Ónozó Lívia
Magyar Nemzeti Bank Digitalizációs Igazgatóságának szakmai tanácsadója, Budapesti Műszaki és Gazdaságtudományi Egyetem Informatikai Doktori Iskolájának harmadéves doktorandusza 

 

Több mint tíz éves pénzügyi szektorbeli tapasztalattal rendelkezik, 2025 májusáig az MNB Digitalizációs technológia főosztályát vezette. Kutatási tevékenysége a mélytanulás alapú szekvencia modellezésre összpontosít, különös tekintettel a transzformer architektúra vizsgálatára kis erőforrás-ellátottságú nyelveken. Szakmai hátterében a statisztikai gépi tanulás és a természetes nyelvfeldolgozás áll, kiemelt hangsúllyal a nagy nyelvi modellek paraméterhatékony tanítására. 

Kutatótársaival közösen elért publikációs eredményei jelentős előrelépést mutatnak a magyar gazdasági előrejelzésekben és a magyar nyelvű szövegek vizsgálatában: az IEEE Access folyóiratban megjelent tanulmány a pénzügyi hírek elemzését és makrogazdasági mutatók nowcastingját vizsgálja mélytanuló hálózatokkal. A magyar nyelvű kiskereskedelmi terméknevek kategorizálásának automatizációját célzó kutatást az MSZNY konferencián mutatták be, míg a IEEE CogInfoCom-on jelent meg a gazdasági hírek szentiment elemzésével foglalkozó cikke. Legfrissebb, NOMS 2025 konferencián bemutatott munkája a neurális hálók alkalmazását tárja fel hálózati logok osztályozásában. 

Mind doktori kutatásai, mind az MNB-ben végzett munkája révén hozzájárul a deeplearning alapú szekvencia modellezés fejlődéséhez, különösen a magyar nyelv és a pénzügyi-gazdasági adatok területén.