Szerző: admin

A Neumann János Szakkollégium is képviseltette magát az Óbudai Egyetem szakkollégiumait tömörítő fórumán. Az Összetartás célja, hogy megteremtse az egyetem szakkollégiumai közti kommunikációt, ezáltal egy erősebb összetartó közösséget hozzon létre azok tagjai között, munkájukat pedig segítse a kölcsönös tapasztalatcsere által.

Rengeteg tervünk van a jövőre nézve, amik megvalósításához remek partnerekre tettünk szert a többi szakkollégium vezetésében és a Rektori Hivatal megbízottjai személyében.

Tehetség. Siker. Közösség.

Lezajlott az idei NTP-SZKOLL pályázatban vállalt társadalmi felelősségvállalás kurzusunk. A BMSZC Bláthy Ottó Titusz Informatikai Technikum 10-edikes tanulóit fogadtuk az Óbudai Egyetemen.

A diákok nyár elején Python programozási alapismereteket szereztek, és elméletben ismerkedtek a robotprogramozás alapjaival.
Ezután 2022 szeptemberében visszatértek az egyetemre, hogy gyakorlatban is kipróbálhassák ismereteiket a szakkollégium eszközein.

A szakkollégium által beszerzett MAKEBLOCK mBot 2 robotok kifejezetten oktatási célra lettek kifejlesztve. Rendelkeznek ultrahangos távolságszenzorral, és vonalkövetésre és színfelismerésre alkalmas RGB szenzorokkal is. Így a tanulók egyszerűen sajátíthatnak el robotikai feladatokat.
Ezek az eszközök mostantól a szakkollégium eszköztárát képezik, így további kurzusok tartására is hasznosak lesznek.

A kurzus oktatója: Dr. Simon-Nagy Gabriella

A feladatok előkészítésében és a foglalkozások megtartásában segítettek:
– Köpf Andrea
– Kun Ádám
– Major Sándor
– Pintér Krisztián

Június 3-án pénteken, 16:30-tól az F.02 előadóban a BlackRock jóvoltából megismerkedhetünk a Natural Language Processing-el.

Elgondolkodtál valaha, honnan tudja a telefonod, mit szeretnél begépelni? Vagy hogyan tudnak a Google és a Bing keresők releváns cikkeket ajánlani? Vagy honnan tudja a Facebook, hogy mit mutasson meg az idővonaladon? Vagy hogyan érti meg a digitalis asszisztensed, hogy mire szeretnéd megkérni? Ezeket mind az adatok elemzése, a data science és a természetes nyelvi feldolgozás (Natural Language Processing – NLP) működteti.

Az emberiség évezredek alatt hatalmas mennyiségű adatot generált, és az új adatok generálása egyre gyorsuló ütemben zajlik. Csak gondolj bele, a mai nap folyamán hány chat üzenetet, email-t vagy like-ot küldtél, illetve hány képet vagy linket osztottál meg. Ahhoz, hogy ekkora mennyiségű adat (részben szöveges, és gyakran strukturálatlan) feldolgozható legyen, és kérdéseinkre válaszokat kapjunk, különleges módszerekre és technikákra van szükségünk.

Itt jön be a képbe a data science és az NLP.

Előadásunkban rövid áttekintést szeretnénk adni a data science-ről, és a természetes nyelvi feldolgozás alapjairól. Ezen felül bemutatunk néhány izgalmas üzleti felhasználást, például hogy hogyan lehet e-mail-ekből csalási kísérleteket kimutatni, illetve hogy szöveges tartalomban hogyan lehet a leglényegesebb szavakat és mondatokat megtalálni.

A felhőszámítási rendszerek komplex, skálázható és nagyszámú komponensből álló szolgáltatást nyújtanak többek között a Big Data, IoT és mesterséges intelligencia nagy kihívást jelentő felhasználási területein is. Az ilyen jellegű felhő szolgáltatások telepítése, konfigurálása és működtetése rendkívül összetett feladat lehet, ezért ezeket a műveleteket valamilyen módszer segítségével automatizálni érdemes, mivel a környezet és a felhasználási körülmények folyamatosan változnak. Másrészről nehézségbe ütközhet felfedezni azokat a “gyanús” helyzeteket, amelyek az esetleges hibák eredetének megtalálásához feltétlenül szükségesek.

