BEGIN:VCALENDAR
PRODID:-//Liferay Inc//Liferay Portal 7.0.2//EN
VERSION:2.0
CALSCALE:GREGORIAN
METHOD:PUBLISH
BEGIN:VEVENT
DTSTAMP:20260411T012911Z
UID:1cd89ac8-a070-8a11-1588-1795a7886884
DTSTART:20220221T160000Z
DTEND:20220221T180000Z
SUMMARY:Mesterséges intelligencia valószínűségi modelljei... - Mesterséges 
 Int. szo
DESCRIPTION:<p style="text-align: justify\;">Tisztelettel meghívunk minden 
 szakembert\n  és érdeklődőt a <strong>HTE Mesterséges Intelligencia\n  Sza
 kosztály</strong> alábbi online szakestjére:</p>\n<h3 style="text-align: c
 enter\;">\n  <span style="color: rgb(0\,0\,255)\;">Mesterséges intelligenc
 ia\n    valószínűségi modelljei és alkalmazásuk az egészségügyben</span></
 h3>\n<p style="text-align: justify\;">Zoom link az ingyenes rendezvényhez:
 <br />\n  <a href="https://us02web.zoom.us/j/89284123175?pwd=a25IRUg4bjZOe
 nFkRXUwNU5rUFpCZz09">https://us02web.zoom.us/j/89284123175?pwd=a25IRUg4bjZ
 OenFkRXUwNU5rUFpCZz09</a>\n  <br /> Belépési kód: 055489</p>\n<p style="te
 xt-align: justify\;">\n  <u>\n    <strong>Előadók:</strong></u></p>\n<ul>\
 n  <li style="text-align: justify\;">\n    <strong>Antal Péter</strong> (e
 gyetemi docens\, BME\, MIT)</li>\n  <li style="text-align: justify\;">\n  
   <strong>Bolgár Bence</strong> (tudományos munkatárs\, BME\, MIT)</li></u
 l>\n<p style="text-align: justify\;">A hálózati elemzések és a neurális\n 
  hálózatok átütő jellegű sikerei mellett a valószínűségi gráfos\n  modelle
 k fejlődése is egyre nagyobb figyelmet kap\, például az\n  értelmezhetőség
  és az okozatiság kapcsán. Szakestünk első előadója\n  Antal Péter (egyete
 mi docens\, BME\, MIT) ezeknek a modelleknek az egyik\n  alcsoportját\, az
  irányított gráfokat használó Bayes-hálókat mutatja\n  be. A Bayes-hálók k
 vantitatív részei még az egyes csomópontokhoz\n  kapcsolt lokális valószín
 űségi modellek\, például neurális hálók.\n  Figyelemre méltó\, hogy egy il
 yen gráf modell már önmagában is lehetővé\n  teszi a megfigyelések és beav
 atkozások közötti következtetést. A\n  döntési hálózatokkal nem csupán az 
 optimális döntés\, hanem az\n  értelmezhetőségük miatt az ellenőrizhetőség
  és a magyarázhatóság is\n  lehetséges (jó alkalmazási példa erre az egész
 ségügy)\, amely a\n  napjainkban egyre inkább a középpontba kerülő megbízh
 ató\,\n  emberközpontú mesterséges intelligencia záloga. A szakest másik\n
   előadója Bolgár Bence (tudományos munkatárs\, BME\, MIT) a federált\n  t
 anulást mutatja be\, ahol az adatok csak lokálisan\, több résztvevő\n  köz
 ött elosztva érhetők el. A szokásos megközelítés\, az adatok\n  összegyűjt
 ése sok esetben nem járható út a privacy miatt\, ez különösen\n  igaz az e
 gészségügyben\, így olyan technikákra van szükség\, amelyek\n  lehetővé te
 szik egy közös modell tanulását csupán a lokális\n  adathalmazokból. Az el
 őadó ennek a bayesi módját mutatja meg\, és azt\,\n  hogy hogyan működhet 
 mindez aktív / megerősítéses tanulási keretben\n  (pl. gyógyszeripari kísé
 rlettervezésnél).<br />\n  <br /> Az előadásokat kötetlen vita\, klubszerű
  beszélgetés\n  követi.<br /> Minden érdeklődőt sok szeretettel várunk!<br
  />\n  <br /> Üdvözlettel:<br /> Szűcs Gábor\, egyetemi docens\, BME\,\n  
 TMIT<br /> HTE Mesterséges Intelligencia szakosztály elnöke<br />  </p>
X-ALT-DESC;FMTTYPE=text/html:<p style="text-align: justify\;">Tisztelettel 
 meghívunk minden szakembert\n  és érdeklődőt a <strong>HTE Mesterséges Int
 elligencia\n  Szakosztály</strong> alábbi online szakestjére:</p>\n<h3 sty
 le="text-align: center\;">\n  <span style="color: rgb(0\,0\,255)\;">Mester
 séges intelligencia\n    valószínűségi modelljei és alkalmazásuk az egészs
 égügyben</span></h3>\n<p style="text-align: justify\;">Zoom link az ingyen
 es rendezvényhez:<br />\n  <a href="https://us02web.zoom.us/j/89284123175?
