K-INFO
HU
EN
Belépés

Beágyazott mesterséges intelligencia laboratórium

Embedded Artificial Intelligence Laboratory
A tantárgyleírás hatályossága
Hatályosság kezdete:
2026. March 21.
Hatályosság vége:
Tantárgy neve (magyarul, angolul)
Beágyazott mesterséges intelligencia laboratórium
Embedded Artificial Intelligence Laboratory
Tantárgykód BMEVIMIMB05
Tantárgyjelleg
Képzési szint
Kurzustípusok és óraszámok (heti/féléves)
Kurzustípus elmélet gyakorlat laboratóriumi gyakorlat
óraszám (heti) 0 0 3
jelleg (kapcsolt/önálló) önálló
Tanulmányi teljesítmény/értékelés típusa félévközi érdemjegy
Tantárgy kreditértéke 5
Tantárgyfelelős
Csuka Barna
beosztás: adjunktus
Tantárgyat gondozó oktatási szervezeti egység
Mesterséges Intelligencia és Rendszertervezés Tanszék
Kar Villamosmérnöki és Informatikai Kar
Tantárgy weboldala http://www.mit.bme.hu/oktatas/targyak/VIMIMB05
Tantárgy elsődleges mintatantervi jellege
Közvetlen előkövetelmények – Erős előkövetelmény nincs
Közvetlen előkövetelmények – Gyenge előkövetelmény nincs
Közvetlen előkövetelmények – Párhuzamos előkövetelmény nincs
Közvetlen előkövetelmények – Mérföldkő előkövetelmény nincs
Közvetlen előkövetelmények – Kizáró feltétel nincs

Célkitűzés

Tantárgyprogram
  1. Neurális hálózatok hibavisszaterjesztési algoritmusának gradiensalapú vizsgálata beágyazott környezetben, a tanulási tényező paraméterezése a momentum, a batchméretek és a pillanatnyi meredekség alapján.
  2. Különböző aktivációs függvények hatása a tanulás sebességére, illetve a modell teljesítményére. Neurális hálózat modellek robusztusságának vizsgálata dropout, illetve ablation módszerekkel.
  3. Bias-variancia dilemma vizsgálata gépi tanulási módszerekben. A tanító adathalmaz zajkomponensének azonosítása, és ennek hatása a legjobb elérhető modellteljesítményekre.
  4. Neurális hálózat architektúrák GPU-alapú gyorsítása, ezek aspektusai mind tanítási, mind lekérdezési használat során. Mátrixműveletek elvégzése SIMD architektúrákon, a párhuzamosíthatóság korlátai.
  5. Konvolúciós neurális hálózatok tanítása, modell robusztusságának növelése augmentált (eltolt/zajos/forgatott/tükrözött) mintahalmazzal.
  6. Osztályozó rendszer megvalósítása többszintű feldolgozással, osztályozás neurális hálós és fuzzy megközelítéssel.
  7. Alkalmazott együttes idő- és frekvenciabeli transzformációk tervezése hardveres környezetben. Periodikus jelek feldolgozása, főbb paraméterek kinyerése.
  8. Adatelemzés munkafolyamata (outlier detekció, adattisztítás, hiányos adatok kezelése, tudásmodellezés). Modern beágyazott szenzorplatformok (okos, hordható eszközök) fizikai mérési tartományainak vizsgálata.
  9. Kálmán-szűrők alkalmazása offline szenzorfúzió megvalósítására. A giroszkóp, magnetométer és gyorsulásmérő integrálásából elérhető hely- és helyzetmeghatározás alkalmazhatóságának elemzése.
  10. Valós idejű szenzorfúzió megvalósításának lehetőségei és korlátai alkalmazott beágyazott rendszereken. Modellkomplexitás és fogyasztás kapcsolata, egyes hardverarchitektúrákon elérhető számítási teljesítmény vizsgálata.
A laboratórium a Beágyazott mesterséges intelligencia tantárgyban megszerzett ismeretek gyakorlati alkalmazását tűzi ki célul. A laboratórium elsődleges fókusza, hogy a hallgatók valódi fizikai méréseken, illetve adathalmazokon önállóan legyenek képesek mesterséges intelligencia módszereket alkalmazni, illetve gyakorlati tapasztalatot szerezzenek ezek előnyeiről, illetve korlátairól. Az algoritmusok implementálását beágyazott platformokon valósítjuk meg.

Tanulmányi eredmények

Ez a tantárgy a KKK rendeletben meghatározott, következő kompetenciák fejlesztését szolgálja:

Tudás

Nincsenek rögzített tanulási eredmények.

Képességek

Nincsenek rögzített tanulási eredmények.

Attitűd

Nincsenek rögzített tanulási eredmények.

Autonómia és felelősség

Nincsenek rögzített tanulási eredmények.

Oktatási módszertan

Heti 4 órás laboratórium, amelyen a hallgatók mérőcsoportokban vesznek részt.

Tanulástámogató anyagok

Online források
Mérési útmutatók.

A tantárgy teljesítéséhez ajánlott előzetes ismeretek

Tudás típusú kompetenciák
(azon előzetes ismeretek összessége, amelyek megléte nem kötelező, de a tantárgy eredményes teljesítését nagyban elősegíti)
Beágyazott mesterséges intelligencia tantárgy tananyaga
Képesség típusú kompetenciák
(azon előzetes képességek és készségek összessége, amelyek megléte nem kötelező, de a tantárgy eredményes teljesítését nagyban elősegíti)
nincs
Ajánlott (nem kötelező) előzetesen megszerzendő kompetenciák
(azon ajánlott (nem kötelező) előzetesen megszerzendő kompetenciák összessége, amelyek jelentősen hozzájárulnak a tantárgy eredményes teljesítéséhez)
Beágyazott mesterséges intelligencia tantárgy tananyaga
Általános szabályok
Követelmények: A méréseken a részvétel kötelező. Minden mérésről jegyzőkönyvet kell készíteni, mérőcsoportonként egyet. A jegyzőkönyvekre osztályzatot adunk. Az elégtelen mérést pótolni kell. A félévközi jegy a jegyzőkönyvosztályzatok átlaga. Kerekítés 50 századtól felfelé. Pótlási lehetőségek: A félév során 2 laboratóriumi gyakorlat pótolható, függetlenül az eredménytelenség okától.
Teljesítményértékelési módszerek
Szorgalmi időszakban végzett teljesítményértékelések részletes leírása

Nincs megadva részletes értékelés.

Szorgalmi időszakban végzett teljesítményértékelések részaránya

Nincs megadva részarány.

Vizsgaidőszakban végzett teljesítményértékelések részletes leírása

Nincs megadva részletes értékelés.

Vizsgarészek részaránya

Nincs megadva részarány.

Érdemjegy megállapítása

Nincs megadva érdemjegy határ.

Jelenléti és részvételi követelmények

Nincs megadva jelenléti követelmény.

Javítás, ismétlés és pótlás különös szabályai

Nincs megadva.

Rövid leírás

Nincs megadva.

Részletes leírás

Nincs megadva.

Ajánlott tantárgyak
Beágyazott mesterséges intelligencia
A tantárgy elvégzéséhez szükséges tanulmányi munka

Nincs megadva munkaidő bontás.

Tantárgykövetelmények hatályossága
Tantárgykövetelmények hatályosságának kezdete:
Tantárgykövetelmények hatályosságának vége:
Tantervi elhelyezés

Nincsenek rögzített tantervi elhelyezések ehhez a tárgyverzióhoz.