A kutatás olyan informatikai megoldásokra összpontosít, amelyek fő célja, hogy a felhő-alapú komplex szolgáltatásokat megbízhatóbbá tegye a hibák feltárásával, majd azokat ún. referencia architektúrák formájában elérhetővé tegye akár hibrid környezetben is. A kutatás során a hagyományosnak mondható formális megközelítések mellett, mint például a párhuzamos és elosztott szoftverek verifikálása, fontos szerepet kapnak a gyakorlatias hibakeresési módszerek, és a gépi tanulás területén elért legújabb eredményekre is támaszkodunk.

Az első alkalom május 25. szerdán 17 órai kezdettel lesz, amelynek tematikája:

1. Alapok: Hibák feltárása párhuzamos és elosztott környezetben
Fontosabb témák: debugging megközelítések osztályozása, formális modellezés színezett Petri hálóval, konzisztens globális állapotok generálása, temporális logikai modellellenőrzés

Az előadás-sorozat következő két alkalmának időpontja és témái:

2. Hibrid felhő orkesztrációs módszerek és referencia architektúrák kiberfizikai rendszekhez (június 1. 17 óra)
3. Felhő-alapú, orkesztrált szolgáltatások modellezése és megbízhatóságának javítása gépi tanulással (június 8. 17 óra)

A 90 perces előadásokra Zoomon lehet becsatlakozni:

https://sztaki-hu.zoom.us/j/98686674513?pwd=dGlHQXB0anp5bm1NQUZFaEVpSmpvdz09

Ezen szakkollégiumi előadások az Innovációs és Technológiai Minisztérium ÚNKP-21-5 kódszámú Új Nemzeti Kiválósági Programjának a Nemzeti Kutatási, Fejlesztési és Innovációs Alapból finanszírozott szakmai támogatásával készültek.

Az előadóról:

Dr. habil. Lovas Róbert az ELKH SZTAKI igazgatóhelyettese. MSc és PhD tanulmányait a BME-n végezte el villamosmérnöki és informatikai területen, illetve az Emory University Mathematics and Computer Science tanszékén ösztöndíjas vendégkutatóként. Az Óbudai Egyetem Neumann János Informatikai Karán 2015 óta szakterület felelős, majd egyetemi docens, habilitációját 2017-ben szerezte meg informatikai tudományterületen, majd a Kiberfizikai Rendszerek Intézet alapítója és megbízott igazgatója 2020-ig. Jelenleg Bolyai János Kutatási Ösztöndíjas és az MTA Informatikai Tudományos Bizottságának tagja.

Kutatásai 1998 óta elsősorban az elosztott IT infrastruktúrák ipari, valamint akadémiai alkalmazási technológiáira és módszerei fókuszálnak, pl. meteorológia, gyógyszerkutatás, kémia, mezőgazdaság, autóipar (connected cars) és Ipar 4.0 vonatkozásában — különös tekintettel a felhő számítási, Big Data, IoT és mesterséges intelligencia (AI) megoldásokra.

Résztvevője vagy vezető kutatója számos hazai projektnek és nemzetközi konzorciumnak az EU kutatási keretprogramjaiban (FP5-H2020), továbbá két sikeresen lezárult EU FP7-es globális e-Infrastruktúra projekt koordinátora 2010 és 2015 között. 2014-től a hazai Agrodat (VKSZ12) projekt Big Data kutatási platformjának vezetője, jelenleg a H2020 CO-VERSATILE projekt koordinátora és az ELKH Cloud projekt igazgatója, továbbá hozzájárul a Mesterséges Intelligencia és Autonóm Rendszerek Nemzeti Laboratóriumok kutatási tevékenységeihez.

Több mint 80 tudományos közlemény és könyvfejezet társszerzője, számos nemzetközi konferencia szervezőbizottságának tagja vagy meghívott vitaindító előadója 2009 óta.