Kutatási területek
Elméleti számítástudomány: Algoritmusok dinamikus gráfokon. Parametrizált bonyolultság. Fixpontok a számítástudományban. Automaták és formális logika. Nyelvek lexikografikus rendezései. Fautomaták és fanyelvek, fatranszformátorok. Termátíró rendszerek. Automaták és félgyűrűk, formális hatványsorok. Súlyozott faautomaták. Grammatika rendszerek, osztott és kooperatív rendszerek formális nyelvi modelljei. DNS kiszámítás, molekuláris számítástudomány. Membrán rendszerek, aktív membránok számítási bonyolultsága.
Operációkutatás és kombinatorikus optimalizálás: Közgazdasági döntések elmélete (többtényezős döntések, csoportos döntések). Fuzzy elmélet. Tanuló algoritmusok. Globális optimalizálás. Megbízható numerikus eljárások. Intervallumos befoglaló függvények. Hálózati folyamatok szintézise. Ládapakolási algoritmusok. On-line algoritmusok. Ütemezési problémák. Játékelmélet, üzemelhelyezési feladatok. Szállítmánytervezési feladatok.
Szoftverfejlesztés: Mesterséges intelligencia a szoftverfejlesztésben (AI4SE). Szoftverfejlesztés a mesterséges intelligenciában (SE4AI). Hagyományos és mesterséges intelligenciával támogatott módszerek program analízisre, szoftvertesztelésre és szoftverkarbantartásra. Adatbázisok, adatbányászat, adattudomány. Fordítóprogramok elmélete. Beágyazott, mobil rendszerek hatékony programozása. Programszeletelés és alkalmazásai. Hálózati protokollok vizsgálata és tesztelése. Párhuzamos programozás. IoT, Felhő és Köd rendszerek vizsgálata. Blokklánc rendszerek analízise.
Mesterséges intelligencia: Gépi tanulási algoritmusok (döntési fák, genetikus algoritmusok, neuronhálók, mély neuronhálók). Tanuló algoritmusok bonyolultsága. Beszédfelismerés, beszédtechnológia. Nyelvtechnológia, természetesnyelv-feldolgozás. Szemantikai reprezentációk. Interpretálhatóság. Ember-gép interfész, dialógus rendszerek. Elosztott gépi tanulás. A mesterséges intelligencia biztonsági kérdései, robusztusság. A mesterséges intelligencia orvosi alkalmazásai.
Képfeldolgozás: Képrekonstrukció vetületekből. Diszkrét tomográfia. Orvosi képelemzés. Képszegmentálás. Képregisztráció és –fúzió. Számítógépes látás. Vázkijelölés, vékonyítás és alkalmazásaik. Diszkrét geometria és topológia. Statisztikai képmodellek. Markov mezők. Mély neurális hálók. Kamera helyzetmeghatározás. Lokalizáció és navigáció. 3D rekonstrukció. Pontfelhő feldolgozás. Objektum detekció. Távérzékelés. Mikroszkópiai képelemzés. Mozgásdetekció és követés. Variációs módszerek. Ipari képfeldolgozás. Nem roncsoló tesztelés.
Műszaki informatika: FPGA alapú kép és jelfeldolgozás. Szenzorok, szenzorhálózatok, beágyazott rendszerek, szenzor alapú jelfeldolgozás. Zajok és fluktuációk különböző rendszerekben, alkalmazások mozgásmintázatok vizsgálatában és a biztonságos kommunikáció területén. Szoftveres műszerezés, élettani jelek mérése és feldolgozása. Modern oktatást segítő eszközök és módszerek fejlesztése.
A képzés menete
Az Iskolában a PhD fokozat négyéves képzés keretében vagy egyéni felkészülőként szerezhető meg. A négyéves képzésben résztvevők 240 kreditet érő kutatási, kurzus teljesítési és oktatási munkát végeznek, aktívan részt vesznek az Intézet szemináriumain és kutatótevékenységet folytatnak az Iskolatanács által kijelölt témavezető irányításával. A negyedik félév végéig 5 képzési kurzust kell teljesíteniük az informatika különböző területeiről, melyeket az Iskola félévenként hirdet meg. Kis létszám esetén a kurzusok olvasókurzusként is megtarthatók. Ebben az esetben konzultációs lehetőség biztosított. A képzés nyelve elsődlegesen magyar, de külföldi hallgatók részvétele esetén a kurzusok angol nyelven kerülnek megtartásra.
A hallgatók tanulmányaik első 4 félévében az Informatikai Intézet kérése esetén kötelesek az Intézet oktatási munkájában maximum heti 4 óra gyakorlat tartásával részt venni.
A Doktori Iskola oktatói főként az Informatikai Intézet és az MTA Mesterséges Intelligencia Kutatócsoport tagjai közül kerülnek ki. Emellett az SZTE Matematikai Intézet, az SZTE Orvosi Informatikai Intézet és a JGYPK Informatika Alkalmazásai Tanszék munkatársai, illetve külföldi egyetemek oktatói is hirdetnek meg kurzusokat.
A PhD fokozat megszerzéséhez a következő követelmények teljesítendők. A második év végén a jelölteknek komplex vizsgát kell tenniük. A komplex vizsga két fő részből áll: az "elméleti részben" a vizsgázó elméleti felkészültségét mérik fel, a "disszertációs részben" pedig a vizsgázó a tudományos előrehaladásáról ad számot. Az elméleti részében a vizsgázó egy főtárgyból és egy melléktárgyból tesz vizsgát. A disszertációs részében a vizsgázó előadás formájában ad számot szakirodalmi ismereteiről, beszámol kutatási eredményeiről, ismerteti a doktori képzés második szakaszára vonatkozó kutatási tervét, valamint a disszertáció elkészítésének és az eredmények publikálásának ütemezését. A nyelvi követelmények tekintetében legalább középfokú állami vagy azzal ekvivalens nyelvvizsga letétele szükséges egy, a Doktori Iskola által elfogadott idegen nyelvből, és legalább alapfokú vagy szakmai nyelvvizsga egy másik nyelvből. Az egyik nyelvvizsgát angol nyelvből kell tenni. Külföldi hallgatók esetében a nyelvi követelmények külön szabályozás alá esnek. Harmadik fő követelményként minden jelöltnek teljesítenie kell a Doktori Iskola által előírt publikációs követelményeket. Végül minden jelöltnek el kell készítenie és meg kell védenie doktori értekezését, mely új eredményeket kell tartalmazzon az informatika területén vagy annak más területi magas szintű alkalmazásainak terén. A disszertáció eredményeinek túlnyomó része a benyújtás előtt publikálásra kell, hogy kerüljön.