Ország-Krisz Axel , AI fejlesztő – magyar siker a NASA nemzetközi versenyén

Elmondta az AI veszélyét, az egyik legnagyobb szakértője

Forbes: Magyar űrsiker: Axel és Richárd megnyerte a NASA nemzetközi versenyét
https://www.forbes.hu/uzlet/nasa-verseny-magyar-siker/

Hogyan jutott el a tanári, illetve jogi pályától a NASA versenyéig?

Igazából nagyon szerettem a jogászi lét kihívásait és olykor-olykor még arra is maradt lehetőségem, hogy nyelvoktatással a tanítás iránti szenvedélyemnek is hódolhassak. Ugyanakkor egy idő után feltört bennem az érzés, hogy valami még beleférne az életembe, így kanyarodtam az informatika irányába. A számítástechnika mindig is fontos szerepet játszott az életemben, már ELTE-s koromban is előfordult, hogy egyszerűbb informatikai munkákkal egészítettem ki az ösztöndíjat, így készítettem statikus honlapokat, de még webshopot is. A jogtól elkanyarodás első lépéseként egy kaliforniai intézmény online képzésén végeztem Java és Android fejlesztőként. A tanulást nagyon élveztem, de a terület nem váltotta be a hozzá fűzött reményeket, ugyanakkor itt találkoztam először kifejezetten szakirányú AI képzéssel, ami már elsőre is nagyon izgalmasnak tűnt. Mivel ekkor még én is úgy tekintettem a mesterséges intelligenciára, mint valami csodára, vagy fekete dobozra, kihagyhatatlannak éreztem a lehetőséget, hogy benézhessek a motorháztető alá, így belevágtam ebbe a képzésbe is. A dolog annyira felvillanyozott, hogy későbbi fejlesztőtársamat is rábeszéltem, vágjunk bele együtt. Végül ez sorsfordítónak bizonyult, ugyanis kis idő elteltével ő is otthagyta a jogászi karriert, hogy szabadúszó mesterséges intelligencia fejlesztőként dolgozzunk együtt. Szigorúan véve innen indult az a közös szakmai karrier, aminek egyik állomása a NASA verseny, amit most megnyertünk.

https://www.alumni.elte.hu/hu/article/egyetemtol-a-csillagokig-magyar-siker-a-nasa-nemzetkozi-versenyen/18/07/2022/1648

Facebook:
https://www.facebook.com/dr.orszag.krisz.axel/?locale=hu_HU

Linkedin:
https://www.facebook.com/dr.orszag.krisz.axel/?locale=hu_HU

BrainBar:
https://brainbar.com/munkatars/dr-orszag-krisz-axel

Unet info u-net info jani

DEMO TUMOR GENERALO: (blogbookhu@gmail.com)
https://colab.research.google.com/drive/1LtUB6tKkssEs4o_3rJmdWrUNnmbMnEln#scrollTo=xN99VV3x5hgQ

x############################################
U-net: pixelpontos képfelismerés / képi szegmentálás (pl. tárgyak, szervhatárok, utak, növényzet, stb. elkülönítése), akkor a U-Net nagyon jó választás.

100-300 használható
300 -1000 jó teljesítmény

a modellhez jól válogatott adatok kellenek,

nagy daganat ↔ könnyebb
kicsi vagy diffúz elváltozás ↔ több adat kell

minden egyes szervhez külön
Arány: 70% beteg, 30% egészséges
diffúz elváltozásoknál több kép kell
##################################

Skin Lesion Segmentation using Unet

U-Net from scratch using Keras and Tensorflow

Biomedical Image Segmentation with U-Net📈

***Image Segmentation U-Net

UNet Architecture Explained In One Shot [TUTORIAL]
https://www.kaggle.com/code/akshitsharma1/unet-architecture-explained-in-one-shot-tutorial

U-Net Architecture For Image Segmentation
https://www.digitalocean.com/community/tutorials/unet-architecture-image-segmentation

The U-Net : A Complete Guide
https://medium.com/@alejandro.itoaramendia/decoding-the-u-net-a-complete-guide-810b1c6d56d8

Deep Learning for Image Segmentation: U-Net Architecture
https://fritz.ai/deep-learning-for-image-segmentation-u-net-architecture/