A mesterséges intelligencia határterületei

Feltöltve: 2021. június 01.

Jövő Big Data AI Gépi Tanulás Online

A mesterséges intelligencia, pontosabban annak a gyakorlatban alkalmazott technológiája, a gépi tanulás bár évtizedek óta létezik, az elmúlt néhány évben futott be látványos fejlődést. Ennek nyomán ma már a legtöbb iparágban, tágabb értelemben a mindennapi életünk szinte minden területén alkalmazzuk, és egyre inkább alkalmazni fogjuk. A technológia továbbfejlesztése sem áll meg: tudományos kutatólaboratóriumok és a “tech cégek” folyamatosan fejlesztik tovább a gépi tanulás technológiáját ill. az alkalmazásokat létrehozását megkönnyítő fejlesztői eszközrendszereket. Pontosan mik is ezek az új fejlesztések, milyen új alkalmazási lehetőségek nyílnak meg, és melyek a közeljövő nagy igéretei a mesterséges intelligenciában?

Ezekre a kérdésekre keressük a választ következő meetupunkon, ahol Laczkó Gábor, Stylers alapító – vezető partnere beszélget a Neuron Solutions szakembereivel, Szabados Leventével és Szabó Gergővel.

A program díjmentes, de regisztrációhoz kötött!


Szabados Levente

Szabados Levente

Neuron Solutions, Tudományos tanácsadó és egyetemi oktató

Tudományos tanácsadó (Neuron Solutions): nemzetközileg elismert MI tanácsadó, akinek sokrétű elméleti tudásán túl jelentős gyakorlati tapasztalata is van üzleti felhasználású MI rendszerek építésében. Több más elfoglaltsága mellett MI-t oktat a Frankfurt School of Finance and Management egyetemen és Párizsban az Aivancity intézményben. Speciális szakterülete a nyelvfeldolgozás és az idősoros adatpredikció.


Szabó Gergő

Szabó Gergő

Neuron Solutions, MI mérnök

Gergő gépi tanulással foglalkozó mérnök, aki egyre több szállal kötődik a Data Science világához. Többek között a Neuron Solutions partnereként több sikeres adattudományi és konzultációs projektben vett részt. Ezen kívül saját cégével az Ipar 4.0 kihívásaira fejleszt folyamatszabályozási és képfeldolgozási megoldásokat. Célja, hogy az MI területén elért eredményeket társadalmilag hasznos eszközökké formálja.


Laczkó Gábor

Laczkó Gábor

Stylers Group, Managing Partner & Co-Founder; Braining Hub, CEO & Co-Founder

Gábor a Stylers, a Braining Hub, valamint a Protechtor egyik alapító tulajdonosa. Az elmúlt 18 évben a IT területen szoftverfejlesztő vállalatot épített, Magyarországon és az Egyesült Államokban, valamint IT iskola és tréning centrum kialakításával foglalkozott. Legfőbb erényei közé tartozik a tudatos vállalati kultúra kialakítása, csapatok vezetése és motiválása. Jelenleg a Stylers és a Braining Hub üzletfejlesztésével foglalkozik, digitális transzformációs projekteket vezet és egyedi IT képzési modelleket épít.


Szakmai partnerek

A mesterséges intelligencia határterületei

Feltöltve: 2021. június 01.

Jövő Big Data AI Gépi Tanulás Online

Ajánlott videók

Digitalizáció és innováció az építészetben

Black Friday sémák a magyar piacon és közép-kelet európai tükör

Amit a metaverzumról és üzleti validációjáról tudni kell

Microservice Observability

Nagyvállalati sebezhetőségek és kvantum kihívások az IT biztonságban – interjú Silurral

Mesterséges intelligenciával a rák ellen

A crypto piac és eszközök vállalati szemszögből: lehetőség vagy kockázat?

Az alkalmazásfejlesztés jövője: Low-Code / No-Code

A crypto bányászat befektetési aspektusai: előnyök, kockázatok, szükségletek

Bukott projektek anatómiája

A vezetői karizma és annak határai

“Egy amerikai céget indítani és üzmeletetni, amiből a startupodat tudod futtatni, lényegesen olcsóbb és egyszerűbb”

Iparági trendek és digitalizáció az autókereskedelemben – Beszélgetés Schiller Márkkal

Shipping trendek és kihívások webshop és logisztikai oldalról: Benu és Packeta

Mesterséges intelligencia és jogi felelősség

REGIO JÁTÉK: a modern játékkereskedelmi kiskátéja – stratégiai gondolkodás és IT

Mire van szükség ipari IT fejlesztési projektek input minőségének javításához?

