában 250 szakmai szervezet vett részt – tájékoztatott Jakab Roland, a Mesterséges Intelligencia Koalíció (MIK) elnöke. A szakember szerint kiemelt cél, hogy minél többen ismerjék meg a technológiát, és 2030-ig egymillióan találjanak maguknak magasabb hozzáadott értékű, mesterséges intelligenciát használó munkakört. A stratégia szerint a mesterséges intelligencia (MI) használata 2030-ra 15 százalékot adhat hozzá a nemzeti össztermékhez Magyarországon. Az MI az emberi intelligencia valamely részének leképezésére alkalmas szoftver, ami képes támogatni, vagy autonóm módon ellátni észlelési, értelmezési, döntési, cselekvési folyamatokat. A technológiát kiemelt gazdasági és társadalmi figyelem övezi; leginkább az áram elterjedésének használatához lehetne hasonlítani, mert alig észrevehetően van jelen a mindennapokban, és épül be szinte minden eszközbe körülöttünk. Jakab Roland példaként említette az orvosi diagnosztikai eszközöket, az autókat és a mobiltelefonokat.
A jelenlegi, nagyjából három óra alatt teljesíthető alapozó szintet a közeljövőben további specifikus lépcsőfokok követik, amelyek szélesebb körű, egyben egyéni érdeklődéshez igazított ismereteket adnak. Jakab Roland tájékoztatása szerint az MI kihívást 2021 végéig hirdették meg, azonban folyamatosan bővítik, és hozzáigazítják a technológiai vívmányokhoz. Kitért arra: az idei év legnagyobb eredménye Magyarország MI Stratégiájának megalkotása volt, amely az ITM és a Koalíció mintegy ezer szakértőjének közös munkája. Az intézkedési tervben meghatározták azokat a lépéseket, amelyek segítségével Magyarország a saját javára fordíthatja a technológia által nyújtott előnyöket. A sikeres végrehajtás kulcsa a megfelelő intézményrendszer kialakítása, így a szeptemberi bejelentést követően két héttel már meg is kezdte működését a Nemzeti Adatvagyon Ügynökség (NAVÜ). Hozzátette: megalakult az MI Nemzeti Laboratórium is, feladata az MI területén a vonatkozó alapkutatások folytatása mellett az alkalmazott kutatások számának növelése lesz, így a kutatói szféra sokkal inkább a piaci elvárásokhoz igazodhat.
A NAIH kötelezése felhívja a figyelmet az adatkezeléssel kapcsolatban az érintetti jogok megfelelő biztosítására, különösen, de nem kizárólagosan a megfelelő tájékoztatásra és a tiltakozáshoz való jognak a biztosítására. Az adatkezelésnek a szükségesre kell korlátozódnia, és ennek megfelelő tájékoztatást kell nyújtani az érintettek részére a kapcsolódó pontos következmények megjelölésével. A jelen eset kapcsán érdemes megemlíteni, hogy az EU-s mesterséges intelligenciáról szóló rendelettervezet 52. cikke alapján az érzelemfelismerő rendszerek esetében a tervezet szigorú tájékoztatási kötelezettségeket állapít meg, amelyek megszegése esetén magas, tiltott gyakorlatok alkalmazása esetén, akár 30 millió eurós bírsággal kell számolni. "Ez az ügy tökéletesen szemlélteti, hogy a mesterséges intelligenciára egy új típusú és fokozott kockázatú technológiaként kell gondolnunk, amit működési elvéből adódóan igen nehezen lehet átlátni és követni. A GDPR követelményei nem csak adminisztrációs feladatokat rónak az adatkezelőkre, a dokumentumokat nem elegendő csak formailag elkészíteni, a teendőt "kipipálni".
Budapest, Hungary, 2016. C. Bizer, T. Heath, and T. Berners-Lee, "Linked data-the story so far", Semantic Services, Interoperability and Web Applications: Emerging Concepts, pp. 205-227, 2009. Mesterséges Intelligencia Almanach. Tamás Mészáros, Tadeusz Dobrowiecki, "Controlled Natural Languages for Interface Agents" In: IFAAMAS AAMAS 2009: 8th international conference on Autonomous agents and multiagent systems. Budapest, Magyarország, 2009 Mészáros Tamás, "Kontrollált természetes nyelvek", tanulmány, BME MIT, 2009. Dezsényi Csaba, Varga Péter, Mészáros Tamás, Strausz György, Dobrowiecki Tadeusz, "Tudásalapú információkinyerés: az IKF projekt" In: Tudományos és Műszaki Tájékoztatás 51:(5) pp. 193-208., 2004 Mészáros Tamás, "Dokumentum analízis és keresés", tanulmány, I2RT-TR-1341, 2001. Mészáros Tamás, "Szövegelemzési módszerek és esettanulmányok", tanulmány, I2RT-TR-1342, 2002. 14. A tantárgy elvégzéséhez átlagosan szükséges tanulmányi munka Kontaktóra 28 Készülés előadásra 3 Készülés laborra 7 Készülés zárthelyire 6 Házi feladat elkészítése 16 Összesen 60 15.
