Az MI Magyarországon: kutatás, egyetemek és ipar
A magyar mesterséges intelligencia három pilléren nyugszik. Az első az állami kutatás, a HUN-REN hálózat intézeteivel, köztük a számítástechnikára és automatizálásra szakosodott SZTAKI-val. A második az egyetem: informatika az ELTE-n, villamosmérnöki és informatikai képzés a BME-n, de vidéki intézmények is idetartoznak. A harmadik az ipar, amely a gépi tanulást az autóiparban, a távközlésben, a logisztikában, a pénzügyekben vagy a digitális szolgáltatásokban építi be.
A külföldi jelölt számára ez a térkép a helyes kérdés feltevését segíti: kutatási tapasztalatot keresünk-e, publikációkkal és kísérletezéssel, vagy mérnöki tapasztalatot, éles üzemeltetéssel és költségkorlátokkal? Mindkettő létezik, de nem ugyanúgy kell rájuk készülni.
Hogyan olvassunk el egy SZTAKI-hirdetést tévedés nélkül?
A SZTAKI a honlapján karrieroldalt működtet az informatikai és műszaki kutatás területén. Jelentkezés előtt ellenőrizzük, mit jelöl valójában a hirdetés: gyakorlatot, hallgatói projektet, doktorandusz-állást, kutatómérnöki munkakört vagy más szintű felvételt. Egy angol megnevezés nagyon különböző jogállásokat takarhat.
Nézzük meg ezután a csapatot és a témát. A gépi látással foglalkozó laboratórium nem ugyanazt a profilt várja el, mint egy optimalizálással vagy elosztott rendszerekkel foglalkozó csoport. Az „érdekel a mesterséges intelligencia” mondat senkit sem győz meg; ha viszont a csapat egy konkrét témájához kapcsolódunk, például az idősorokban történő anomáliadetektáláshoz, az azt mutatja, hogy az előkészítő munka megtörtént.
Milyen képzettségi szintet várnak el?
Az elvárások a kutatáshoz való közelséggel nőnek. Laboratóriumi csapatnál általában szilárd lineáris algebrai, valószínűségszámítási, optimalizálási és programozási alapokat néznek, többnyire Pythonban, a szokásos gépi tanulási könyvtárakkal. A mesterszintű képzés gyakori, korlátozott projekthez azonban a haladó alapképzési szint is elég lehet.
Vállalatnál a mérce az adatmérnökség felé tolódik el: tisztítás, verziókezelés, tesztelés, telepítés. A munkáltatók azt akarják tudni, képesek vagyunk-e megbízható és reprodukálható modellt készíteni, nem csupán egyszer betanítani egy tiszta adathalmazon.
Ellenőrizhető hozzájárulás: egy minimunka példája
Szemléltetésül kerek, feltételezett számokkal: egy hallgató szenzoradatok feldolgozását készíti elő. Összegyűjt 50 000 mérést, ebből 2 000-et következetlennek ítélve kizár, betanít egy osztályozó modellt, és a félretett tesztadathalmazon 90 százalékos pontosságot mér. Azt is leírja, mit nem mond el ez a szám: osztályok közötti kiegyensúlyozatlanságot, adatszivárgás kockázatát, kevéssé reprezentatív tesztadathalmazt.
Az ilyen példa néhány perc alatt bemutatva olyan eredményt ad, amelyet őszintén kommentálni tudunk. Pontosan ezt keresi egy kutatásvezető: a képességet a modell validálására, korlátainak felismerésére és döntéseink megindoklására.
Jogállás, oktatási megállapodás és az eredmények tulajdonjoga
A kutatóintézetnél vagy vállalatnál töltött gyakorlathoz megállapodás szükséges, amelyet a hallgató, az intézmény és a fogadó szervezet ír alá. Ez rögzíti az időpontokat, a témát, a mentort és a titoktartási szabályokat. Ha a tapasztalatot el kell ismertetni a képzésünkben, az oktatási megállapodást az indulás előtt egyeztessük az intézményünkkel, a kért beszámoló jellegét is beleértve.
Tegyünk fel három gyakorlati kérdést a leendő vezetőnek is:
- milyen ritmusban zajlik a kapcsolattartás (heti megbeszélés, napi egyeztetés, távoli követés);
- ki publikálhatja vagy mutathatja be az eredményeket, és milyen feltételekkel;
- kié a gyakorlat alatt készült kód, adat és modell.
Ezek a közzétételi szabályok szervezetenként eltérnek, és írásban kell szerepelniük, nem szóbeli megegyezésen múlhatnak.
Egyetemek és képzés: hol érdemes felkészülni?
A magyar informatikai és mérnöki karok, például az ELTE-é és a BME-é, angol vagy magyar nyelvű programokat kínálnak, amelyek adat-, gépi tanulási és intelligens rendszerekkel foglalkozó kurzusokat tartalmaznak. Laboratóriumokkal és vállalatokkal is kapcsolatban állnak, ami hallgatói projektekhez vagy közös témavezetésű szakdolgozatokhoz vezethet.
