Az idősoros adatok szegmentációja kiemelkedő fontossággal bír a különböző területeken, mint például a pénzügyi elemzés, egészségügyi monitorozás, vagy az iparban történő folyamatoptimalizáció. A projektmunka célja a felügyelt és nem-paraméteres gépi tanulási módszerek alkalmazásával a komplex idősoros adatok részletekre bontása és szegmentálása meghatározott statisztikai tulajdonság és/vagy nem ismert mögöttes dinamika alapján. Szegmentáció során a cél az adathalmazokat kisebb, jelentős részekre vagy szegmensekre bontani az idősorok struktúrájának és változásainak jobb megértésének érdekében. Szegmentációt alkalmazhatunk például pénzügyi idősorokon az érdekes események vagy trendváltozások azonosítására. A hallgató feladata a félév(ek) során a nem felügyelt idősor szegmentáció irodalmának feldolgozása és state-of-the-art módszereinek megismerése után választott adathalmazokon kutatást végezni a megismert technikák alkalmazhatóságának lehetőségeiről, továbbá feltárni a lehetséges továbbfejlesztési lehetőségeiket. A kutatás fő irányvonala új klaszterező módszerek fejlesztése, amelyek segítségével hatékonyan csoportosíthatóak egy adott speciális feature térben az idősoros adatok összetartozó részletei (pl. hierarchikus és sűrűségalapú módszerek). Tudományos érdeklődés esetén lehetőség van kutatási munkára is, a téma mély, elméleti kihívásokat tartalmaz, amely TDK konferencián való részvételhez is megfelel.