Ez egy előző félévben kiírt, archivált téma.
Ma már pénzügyi forgalom jelentős része elektronikusan történik szinte minden termékosztályban. A különböző piacokon egyre nagyobb a jelentősége annak, hogy a szereplők a kereskedési döntés meghozása után, hogyan hajták azt végre a piacokon. Sok esetben elvárás, hogy a kereskedés ne legyen nagy hatással a piaci ára, illetve más szereplők számára észrevétlenül hajtódjon végre. A hallgató(k) feladata a problémakörrel kapcsolatosan eddig elvégzett munkák és a szakirodalom (gépi tanulás, mély tanulás/deep learning, algoritmikus kereskedés) eredményeinek áttekintése és új típusú eljárások kidolgozása. A hallgató(k) feladata továbbá olyan Python alapú szoftver készítése, amely képes különböző végrehajtási stratégiák futtatására, kiértékelésére és összehasonlítására - különös tekintettel a deep learning alapú megoldásokra. A munka a legelterjedtebb, magas szintű deep learning keretrendszerek segítségével folyik (pl. TensorFlow, PyTorch, Keras). A hallgatónak a munka előrehaladtával nagyteljesítményű GPU erőforrást biztosítunk. A feladatok megoldása jelentős mennyiségű programozást kíván (Python, LUA vagy C, C++ nyelven). 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: Legalább fél év deep learning tapasztalat. Korrekt, egyenletes munkavégzés, proaktívitás, olvasás szintű angoltudás. Előny: "Deep Learning a gyakorlatban Python és LUA alapon" (VITMAV45) tárgyban szerzett 4-es vagy 5-ös osztályzat. Tudományos (TDK, cikkek, PhD) érdeklődés. Tanszéki konzulens: Dr. Gyires-Tóth Bálint (BME TMIT) Ipari konzulens: Dr. Ottucsák György (Morgan Stanley)