Free Daily Podcast Summary
Machine Learning Budapest: Daily Summaries Delivered
by Machine Learning Budapest
A magyar Machine Learning/Data Science podcast!
Latest Episodes
The most recent episodes — sign up to get AI-powered summaries of each one.
- Jun 25, 20211h 0m
A nagy AI-hype és a neurális hálók határai | Benczúr András | MLCast #15
Benczúr András az ELTE matematikusaként jutott ki az MIT-re a rendszerváltás után, így elsőkézből ismerhetett meg olyan technológiákat és embereket, akik azóta az AI mint tudományág kiemelkedő alakjai. De mit is sikerült hazahoznia ebből a tudásból, és indokolt-e még mindig az óriási hype az AI körül? 0:00 - Bemutatkozás 1:02 - András munkája a SZTAKI-ban, mint tudományos főmunkatárs 2:37 - Az út az ELTÉ-ről az MIT-ra - Hogyan jutott ki András a rendszerváltás után egy külföldi top-egyetemre? 8:20 - Az MIT-s évek tapasztalati és tanulságai 13:59 - Mihez kezdjen valaki az MIT-s tapasztalataival Magyarországon? 19:48 - Nyitottabb lett-e a magyar akadémikum az elméletek alkalmazására? 22:00 - András tapasztalati a magyarországi nemzetközi projektekkel 25:30 - A járvány hatása a nemzetközi együttműködésekre 28:29 - András startup-tapasztalatai 33:42 - Mik a különbségek a magyar és a nemzetközi startup-kultúra között? 39:15 - Ha ma érdeklődsz az AI iránt, hol érdemes elkezdened? 43:32 - Mennyire indokolt az AI-hype ma? 49:39 - Hol a határ? Végére jár a neurális hálókban rejlő potenciál? 52:04 - Milyen új alkalmazási területeket vár András a következő évektől? 55:44 - Mennyire vannak jelen ezek a területek Magyarországon? 56:59 - András reményei - mely területek a legizgalmasabbak? 58:44 - A jelenleg legizgalmasabb projekt, amin András dolgozik ©2020, minden jog fenntartva
- Mar 2, 202143 min
Magyarázható AI, biztonsági kérdések és adversarial támadások | Thamó Emese | MLCast #14
Thamó Emese Dunakesziről indult, az egyetemet már Cambridge-ben végezte, épp a PhD-jén dolgozik a Liverpooli Egyetemen és Amszterdamban is dolgozott már - de hogy sikerült mindezt elérnie, mi hajtotta, és hogy kötött ki végül a Machine Learning mellett? Kutatásának fő fókusza az AI-biztonság és a megmagyarázható modellek, emellett viszont beszélgetünk startupokról, adversarial támadásokról (amire egyikünk sem tudott elfogadható magyar fordítást kitalálni) és orvosi AI-ról is! 0:00 - Bemutatkozás 1:24 - Dunakeszi-Cambridge-Liverpool-Amszterdam és matematika szeretete 3:24 - Innováció és AI külfödön - mit csinálhatnánk jobban Magyarországon? 5:36 - Medical AI - mire jók és mire nem a jelenleg elérhető eszközök, módszerek? Pulzus, testhő, légzési gyakoriság meghatározása - videóról? Jogi megkötések, akadályok. 10:35 - Várhatóak jogi változások a modellek széleskörűbb alkalmazásához? Hogyan lehet megoldani a jogi problémákat? 13:33 - Emese kutatási témája - AI-biztonság. Mitől lesz megbízható egy modell? Hogyan magyarázzuk meg egy neurális háló működését? 17:31 - Meg fogjuk valaha teljesen érteni egy-egy neurális háló működését? 19:19 - Hogyan vizsgálahtó egy magyarázat "jó"sága? 21:48 - Mit csinál egy "adversarial attack"? Hogy működnek ezek a támadások? Hogyan függ össze a magyarázhatóság és a modell hibái? 24:16 - Emese kutatása, hipotézisei - támadás-detektorok és ezek magyarázata. 25:59 - Modellek robosztussága - problémák 27:43 - Startup-tapasztalatok és a Game of Dragons 35:15 - Tervek a jövőre - milyen startupot indítana Emese Magyarországon? 36:04 - Tippek és trükkök ha vállalkozni/freelancerkedni szeretnél! 40:04 - Mit vár Emese az AI fejlődésétől a jövőben? 41:58 - Emese elérhetőségei, kapcsolat Emesét megtaláljátok a LinkedInen: https://www.linkedin.com/in/emesethamo Kutatói profilja a Liverpooli Egyetem oldalán: https://intranet.csc.liv.ac.uk/~themike/ ©2020, minden jog fenntartva
