Tématerületi Kiválósági Program online Workshopja az ELTE-n
Az ELTE Informatikai Karán futamidejének első szakaszát zárta a 2019. évi Tématerületi Kiválósági Program. A Kar „ Alkalmazásiterület-specifikus nagy megbízhatóságú informatikai megoldások” c. projektjének éves beszámolóját május 8-án tartották.
A társadalmi és gazdasági folyamatok digitalizálásának sikere attól függ, hogy képesek vagyunk-e nagy megbízhatóságú, biztonság-kritikus és szigorúan valós idejű, elosztott informatikai megoldásokat beépíteni az egyre nagyobb szerephez jutó szoftverintenzív szolgáltatásokba és termékekbe. Az innovatív megoldások középpontjában álló szoftverek komplexitása drámai módon megnövekedett, mind a funkcionalitás bővülésével, mind fenntarthatósági szempontok megjelenésével (például energiafelhasználás), mind a végrehajtási környezet heterogénné és térben elosztottá válásával. Teljes társadalmunk egyre inkább függ a mindenhol jelen lévő informatikai megoldások helyes működésétől. A rendszerhibák kihatnak mindennapi életünkre, kockázatot jelentenek egészségünkre, adatvédelmi, biztonsági problémákat hordoznak, hatalmas gazdasági hátrányokat okozhatnak, sőt, biztonságkritikus rendszerek esetén még az életünket is veszélyeztetik
A Nemzeti Kutatási, Fejlesztési és Innovációs Alap által 567 M Ft-tal támogatott Program célja a szakmai és tudományos kiválóság támogatása, a kutatási tevékenységek nyitottságának a növelése, a KFI szereplők közötti együttműködések elősegítése.
Projekt a digitalizáció kihívásainak leginkább kitett alkalmazási területeken (egészségügy, kiberbiztonság, digitális pénzügyi megoldások, agrárinformatika, autonóm járművek, kommunikációs hálózatok, telekommunikáció) aktuális ipari igényekre válaszolva kínál az ipari és az akadémiai oldal versenyképességét egyaránt növelő informatikai megoldásokat. Az eredményeket a kutatóegyetemi tudományos műhelyek magas színvonalú diszciplináris informatikai, számítástudományi és matematikai kutatási bázisa alapozza meg és teszi az együttműködéseket hosszú távon fenntarthatóvá. A projekt az ELTE Informatikai Kar vezetésével, a Természettudományi Kar együttműködésével valósul meg.
A projekt kulcsfontosságú eredménye a stratégiai ipari együttműködések megszilárdítása, és kiszélesítése.
A projekt keretében folyó kutatások részletes ismertetését ezen a honlapon találhatják meg.
A részletes program ezen a linken olvasható.
Kapcsolódó cikkek
- Idén jelentősen nőtt az ELTE Informatikai Karra jelentkezők száma
- Égető kérdések megvitatásával kezdte meg a távolléti oktatást az ELTE Informatikai Kara
- Online feladatbankkal segíti az informatika érettségire készülő diákokat a Neumann Társaság
- Az S&T elindítja az ipari digitalizációs oktatást elősegítő programját
- Évnyitó másképp: innovatív tanárok az iskolapadban
- Felkészültek az egyetemek: új IT rendszerrel várják a tanév indulását
- Nyári kurzus a Semmelweis Egyetemen a digitalizáció hatásáról
- edvezményes mobilszolgáltatással újít az Eötvös Loránd Tudományegyetem
- Együttműködési megállapodást kötött a MÁV-csoport és az ELTE
- Könnyebb tanulás, nehezebb puskázás a digitális tanteremben
Megoldás ROVAT TOVÁBBI HÍREI
Egészségügyi startupokat vár az InnoStars Awards program
Az EIT Health InnoStars Awards program május 19-ig várja a hazai startupok jelentkezését. A program célja, hogy segítse az egészségügyi innovátorokat ötleteik tesztelésében, befektetők megtalálásában, és abban, hogy fejlesztéseik gyorsabban eljuthassanak a betegekhez. Mivel az egészségügyi startupok egyik legnagyobb kihívása a kórházakkal való együttműködés, az idei évtől külön támogatást kapnak a közbeszerzési rendszerek és kórházi folyamatok megértéséhez is.
Az AI új korszaka – kisebb, hatékonyabb, olcsóbb
Egyre jellemzőbb, hogy az általános célú, nagy AI-modellekről inkább a kisebb, speciálisan egy-egy feladatra szabott rendszerek felé fordul a céges felhasználók figyelme. Ezt a változást a hatékonyság, a költségoptimalizálás és a gyakorlati alkalmazhatóság iránti igény hajtja. A vállalatok ma már nem egyetlen AI-modellre támaszkodnak, hanem olyan stratégiát követnek, ami több modell együttes alkalmazásával növeli a mesterséges intelligencia pontosságát, csökkenti a költségeket és az AI-t megbízható módon integrálják a napi működésbe.