A külföldi hallgató számára a legtermészetesebb út gyakran az Erasmus+ mobilitás vagy az intézmények közötti kétoldalú megállapodás. Ez lehetővé teszi, hogy helyben kurzusokat látogassunk, oktatókkal találkozzunk, majd egy kutatási projektről is megnyíljon a beszélgetés. Mielőtt egy laboratóriumnak írunk, tájékozódjunk saját egyetemünk megállapodásairól.
Szakképzés és tanulószerződés a digitális területen
Szakmai szinten Magyarország 2020-ban olyan képzési rendszert szervezett, amelyben technikumok és szakképző iskolák működnek, a tanulók pedig tanulószerződés alapján a munkáltatónál végeznek gyakorlatot. A digitális szakmák is szerepelnek benne, de főként programozásról, rendszeradminisztrációról vagy hálózatokról van szó, ritkábban haladó gépi tanulásról.
Aki pályát módosít, vagy mesterséges intelligenciára irányuló duális képzést keres fiatalként, annak meg kell különböztetnie a korábban elérhető szoftverfejlesztői irányt az adatokra szakosodástól, amely általában az egyetemen megszerzett szilárd matematikai alapot feltételez.
Tartózkodás, nyelv és költségvetés egy kutatási együttműködésben
Az Európai Unió polgárai a helyi bejelentkezési formaságok betartásával tartózkodhatnak és dolgozhatnak Magyarországon. A harmadik országbeli hallgatónak a fogadó egyetem nemzetközi irodája elmagyarázza a tartózkodási engedély, a biztosítás és a benyújtandó iratok kérdését. Hatályos pénznem a forint (HUF).
A laboratóriumokban általában az angol a tudományos nyelv, a mindennapi élet, az ügyintézés és egyes csapatbeszélgetések azonban gyakran magyarul folynak. Egy nyelvtanfolyam, bármilyen szerény is, megkönnyíti a beilleszkedést. Számoljunk a lakbérrel, a közlekedéssel és a biztosítással, majd hasonlítsuk őket a meghirdetett díjazáshoz vagy ösztöndíjhoz, az összegeket írásban kérve.
Gyakori hibák és ötlépéses eljárás
A visszatérő hibák: tömeges jelentkezés a témák elolvasása nélkül, divatos technológiák említése gyakorlati tapasztalat nélkül, valamint az aláírás a kód tulajdonjogának tisztázása nélkül. Egy biztonságosabb eljárás így foglalható össze:
- keressünk két-három olyan csapatot, amelynek témája megfelel a munkáinknak;
- olvassuk el a publikációikat vagy projektleírásaikat;
- írjunk rövid üzenetet, amely konkrét hozzájárulást ajánl;
- hagyassuk jóvá az oktatási megállapodást az intézményünkkel;
- a tartózkodást, a szállást és a biztosítást írásos megerősítés után szervezzük meg.
Gyakori kérdések
Lehet-e magyar nyelvtudás nélkül MI-gyakorlatot teljesíteni Magyarországon?
A kutatásban és a nemzetközi vállalatoknál gyakran igen, mert a tudományos munkában az angol az uralkodó. A mindennapi élet és egyes ügyintézési feladatok magyarul zajlanak. A megállapodás aláírása előtt kérdezzük meg a csapat munkanyelvét.
Milyen tanulmányi szint szükséges a jelentkezéshez?
Ez a feladattól függ. Laboratóriumhoz gyakori a mesterszint, egy korlátozott projekt viszont befogadhat haladó alapszakos hallgatót is. A matematikai, programozási és modellvalidálási alapok többet nyomnak a latban, mint önmagában az oklevél megnevezése.
Hogyan válasszak a kutatás és az ipar között?
A kutatás a kísérletezést, a cikkolvasást és olykor a publikálást helyezi előtérbe. Az ipar az üzembe helyezésre, a költségekre és az adatkorlátokra összpontosít. Jelentkezés előtt tisztázzuk szakmai célunkat, mert a levél és a bemutatott projekt sem lesz ugyanaz.
Fizetett az MI-gyakorlat Magyarországon?
A díjazás a szervezettől és a jogállástól függ: egyes gyakorlatok juttatással járnak, mások nem, és mobilitási ösztöndíj is járulhat hozzájuk. Az összegek változnak. Kérjük őket írásban, és a költségvetés megtervezése előtt ellenőrizzük az intézményünkkel.
Mit érdemes megmutatni egy MI-jelentkezésben?
Egy konkrét adatfeldolgozási vagy modellvalidálási példát, a módszerrel, az eredménnyel és annak korlátaival. Hasznos egy rendezett kódtár vagy egy rövid beszámoló. A vezetők értékelik a pontosságot és az őszinteséget abban, amit a munka nem bizonyít.
Elismeri-e majd az egyetemem a gyakorlatomat?
Csak akkor, ha az oktatási megállapodás az indulás előtt megszületik. Hagyassuk jóvá az intézménnyel a témát, az időtartamot, a mentort és a beszámoló típusát, majd győződjünk meg róla, hogy az aláírt megállapodás átveszi ezeket az elemeket. Utólagos elismerés sosem garantált.