- Nov 18, 202049 min
Az adat-alapú projektek 80%-a nem hoz hasznot. Mi a megoldás? | Jóföldi Endre | MLCast #13
Jóföldi Endre a gazdasági válság közepén, 2008-ban alapította a Precognox-ot és immár 12 éve profittal zártak minden évet. Mi a titka a sikerüknek? Milyen kihívásokkal kellett eddig szembenézniük? Hogy lehet elkerülni, hogy haszontalan projektet szállítsunk? És mit is jelent az, hogy emberközpontú AI? Ez és még sok minden más is kiderül az eheti epizódból! 0:00 - Bemutatkozás 02:29 - A Precognox története 06:00 - Milyen kihívásokkal hogyan lehet megküzdeni egy induló cégnél? Hogyan lehet jól válságot kezelni? 12:35 - A Gartner szerint 2022-ig a datás projektet 80%-a nem hoz hasznot - miért, és a Precognox mit tesz ez ellen? 26:36 - Mekkora az AI-alapú fejlesztések piaca Magyarországon? Meg lehet élni csak a magyar piacból? 32:23 - Emberközpontú AI - mit jelent ez Endre és az ügyfelek számára? 37:23 - Endre teológiai háttere - hogyan kapcsolódik az etika, a vallás és az AI? 44:03 - Mit vár Endre az AI fejlődésétől a jövőben? 48:32 - Endre elérhetőségei, kapcsolat A Precognox honlapja: https://www.precognox.com/ ©2020, minden jog fenntartva
- Nov 11, 202040 min
Deepfake-felismerés, azaz a jó ügy vs. a kapitalizmus | Kovács Dominik | MLCast #12
Kovács Dominik mindig is szerette a kihívásokat, többekközt ezért is költözött Dániába, ahol a data science-es tanulmányait szerette volna a gyakorlatban is kamatoztatni. Mi is lehetne erre jobb módszer, mint startupot alapítani? Saját elmondása szerint a legalapabb hibákat is elkövette a Defudger építése során, de tanult belőle - most éppen egy nagy pivot előtt állnak. Hogy mik voltak ezek a hibák, mit tanult belőle, és mit csinál most, az kiderül a beszélgetésből - ezen felül pedig az is, hogy miért fuccsol be egy csomó fejlesztés, ami a társadalom hasznára válhatna, és hogy hogyan kéne szabályozni az AI-t Dominik szerint! 0:00 - Bemutatkozás 00:58 - Miért döntött Dominik úgy, hogy Dániában tanul tovább? 05:04 - Milyen a dán startup-kultúra? Mi működik jól ott, amit Magyarországon is alkalmazhatnánk? 10:54 - A Defudger története - honnan indultak, hogy találtak befektetőket, hogy építették fel a céget? Mik azok az alaphibák, amit Dominikék elkövettek, és mit tanultak belőle? 16:26 - A deepfake felismerés - mindenki szerint hasznos, senki nem fizet érte. Merre pivotál a Defudger? 23:28 - Videogenerálás - etikusan 27:05 - Etikai kérdések - hány etikai problém van, amire a piaci igény hiánya miatt nincs megoldás? Hogy oldjuk fel ezt a helyzetet? 32:12 - Milyen szabályrendszer lehet jó a deepfake-ek etikus felhasználásához? 36:15 - Mit vár Dominik az AI fejlődésétől a jövőben? 39:47 - Dominik elérhetőségei, kapcsolat A Defudger honlapja: https://defudger.com/ Dominik a LinkedIn-en: https://www.linkedin.com/in/dominikkovacs/ E-mail címe: dominik@defudger.com ©2020, minden jog fenntartva
- Oct 28, 202043 min
Üzlet, vagy kutatás? Mindkettő! Magyar nyelvi modellek fejlesztése | Feldmann Ádám | MLCast #11
