ÖNÁLLÓ LABORATÓRIUM, SZAKDOLGOZAT, DIPLOMATERVEZÉS

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.

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.

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 és a nagy számú jelentkezés miatt a következők szabályok betartását kérjük a hallgatóktól.

Általános irányelv

A tárgy követelménnyel mindig a hallgatónak a feladat, hogy tisztában legyen, és az adminisztratív teendőket a tárgykövetelményeknek megfelelően végezzék el, még ha erre külön nem is hívja fel a konzulens a figyelmet.

Féléves teendők

Online vagy személyes szimpózium a félév során várhatóan három alkalommal lesz. Ehhez időpontot és meghívót a konzulens küld. A szimpóziumra mindig az alábbiakkal szükséges készülni:

• 5-8 perces előadás az előrehaladásotokról, 5-8 dia maximum
• GitHub-ra feltöltött forráskód
• 2-4000 karakter leírás az előrehaladásról egy megosztott dokumentumba (ez a dokumentum lesz később a félév végi beszámoló). A dokumentum linkjét a README.MD-ben adjátok meg.

A szimpóziumok várható időpontjai, a kapcsolódó elsődleges feladatokkal (természetesen már több féléve futó, vagy speciális téma esetén a tartalomban lehet eltérés):

• 4. hét: irodalomkutatás (cikkek + GitHub repok), fő feladat meghatározása, adatbázisok megadása, adatok betöltése.
• 8. hét: szoftver infrastruktúra létrehozása, modellezési pipeline létrehozása, szintaktikailag helyes forráskód, első működő modell
• 12. hét: továbbfejlesztett adatelőkészítés és modellezés, továbbfejlesztett modell, demonstrációs alkalmazás (törekedjetek arra, hogy minden félév végén legyen a munkákból bemutatható demo, pl. Gradio.app-al)

Szimpóziumok között is van konzultációs lehetőség: ehhez küldjétek el a kérdéseket a konzulenseteknek és válaszul javasolunk időpontot.

TDK

Minden hallgatót biztatunk a TDK-n való indulásra. Optimális, ha a beszámolókat angolul írjátok, és így ezekből a TDK dolgozat további szerkesztéssel elkészíthető. Angol nyelv esetén a TDK dolgozat tartalmát további munkával konferencia/folyóiratcikknek lehet tovább vinni.
Deep learning témában a TDK, cikkek mind az ipari, mind az akadémiai életben előnyt jelent.

Önálló laboratórium

A tárgyfelelősnek jellemzően az alábbi dokumentumokat kell leadni (ezeket mindig ellenőrizzétek):

• félév elején egy ütemtervet kell leadni
• félév végén dokumentáció és prezentáció

Szakdolgozat – Diplomatervezés

Hivatalos határidők a https://diplomaterv.vik.bme.hu/hu/ oldalon találhatóak. Ezek közül a fontosabbak:

• téma megnyitása: minél korábban, de legkésőbb harmadik hét elején adjatok a konzulenseteknek javaslatot a témátok címére angolul és magyarul, figyelve arra, hogy (1) ne legyen túl általános (pl. deep learning for image recognition), (2) ne legyen túl specifikus (pl. finetuning the weights of VGG to classify images into 10 categories)
• feladatkiírás: a feladatkiírás elkészítésében keressétek a konzulenseteket a 4. héten.
• dolgozat beadása: mindig legalább a hivatalos határidő előtt 2 héttel kell leadnotok a konzulenseteknek (ez a belső határidő)

Elvárások:

1. Félév végi dokumentáció/szakdolgozat/diplomaterv és prezentáció:
   • megosztott dokumentum (Pl. Overleaf, GDocs, stb.)
   • Határidő: hivatalos határidő előtt két (önlab) vagy három (szakdolgozat, diploma) héttel.
2. GitHub repository
   • pontos verziókkal megjelölt requirements.txt
   • kapcsolódó Dockerfile
   • shell script vagy Docker compose file, amit a Docker konténerben elindítva fut a kód
   • kommentezett forráskód – legalább a függvény nevek PyDoc elven kommentelve vannak
   • korrekt readme.md (megoldás rövid leírása, hogyan kell futtatni a megoldást, stb.)
   • Határidő: szóbeli beszámoló időpontja
3. Blog post
   • elsősorban angol nyelvű
   • a beszámoló alapján elkészített, min. 4-8.000 karakteres leírás minimum 2 ábrával/táblázattal.
   • minta: https://smartlabai.medium.com/ bejegyzései
   • Határidő: szóbeli beszámoló időpontja

A fentiek be nem tartása, vagy folyamatos késés és elmaradás esetén 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.

Osztályozás deep learning témák esetén:

• Szimpóziumon való megjelenés:
  • 2-3 hiányzás vagy beszámoló/GitHub commit hiánya: -1 jegy
  • 4-5 hiányzás vagy beszámoló/GitHub commit hiánya: -2 jegy
  • 5-nél több hiányzás vagy beszámoló/GitHub commit hiánya: nincs aláírás
• GitHub forrás:
  • Letöltve nem futtatható, hiányos README.MD: -1 jegy
  • Tiszta kód, kommentek hiánya: -1 jegy
• Beszámoló / szakdolgozat / diploma határidők be nem tartása:
  • Nem végleges dokumentum beküldése a fentiekben megadott határidőkre: -1 jegy
  • A fentebb megadott határidőkhöz képest minden 3 nap késés -1 jegy.
  • 10 nap késés esetén félévhalasztás.
• Blog post tartalmának leadása: jelentkezés feltétele a következő félévben

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

Tippek az önálló labor (és szakdolgozat, diplomatervezés) tantárgyakhoz

Gyakran Ismételt Kérdések a Diplomatervezésről