Applied Artifical Inteligence Models in Practice

1. Bevezetés, tematika ismertetése, gazdasági és társadalmi hatások áttekintése. Legújabb technikai és technológiai megoldások bemutatása; AI alapú szoftverek áttekintése.
2. Gépi tanulás és a deep learning alapjai, sequence-to-sequence modellek, transzformer hálózatok, reinforcement learning, generatív modellek, milliárd paraméterű modellek tanítása.
3. Nagy nyelvi modellek, és a ChatGPT működésének és illesztésének alapjai. Fine-tuning, Multimodális megközelítés; a ChatGPT API használata.
4. A ChatGPT működésének kiterjesztése. Angol nyelvű interfész-kiterjesztés, Többnyelvűség, Modern neurális beszéd- és audiotechnológiák, szoftvereszközök (pl. Beszédfelismerés és szintézis, hang klónozás, zenegenerálás).
5. Dokumentum szerkesztés és szoftverfejlesztés-támogatás előtanított nagy nyelvi modellek segítségével. Prompt engineering alapok. Algoritmusok és módszerek.
6. Félévi feladat kiválasztása, ismertetése, ehhez tartozó egyeztetések lefolytatása, keretrendszerek kiválasztása, hallgatói verseny hirdetése.
7. AI megoldások a fejlesztési folyamatokban, az AI-támogatott fejlesztés kihívásai és buktatói. Szoftver-kód verifikáció és validáció, kapcsolódó szoftverek és szolgáltatások, esettanulmányok (pl. Co-pilot, pipeline, stb.)
8. Legújabb generatív modellek, eszközök és API-k (pl. feliratozás, tartalomgyártás, UX tervezés, stb.)
9. Képi világ generálása és megértése, MI alapú képszerkesztés, generatív művészet, esettanulmányok (pl. DALL-E 2, Midjourney
10. Üzleti és kereskedelmi felhasználások - eszközök, eszközláncok és esettanulmányok, általános ("foundational") modellek
11. Modell stabilitás és hallucináció, időbeli érvényesség, a modellek költség oldala és futtatásuk gazdaságossága és fenntarthatósága,
12. AI-által generált tartalmak (képek, szövegek, hang) automatikus azonosítása, kapcsolódó szoftverek, etikai kérdések, jogi aspektusok
13. Hallgatói beszámolók, háziverseny eredményhirdetés