Machine Learning Budapest Machine Learning Budapest

Benczúr András az ELTE matematikusaként jutott ki az MIT-re a rendszerváltás után, így elsőkézből ismerhetett meg olyan technológiákat és embereket, akik azóta az AI mint tudományág kiemelkedő alakjai. De mit is sikerült hazahoznia ebből a tudásból, és indokolt-e még mindig az óriási hype az AI körül?

0:00 - Bemutatkozás

1:02 - András munkája a SZTAKI-ban, mint tudományos főmunkatárs 

2:37 - Az út az ELTÉ-ről az MIT-ra - Hogyan jutott ki András a rendszerváltás után egy külföldi top-egyetemre? 

8:20 - Az MIT-s évek tapasztalati és tanulságai 

13:59 - Mihez kezdjen valaki az MIT-s tapasztalataival Magyarországon? 

19:48 - Nyitottabb lett-e a magyar akadémikum az elméletek alkalmazására? 

22:00 - András tapasztalati a magyarországi nemzetközi projektekkel 

25:30 - A járvány hatása a nemzetközi együttműködésekre 

28:29 - András startup-tapasztalatai 

33:42 - Mik a különbségek a magyar és a nemzetközi startup-kultúra között? 

39:15 - Ha ma érdeklődsz az AI iránt, hol érdemes elkezdened? 

43:32 - Mennyire indokolt az AI-hype ma? 

49:39 - Hol a határ? Végére jár a neurális hálókban rejlő potenciál? 

52:04 - Milyen új alkalmazási területeket vár András a következő évektől? 

55:44 - Mennyire vannak jelen ezek a területek Magyarországon? 

56:59 - András reményei - mely területek a legizgalmasabbak? 

58:44 - A jelenleg legizgalmasabb projekt, amin András dolgozik  



©2020, minden jog fenntartva

Thamó Emese Dunakesziről indult, az egyetemet már Cambridge-ben végezte, épp a PhD-jén dolgozik a Liverpooli Egyetemen és Amszterdamban is dolgozott már - de hogy sikerült mindezt elérnie, mi hajtotta, és hogy kötött ki végül a Machine Learning mellett? Kutatásának fő fókusza az AI-biztonság és a megmagyarázható modellek, emellett viszont beszélgetünk startupokról, adversarial támadásokról (amire egyikünk sem tudott elfogadható magyar fordítást kitalálni) és orvosi AI-ról is!   

0:00 - Bemutatkozás 

1:24 - Dunakeszi-Cambridge-Liverpool-Amszterdam és matematika szeretete 

3:24 - Innováció és AI külfödön - mit csinálhatnánk jobban Magyarországon? 

5:36 - Medical AI - mire jók és mire nem a jelenleg elérhető eszközök, módszerek? Pulzus, testhő, légzési gyakoriság meghatározása - videóról? Jogi megkötések, akadályok. 

10:35 - Várhatóak jogi változások a modellek széleskörűbb alkalmazásához? Hogyan lehet megoldani a jogi problémákat? 

13:33 - Emese kutatási témája - AI-biztonság. Mitől lesz megbízható egy modell? Hogyan magyarázzuk meg egy neurális háló működését? 

17:31 - Meg fogjuk valaha teljesen érteni egy-egy neurális háló működését? 

19:19 - Hogyan vizsgálahtó egy magyarázat "jó"sága? 

21:48 - Mit csinál egy "adversarial attack"? Hogy működnek ezek a támadások? Hogyan függ össze a magyarázhatóság és a modell hibái? 

24:16 - Emese kutatása, hipotézisei - támadás-detektorok és ezek magyarázata. 

25:59 - Modellek robosztussága - problémák 

27:43 - Startup-tapasztalatok és a Game of Dragons 

35:15 - Tervek a jövőre - milyen startupot indítana Emese Magyarországon? 

36:04 - Tippek és trükkök ha vállalkozni/freelancerkedni szeretnél! 

40:04 - Mit vár Emese az AI fejlődésétől a jövőben? 

41:58 - Emese elérhetőségei, kapcsolat  



Emesét megtaláljátok a LinkedInen: https://www.linkedin.com/in/emesethamo

Kutatói profilja a Liverpooli Egyetem oldalán: https://intranet.csc.liv.ac.uk/~themike/ 



©2020, minden jog fenntartva

Jóföldi Endre a gazdasági válság közepén, 2008-ban alapította a Precognox-ot és immár 12 éve profittal zártak minden évet. Mi a titka a sikerüknek? Milyen kihívásokkal kellett eddig szembenézniük? Hogy lehet elkerülni, hogy haszontalan projektet szállítsunk? És mit is jelent az, hogy emberközpontú AI? Ez és még sok minden más is kiderül az eheti epizódból!  



0:00 - Bemutatkozás 

02:29 - A Precognox története 

06:00 - Milyen kihívásokkal hogyan lehet megküzdeni egy induló cégnél? Hogyan lehet jól válságot kezelni? 

12:35 - A Gartner szerint 2022-ig a datás projektet 80%-a nem hoz hasznot - miért, és a Precognox mit tesz ez ellen? 

26:36 - Mekkora az AI-alapú fejlesztések piaca Magyarországon? Meg lehet élni csak a magyar piacból?  

32:23 - Emberközpontú AI - mit jelent ez Endre és az ügyfelek számára? 

37:23 - Endre teológiai háttere - hogyan kapcsolódik az etika, a vallás és az AI? 

44:03 - Mit vár Endre az AI fejlődésétől a jövőben? 

