Vezető: Dr. Lukács Gergely István

Tagok: Gátmezei Kornél, Kis Tamás Béla, Dr. Máthé Zoltán

Kapcsolat: lukacs@itk.ppke.hu

Csoportunk adatintenzív rendszerek és mesterséges intelligencia alkalmazásorientált kutatásával foglalkozik, amelyben a széles körű tudás és a gyakorlati alkalmazások szorosan összekapcsolódnak.

Kutatásaink a relációs, horizontálisan skálázható, idősoros, strukturálatlan és vektor adatbázisokra egyaránt kiterjednek. Vizsgáljuk ezen technológiák gyakorlati alkalmazhatóságát, teljesítményét és skálázhatóságát, valamint elemezzük a területet meghatározó iparági trendeket.

A gépi tanulás területén elsősorban strukturált adatok feldolgozásával és nagynyelvi modellek alkalmazásával foglalkozunk. Az elmúlt években relációs adatbázisokat, big data rendszereket és vektor adatbázisokat benchmarkoltunk. Jelenlegi munkáink a generatív AI rendszerek értékelésére összpontosítanak (pl. RAG, LLM-as-a-judge, vektorbeágyazások, anonimizálás, text-to-SQL).

A környezetvédelemben, de még inkább az emberi kapcsolatok és közösségek területén látunk jelentős társadalmi potenciált. Integrált környezetvédelmi és vízügyi adatbázisok fejlesztésében jelentős tapasztalataink vannak. Együttműködtünk hangalapú közösségi média rendszerek fejlesztésében és vizsgálatában, kórházi lelkigondozók kapcsolati hálóinak elemzésében, valamint nagynyelvi modellek párkapcsolati kérdésekre adott válaszainak benchmarkolásában.

 

Az anonimizálás hatása az ITOps adatok vektorbeágyazásaira, a vektorbeágyazások hasonlósági mérőszámainak változásával jellemezve. Kornél Gátmezei: RAG-Enhanced LLMs and Their Evaluation. Gátmezei Kornél, RAG-Enhanced LLMs and Their Evaluation, diplomamunka, 2026.

 

Jövőbeli kutatási irányok, együttműködési lehetőségek

Nyitottak vagyunk kutatási, ipari és interdiszciplináris együttműködésekre az adatmérnökség, a mesterséges intelligencia és a generatív AI értékelése területén. Vállaljuk ipari jelentőségű diplomatémák támogatását, szakmai tanácsadást, valamint társadalomtudományi együttműködéseket a digitalizáció és az emberi kapcsolatok kutatásában.

Fontosabb publikációk

  • Yang, Z. Gy., Stajer, L. A., Lukács, G. (2025). Under the hood: An inside look at PULI models In: Tómács, Tibor (szerk.) PROCEEDINGS OF THE INTERNATIONAL CONFERENCE ON FORMAL METHODS AND FOUNDATIONS OF ARTIFICIAL INTELLIGENCE EGER, MAGYARORSZÁG: ESZTERHÁZY KÁROLY KATOLIKUS EGYETEM LÍCEUM KIADÓ
  • Horváth, A., Oláh, A., Pintér, A., Siklósi, B., Lukács, G., Reguly, I. Z., Tornai, K., Zsedrovits, T., Máthé, Z. (2025). Anomaly Detection Algorithms for Real-Time Log Data Analysis at Scale. IEEE ACCESS 13 pp . 136288-136311, 24 p.
  • Lukács, G., Jani, M. (2016). Analyzing speech and music blocks in radio channels: Lessons learned for playlist generation. IN: ROBLES, R; TALLON-BALLESTEROS, A J; PIT, PICHAPPAN (SZERK.) ELEVENTH INTERNATIONAL CONFERENCE ON DIGITAL INFORMATION MANAGEMENT (ICDIM) NEW YORK, AMERIKAI EGYESÜLT ÁLLAMOK: INSTITUTE OF ELECTRICAL AND ELECTRONICS ENGINEERS (IEEE)

Néhány, a csoportban készült diplomamunka (bővebb lista)

  • Gátmezei Kornél (2026): Retrieval-Augmented Generation (RAG) enhanced LLMs and their Evaluation
  • Gyertyás Réka (2026): Beágyazási (embedding) módszerek vizsgálata (BSc)
  • Navratyil Benedek György (2026): Nagy nyelvi modellek benchmarkjai (BSc)
  • Pásztor Dániel (2026): Horizontal scaling of data processing and machine learning algorithms (MSc)
  • Radványi Zita (2026): Vektoradatbázisok benchmarkolása (BSc)
  • Szili Klaudia (2026): Social Media Data Analysis with Advanced Visualisation and Machine Learning Methods (MSc)
  • Linczenbold Levente (2025): Generatív mesterséges intelligencia benchmark házasság és család témában (posztgraduális képzés)
  • Szentendrey András (2025): Skálázódó adatfeldolgozás Pythonnal (BSc)
  • Békési Lilla (2024): Mesterséges intelligencia által támogatott adatelemzés (posztgraduális képzés)
  • Bifkovics Béla (2019): Skálázódó adatfeldolgozás Apache Spark támogatással (BSc)