AI product development a gyakorlatban

Описание: Az AI-fejlesztés két, egymásba fonódó világban zajlik: kutatás-fejlesztésben és ipari termékfejlesztésben. A modell maga csak a kezdet – az igazi kérdés, hogy mérhetően jól teljesít-e a laboratóriumi benchmark-tól a forgalomban közlekedő autóig vagy a több száz felhasználót kiszolgáló AI-asszisztensig.

Ez a kerekasztal három valós projekt példáján keresztül mutatja meg, milyen mérnöki döntések és kihívások kísérik az AI-termékek tesztelését a gyakorlatban. A bemutatott esetek lebontják azt a gyakori tévhitet, hogy a tesztelés csak egy külön folyamat vagy csapat dolga – valójában a fejlesztés szerves része.

💡 Tudtad? Az AI-projektek jelentős része nem az adatgyűjtésen vagy a tanításon bukik el, hanem azon, hogy a metrika nem azt méri, amire a felhasználónak valóban szüksége van. Itt most olyan példákat láthatsz, ahol ez nemcsak kérdés volt – hanem kritikus fejlesztési döntések alapja is lett.

Ez a webinárium neked szól, ha:
🔹 szeretnél rálátni, hogyan gondolkodnak AI-fejlesztők a validációs pipeline-ról,
🔹 érdekel, hogyan lesz egy LLM-asszisztensből használható funkció,
🔹 kíváncsi vagy, mikor és hogyan kell újradefiniálni egy AI-modell célját – és mérőszámát.

=== Milyen kérdésekre kapsz választ? ===
🔸Mi az első dolog, ami megváltozik, amikor egy kutatási prototípust ipari termékké kell formálni?
🔸Mit lépsz, ha a feladat természeténél fogva (forgalmi döntés, szabad formájú párbeszéd) nincs egyetlen “helyes” válasz?
🔸Milyen szempontok szerint cseréled le a kezdeti metrikát (pl. pixel-pontosság) egy üzletileg relevánsabb mutatóra?
🔸Miből látod hamar, hogy nem a modell, hanem a tréning­adat hibája miatt gyenge a teljesítmény?
🔸Melyik CI/CD-eszköz vagy workflow vált be legjobban LLM-alapú rendszernél?
🔸Hogyan hasznosítható egy önvezető vagy medical eval-pipeline tapasztalata egy teljesen más domainben, például egy AI-asszisztensnél?
🔸Milyen jellemzői vannak egy jó benchmark datasetnek, ami ipari környezetben is releváns marad?

=== Miért érdemes csatlakoznod? ===

🔹Három eltérő projekt – három külön megközelítés az AI-termékvalidációra
🔹Megérted, hogyan alakítja át a fejlesztést a "mérésközpontú" gondolkodás
🔹Első kézből hallasz kutatói, üzleti és mérnöki nézőpontokat
🔹Kérdezhetsz – élőben, gyakorlati válaszokat kapsz

=== Kinek ajánljuk? ===

🔸Web- és full-stack fejlesztők, akik már építettek alkalmazást, de az AI-komponensek terén még tapasztalatlanok.
🔸Tech leadek és architektek, akik dobozos chatbot helyett saját AI-asszisztenst vagy gépi­tanulás-modult szeretnének beépíteni egy termékbe.
🔸Termékmenedzserek / startup-alapítók, akiknek fontos átlátni, milyen mérnöki döntések és költségek járnak egy AI-funkció életciklusa mögött.
🔸Pályaváltók a klasszikus szoftverfejlesztésből az ipari AI felé, akik gyakorlati példákon keresztül akarják megérteni a fejlesztés ↔ kiértékelés menetét.
🔸Junior AI fejlesztők, akiknek segítenek a valódi projektekből jött tapasztalatok elmesélése.

=== Előadók ===

🗣️ Virág Fausztin Asztrik – AI engineer, oktató @BME-KJK & @ELTE-TTK

Több mint 7 éve fejleszt MI-megoldásokat, főként autonóm járművek R&D-csapataiban (Bosch). Dolgozott AI-fókuszú “butik” ügynökségeknél (Lain-Consulting, Palindrom). Rendszeresen tart egyetemi kurzusokat, konzulensként pedig diplomamunkákat segít. Szakterülete a modellek teljesítménymérése, élesítése és a folyamatos fejlesztés támogatása.

🗣️ Maga Balázs – matematikus, kutató @Rényi Intézet, oktató @ELTE-TTK

PhD-ját másfél éve szerezte; jelenleg több matematikai területet kutat és tanít. Korábban orvosi képfeldolgozási projektet vezetett a Lain Consultingnál. Szenvedélyes oktató, célja átadni a matematika gondolkodásmódját és „aha” élményét, és hisz abban, hogy a kitartás legalább annyira fontos, mint a tehetség.

=== Időpont és részletek ===

📆 Ha érdekel, várunk szeretettel 2025. július 23-án 18:00 órától élőben, ahol kérdéseidet, gondolataidat is megoszthatod a témával kapcsolatban előadónkkal. Kattints az ‘ott leszek’ gombra, hogy értesítést kapj az esemény kezdéséről!

U.i.: Amennyiben mélyebben is elmerülnél a témában, akkor ajánlom figyelmedbe az előadó által oktatott AI asszisztens alkalmazások fejlesztése és evaluációja képzésünket: https://cubixedu.com/llm-es-rag-ai-al...