Témalaboratórium

A témalabor bemutatja a specializáció, illetve ágazat (ha van) adott tanszékéhez tartozó műhelyeket, amelyek később az Önálló laboratórium, illetve a Szakdolgozat-készítés tantárgyakat kiszolgálják. A hallgatók a témalabor foglalkozásai során megismerkednek a műhely munkájával, és elsajátítják a műhely témáinak műveléséhez szükséges speciális szakmai ismereteket. A témalabor tantárgy elvégzése után a hallgatók képesek lesznek az adott szakmai műhelyben választott önálló laboratóriumi feladat további felkészítés nélküli kidolgozására.

• Mély neurális hálózat alapú gépi tanulás (Deep neural network based machine learning)

A számos tudományterületen kinyerhető nagy adatmennyiségnek köszönhetően a statisztikai alapú adatvezérelt rendszerek az elmúlt évtizedben jelentős teret hódítottak. Alkalmazási területtől (pl. kép-, szöveg-, beszédfeldolgozás) függően különböző matematikai modelleket használnak. Az elmúlt évek egyik legígéretesebb és jelenleg legnagyobb népszerűségnek örvendő technológiája a mély tanulás (deep learning) alapú modellalkotás, ezen belül is a mély neurális hálózatok. A mély neuronhálók a rejtett rétegeinek köszönhetően a hagyományos eljárásoknál magasabb szintű absztrakciók kinyerésére képesek, és így sok fajta bonyolult folyamat modellezése is a korábbiaknál nagyobb pontossággal lehetséges. A problémák jelentős része esetén az általános célokra használt GPU (Graphic Processing Unit) alapú számítások nagy hatékonysággal képesek megoldani.

A hallgató feladata a félév során a gépi tanulás és a mély neurálos hálózatok alapjainak és a rendelkezésre álló eszközöknek a megismerése, majd ezek felhasználásával egy probléma megoldása. A választott probléma lehet a felhasználó szokások elemzésével kapcsolatos (viselkedés előrejelzése, felhasználó felismerés, képi információk feldolgozása), lehet numerikus adatok alapján történő előrejelzéssel kapcsolatos (hőmérsékleti adatok, fogyasztási adatok előrejelzése historikus adatok alapján), illetve kapcsolódhat a beszédtechnológiai felhasználáshoz beszélő felismerés és klasszifikáció formájában.



---

• Személyre szabott beszédszintetizátor (Personalized Text-To-Speech)



Napjainkban már természetes, hogy egy számítógép vagy egy telefon képes szövegből beszédet előállítani (Apple Siri, MS Cortana, Google Now) különböző szöveg-beszéd (Text-To-Speech, TTS) technológiák használatával. Az ún. HMM alapú beszédszintetizátorral lehetőség van arra, hogy viszonylag kevés hanganyaggal az adott beszélőre emlékeztető hangkaraktert hozzunk létre. Ahhoz, hogy sok hangkaraktert lehessen használni egy-egy ilyen programban, számos beszélőtől kell hangmintát gyűjteni. Ily módon a beszédsérültek, illetve különböző betegségben szenvedő felhasználók számára több hangkarakter lesz elérhető.

A hallgató feladata, hogy megvizsgálja a rendelkezésre álló módszereket, majd létrehozzon egy beszédrögzítő alkalmazást, pl. Androidon vagy iOS-sen. A végső cél egy olyan multiplatform hangadatbázis-gyűjtő, és feldolgozó rendszer, melynek segítségével számítógépen és akár okostelefonon keresztül is megvalósulhat az adatgyűjtés.

---

• Smart Home (Siri, Cortana szerű megoldás)

Okosotthon vezérlésének egyik természetes módja a beszédkommunikáció. Ez a téma lehetőséget biztosít arra, hogy egy egyszerű beszédkommunikációs alkalmazás elkészítése közben a hallgató megismerje a műhelyünkben használt beszédszintetizátorokat és azok alkalmazását. A kommunikáció másik irányát pedig egy beszélőfüggetlen beszédfelismerő segítségével tudja megvalósítani.

A hallgató feladata a félév során az, hogy megismerje a beszédszintetizátor és beszédfelismerő működését, és ezek felhasználásával készítsen egy egyszerű alkalmazást, amely egy okosotthon alap írányítási funkcióit képes megvalósítani. Ilyen például, hogy szóban lekérdezze az aktuális hőmérsékletet vagy felkapcsolja a világítást a helyiségben.

Amennyiben műhelyünk felkettette az érdeklődésedet, akkor keresd meg Zainkó Csabát emailben, vagy személyesen az I.B.152-es szobában. A szoba a z I. épület E. szárnyának Duna felőlé végén található.

Dr. Zainkó Csaba, Dr. Németh Géza

• Villamosmérnök BSc, tanszéki honlap: http://alpha.tmit.bme.hu/labor/l02/index.html
• Villamosmérnök BSc, kari TAD: https://portal.vik.bme.hu/kepzes/targyak/VITMAL02/
• Informatikai BSc, tanszéki honlap: http://inflab.tmit.bme.hu/17o/tema.shtml
• Informatikai BSc, kari TAD: https://portal.vik.bme.hu/kepzes/targyak/VITMAL00/

A tárgy minden képzési formában kötelező.

A tárgy követelményei: 0/0/2/f

Az oktatási időszak első hetében (a regisztrációs hetet követően) a hallgatók jelentkeznek a tanszék által meghirdetett szakmai műhelyek valamelyikébe. Célszerű a műhely kiválasztása ügyében a tanszéket a félévet megelőző vizsgaidőszakban felkeresni, amennyiben ez lehetséges. Egy műhely felügyeletét egy vezető konzulens látja el, aki további konzulenseket jelölhet ki. A 4. hét végéig a hallgató saját feladatot választ, amelyet a szorgalmi időszak végéig ki kell dolgoznia. A félév végén mindenkinek be kell számolni az elvégzett munkáról. A beszámoló szóbeli és írásbeli részt tartalmaz. A beszámoló konkrét formai követelményeit és ütemezését a felvett tantárgyat gondozó tanszék határozza meg. A Témalaboratórium csak tanszéki keretek között végezhető. A névre szóló feladat kidolgozása során a hallgatók általában 2-4 fős csoportokban dolgoznak, úgy, hogy a tevékenység és a munka eredménye egyértelműen elkülöníthető. Lehetséges teljes mértékben önálló feladat kidolgozása. A feladatkiírásban egyértelműen meg kell nevezni az önállóan, illetve a közös témán dolgozó többi hallgató által kidolgozandó részfeladatokat.

A tárgy keretein belül a hallgatók konzultációkon vesznek részt a konzulens szervezésében, a konzulens által meghatározott gyakorisággal és időtartamban.

Ezen a felületen keresztül lehet feltölteni az anyagokat