Az MI fejlődése új perspektívát nyit a bűnügyi adatok elemzésére és bűnügyi nyomozások hatékonyságának növelésében. Ennek a projektnek a fókusza az ismeretlen elkövetők keresésére és a sorozat jellegű bűnesetek azonosítására irányul, kiemelve a mélytanulás különböző technikáinak alkalmazását. A modellezés során kiemelt módszerek között szerepelnek az autoenkóder hálózatok, melyek képesek az adatok reprezentációját saját maguk által megtanulni, ezzel segítve a nem triviális mintázatok és kapcsolatok feltárását. Emellett mélytanulás alapú ajánló rendszereket alkalmazunk, amelyek segíthetnek az elkövetői profilképek és az elkövetett bűncselekmények közötti összefüggések feltárásában. A gráf neurális hálózatok használata a bűnesetek közötti összetett kapcsolatokat vizsgálja, különös tekintettel a sorozat jellegű bűnesetek azonosítására. A hallgató feladata a félév során a kapcsolódó irodalmak és eszközök megismerése és feldolgozása, illetve mélytanulás alapú bűnügyi modellek tervezése, kialakítása és tesztelése. A feladat során megfelelő előrehaladás esetén lehetőség van piaci fejlesztéshez való kapcsolódáshoz. 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 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: Korrekt, egyenletes munkavégzés, proaktívitás, olvasás szintű angoltudás.