HALLGATÓKNAK

A SZTAKI kiemelt hangsúlyt fektet a jövő kutatóinak, fejlesztő mérnökeinek kinevelésére. Elkötelezettek vagyunk az iránt, hogy a leendő szakemberek minél magasabb minőségű és a piaci igényekhez jobban igazodó képzést kapjanak. Több hazai egyetemmel, kiemelten a Budapesti Műszaki és Gazdaságtudományi Egyetemmel, az Eötvös Loránd Tudományegyetemmel, az Óbudai Egyetemmel , a Pázmány Péter Katolikus Egyetem informatikai karával állunk szoros kapcsolatban, hogy ismereteinket, kutatás-fejlesztési tapasztalatainkat átadjuk a hallgatóinknak.

Munkatársaink közül többen oktatói részvétellel, hallgatói programok támogatásával veszünk részt az egyetemi életben. Az elmúlt években számos diplomamunka, önálló labor, nyári szakmai gyakorlat, tudományos diákköri kutatómunka (TDK) és PhD. képzés zárult le sikerrel intézetünk közreműködésével.

Célunk, hogy a jövőben ezek az együttműködések még szorosabbá váljanak. Jelentkezz hozzánk!

Az alábbi lehetőségeket kínáljuk:

szakmai gyakorlat;
munkavégzés részmunkaidőben;
PhD./Msc./Bsc. diplomamunka témavezetés, konzulensi támogatás;
élő kutatási-és fejlesztési projektekben, publikációkban való aktív részvétel.

Jelentkezés

Jelentkezéshez magyar vagy angol nyelvű fényképes önéletrajzra és motivációs levélre van szükségünk, amely tartalmazza, hogy mely szakterület, melyik fenti lehetőség érdekel, mikortól és milyen hosszú távra tervezed a gyakorlatot.
A leendő munkatársak, gyakornokok kiválasztásánál figyelembe vesszük a tanulmányi eredményeket, számítógépes ismereteket, a szakterület ill. téma iránti érdeklődést és a személyes hozzáállást.
Önéletrajzodat és motivációs leveledet elküldheted a hr@sztaki.hu e-mailcímre.

NYÁRI SZAKMAI GYAKORLATI TÉMÁK

Hálózatbiztonság és Internet Technológiák Osztály

A részleg neve jól kifejezi a tevékenységi körünket: biztonsági tervezéssel, teszteléssel és ellenőrzéssel, azonosítási megoldásokkal, etikus hackeléssel, incidenskezeléssel foglalkozunk. Profilunkba vág a webfejlesztés és tesztelés, php, java és python nyelven, az IaaS cloud fejlesztés, rendszerintegráció. Témáinkkal nem csak alkalmazói, hanem tudományos szinten is foglalkozunk, elsősorban a biztonsági megoldások és a szoftver-keretrendszerek terén.

Időtartam: 6-8 hét

Azalábbi témakörökből lehet választani:

1. IPv6 bevezetés tervezése témakör

Feladatok:

A hallgató feladata, hogy feltérképezze a SZTAKI-ban jelenleg működő IPv4 hálózatot, majd ennek alapján tervezze meg az IPv6 hálózatot figyelembe véve az egy-két vlan-ban már megvalósított IPv6 szigeteket is.

A megtervezett rendszernek tartalmaznia kell:

A jelenlegi hálózati topológiát
A kiosztandó címtartományokat vlan-ok szerint
Az implementáció ütemezését, lépéseit
Az egyes lépések után szükséges tesztelési eseteket

Elvárt tudás / készségek: Erős hálózati ismeretek, javasolt Cisco és/vagy Huawei hálózati eszközök ismerete is

Munkavégzés helye: Budapest, XI.kerület , Kende utca/ Lágymányosi utca és/vagy online.

Jelentkezés módja: Önéletrajzzal elektronikus úton: Ormos Pál gyakorlati témavezető részére a ormos@sztaki.hu, valamint „cc”-ben a hr@sztaki.hu e-mail címen.

