Oktatási cél:
A „Mesterséges Intelligencia alkalmazási területei” című interdiszciplináris tantárgynak a célja, hogy a hallgatók megismerjék a mesterséges intelligencia főbb és leginkább kurrens alkalmazási területeit. Az ipari/üzleti folyamatok és a kutatások aktuális alakulásának megfelelő trendek bemutatása és elsajátítása a cél. A tárgy célja, hogy a hallgatókat a természetes nyelvi feldolgozás (NLP) és az idősorelemzés terén a legfontosabb technikák alapismereteivel lássa el. Továbbá célja a gyakorlati készségek átadása úgy, hogy a képzett szakemberek sikeresen meg tudjanak birkózni a való világ összetett kihívásaival, különböző technikákat alkalmazva a nyelvfeldolgozása és az idősori elemzés területeiről. Ez az integrált megközelítés lehetővé teszi az AI-rendszerek számára, hogy adaptív és megalapozott döntéseket hozzanak, figyelembe véve a nyelv szemantikai jelentését és az időbeli dinamikát. A gyakorlati projektek és esettanulmányok révén a hallgatók széleskörű tapasztalatokat szerezhetnek, elősegítve az AI-alkalmazások sokoldalú és átfogó megközelítését, ideértve a pénzügyi, az egészségügyi és az e-kereskedelmi, stb., területeket.
Tematika:
Az előadásokon bemutatott módszerek elméleti megközelítése után a gyakorlatokon a hallgatók gyakorlati problémák Python programozási nyelven történő implementációját sajátíthatják el.
A tárgy tematikája a következő három fő téma köré csoportosul: természetes nyelvfeldolgozás (NLP), Generative Pre-trained Transformer (GPT), idősoranalízis és az alábbi tématerületeket foglalja magába: pl. NLP alkalmazási területei, lemmatizálás, tokenizálás, szövegosztályozás, word embeddding, TF-IDF, GPT alapú rendszerek, idősorok komponensei, AR, MA, ARMA, ARIMA, SARIMA modellek.