Tudományos felfedező rendszerek: hiányos adatok kezelése és aktív tanulás Bayes hálókkal

Tanszéki konzulens: 
A munkatárs fényképe
docens
Szoba: E435
Tel.:
+36 1 463-2677
Email: antal (*) mit * bme * hu

A kiírás adatai

A téma státusza: 
Aktív (aktuális, lehet rá jelentkezni)
Kiírás éve: 
2023
A kiírás jellege: 
önálló labor, szakdolgozat/diplomaterv

A teljes eloszlás modellek, mint például a valószínűségi gráfos modellek lehetőséget adnak a hiányos adatoknak mind a normatív kezelésére és mind a kiegészítésére egy aktív tanulási keretben akár az adatok, akár a modellre is vonatkozik a következtetés. Az oksági Bayes-hálózatok további előnye, hogy beavatkozásokat is képesek kezelni, illetve értelmezhetőségük miatt a tudományos felfedezés ciklusába is természetes módon kapcsolhatóak be. Az önálló munka célja hatékony aktív tanulási eljárások kifejlesztése.

A téma az emberközpontú MI kiegészítő mesterképzés (HCAIM) hallgatóinak kifejezetten ajánljott, mivel a feladat kiterjedhet a mesterséges intelligencia alkalmazásának társadalmi és személyi (etikai, erkölcsi, jogi, biztonsági, megbízhatósági, értelmezhetőségi, esélyegyenlőségi stb.) szempontjaira is. Részletekhttps://hcaim.bme.hu/en/msc-bme/ 

 

© 2010-2024 BME MIT | Hibajelentés | Használati útmutató