2. Zabbix felügyeleti szoftver frissítése, új pluginok írása, template-k testreszabása témakör:

Feladatok:

A hallgató feladata a SZTAKI-ban jelenleg is működő központi informatikai felügyeleti rendszer (zabbix) új major verzióra történő migrálása.
A hallgató feladata a jelenlegi rendszerhez használt templatek felmérése, szükség esetén módosítása. A felügyelt eszközök áttekintése, a felügyelni kívánt további paraméterekhez szükséges pluginok megírása
A hallgató feladata új épületfelügyeleti eszközök integrálása a zabbix rendszer alá. Ebben az esetben Modbus Ethernet gateway-ket kell illeszteni a rendszerhez

Elvárt tudás / készségek:

Linux ismeretek, bash, python programozás ismeretek

Munkavégzés helye: Budapest, XI.kerület , Kende utca/ Lágymányosi utca és/vagy online.

Jelentkezés módja: Önéletrajzzal elektronikus úton: Ormos Pál gyakorlati témavezető részére a ormos@sztaki.hu, valamint „cc”-ben a hr@sztaki.hu e-mail címen.

3. Automatizált kártékony e-mail elemzés és bizonyítékrögzítés témakör:

Feladatok:

A hallgató feladata egy szabványos .eml formátumban rendelkezésre álló, manuálisan adathalászat (Phishing) vagy kártékony (Malware) kategóriába sorolt elektronikus levél feldolgozása és a feldolgozás eredményeinek eltárolása a hallgató rendelkezésére bocsátott MISP (lásd: https://www.misp-project.org/) malware információ megosztó platform adatbázisában az erre szolgáló API hívások segítségével, a megfelelő címkekészletek használatával. Az üzenetből kigyűjtendő minden metaadat és bizonyíték, különösen beleértve az adathalász üzenetben felhasznált URL-ek és redirekciók adattartalma és böngésző képernyőképei, a melléklelt, letöltött vagy elérhetővé tett kártékony kódok és újjlenyomataik, az SMTP adattovábbítási információk (delivery path), illetve bármilyen nyílt forrásból származó információ (OSINT), melyet a közvetlen vagy közvetett elemzés során felderíteni lehetséges. A feladat része a feldolgozási folyamat lehetőségeivel kapcsolatos kutatás elvégzése meglévő eredmények figyelembe vételével (pl.: https://github.com/emalderson/ThePhish), a folyamat kidolgozása, a megoldás implementációja és dokumentálása.

Elvárt tudás / készségek:

Python programozási ismeretek, web és email-rendszerek, protokollok, adatformátumok alapszintű ismerete

Munkavégzés helye: Budapest, XI.kerület , Kende utca/ Lágymányosi utca és/vagy online.

Jelentkezés módja: Önéletrajzzal elektronikus úton: Rigó Ernő gyakorlati témavezető részére a rigo@sztaki.hu, valamint „cc”-ben a hr@sztaki.hu e-mail címen.

4. Rendszer leíró előállítása hálózati viselkedés megfigyelésével témakör:

Feladatok:

A hallgató feladata a rendelkezésére bocsátott hálózati forgalmi és letapogatási adatok (netflow/sflow, nmap, traceroute stb.) alapján a megfigyelt hálózati rendszert reprezentáló, L2/L3 (al)hálózatok, állomások (hostok), szolgáltatások (szerverek), kliensek, kapcsolatok, függőségek adatait tartalmazó komplex rendszermodell automatizált előállítása és eltárolása a rendelkezésre álló gráfadatbázisban (Neo4j). A feladat része az adatforrások elemzésével meghatározható információk grafikus adatmodelljének megalkotása, a megoldás tervezése és implementációja, valamint dokumentációja.

Elvárt tudás / készségek:

Python programozási ismeretek, hálózati protokollok, adatformátumok alapszintű ismerete

Munkavégzés helye: Budapest, XI.kerület , Kende utca/ Lágymányosi utca és/vagy online.

Jelentkezés módja: Önéletrajzzal elektronikus úton: Rigó Ernő gyakorlati témavezető részére a rigo@sztaki.hu, valamint „cc”-ben a hr@sztaki.hu e-mail címen.

5. HunCERT Security Feed szindikációs platform IntelMQ alapon témakör:

Feladatok:

A hallgató feladata a HunCERT incidenskezelő szolgáltatás szakértői számára különböző formátumokban és csatornákon rendelkezésére álló, nyílt vagy korlátozott hozzáférésű hálózati biztonsági adatforrások integrációja az IntelMQ (https://intelmq.readthedocs.io/) alapú platform segítségével. A hallgató feladata az IntelMQ megismerése és feltérképezése, a szolgáltatás kialakítása és kezdeti konfigurációja, valamint a rendelkezésére álló biztonsági adatforrások feltérképezése, integrációja és tesztelése. A feladat része a megoldás dokumentációja és bemutatása az incidenskezelő szakemberek részére.

