A számos tudományterületen kinyerhető nagy adatmennyiségnek, továbbá a nagy tárolási- és számítási kapacitásnak köszönhetően a statisztikai alapú adatvezérelt rendszerek az elmúlt évtizedben jelentős teret hódítottak a szabály alapú megoldásokkal szemben. Alkalmazási területtől (pl. kép-, szöveg-, beszédfeldolgozás) függően különböző matematikai modelleket használnak. Az elmúlt évek egyik legígéretesebb technológiája a mély neurális hálózat (Deep Neural Networks, DNN) alapú modellalkotás. A DNN a többszintű rejtett rétegeinek köszönhetően a hagyományos neurális hálózatoknál magasabb szintű absztrakcióra képes, és így lehetséges vele bonyolultabb nem-lineáris folyamatok modellezése is. A hallgató feladata a félév(ek) során segítségünkkel a gépi tanulás és a mély neurális hálózatok alapjainak és a rendelkezésre álló eszközöknek a megismerése után egy közösen választott probléma megoldása. Ilyen feladat lehet például (1) zenei számok azonosítása; (2) rosszindulatú bőrdaganat szűrés; (3) gépi szövegfelolvasó (Text-To-Speech) természetességének növelése; (4) pénzügyi idősorok modellezése; (5) prediktív szövegbevitel; (6) intelligens játékos (pl. "Győzd le a 2048-at!"). A feladatok megoldása jelentős mennyiségű programozást kíván (Python, C, C++ vagy Lua nyelven), de nem szükséges programozási tapasztalat, a félévek során ezek megszerzésére is lehetőség nyílik. Tudományos érdeklődés esetén lehetőség van kutatási munkára is, a téma elméleti kihívásokat tartalmaz, amely TDK konferencián való részvételhez is megfelel. A téma diplomáig, illetve akár PhD témaként is folytatható. Elvárás: Korrekt, egyenletes munkavégzés, proaktívitás, olvasás szintű angoltudás.