Jegykiválasztási és oksági adatelemzések több absztrakciós szintű utóelemzése és magyarázata

Tanszéki konzulens: 
A munkatárs fényképe
associate professor
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 komplex modelleket használó rendszeralapú adatelemzés nagy adatigénye miatt az elemzések eredménye gyakran plauzibilis modellek sokasága, akár újramintvételezési vagy bayesi módszerek esetében. A kutatás célja több absztrakciós szinten lévő kapcsolt reprezentációk használata jegykiválasztás és oksági összefüggések utóelemzésére és kimutatására. Fő alkalmazás a biomarkerek kutatása a mentális egészség, neurodegeneráció és öregedéskutatás területén.

Az önálló munka során meglévő módszerek megismerése, a kutató közösség által használható eszközök fejlesztése és új módszerek kifejlesztése a cél. 

További kutatási cél, hogy sok esetben az adatelemzés eredményei alig hasznosulnak, mivel nem áll rendelkezésre egy olyan kutatási infrastruktúra, amely az eredményeket új gépi tanulási eljárások, metaelemzések számára őrízné meg és biztosítaná (lásd például https://www.mdpi.com/journal/entropy/special_issues/Bayesian_Bioinformatics). Így egy további cél úgynevezett adatelemzési tudásbázisok fejlesztése, amely lehetővé tenné a sokszor komoly számítási kapacitást felhasználó gépi tanulási módszer eredményeinek megőrzését és kombinálását, akár meta-elemzésezk vagy federált tanulási eljárások esetében.

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