Dr. Feldmann Ádám magatartáskutatóként indult, és ez bizony csupán egy lépésre van a mesterséges intelligenciától, ami azóta a hivatásává vált. A "business-t csináljunk, vagy kutatást?"-kérdést egy harmadik, innovatív megoldással válaszolták meg, hiszen a Pécsi Tudományegyetem Alkalmazott Adattudományi-és Mesterséges Intelligencia Csoportjának munkája során ötvözik a kettőt: A legújabb kutatások gyors implementálásával foglalkoznak, hogy üzleteknek tudjanak segíteni vele. A fő fókusz pedig a modellek magyarítása - hogy ez milyen kihívásokkal jár, az kiderül a beszélgetésből! 0:00 - Bemutatkozás 01:16 - Magatartástudósból AI-szakértő - hogyan és miért? 06:25 - Mesterséges vs. természetes neuronok - mik a különbségek? A mesterséges neurális hálók rövid története 09:37 - Alkalmazott Adattudományi-és Mesterséges Intelligencia Csoport - miért alapult, hogyan, és mivel foglalkozik? 12:16 - Business vs. kutatás? Mind a kettő! Ádámék különleges hozzáállása az új projektekhez. 18:05 - Nyelvfelismerő rendszerek - háttér, módszerek, Ádámék projektje 21:43 - Együttműködés a Microsofttal - Magyar BERT tanítása nulláról! 28:25 - Magyar nyelvi modellek - hol tartunk most? 30:47 - Van-e különbség az adatok valós életbeli vs. a kutatásbeli eredmények közt? 34:56 - Adatminőség-problémák - Csak céges probléma, vagy kutatási is? Milyen a "rossz" adat? 37:32 - Hamis adatok kiszűrése, ha nem vagy a terület szakértője - lehetséges? Hogyan? 41:42 - Mit vár Ádám az AI fejlődésétől a jövőben? 42:56 - Ádám elérhetőségei, kapcsolat Pécsi Tudományegyetem Alkalmazott Adattudományi-és Mesterséges Intelligencia Csoportja: https://aok.pte.hu/hu/egyseg/180/kutatas ©2020, minden jog fenntartva
- Oct 14, 202059 min
AI, ami radikalizál? Ajánlómotorok, információs buborékok, új AI-tél | Biczó Zoltán | MLCast #10
Video guide/tartalom odalent↓↓↓↓↓↓ Biczó Zoltán bölcsész- és business-háttérrel indult, de már évek óta adatszakértőként dolgozik, továbbá az övé az első magyar data science-podcast, az Adatépítész. Az ajánlómotorok által keletkező információs buborékok mellett arról beszélgettünk, hogy milyen adatos fejlesztéseket folytatnak a magyar cégek, miért nem szabad összemosni az AI-t a robotikával, és, hogy várható-e egy újabb AI-tél? 0:00 - Bemutatkozás 3:13 - Bölcsészből Data Scientist? Nem olyan nagy a különbség! 9:01 - Data Science startupoknak vs. nagyvállalatoknak - mik a szempontok, különbségek? 13:45 - Startupként érdemes-e külsőst felvenni adatszakértőként, vagy mindenképp a csapatból kell jönnie a szakembernek? 17:00 - Zoltán jelenlegi megbízásai - mit fejleszt a magyar? 19:19 - A robotika NEM AI! 27:24 - Az RPA nem robot! 30:18 - Várható-e egy újabb AI-tél? 37:17 - Ajánlómotorok - AI, amit te is használsz, de nem is tudod, hogy AI! 46:46 - Etikai kérdések - információs buborékok és radikalizálódás 54:05 - Mit vár Zoltán az AI-tól a jövőben? 58:11 - Zoltán elérhetőségei, kapcsolat Adatépítész podcast: https://adatepitesz.hu/ ©2020, minden jog fenntartva
- Sep 30, 202040 min
Magyarország AI-stratégiája | Szertics Gergely | MLCast #9
Néhány hete megjelent Magyarország mesterségesintelligencia-stratégiája, én pedig igyekeztem mihamarabb szerezni valakit, aki első kézből tud mesélni róla - így lett vendégem Szertics Gergely, aki szakmai vezetőként dolgozott az MI Koalícióban a stratégia kidolgozásán. Röviden beszélgetünk arról, hogy hogyan lett Gergely szervezetfejlesztőből AI-szakértő, a fő hangsúly viszont a stratégián van - mik a fő célok a következő 10 évre, milyen alappilléreken nyugszik a stratégia, milyen transzformatív programok indulnak és hogyan lehet ezekben részt venni? 0:00 - Bemutatkozás 1:19 - Hogyan lett Gergely szervezetfejlesztőből MI-szakértő? Az MI Stratégia: 2:58 - Gergely szerepe és feladatai szakmai vezetőként 5:05 - Az MI Stratégia célrendszere, a Magyarország által kijelölt célok a következő 10 évre 9:40 - A stratégia alapozó pillérei 17:11 - Szektorális fókuszok - mik ezek, és melyek a kiemelt fejlődési/fejlesztési területek? 19:52 - Transzformatív programok - hogyan támogatják majd a kijelölt területeket? 34:25 - Hogyan és ki csatlakozhat az MI Koalícióhoz, hogyan lehet részt venni a munkában? 38:26 - Mit vár Gergely az AI-tól a jövőben? 39:51 - Gergely és az MI Koalíció elérhetőségei, kapcsolat Az MI Koalíció honlapja: https://ai-hungary.com/ A teljes, a stratégiát részletező dokumentum: https://ai-hungary.com/files/c0/2d/c02dec104186938b84d95132eecc31ce.pdf Az MI Koalíció podcast-ja: https://ai-hungary.com/hu/mi-studio ©2020, minden jog fenntartva