 pwd=a25IRUg4bjZOenFkRXUwNU5rUFpCZz09">https://us02web.zoom.us/j/8928412317
 5?pwd=a25IRUg4bjZOenFkRXUwNU5rUFpCZz09</a>\n  <br /> Belépési kód: 055489<
 /p>\n<p style="text-align: justify\;">\n  <u>\n    <strong>Előadók:</stron
 g></u></p>\n<ul>\n  <li style="text-align: justify\;">\n    <strong>Antal 
 Péter</strong> (egyetemi docens\, BME\, MIT)</li>\n  <li style="text-align
 : justify\;">\n    <strong>Bolgár Bence</strong> (tudományos munkatárs\, B
 ME\, MIT)</li></ul>\n<p style="text-align: justify\;">A hálózati elemzések
  és a neurális\n  hálózatok átütő jellegű sikerei mellett a valószínűségi 
 gráfos\n  modellek fejlődése is egyre nagyobb figyelmet kap\, például az\n
   értelmezhetőség és az okozatiság kapcsán. Szakestünk első előadója\n  An
 tal Péter (egyetemi docens\, BME\, MIT) ezeknek a modelleknek az egyik\n  
 alcsoportját\, az irányított gráfokat használó Bayes-hálókat mutatja\n  be
 . A Bayes-hálók kvantitatív részei még az egyes csomópontokhoz\n  kapcsolt
  lokális valószínűségi modellek\, például neurális hálók.\n  Figyelemre mé
 ltó\, hogy egy ilyen gráf modell már önmagában is lehetővé\n  teszi a megf
 igyelések és beavatkozások közötti következtetést. A\n  döntési hálózatokk
 al nem csupán az optimális döntés\, hanem az\n  értelmezhetőségük miatt az
  ellenőrizhetőség és a magyarázhatóság is\n  lehetséges (jó alkalmazási pé
 lda erre az egészségügy)\, amely a\n  napjainkban egyre inkább a középpont
 ba kerülő megbízható\,\n  emberközpontú mesterséges intelligencia záloga. 
 A szakest másik\n  előadója Bolgár Bence (tudományos munkatárs\, BME\, MIT
 ) a federált\n  tanulást mutatja be\, ahol az adatok csak lokálisan\, több
  résztvevő\n  között elosztva érhetők el. A szokásos megközelítés\, az ada
 tok\n  összegyűjtése sok esetben nem járható út a privacy miatt\, ez külön
 ösen\n  igaz az egészségügyben\, így olyan technikákra van szükség\, amely
 ek\n  lehetővé teszik egy közös modell tanulását csupán a lokális\n  adath
 almazokból. Az előadó ennek a bayesi módját mutatja meg\, és azt\,\n  hogy
  hogyan működhet mindez aktív / megerősítéses tanulási keretben\n  (pl. gy
 ógyszeripari kísérlettervezésnél).<br />\n  <br /> Az előadásokat kötetlen
  vita\, klubszerű beszélgetés\n  követi.<br /> Minden érdeklődőt sok szere
 tettel várunk!<br />\n  <br /> Üdvözlettel:<br /> Szűcs Gábor\, egyetemi d
 ocens\, BME\,\n  TMIT<br /> HTE Mesterséges Intelligencia szakosztály elnö
 ke<br />  </p>
LOCATION:Online: Zoom
END:VEVENT
END:VCALENDAR