A mesterséges intelligencia és a gépi tanulás példátlan ütemű gyorsulást él át, amelyet a nagy nyelvi modellek, a multimodális tanulás, a generatív MI és az ügynökalapú rendszerek áttörései hajtanak. Ezek a technológiák nemcsak az informatikát alakítják át rohamosan, hanem olyan területeket is, mint az orvostudomány, a mérnöki tudományok, a természettudományok és a társadalomtudományok. Ennek következtében mind az akadémiai szféra, mind az ipar részéről egyre nagyobb az igény olyan haladó, gyakorlatorientált képzésre, amely túllép az alapokon, és a legkorszerűbb módszerekre, a skálázható infrastruktúrákra, valamint a valós környezetben történő alkalmazásra összpontosít.
Az AICET 2026 – AI Cutting-Edge Trends Summer Symposium and School célja, hogy erre az igényre válaszoljon: olyan magas színvonalú, nemzetközi fórumot kínál, amely a tudományos kiválóságot gyakorlati képzéssel ötvözi. A gondosan összeállított program plenáris előadásokat, NVIDIA által vezetett egész napos workshopokat, lektorált előadásokat, tutoriálokat és rövid kurzusokat foglal magában, így a résztvevők egyszerre szereznek elméleti megértést és gyakorlati készségeket a feltörekvő MI- és gépi tanulási technológiákban. Azzal, hogy ösztönzi a hallgatók, doktoranduszok, kutatók és ipari szakemberek közötti együttműködést, az AICET 2026 pezsgő közeget kíván teremteni a tudásmegosztásnak, az együttműködésnek és az innovációnak az MI-kutatás és -alkalmazások élvonalában.
Az alábbi program előzetes, jelenleg is alakul;
az információk változhatnak.
Ioannis Pitas – Decentralizált DNN-architektúrák vizuális adatelemzéshez
Building Agentic AI Applications with LLMs (1. rész)
Soft skill workshop
Petros Maragos, National Technical University of Athens
Building Agentic AI Applications with LLMs (2. rész)
Marina Ivasic-Kos – Számítógépes látáson alapuló modellek alkalmazása a biztonságtechnikában és a megfigyelésben
Building AI Agents with Multimodal Models (1. rész)
Soft skill workshop
Mohamed Chetouani – Amikor a robotok tévednek: bizonytalanság és hibák felismerése vizuális-nyelvi modellekkel
Building AI Agents with Multimodal Models (2. rész)
Stefano Berretti – Az emberi arc és test 3D-s animálása
Generative AI with Diffusion Models (1. rész)
Soft skill workshop
Sarit Kraus – Együtt okosabbak? Mesterséges intelligenciából és emberekből álló csapatok
Generative AI with Diffusion Models (2. rész)
Helen Karatza – Erőforrás-vezérlés és ütemezés a mist–fog–cloud kontinuumban: trendek és jövőbeli irányok
My T. Thai – Az autonóm vezetés következő kihívása: ritka hibák, USA
Baranyi Péter – Neural mesh
Thanh-Binh Nguyen – Az adatoktól a döntésekig: MI, digitális ikrek és integrált modellezés az éghajlat és a levegőminőség szolgálatában
Az AICET 2026 egyedülálló lehetőséget kínál arra, hogy első kézből ismerd meg a mesterséges intelligencia és a gépi tanulás legújabb eredményeit, miközben aktívan bekapcsolódsz kutatók, hallgatók és ipari szakemberek nemzetközi közösségébe. A résztvevők a következőket kapják:
Az AICET 2026 plenáris és meghívott előadásokon keresztül nyújt hozzáférést a mesterséges intelligencia legújabb fejleményeihez, vezető akadémiai és ipari szakemberek tolmácsolásában.
A résztvevők egész napos, gyakorlati NVIDIA workshopokon vehetnek részt olyan aktuális témákban, mint az anomáliadetektálás, a multimodális MI-ügynökök és a diffúziós modelleken alapuló generatív MI.
A program ötvözi az akadémiai kiválóságot, az iparorientált készségfejlesztést és a nemzetközileg elismert tanúsítványok megszerzésének lehetőségét.
Az IEEE CITDS teljes programjához csatlakozva a 4–5. napon a résztvevők nemzetközi közegben kerülhetnek kapcsolatba az akadémiai szféra és az ipar kutatóival, szakembereivel és innovátoraival.
Az AICET résztvevői versenyalapú innovációs programokba kapcsolódhatnak be, köztük a pénzdíjas Idea Hackathon / AI Demo Challenge megmérettetésbe, valamint orvosi MI-fókuszú kihívásokba, ahol valós, alkalmazásvezérelt helyzetekben tehetik próbára a tudásukat.
Az AICET 2026-hoz csatlakozva a résztvevők nemcsak a legfrissebb MI-trendeket ismerhetik meg, hanem gyakorlati kompetenciákat is fejleszthetnek, és olyan kapcsolatokat építhetnek, amelyek támogatják jövőbeli kutatói és szakmai pályájukat.
További tudnivalók:
Elnök: Prof. Dr. Hajdu András, hajdu.andras@inf.unideb.hu, Debreceni Egyetem.