Microservice Tréning Nap

Az e-sport és gaming jelene a magyar piacon és azok kereskedelmi metszetei

Az ingatlanpiaci digitalizáció jelene és jövője

5 év múlva elképzelhetetlen az adathitelesítés blockchain nélkül

API használat, state management és az rxjs szépégei nagy projektek esetén

LegalTech trendek a magyar piacon és a vilában

Foodpanda: Digitalizáció és stratégiai látásmód piacvezető szerepben

Data science módszerek vásárlói viselkedésminták elemzésére 2.0

Next Earth: A blockchain alapú jövő

Nestlé: Online FMCG értékesítés a világ legnagyobb élelmiszeripari vállalatának szemszögéből

Data Science az online médiában: az adatvezérelt újságírás jövője

A Java jelene és jövője

A sikeres ügyfél-szolgáltató együttműködés kultúrális és szervezési kérdései

Generációk és fogyasztói szokások változása a metaverzum kapujában

OKR, avagy hogyan érik el a világelsők a legambiciózusabb terveiket

A Bitrise sztori: üzlet, vezetés és vállalati kultúra

Mesterséges intelligencia a videós kontent gyártásban

Java REST API kihívások és megoldások

Mesék a való életből: adathalászat, mely a javunkat szolgálja

Az adatvagyon keletkezése, kezelése és monetizációja az e-kereskedelemben

A mesterséges intelligencia alapjai

Cégépítészet – hogyan építsünk sikeres vállalatot a digitális korban?

Amikben hibáztam – Beszélgetés Bojár Gáborral

Influencerek és új médiacsatornák az e-commerce marketingben

HR támogatás a digitális forradalom tükrében

Agilis tesztelés a gyakorlatban

Subscription rendszerek a médiában: HVG, Central Médiacsoport

Az ügyfélélmény versenyjogi és fogyasztóvédelmi aspektusai

Digitális ipari megoldások: az AR/VR ipari alkalmazása

Digitális terméktervezés és a design kutatás haszna

Projekt életciklus fejlesztői szemmel

Ipar 4.0 – Álmok és a valóság Data Science szemszögből

Ameddig a föld kerek, mindig lesznek Dockerek!

Bodorítsunk-e bárányfelhőket – mire jó a cloud?

A fenntarthatósági kihívások az E-commerce logisztikában

Vezető a vezető mögött

Iparági helyzetelemzés a B2B e-commerce piac trendjeiről és jövőjéről

Remote first

AI alapú ajánlórendszerek a gyakorlatban

AI fejlesztési tapasztalatok a hazai nagyvállalati és az amerikai startup szektorból

Ökoszisztémák az e-kereskedelemben

Adatokban gazdag

Kubernetes Policy Enforcement – a Kubernetes videóbírója

Innovatív payment stratégia: így kattintanak egyre többen a fizetés gombra

Engineering kultúra vol. 2: Feedback és onboarding a terítéken

Hogyan építsünk AI alapú vállalati alkalmazásokat? – Avagy egy szakma szépségei és buktatói

Exportfejlesztés az Egyesült Államokban

Intézményi befektetők a nemzetközi piacra lépés mögött – ahogy a Hiventures látja

Szervezeti hálózatelemzés

Konténerizáció ismertető

Data Science – IT Morning School

Data science módszerek vásárlói viselkedésminták elemzésére

Hogyan válasszak e-commerce fejlesztési platformot?

Robotok a vállalati kommunikációban

Single source of TRUTH, avagy a teljes customer experience forrása és jövője

Termékkereső a webáruházakban

Hogyan lettem adattudós?

Building Products People Will Love

Milyen a hatékony engineering kultúra?

Mi fán terem az agilitás? – IT Morning School

Natív és cross platform alkalmazások – IT Morning School

Webes technológiák – IT Morning School

Hogyan épül fel egy fejlesztő csapat? – IT Morning School

Robotikai alapok – IT Morning School

Technológiai áttekintés – IT Morning School

E-commerce az Egyesült Államokban: Amazon és más csodaszerek

Magyarországról az amerikai piacra: a partraszállástól a befektetőkig

Így reagáltunk mi a változásokra – szallas.hu és ingatlan.com

Kitartás a vezetésben és sportban

Mit tanul ma egy vezető? Mások hogy csinálják?

Kezdjünk bele az AI transzformációba!

Az e-commerce jövője: 50%-os részesedés a teljes kiskereskedelemből?

Vízesés és agilis fejlesztési szemléletek — mindkettőre szükség van?

Microservice architektúra alapok

A jövő váratlanul válik jelenné – Auchan, Decathlon, Rossmann

E-commerce rendszer Microservice architektúrával

Kiberbiztonság webes aspektusai, támadási felületek és védekezési lehetőségek

Felhasználói élmény és e-commerce – 1. rész

Felhasználói élmény és e-commerce – 2. rész

Google Analytics fejlesztői szemmel

Chatbot alapok és gyakori integrációk

Hogyan határozzuk meg és hogy mérjük a legfontosabb eCommerce KPI-okat?

Hogyan használjuk ki az adatelemzés adta lehetőségeket a digitális világban?

Termékajánlók webshopoknak a Google AI segítségével

AI ajánlórendszerek típusai és megközelítései

Diverz kereskedelmi folyamatok felépítése

Evolution of the Shopping Experience – a Walmart Case Study

Ajánlott videók