Egészségügyi idősor-adatok skálázható feldolgozása Databricks és MLflow platformon

Félév: 2026-2027 ősz

Kategória: Szoftver

Téma leírása

A modern egészségügyi wearable eszközök (okosórák, okosgyűrűk) folyamatosan nagy mennyiségű fiziológiai adatot termelnek — szívritmus, bőrhőmérséklet, alvásadatok, aktivitás. Ezeknek az adatoknak a hatékony tárolása, feldolgozása és elemzése komoly mérnöki kihívást jelent, amelyre az iparban egyre inkább felhőalapú, skálázható big data platformokat alkalmaznak.

A diplomamunka keretében a hallgató egy valódi wearable adathalmazon épít fel egy end-to-end adatfeldolgozási pipeline-t Databricks környezetben, és egy egyszerű gépi tanulási modellt követ nyomon MLflow segítségével.

Feladatok

1. Publikus wearable adathalmaz betöltése Databricks környezetbe, Delta Lake tárolási réteg kialakítása
2. Adattisztítási és előfeldolgozási pipeline fejlesztése PySpark / pandas on Spark segítségével
3. Egyszerű gépi tanulási modell (pl. regresszió vagy klasszifikáció) betanítása scikit-learn vagy MLlib segítségével
4. A modell kísérlet-követése MLflow Tracking segítségével (paraméterek, metrikák, artefaktok)
5. Alapszintű CI/CD szemlélet alkalmazása: automatikus pipeline-futtatás új adat érkezésekor
6. Eredmények dokumentálása és bemutatása

Maximális létszám: 1 fő