Blog

Ha egy adatproblémára nincs kész megoldási minta, a Dmlabnál az üzleti kérdésből indulunk, és lépésenként kísérletezzük ki a mérhető feladatot.

Magyarul ma egyetemi mesterszakon, szakirányú továbbképzésen, nyílt tanfolyamon és önállóan is lehet data science-t tanulni, AI-képzésből pedig egy év alatt túlkínálat lett. Összegyűjtöttük, mi érhető el valójában, és mi mennyibe kerül.

Ha egy üzem negyedóránként tudja, mennyi áramot fog használni, kedvezőbb szerződést köt és kevesebbet fizet kiegyenlítő energiára. 2026-ban ennél többről van szó: a negatív árak és a 15 perces piaci termékek miatt a pontos előrejelzés már nem védekezés, hanem bevételi forrás.

Az algoritmus nem elfogult, csak pontosan megtanulja, amit a múltbeli döntésekben lát. Mit jelent ez a gyakorlatban, miért nem lehet a tisztességet egyetlen számmal mérni, és mit ír elő 2026-ban az AI Act egy magyar vállalatnak?

Majdnem minden cég használ már valahol AI-t, de kevesebb mint fele jutott el odáig, hogy működő rendszerként fusson. Az ötlépcsős modell arról szól, mi hiányzik a kettő között, és miért nem lehet lépést átugrani.

Leíró, diagnosztikus, prediktív vagy preskriptív: négy projekttípus, négy különböző üzleti kérdésre. Táblázattal és valós projektpéldákkal ahhoz, hogy eldöntsd, a céged melyikkel induljon.

A magyarázható MI nem egy modelltípus, hanem eszközkészlet arra, hogy megtudjuk, mire alapoz a modell. Áttekintés az ante-hoc és post-hoc módszerekről, a LIME-ról és a SHAP-ról, valamint arról, mit vár a magyarázattól a szabályozás.

Két éve tervezünk OKR-ral: céges, területi és egyéni szinten. Hogyan néz ki nálunk a negyedéves tervezés, hogyan értékelünk 0-tól 1-ig, és mi az, amit menet közben tanultunk meg.

Évente nagyjából 80 ezer fiatal marad középfokú végzettség nélkül. Egy közös projektben a DPMK domain tudásával, a Microsoft technológiájával és a Dmlab adatelemzésével három szinten néztük meg, mit tud hozzátenni az adat: mi történt, miért történt, és mi fog történni.