A tárgy célkitűzése

Az Önálló laboratórium tárgy alapvető célkitűzése, hogy a hallgató egy általa választott témával önállóan foglalkozik (bizonyos esetekben esetleg néhány hallgatótársával együtt), egy hozzá rendelt konzulens irányítása alatt. A feladat elvégzésére a hallgatónak egy teljes félév áll rendelkezésére.

A kiválasztott tématerület egyeztetését követően a hallgató a konzulens felügyelete mellett, a konzulenssel egyeztetett ütemben és mérföldkövek szerint végzi önálló feladatát, rendszeres konzultáció mellett.


Témakiírásaink

Csoportunk alapvetően közösen készít témakiírásokat az összes Önálló laboratórium tárgyra. Ez azt jelenti, hogy várjuk hallgatók jelentkezését bármely képzési formából bármelyik témánkra. A témák mindegyike úgy kerül kiírásra, hogy az adott téma akár a BSc képzés Önálló laboratóriumától az MSc képzés Diplomatervezés tárgyáig, vagy akár PhD-ig is folytatható.

Aktuális önálló laboratórium, szakdolgozat és diplomatervezés témakiírásaink megtalálhatóak a tanszéki intraweb oldalon, ami lehetőséget nyújt a témák böngészésére, a részletes tematikák megismerésére és témajelentkezésre (ami nem helyettesíti az adott kiírt téma témavezetőjével való személyes egyeztetést) is. A témára való jelentkezést minden esetben emailes és személyes egyeztetésnek kell megelőznie.


Deep Learning témák

Laboratóriumunkban nagy hangsúlyt fektetünk a deep learning oktatásra. Számos volt hallgatónk meghatározó szerepet foglal el multinacionális vállalatok machine és deep learning csapatában. A deep learninggel kapcsolatos témák nehézsége miatt a következők betartását kérjük a hallgatóktól:

  1. A kommunikáció Slack-en keresztül folyik, erősítve ezzel a hallgatók közötti kooperációt. Minden kérdést a Slack-en a közös csoportokban kell feltenni, és ha más kérdésére tudjátok a választ, akkor segítsetek neki gyors válaszotokkal.
  2. Két hetente jelenjetek meg az un. deep learning szimpóziumon, ahol a többi hallgatóval együtt beszámoltok az elmúlt két hét munkájáról és elmondjátok a terveteket a következő két hétre. A szimpóziumon fix időpontját minden félév elején előre egyeztetjük.
  3. A munkát privát GitHub fiókba kell legalább minden szimpózium előtt feltölteni (ilyen fiókot mi adunk). A feltöltött anyagnak tartalmaznia kell a futáshoz használt környezetet, a futtatáshoz szükséges parancsokat (praktikusan ezeket a readme.md fájlban), továbbá a letisztított, kommentekkel bőven ellátott kódot.
  4. A 6. hét végére kérünk a félév végén leadandó dokumentum hosszának a 40%-t (pl. irodalomkutatás, rendszerterv, adatok előkészítése, stb.).
  5. Minden félév végén a labor blogján (https://medium.com/@SmartLabAI) kérjük, hogy mutassátok be pár illusztrációval a munkátokat, ezt praktikusan a beszámoló alapján egyszerű összerakni.
  6. A beszámoló/szakdolgozat/diploma végső változatát 2 (beszámoló) illetve 3 (diploma) héttel a végső leadási határidő előtt (utolsó oktatási hét) le kell adnod a konzulensednek. Csak így lesz biztosan elég idő, hogy leadásra a dolgozat megfelelő formába kerüljön.
  7. Konferencia és folyóirat cikk, TDK, PhD – ezt mind nagyon jó dolognak gondoljuk és támogatjuk az ilyen irányú törekvéseket!

A fentiek be nem tartása, vagy folyamatos késés és elmaradás esetén várhatóan a későbbi félévekben deep learning témára nem fogadjuk a hallgatót.
Mindezzel az a célunk, hogy a nálunk végzett hallgatók gyakorlati deep learning tudással tudják folytatni tanulmányaikat a PhD képzés keretein belül, vagy/és megfelelő rálátással és tapasztalattal tudjanak AI start up-ot alapítani, illetve az iparban nagy presztízsű cégnél, deep learning pozícióban elhelyezkedni.

TDK, szakdolgozat, diploma struktúra

Segítség képp általános struktúra TDK-hoz, szakdolgozathoz, diplomához. Természetesen ez csak egy irányelv, szinte biztos, hogy lesznek alfejezeteitek, illetve témától függően lehetnek teljesen új fejezetek is, vagy máshogy is hívhatjátok ezeket a fejezeteket. Ha a lentiek közül bármelyik fejezetet ki akarjátok hagyni, annak alapos oka kell, hogy legyen.

  1. Fedőlap
  2. Tartalomjegyzék
  3. Hallgatói nyilatkozat (szakdolgozat és diploma esetén)
  4. Kivonat 1 oldal
  5. Abstract -angolul a kivonat
  6. Bevezető 1-2: általános bevezető, amiből egyértelműen kiderül, hogy mi a megoldandó probléma és azt hogyan akarod megoldani
  7. Irodalomkutatás 10-12 oldal: a korai neurális hálókról viszonylag keveset, inkább az új irányokról, és a dolgozathoz szorosan kapcsolódó anyagokról írj. Hivatkozásokat a scholar.google.com-ról és arxiv.org-ról gyűjts. A hivatkozások legyenek 100% pontosak!!
  8. Célkitűzések 0.5-1 oldal: itt fogalmazd meg bárki számára érthető módon, hogy mit fogsz csinálni
  9. Rendszerterv és módszerek 2-4 oldal: itt egy általános leírást adj arról, hogy hogyan fogad megvalósítani, illetve írhatsz a szoftver és hardverkörnyezetről
  10. Adatbázisok 1-2 oldal: pontosan írd le, milyen adatbázisokkal dolgozol, ha volt ilyen
  11. Megvalósítás: itt a konkrét megvalósítási lépéseket írd le, forráskódokat max ha nagyon muszáj, akkor is csak pár sor. Fontos, hogy jól tagold (akár alfejezetekben is)
  12. Kiértékelés: a rendszer objektív és ha lehet, szubjektív mérése. itt csak a tesztek eredményét írod le, nem értelmezed őket. Fontos, hogy mérnökileg és statisztikailag is korrekt legyen a mérés/tesztelés.
  13. Eredmények: a megvalósítás és kiértékelés értelmezése. Itt vonod le a konzekvenciát, hogy a kitűzött célt mennyire
  14. Összefoglalás 0.5-1.5 oldal: ebben még egyszer, értelmesen összefoglaljátok a kitűzött célt, a megoldáshoz vezető utat és a legfontosabb eredményeket. Lehetséges jövőbeli fejlesztésekre is itt tértek ki.
  15. Irodalomjegyzék: legyen nagyon pontos. A hivatkozásokat a scholar.google.com-on a cikk alatti "Idézés" linkre kattintva tudjátok kimásolni, ez legtöbbször nagyjából helyes

Segédanyagok

Tippek az önálló labor (és szakdolgozat, diplomatervezés) tantárgyakhoz

Gyakran Ismételt Kérdések a Diplomatervezésről