Thesis supervisor: Gábor Szűcs
Location of studies (in Hungarian): Távközlési és Médiainformatikai Tanszék Abbreviation of location of studies: TMIT
Description of the research topic:
A hordozható technológiáknak, szenzoroknak, kameráknak és egyéb elektronikáknak köszönhetően egyre több adat keletkezik az egészséges életvitellel (personal healthcare) és sporttal kapcsolatban. Ezek jelenthetnek nyugalomban rögzített jeleket, mint például antropometriai adatokat HRV (heart rate variability, szívfrekvencia variabililtás) méréseket, EEG (elektroenkalográf) jeleket, vagy konkrétan a terheléssel összefüggő belső (pulzus, légzés, tejsav, oxigén telítettség) vagy külső (sebesség, helyezés, mozgás) adatokat. Az adatok értelmezése azonban komoly kihívást jelent a zajos mérések és a mért értékek és fontos biológiai tulajdonságok közötti távolság miatt. A heterogén adathalmazokból származó adatok vizsgálatával, mint például az EEG jelek és HRV adatok összekapcsolásával újszerű, eddig ismeretlen összefüggésekre derülhet fény. A kutatás célja a sport területén működő Data Science módszerek kidolgozása, melyek a gépi tanulás, gépi látás és mintafelismerés, jelfeldolgozás, adatbányászat, prediktív analitika tématerületeihez kapcsolódnak. A feladat olyan elméleti módszerek kutatása, melyek segítik a döntéseket zajos, hiányos és heterogén adatok mellett is. A mély neurális hálózatok alkalmazása a jelek feldolgozására ígéretes részfeladat, különösen a sportmozgásokhoz kötődő videófelvételek elemzésére. A feladatokhoz tartozik a terhelésélettan és Data Science tudományterületeinek integrációja a Testnevelési Egyetem Terhelésélettani Laboratóriummal együttműködve; ehhez jellemző kinyerési módszereket kell megalkotni; továbbá az élettani folyamatok modelljeinek alkalmazása elősegítheti a pontosabb eredményeket.
Kutatási feladatok:
- Osztályozási, klaszterezési és regressziós algoritmusok kutatása sport adathalmazoknál.
- Ismert megoldásokhoz hasonló új Data Science módszerek kidolgozása.
- Antropometriai, EEG, HRV, SmO2, terhelésélettani és mozgás adatok integrációja, elemzése.
- Sporttal kapcsolatos videó adatok elemzése mély neurális hálózatokkal.
- Heterogén adathalmazok fúziójának kutatása.
Required language skills: angol Further requirements: adattudomány és sporttudományok iránti érdeklődés
Number of students who can be accepted: 1
Deadline for application: 2019-06-14
2024. IV. 17. ODT ülés Az ODT következő ülésére 2024. június 14-én, pénteken 10.00 órakor kerül sor a Semmelweis Egyetem Szenátusi termében (Bp. Üllői út 26. I. emelet).
Login
