Alkalmazott Mesterséges Intelligencia Java, Node.JS vagy egyéb platformon

2019-2020 tavasz

Szoftver

Téma leírása

A mesterséges intelligencia eszközök és megoldások rohamos mértékben fejlődnek. Egy szoftver megoldás értéke nagy mértékben növelhető mesterséges intelligencia rutinok beépítésével.

A téma keretein belül a feladat egy választott platformon (Java, Node.JS, Python..) megismerni a rendelkezésre álló mesterséges intelligenciához kapcsolódó osztálykönyvtárakat (pl: https://www.baeldung.com/java-ai) és egy konkrét alkalmazáson keresztül demonstrálni működésüket.

A téma ideális azok számára akik például TDK-zni szeretnének.

A téma célja megismerni meglévő mesterséges intelligencia osztálykönyvtárakat és azok alapján konkrét alkalmazást fejleszteni.

Napjainkban építő kocka áll a rendelkezésre, a cél ezen eszközök megismerése, kipróbálása, kísérletezés és konkrét felhasználás egy mobil, web, vagy asztali megoldás fejlesztése során, vagy egy olyan library készítése, mely könnyen használható más alkalmazásból.

Alkalmazás ötletek, amik például megvalósíthatók a félév során (más is lehet, a legjobb mindig a saját ötlet):

  • Kézírás felismerés, melyik írás kitől van, képfeldolgozás, klaszterezés
  • Időjárási trendek, anomáliák, előrejelzési tippek (https://openweathermap.org/history)
  • Valuta és tőzsdei infok, anomáliák, előrejelzések (https://fixer.io/, stb.)
  • Forráskód kategórizálás, repository klasszifikáció (melyik jó/nem jó lib, melyiket használják sokat, melyik lesz várhatóan népszerű, stb.; GitHub API használható: https://developer.github.com/v3/ https://developer.github.com/v4/ )
  • API-k megvizsgálása és ezeken alapján MI módszerek alkalmazása
  • Mobil adatgyűjtés, például jelerősség és anomália detektálás, osztályozás (régiók osztályozása), kategórizálás telefon típus, stb. alapján.
  • Valamilyen játék, ahol az „ellenfelet”/másik játkost a gép irányítja
  • Kamerakép folyamatos figyelése (pl mobil alkalmazással) és az alapján trendek, összefüggések, gyakran előforduló dolgok felismerése, csoportosítása (például 8-10 között ezen az ajtón tipikusan sokan jönnek be, érdemes lenne ide nagyobb ajtó..)
  • Idősor elemzés, trend analízis, pl valamelyik korábbi API adatai alapján
  • Mobil MLKit alap alkalmazás fejlesztése: https://developers.google.com/ml-kit/
  • Arcfelismerés/alakzat felismerés
  • Stb.

Maximális létszám: 7 fő