Ugrás a fő tartalomhoz

Miről lesz szó?

Alapfogalmak és történet​

MI típusok​

Szűk (Narrow) MI​

  • Specifikus feladatok megoldására specializálódott
  • Példák: IBM Deep Blue sakkprogram, Face ID arcfelismerő rendszer
  • Jelenlegi alkalmazások többsége ide tartozik
Interaktív elem

Gondolkodtató kérdés: Milyen szűk MI alkalmazásokkal találkoztál ma? Írj példákat a mindennapi életedből!

Általános (General) MI​

  • Emberi szintű problémamegoldás több területen
  • Még nem létezik, aktív kutatási terület
  • Etikai és biztonsági kihívások
Gyakorlati feladat

Készíts összehasonlító táblázatot a szűk és általános MI tulajdonságairól!

Gépi tanulás vs. mély tanulás​

Gépi tanulás alapjai​

Mély tanulás jellemzői​

Érdekesség

A mély tanulás áttörést hozott olyan területeken, ahol korábban nehézségekbe ütközött a gépi tanulás alkalmazása.

Történeti mérföldkövek​

1950 - Turing-teszt bevezetése 1956 - Dartmouth konferencia 1997 - Deep Blue legyőzi Kasparovot 2012 - Deep Learning áttörés képfelismerésben 2022 - ChatGPT megjelenése

Használati területek​

Chatbotok​

  • Természetes nyelvű kommunikáció
  • Ügyfélszolgálat automatizálása
  • Személyi asszisztensek (Siri, Google Assistant, Alexa)
Gyakorlati tipp

A chatbotokkal való kommunikáció során fontos a pontos, egyértelmű megfogalmazás.

Képfelismerés és generálás​

Interaktív elem

Projekt ötlet: Válassz egy képet és elemezd, milyen objektumokat ismerne fel rajta egy MI!

Nyelvi modellek​

Önvezető autók​

Etika és biztonság​

Adatvédelem​

Fontos

Az MI rendszerek használata során mindig figyelj az adatvédelmi irányelvek betartására!

Elfogultság és torzítás​

Gyakorlati feladat

Vizsgálj meg egy MI alkalmazást elfogultság szempontjából! Milyen előítéleteket fedezel fel?

Felelősségteljes használat​

Gyakorlati kipróbálás​

Chat GPT használata​

  1. Regisztráció és belépés
  2. Prompt írási technikák
  3. Válaszok értékelése
Gyakorlat

Próbáld ki a következő promptokat:

  • Írj egy rövid történetet
  • Magyarázz el egy komplex fogalmat
  • Segíts egy programozási feladatban

DALL-E képgenerálás​

Stable Diffusion​

Kreatív feladat

Készíts ugyanarról a koncepcióról képet DALL-E és Stable Diffusion segítségével! Hasonlítsd össze az eredményeket!

Teachable Machine​

  1. Projekt létrehozása
  2. Adatgyűjtés és címkézés
  3. Model tanítása
  4. Tesztelés és kiértékelés

Programozási alapok​

Python nyelvű ML példák​

# Egyszerű osztályozási példa
from sklearn import datasets
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LogisticRegression

# Adatok betöltése
iris = datasets.load_iris()
X_train, X_test, y_train, y_test = train_test_split(iris.data, iris.target)

# Model tanítása
model = LogisticRegression()
model.fit(X_train, y_train)
Gyakorlat

Futtasd le a kódot és kísérletezz különböző paraméterekkel!

TensorFlow alapok​

Neurális hálók​

Projekt ötlet

Építs egyszerű neurális hálót számjegy felismerésre a MNIST adatbázis használatával!

További források​

Ajánlott irodalom​

Online kurzusok​

Közösségek​

Következő lépések

Válassz egy területet, ami különösen érdekel, és mélyülj el benne! Használd a tanultakat saját projektek létrehozására!