Hírek
 |
IT Business: Valós adatokból valós sporteredmények Az IT Business oldalán olvashatunk a tanszéken folyó sportanalitikai kutatás-fejlesztésekről. |
|
 |
Városok a jövőre hangolva (vs.hu) "Körképünkben többek között amszterdami és budapesti példákon keresztül mutatjuk be, hogy az úgynevezett okos megoldások milyen szerepet kapnak a 21. századi városfejlesztésben." - (vs.hu) A vs.hu videóriportjában a budapesti példák sorát Vida Rolland vezeti fel (16.57-től), bemutatva tanszékünk Okos város és IoT eredményeit, az oktatásban és kutatás-fejlesztésben egyaránt. |
|
 |
Címvédés a III. Sí és Tenisz Magyar Amatőr Kupán az ausztriai Hinterstoderben Szekrényes Emese újra győzni tudott és megvédte tavalyi bajnoki címét a sí&tenisz kombinációs kategória győzteseként a hétvégén. |
|
 |
TMIT IoT Verseny 2017 Van egy jó ötleted? Toborozz hozzá csapatot, és induljatok a TMIT Internet of Things versenyén! Idén először középiskolásoknak is! A verseny fődíja 300.000 Ft. |
|
 |
VIK KT kitüntetések 2016 december Ünnepi ülést tartott a VIK Kari Tanácsa 2016. december 13-án. Dr. Halász Edit és Dr. Szűcs Gábor részesült elismerésben. |
|
 |
„A kutatás nem más, mint egy járható út keresése az ismeretlenhez” Gulyás András kollégánk tudományos munkásságáról, szakmai sikereiről olvashatunk a BME honlap oldalán. |
|
 |
Demonstrátori lehetőségek a TMIT-en A TMIT egyes tantárgyak oktatásának segítéséhez örömmel veszi BME hallgatók demonstrátori közreműködését. Érdeklődni a tantárgyfelelős oktatónál lehet! |
|
 |
Vida Rolland az IEEE IoT Journal Steering Committee tagja Január 1-től Vida Rollandot, a BME TMIT docensét kinevezték az IEEE Internet of Things (IoT) Journal igazgatási bizottságának (Steering Committee) tagjává. |
|
 |
TMIT hallgatói témakiírás az index.hu-n Link az index.hu cikkben a TMIT hallgatói témakiírására! "..A deep learning egy mostanában divatba jött kifejezés az egyébként régóta létező (mesterséges) neurális hálózatokra. Ezeknél a hálózatba kötött, nagy számítási teljesítményű gépek bonyolult algoritmusok alapján dolgoznak. A mély neurális hálózat (deep neural network, DNN) a hagyományos neurális hálózatoknál magasabb szintű absztrakcióra képes, így <link>bonyolultabb nem-lineáris folyamatok modellezése is használható<link>." |
|
 |
SmartComm lab bemutató cikk a BME honlapján „Az iparban is alkalmazott hálózati eszközök használatára és az éles helyzetben is előforduló kommunikációs hálózati problémák megoldásaira oktatjuk a mérnökhallgatókat... " |