Rövid szakmai életrajz: Hajdu András 1996-ban szerzett matematikus MSc diplomát a debreceni Kossuth Lajos Tudományegyetemen, majd 2003-ban PhD fokozatot matematika és számítástudomány területén a Debreceni Egyetemen. 2005 és 2006 között posztdoktori kutatóként dolgozott a thesszaloniki Arisztotelész Egyetemen, Görögországban. 2017 óta a Debreceni Egyetem egyetemi tanára, ahol 2011 óta az Adattudomány és Vizualizáció Tanszék vezetője, 2019 óta pedig az Informatikai Kar dékánja. Emellett az Adattudomány és vizualizáció doktori program vezetője, és 2021 óta a Hajós György Adattudományi Szakkollégium igazgatója. 2020 és 2024 között vezető adatelemzőként dolgozott a Nemzeti Adatvagyon Ügynökségnél. NVIDIA Ambassador, és aktívan részt vesz a felsőoktatásban, a szakmai képzésben, valamint a kutatásszervezésben az adattudomány, a mesterséges intelligencia és a kapcsolódó területeken.
Tudományos és oktatói munkáját számos rangos elismerés díjazta, köztük a Tisza István Alapítvány Professzora díj, a Rapcsák Tamás-díj, a Debreceni Egyetem Legjobb Publikáció Díja, a Szentágothai János Ösztöndíj, az Év Informatikai Oktatója országos díj, az Informatikai Kar Díja, a Bolyai János Kutatási Ösztöndíj és a Farkas Gyula-díj. Fontos szakmai tisztségeket töltött be hazai és nemzetközi tudományos közösségekben is: a Képfeldolgozók és Alakfelismerők Társaságának elnöke, az International Association of Pattern Recognition vezetőségi tagja és az IEEE Senior tagja.
Kiterjedt tapasztalattal rendelkezik hazai és nemzetközi kutatási és innovációs projektek vezetésében és megvalósításában a gépi tanulás, az orvosi képelemzés, a felhőalapú számítástechnika, az autonóm járművek és a szenzoroptimalizálás területén. Legutóbbi projektjei közé tartozik a FRATERNITY, az OTKA NK143540, a DIGITAL-2021-EDIH-01, az OCRE és a GINOP_PLUSZ-2.1.1, korábbi jelentős projektjei pedig a SCOPIA, a MobileAssistant, a DRSCREEN és az FP6 SHARE projekt, amelyben tudományos vezetőként vett részt. Aktívan tevékenykedik szerkesztőként, lektorként és konferenciaszervezőként az adattudomány, a képfeldolgozás és a mesterséges intelligencia területén.
Kutatási területei az adattudomány, a mesterséges intelligencia, a gépi tanulás, a mélytanulás, a digitális képfeldolgozás, az orvosi képelemzés, az optimalizálás, a big data és a diszkrét matematika. Több mint 170 folyóirat- és konferenciacikk szerzője, illetve társszerzője, munkáira több mint 4500 hivatkozás érkezett; h-indexe 34.
A technikai programbizottság elnöke: Dr. Harangi Balázs, harangi.balazs@inf.unideb.hu, Debreceni Egyetem.
Rövid szakmai életrajz: Harangi Balázs 2010-ben szerzett programtervező matematikus és matematikus MSc diplomát a Debreceni Egyetem Informatikai Karán. 2010 és 2013 között az Informatikai Kar doktorandusza volt, majd 2015-ben szerzett PhD fokozatot informatikából (orvosi képfeldolgozás) a Debreceni Egyetemen. 2013 óta a Debreceni Egyetem Informatikai Karának Adattudomány és Vizualizáció Tanszékén dolgozik, előbb tanársegédként, majd adjunktusként, jelenleg egyetemi docensként.
A Debreceni Egyetem oktatójaként számos kurzus előadásait és gyakorlatait tartja a mesterséges intelligencia és a gépi tanulás területén BSc-, MSc- és PhD-hallgatóknak. Több hallgató szakdolgozati témavezetője volt és jelenleg is az, valamint folyamatosan részt vesz a doktori képzésben a Debreceni Egyetem Informatikai Tudományok Doktori Iskolájának oktatójaként. Emellett 7 aktív doktorandusz témavezetője. Több mentorprogramban vesz részt, ahol fiatal, tehetséges hallgatók mentoraként segíti a munkát. A hagyományos egyetemi kurzusok oktatása mellett NVIDIA és Microsoft ipari tanúsítványvizsgákra felkészítő kurzusok tartásában is közreműködik.
Tagja az IEEE-nek, a Neumann János Számítógép-tudományi Társaságnak és a Képfeldolgozók és Alakfelismerők Társaságának. 72 publikáció szerzője, illetve társszerzője, amelyekre több mint 1500 hivatkozás érkezett; H-indexe 16. Fő kutatási területei a digitális és orvosi képfeldolgozás, az alakfelismerés, valamint a gépi tanulás és a mélytanulás.
Technikai koordinátor: Pecsora Sándor, pecsora.sandor@inf.unideb.hu, Debreceni Egyetem
Eseménykoordinátor: Hegedűs Bence, hegedus.bence@inf.unideb.hu, Debreceni Egyetem
Adminisztratív koordinátor: Pintér Arnold, pinter.arnold@inf.unideb.hu, Debreceni Egyetem
A szimpózium sikeres teljesítéséhez a résztvevőknek:
Az AIDA AICET2026-ra történő regisztrációval hozzájárulsz ahhoz, hogy az AIDA AICET2026 számára megadott személyes adataidat (beleértve a hallgatói jogviszony igazolását is) tároljuk és kezeljük az AICET2026 regisztrációjának, a részvétel nyilvántartásának, az AICET2026 igazolásainak kiállításának, valamint az eseményhez kapcsolódó egyéb eljárásoknak a céljából.
Hozzájárulásodat bármikor visszavonhatod a ------- <abc@unideb.hu> címre küldött e-mailben. A hozzájárulás visszavonása nem érinti a visszavonás előtt, e hozzájárulás alapján végzett adatkezelés jogszerűségét.