Outlier kiválasztás Mesterséges Intelligenciával gyártási adathalmazokon (Artillence)

2022-2023 tavasz

Szoftver

Téma leírása

Outlier kiválasztás Mesterséges Intelligenciával gyártási adathalmazokon
Outlier selection using AI from manufacturing datasets


A gépi tanulás területén gyakran szükséges egy adathalmaz annotálása egy osztályozó modell betanításához. A minták kézi kiválasztása a címkézéshez azonban időigényes lehet, és nem biztos, hogy a legreprezentatívabb vagy leghatékonyabb adatokat eredményezi. Egy mesterséges intelligencia-alapú, felügyelt nélküli eszköz javíthatja ennek a folyamatnak a hatékonyságát és eredményességét azáltal, hogy autonóm módon azonosítja a kiugró vagy érdekes mintákat, amelyeket érdemes címkékkel ellátni.

A téma kidolgozása során a hallgató egy ilyen eszközt kutathat és fejleszthet, összpontosítva olyan nagy gyártási adatkészletekre, amelyek viszonylag kevés kiugró mintát tartalmaznak. A dolgozatban különböző megközelítéseket kell javasolni és kiértékelni. A hallgató ezután olyan megoldást tervez és valósít meg, amely hatékonyan és eredményesen ötvözi ezeket a megközelítéseket.

A projekten való munka során lehetőség nyílik arra, hogy a gépi tanulással és az adatelemzéssel kapcsolatos ismereteit egy valós probléma megoldására alkalmazza, valamint tapasztalatot szerezzen az AI-alapú eszközök fejlesztésében. Lehetősége lesz arra is, hogy nagy és összetett adatkészletekkel dolgozzon, ami megköveteli, hogy fejlessze adatkezelési készségeit.

Feladatok részletezése:

  • A szakirodalomban megjelenő megoldások felkutatása
  • A különböző mintavételezési algoritmusok kiértékelése, összehasonlítása
  • Az összeállított algoritmus konténerizálása
  • Dokumentáció készítése

Külső partner: Artillence

Maximális létszám: 2 fő

Konzulens

Lengyel László Dr. fényképe

Lengyel László Dr.
Tanszékvezető helyettes, egyetemi tanár

Q.B208.
+36 (1) 463-2870