48:32 - Endre elérhetőségei, kapcsolat  



A Precognox honlapja: https://www.precognox.com/ 



©2020, minden jog fenntartva

Kovács Dominik mindig is szerette a kihívásokat, többekközt ezért is költözött Dániába, ahol a data science-es tanulmányait szerette volna a gyakorlatban is kamatoztatni. Mi is lehetne erre jobb módszer, mint startupot alapítani? Saját elmondása szerint a legalapabb hibákat is elkövette a Defudger építése során, de tanult belőle - most éppen egy nagy pivot előtt állnak. Hogy mik voltak ezek a hibák, mit tanult belőle, és mit csinál most, az kiderül a beszélgetésből - ezen felül pedig az is, hogy miért fuccsol be egy csomó fejlesztés, ami a társadalom hasznára válhatna, és hogy hogyan kéne szabályozni az AI-t Dominik szerint!  



0:00 - Bemutatkozás 

00:58 - Miért döntött Dominik úgy, hogy Dániában tanul tovább? 

05:04 - Milyen a dán startup-kultúra? Mi működik jól ott, amit Magyarországon is alkalmazhatnánk? 

10:54 - A Defudger története - honnan indultak, hogy találtak befektetőket, hogy építették fel a céget? Mik azok az alaphibák, amit Dominikék elkövettek, és mit tanultak belőle? 

16:26 - A deepfake felismerés - mindenki szerint hasznos, senki nem fizet érte. Merre pivotál a Defudger? 

23:28 - Videogenerálás - etikusan 

27:05 - Etikai kérdések - hány etikai problém van, amire a piaci igény hiánya miatt nincs megoldás? Hogy oldjuk fel ezt a helyzetet? 

32:12 - Milyen szabályrendszer lehet jó a deepfake-ek etikus felhasználásához? 

36:15 - Mit vár Dominik az AI fejlődésétől a jövőben? 

39:47 - Dominik elérhetőségei, kapcsolat  



A Defudger honlapja: https://defudger.com/

Dominik a LinkedIn-en: https://www.linkedin.com/in/dominikkovacs/

E-mail címe: dominik@defudger.com  



©2020, minden jog fenntartva

Dr. Feldmann Ádám magatartáskutatóként indult, és ez bizony csupán egy lépésre van a mesterséges intelligenciától, ami azóta a hivatásává vált. A "business-t csináljunk, vagy kutatást?"-kérdést egy harmadik, innovatív megoldással válaszolták meg, hiszen a Pécsi Tudományegyetem Alkalmazott Adattudományi-és Mesterséges Intelligencia Csoportjának munkája során ötvözik a kettőt: A legújabb kutatások gyors implementálásával foglalkoznak, hogy üzleteknek tudjanak segíteni vele. A fő fókusz pedig a modellek magyarítása - hogy ez milyen kihívásokkal jár, az kiderül a beszélgetésből!  



0:00 - Bemutatkozás

01:16 - Magatartástudósból AI-szakértő - hogyan és miért? 

06:25 - Mesterséges vs. természetes neuronok - mik a különbségek? A mesterséges neurális hálók rövid története 

09:37 - Alkalmazott Adattudományi-és Mesterséges Intelligencia Csoport - miért alapult, hogyan, és mivel foglalkozik? 

12:16 - Business vs. kutatás? Mind a kettő! Ádámék különleges hozzáállása az új projektekhez.  

18:05 - Nyelvfelismerő rendszerek - háttér, módszerek, Ádámék projektje 

21:43 - Együttműködés a Microsofttal - Magyar BERT tanítása nulláról! 

28:25 - Magyar nyelvi modellek - hol tartunk most? 

30:47 - Van-e különbség az adatok valós életbeli vs. a kutatásbeli eredmények közt? 

34:56 - Adatminőség-problémák - Csak céges probléma, vagy kutatási is? Milyen a "rossz" adat? 

37:32 - Hamis adatok kiszűrése, ha nem vagy a terület szakértője - lehetséges? Hogyan? 

41:42 - Mit vár Ádám az AI fejlődésétől a jövőben? 

42:56 - Ádám elérhetőségei, kapcsolat  

Pécsi Tudományegyetem Alkalmazott Adattudományi-és Mesterséges Intelligencia Csoportja: https://aok.pte.hu/hu/egyseg/180/kutatas 



©2020, minden jog fenntartva

Video guide/tartalom odalent↓↓↓↓↓↓ 

Biczó Zoltán bölcsész- és business-háttérrel indult, de már évek óta adatszakértőként dolgozik, továbbá az övé az első magyar data science-podcast, az Adatépítész. Az ajánlómotorok által keletkező információs buborékok mellett arról beszélgettünk, hogy milyen adatos fejlesztéseket folytatnak a magyar cégek, miért nem szabad összemosni az AI-t a robotikával, és, hogy várható-e egy újabb AI-tél?  



0:00 - Bemutatkozás 

3:13 - Bölcsészből Data Scientist? Nem olyan nagy a különbség!  

9:01 - Data Science startupoknak vs. nagyvállalatoknak - mik a szempontok, különbségek? 

13:45 - Startupként érdemes-e külsőst felvenni adatszakértőként, vagy mindenképp a csapatból kell jönnie a szakembernek? 

17:00 - Zoltán jelenlegi megbízásai - mit fejleszt a magyar?

 19:19 - A robotika NEM AI! 

27:24 - Az RPA nem robot! 

30:18 - Várható-e egy újabb AI-tél? 

37:17 - Ajánlómotorok - AI, amit te is használsz, de nem is tudod, hogy AI! 

46:46 - Etikai kérdések - információs buborékok és radikalizálódás  

54:05 - Mit vár Zoltán az AI-tól a jövőben? 

58:11 - Zoltán elérhetőségei,  kapcsolat  



Adatépítész podcast: https://adatepitesz.hu/ 



©2020, minden jog fenntartva