- Sep 21, 20201h 0m
Algoritmus gyógyítson, vagy ember? A magyar egészségügy és az AI | Szalóczy Nóra | MLCast #8
Szalóczy Nóra szociológusból lett egészségügyi kutató és adatszakértő, és többek közt arról is beszélgettünk, hogy milyen egészségügyi adahalmazok érhetőek el Magyarországon akár cégek, akár kutatók számára, érdekes egészségügyi kutatásokról, a magyarországi egészségügyi dolgozók helyzetéről, a gyógyszeripar és az AI kapcsolatáról és az egészségügy digitalizációjáról - és szóba került pár etikai és szociális probléma is! 0:00 - Bemutatkozás 2:13 - Nóra szociológiai háttere, az AI-fejlődés szociológiai hatása és etikai kérdései 8:49 - Man or Machine - a gépet vagy az embert választod orvosodnak? 14:43 - Az EESZT, milyen adatokat tárolnak rólunk és hogyan, orvosi adathalmazok Magyarországon és ezek használata, problémák 23:09 - Az AI és adatalapú megoldások hatása a gyógyszeriparra, milyen típusú kutatások vannak az egészségügy területén? 32:51 - Személyre szabott orvosi ellátás - lehetőségek és korlátok, az okoseszközök integrálása az ellátásba 39:15 - Néhány érdekes egészségügyi kutatás - az ápolók helyzete Magyarországon, primer- és adatelemző kutatások kapcsolata 46:42 - A nők helyzete a data science-ben 56:59 - Az AI és az egészségügy jövője 1:00:10 - Nóra elérhetőségei, kapcsolat ©2020, minden jog fenntartva
About Machine Learning Budapest
A magyar Machine Learning/Data Science podcast!
Customized Recaps
AI-powered recaps with compact key takeaways, quotes, and insights.
Straight to Your Inbox
Get key takeaways from Machine Learning Budapest in a 5-minute read.
Save Hours Every Week
Stay current on your favorite podcasts without falling behind.
Frequently Asked Questions
What is Podzilla's Machine Learning Budapest daily summary?
It's a free AI-powered email that summarizes new episodes of Machine Learning Budapest as soon as they're published. You get the key takeaways, notable quotes, and links & mentions — all in a quick read.
How does the Machine Learning Budapest podcast summary work?
When a new episode drops, our AI transcribes and analyzes it, then generates a personalized summary tailored to your interests and profession. It's delivered to your inbox every morning.
Is this an official Machine Learning Budapest product?
No. Podzilla is an independent service that summarizes publicly available podcast content. We're not affiliated with or endorsed by Machine Learning Budapest.
Can I get summaries of other podcasts too?
Absolutely! The free plan covers up to 3 podcasts. Upgrade to Pro for 15, or Premium for 50. Browse our full catalog at /podcasts.
How often does Machine Learning Budapest release new episodes?
Machine Learning Budapest publishes weekly. Our AI generates a summary within hours of each new episode.
What topics does Machine Learning Budapest cover?
Machine Learning Budapest covers topics including Science, Mathematics. Our AI identifies the specific themes in each episode and highlights what matters most to you.
Start getting Machine Learning Budapest summaries tomorrow morning.
Free forever for up to 3 podcasts. No credit card required.
Free forever for up to 3 podcasts. No credit card required.