Átlag 4. 35 Mészáros Tamás BME-VIK Követelmények teljesíthetősége 4. 63 Tárgy hasznossága 4. 00 Segítőkészség 4. 72 Felkészültség 4. 72 Előadásmód 3. Mészáros tamás be able. 63 Szexi Tanított tárgyak Informatika, Informatika2, Operációs rendszerek, Operációs rendszerek B Értékelések Összes értékelés: 11 Követelmények teljesíthetősége Tárgy hasznossága Segítőkészség Felkészültség Előadásmód 5 4 Operációs rendszerek B A tartalom elbírálás alatt áll.. 2019-08-04 01:49 forum topic indítás Operációs rendszerek Kiváló szakember, a saját idejéből áldoz, hogy segítsen és minden kérdésre szívesen válaszol. Ezen kívül még plusz pontokat is osztogat. 2019-06-21 14:21 jelentem 3 2019-06-20 20:18 Nagyon hasznos laborok, néha kicsit unalmas, de az átlagosnál jobb előadások. Guild Wars 2. 2019-05-23 12:28 2018-10-13 22:31 forum topic indítás
Ezzel kiválogathatunk és átmeneti gyûjteményekbe rendezhetünk publikációkat. Természetesen kézzel is összeállíthatunk ilyen kollekciókat. Egy kollekciót kimenthetünk többféle formátumban, HTML riportot készíthetünk belõle, illetve irodalomjegyzéket is elõállíthatunk. BME VIK - Intelligens szövegelemzés a gyakorlatban. A bibliográfiát IEEE formában készítsük el ( hivatalos útmutató, de inkább az alkalmazási példák at ajánlom átnézésre). Nem próbáltam, de létezik szövegszerkesztõ integráció is, valamint kirpóbálható az egyes szövegszerkesztõk saját RIS vagy BibTeX importja is. Hallgatóimnak... Ha irodalmazási feladatot adok ki, az azt jelenti, hogy az irodalmak összegyûjtése mellett azok rövid szöveges leírását is elvárom. Erre a "notes" panel ajánlott. Többféle megjegyzés is fûzhetõ a cikkekhez (mirõl szól, milyen jellegû, érdekes/újszerû ötlet van-e benne, a szerzõkrõl mit lehet tudni, stb. ) A kiválasztott irodalmakról, esetleg egy keresés eredményérõl könnyen készíthetünk egy HTML riportot, ahol a saját megjegyzéseinket is látni fogjuk.
Az irodalmazás egyik elvárt kimenete ez. A másik kimenet az összegyûjtött, rendszerezett és értékelt/jellemzett publikációk Zotero RDF exportja csatolt (PDF) anyagokkal együtt.
A tantárgy ipari projektek és kutatói együttműködések tapasztalataira és feladatkészletére épít például az információkeresés, a digitális bölcsészet és az ember-gép kommunikáció területén. 8. A tantárgy részletes tematikája 1. hét. A szövegelemzés tipikus problémái az információkeresés, az ember-gép interfészek és a digitális bölcsészet témaköreiből. 2. A szövegelemzés alapvető módszerei: indexkészítés és statisztikai módszerek, természetes nyelvű szövegfeldolgozás (NLP). A módszerek problémái és korlátai. 3. Tudásalapú módszerek bevezetésének területei és lehetőségei: nyelvi, tárgyterületi és alkalmazói tudás. Esettanulmányok. 4-5. Dr. Mészáros Tamás Csaba - BME VIK Diplomaterv Portál. Autonóm, tudásalapú ágensek és alkalmazásuk az intelligens szövegelemzésben: természetes nyelvű ember-gép interfészek és több-ágens elemzőrendszerek (előadás és laboratórium). 6-7. Nyelvi tudás reprezentációja, kontrollált természetes nyelvek (CNL) létrehozása és feldolgozása. Alkalmazásuk természetes nyelvű interfészek megvalósításában. 8. Ágensalapú ember-robot természetes nyelvű interfész fejlesztése Android és Robot Operating System környezetben (laboratórium).
Összes téma megtekintése » Képzés szerint: Alapképzés (23 téma) Mesterképzés (8 téma) Szak szerint: egészségügyi mérnök szak (2 téma) mérnök informatikus szak (28 téma) villamosmérnöki szak (1 téma) Félév szerint: 2021-2022. ősz 2020-2021. tavasz 2020-2021. ősz 2019-2020. tavasz 2019-2020. ősz (3 téma) 2018-2019. ősz 2017-2018. tavasz 2017-2018. ősz (4 téma) 2015-2016. Mészáros tamás bme creative. tavasz 2015-2016. ősz 2014-2015. ősz 2013-2014. ősz 2012-2013. ősz 2011-2012. ősz 2010-2011. tavasz 2010-2011. ősz (1 téma)
9-10. Szakértői tudás reprezentációja: kiterjesztett szótárak, RDF tudásbázisok és ontológiák (OWL), valamint felhasználásuk a szövegelemzésben (normalizálás, entitásfelismerés, szemantikus annotálás). 11. Szakértői tudás bevitele és szerkesztése kontrollált természetes nyelven (laboratórium). 12. Kontrollált természetes nyelvű annotálórendszer (tudásbázis-építés) digitális bölcsészeti rendszerben (laboratórium). 13. Internetes tudásbázisok (DBpedia, FactForge, MusicBrainz, OpenStreetMap stb. ) és lekérdező módszereik (REST, SPARQL). Tudásintegrációs technikák (Linked Open Data). 14. Külső tudástárak integrációja és felhasználása az ágensalapú elemzőrendszerben (laboratórium). Esettanulmányok: Apache Stanbol és Marmotta. 9. Mészáros tamás be able to serve. A tantárgy oktatásának módja (előadás, gyakorlat, laboratórium) A tantárgy előadásokból és laboratóriumi foglalkozásokból épül fel. A laboratóriumi foglalkozásokon a hallgatók egyrészt ipari és kutatási projektek eredményeivel ismerkednek meg, másrészt önállóan választott problémák megoldásán dolgoznak a tantárgyban megismert módszerekkel és eszközökkel.