User Tools

Site Tools


tanszek:oktatas:komplex_tervezes:feladatok

Differences

This shows you the differences between two versions of the page.

Link to this comparison view

Both sides previous revisionPrevious revision
Next revision
Previous revision
tanszek:oktatas:komplex_tervezes:feladatok [2024/09/30 16:25] kneheztanszek:oktatas:komplex_tervezes:feladatok [2024/09/30 16:27] (current) knehez
Line 22: Line 22:
 | Digitális Iker | Dr. Cservenák Ákos | akos.cservenak(kukac)uni-miskolc.hu | | | Anyagmozgató rendszer digitális iker kialakítása (elsősorban CAD modellezés, majd utána PLC-hez kapcsolt szenzor és motor adatok összehangolása) | | | Digitális Iker | Dr. Cservenák Ákos | akos.cservenak(kukac)uni-miskolc.hu | | | Anyagmozgató rendszer digitális iker kialakítása (elsősorban CAD modellezés, majd utána PLC-hez kapcsolt szenzor és motor adatok összehangolása) | |
  
-Az alábbi AI témájú feladatokkal kapcsolatban vegyétek fel a kapcsolatot Nehéz Károllyal, ezeket a www.kontron.hu cég ajánlja:+Az alábbi AI témájú feladatokkal kapcsolatban írjatok Nehéz Károlynak (karoly.nehez@uni-miskolc.hu). A feladatokat a www.kontron.hu cég ajánlja és támogatja: 
 + 
 +1. **AI Alapú Diagnosztikai Rendszer Fejlesztése**  
  
-1. **Téma: AI Alapú Diagnosztikai Rendszer Fejlesztése**   
 **Bevezető**: A mesterséges intelligencia (AI) egyre nagyobb szerepet játszik az egészségügyi diagnosztika átalakításában. Az AI alkalmazása lehetővé teszi a gyorsabb és pontosabb diagnózis felállítását, ami javítja a betegek kezelésének hatékonyságát, miközben csökkenti az egészségügyi költségeket. Ezen túlmenően, az AI képes hatalmas mennyiségű adatot feldolgozni és elemezni, amely elősegíti a betegségek korai felismerését és megelőzését.   **Bevezető**: A mesterséges intelligencia (AI) egyre nagyobb szerepet játszik az egészségügyi diagnosztika átalakításában. Az AI alkalmazása lehetővé teszi a gyorsabb és pontosabb diagnózis felállítását, ami javítja a betegek kezelésének hatékonyságát, miközben csökkenti az egészségügyi költségeket. Ezen túlmenően, az AI képes hatalmas mennyiségű adatot feldolgozni és elemezni, amely elősegíti a betegségek korai felismerését és megelőzését.  
 +
 **Feladat**: Vizsgálja meg a jelenleg az egészségügyben használt gépi tanulási (ML) technikákat, és értékelje azok hatását az egészségügyi rendszerre. Válasszon ki egy konkrét betegséget, és fejlesszen egy felhasználói felületet, ahol a betegek megadhatják az adott betegséghez kapcsolódó releváns információkat. Hozzon létre egy ML modellt, amelyet a betegség azonosítására tanít, és amely a felhasználói adatok alapján valószínűségi értéket rendel a beteg állapotához. Ez a rendszer előszűrésként is szolgálhat, segítve a téves pozitív eredmények kiszűrését.   **Feladat**: Vizsgálja meg a jelenleg az egészségügyben használt gépi tanulási (ML) technikákat, és értékelje azok hatását az egészségügyi rendszerre. Válasszon ki egy konkrét betegséget, és fejlesszen egy felhasználói felületet, ahol a betegek megadhatják az adott betegséghez kapcsolódó releváns információkat. Hozzon létre egy ML modellt, amelyet a betegség azonosítására tanít, és amely a felhasználói adatok alapján valószínűségi értéket rendel a beteg állapotához. Ez a rendszer előszűrésként is szolgálhat, segítve a téves pozitív eredmények kiszűrését.  
  
Line 33: Line 35:
   * A modell teljesítményének kiértékelése valós adatok alapján.   * A modell teljesítményének kiértékelése valós adatok alapján.
  
