Mentorprogram: Mesterséges intelligencia az iparban - M (GSZABAN-MENTMEIN-1)

Alapadatok
Szak és képzési szint
szabadon választható, BSc
Tanterv
2025
Óraszám
0 + 2 + 0 (E+Gy+L)
Kreditérték
2 kredit
Elmélet-Gyakorlat arány
Elmélet: 0%, Gyakorlat: 100%
Tantervi félév
1. félév
Oktatók
Tantárgyfelelős
Ádámné Dr. Major Andrea
Felelős tanszék
GAMF Műszaki és Informatikai Kar Dékáni Hivatal
Oktatók
Ádámné Dr. Major Andrea, - nincs
Ellenőrzésért felel
Szerémi Éva Krisztina
Tantárgy célja

A hallgató gyakorlatot szerez a kutatás területén, bekapcsolódik az IJAT kutatóműhelyeibe.

Elsajátítandó ismeretanyag
Gyakorlat

Irodalmazási technikáinak megismerése. Cikkadatbázisok megismerése, alkalmazása. Műszaki kutatási területek megismerése. A mesterséges intelligencia használatának lehetőségei az iparban témakörhöz kapcsolódóan háttérkutatás, irodalomkutatás, kutatási irányok kijelölése, módszerek meghatározása. TDK tartalmi és formai követelményeinek megismerése. Prezentálási technika alapjainak elsajátítása, a félév végi prezentáció megtartásához.

Szakmai kompetenciák
Tudás

Nyitott a műszaki szakterületen zajló szakmai, technológiai fejlesztés és innováció megismerésére és elfogadására, hiteles közvetítésére.

Képesség

Attitűd

Autonómia és felelősség

Számonkérés és értékelés
Félévközi követelmények

Projektmunka: Kutatási anyag készítése kiscsoportos munkában. Kötelező részvétel egy konkrét kutatómunkában, ami a témakörhöz kapcsolódóan háttérkutatás, irodalomkutatás, kutatási irányok kijelölése, módszerek meghatározása. Az eredményekről ppt készítése és feltöltése a Teams csoportba. A ppt prezentálása az NJE által szervezett házi konferencián. A hallgatók gyakorlati jegyet a ppt előadásra kapnak

Vizsgakövetelmények

Generatív MI használata

Nincs megadva

Irodalom
Kötelező irodalom

Umberto Eco: Hogyan írjunk szakdolgozatot? Partvonal, 2012. ISBN 9789639910898

Ajánlott irodalom

Wallace J. Hopp - Mark L. Spearman: Factory Physics. 2011. ISBN-13: 978-1577667391 Foster Provost - Tom Fawcett: Data Science for Business: What You Need to Know about Data Mining and Data-Analytic Thinking. O’Reilly Media, Sebastopol, CA, 2013. ISBN-13: 978-1449361327 McKinsey and Company https://www.mckinsey.com/