-2. **Téma: Autonóm Járműrajok a Kooperatív Közlekedési Rendszerekhez**  +2. **Autonóm Járműrajok a Kooperatív Közlekedési Rendszerekhez**   
 **Bevezető**: Az autonóm járművek, mint például a drónok, egyre inkább meghatározó szerepet játszanak a jövő közlekedési rendszereiben. Az autonóm járműrajok képesek együttműködve szállítási feladatokat ellátni vagy felderítői feladatokat ellátni katasztrófáknál, amely hozzájárul a szállítási hatékonyság növeléséhez és terep biztonságos felméréséhez. A technológiai fejlődés ezen területén különösen fontosak a decentralizált döntéshozatali mechanizmusok, valamint a valós idejű kommunikációra épülő rendszerek, amelyek révén a járművek dinamikusan alkalmazkodhatnak a változó környezeti feltételekhez.   **Bevezető**: Az autonóm járművek, mint például a drónok, egyre inkább meghatározó szerepet játszanak a jövő közlekedési rendszereiben. Az autonóm járműrajok képesek együttműködve szállítási feladatokat ellátni vagy felderítői feladatokat ellátni katasztrófáknál, amely hozzájárul a szállítási hatékonyság növeléséhez és terep biztonságos felméréséhez. A technológiai fejlődés ezen területén különösen fontosak a decentralizált döntéshozatali mechanizmusok, valamint a valós idejű kommunikációra épülő rendszerek, amelyek révén a járművek dinamikusan alkalmazkodhatnak a változó környezeti feltételekhez.  
  
Line 44: Line 47:
   * A fejlesztett rendszer teljesítményének kiértékelése valós idejű szimulációkban, különös tekintettel az energiafogyasztásra és biztonságra.   * A fejlesztett rendszer teljesítményének kiértékelése valós idejű szimulációkban, különös tekintettel az energiafogyasztásra és biztonságra.
  
-3. **Téma: Kódgenerálás és automatizáció nagy nyelvi modellek (LLM) segítségével**  +3. **Kódgenerálás és automatizáció nagy nyelvi modellek (LLM) segítségével**   
 **Leírás**: A nagy nyelvi modellek (LLM-ek) egyre elterjedtebbé váltak a kódgenerálásban, ahol javaslataikkal és kódrészletek automatikus előállításával segítik a fejlesztők munkáját. Ezek az eszközök alkalmasak kisebb kódrészletek, például függvények vagy modulok generálására, azonban egy összetett projekt teljeskörű megvalósítása, a kód tesztelése és integrációja továbbra is jelentős emberi beavatkozást igényel.   **Leírás**: A nagy nyelvi modellek (LLM-ek) egyre elterjedtebbé váltak a kódgenerálásban, ahol javaslataikkal és kódrészletek automatikus előállításával segítik a fejlesztők munkáját. Ezek az eszközök alkalmasak kisebb kódrészletek, például függvények vagy modulok generálására, azonban egy összetett projekt teljeskörű megvalósítása, a kód tesztelése és integrációja továbbra is jelentős emberi beavatkozást igényel.  
  
Line 54: Line 58:
   * Az eredmények értékelése és a rendszer hatékonyságának elemzése.   * Az eredmények értékelése és a rendszer hatékonyságának elemzése.
  
-4. **Téma: Jogszabályok automatizált feldolgozása természetes nyelvfeldolgozás (NLP) segítségével**  +4. **Jogszabályok automatizált feldolgozása természetes nyelvfeldolgozás (NLP) segítségével**   
 **Leírás**: Az európai és magyar gazdaságban kiemelt szerepet játszik az ipar jogszabályi szabályozása, különös tekintettel a verseny, a környezetvédelem, valamint a munkavállalók és a fogyasztók védelme szempontjából. A vállalatok számára alapvető fontosságú, hogy folyamatosan figyelemmel kísérjék az újonnan megjelenő jogszabályokat, és időben azonosítsák azokat a részleteket, amelyek az adott szervezetet érintik. Az ilyen jellegű feladatok emberi munkaerővel történő elvégzése időigényes és költséges, ezért egy hatékony automatizált megoldás kidolgozása szükséges.   **Leírás**: Az európai és magyar gazdaságban kiemelt szerepet játszik az ipar jogszabályi szabályozása, különös tekintettel a verseny, a környezetvédelem, valamint a munkavállalók és a fogyasztók védelme szempontjából. A vállalatok számára alapvető fontosságú, hogy folyamatosan figyelemmel kísérjék az újonnan megjelenő jogszabályokat, és időben azonosítsák azokat a részleteket, amelyek az adott szervezetet érintik. Az ilyen jellegű feladatok emberi munkaerővel történő elvégzése időigényes és költséges, ezért egy hatékony automatizált megoldás kidolgozása szükséges.  
  
tanszek/oktatas/komplex_tervezes/feladatok.1727713502.txt.gz · Last modified: 2024/09/30 16:25 by knehez