Elvárt tudás / készségek:

Linux és hálózati szolgáltatás konfigurációs ismeretek, Docker és Ansible ismerete előny

Munkavégzés helye: Budapest, XI.kerület , Kende utca/ Lágymányosi utca és/vagy online.

Jelentkezés módja: Önéletrajzzal elektronikus úton: Rigó Ernő gyakorlati témavezető részére a rigo@sztaki.hu, valamint „cc”-ben a hr@sztaki.hu e-mail címen.

6. Felhő alapú konfigurációmenedzsment (GitOps) környezet kialakítása GitLab CD és OpenStack felhő platformon témakör:

Feladatok:

A hallgató feladata egy GitOps repozitórium és kapcsolódó konfiguráció kialakítása, mely a teljes felhő alapú futtatási környezet élő konfigurációját és tényadatait verziókövetéssel, forráskódként tárolja, “az igazság kizárólagos forrásaként” funkcionál. A GitOps repozitóriumban bekövetkező változások azonnali folyamatot eredményeznek, melynek hatásaként a teszt vagy éles környezetekben a változásból következő műveletek (pl. új környezetek létrehozása, meglévők módosítása) automatikusan végrehajtásra kerülnek (CD - continous delivery). A GitOps repozitóriumban a felhő környezet működése szempontjából lényeges, külső rendszerek által kezelt információkat (external facts) adottnak kell tekinteni. A GitOps repozitórium az IaC elveknek megfelelő eszközkészlet támogatásával. A koncepció szerint erre felhasznált, nyílt és szabványos eszközök: Ansible és Terraform

Elvárt tudás / készségek:

Linux és hálózati szolgáltatás konfigurációs ismeretek, Git, Docker, Terraform és Ansible ismerete

Munkavégzés helye: Budapest, XI.kerület , Kende utca/ Lágymányosi utca és/vagy online.

Jelentkezés módja: Önéletrajzzal elektronikus úton: Rigó Ernő gyakorlati témavezető részére a rigo@sztaki.hu, valamint „cc”-ben a hr@sztaki.hu e-mail címen.

Mérnöki és Üzleti Intelligencia Kutatólaboratórium :

2 nagy téma közül lehet választani:

1. Mobilrobotra szerelt kollaboratív robotkar felkészítése pakolási feladatokra

A fejlesztési környezet egyedi fejleszésű mobilrobotra szerelt UR5-ös ipari robotkar, amelyet saját robot nyelvén (~Python) lehet alapszinten programozni, de később a SZTAKI saját fejlesztésű Java környezetében kell a feladatot megoldani.

Jelen nyári gyakorlat feladata, hogy a robotkarral egy off-line módon specifikált többszintes alakzatot felépítsünk a mobilroboton szállított fa téglák segítségével.

Feladatok:

Megfelelő modell felépítése,
Az alakzat megadás kidolgozása, specifikálása,
Az építési korlátok (munkatér, építési méret stb. meghatározása,
A tégláknak a tárolóból történő ki-bevételének a robotos betanítása,
A kész alakzat alapján a műveleti sorrendet meghatározó modul illesztése
Bemutatható demonstráció elkészítése

Szükséges előismeretek:

alapszintű angol nyelvtudás
szoftver (Java, Python) fejlesztési tapasztalatok
robotprogramozási tapasztalat előnyt jelent, de nem feltétel

A sikeres gyakorlat után lehetőség van a munka továbbfejlesztésére pl. TDK munka keretében.

Jelentkezés módja: Önéletrajzzal, a gyakornoki időkeret megadásával, elektronikus úton Nacsa János témavezető részére a nacsa.janos@sztaki.hu valamint „cc”-ben a hr@sztaki.hu e-mail címen.

2. Moduláris szerelési platform kialakítása robotos és kollaboratív (ember-robot) szerelési feladatra

A SZTAKI-ban korábban kifejlesztésre került egy palettás szerelési környezet, amely segítségével gömbcsapokat lehet sokféle módon összeszerelni. A fenti rendszer továbbfejlesztése és validálása a szakmai gyakorlat célja.

A nyári gyakorlat intenzív robotprogramozási feladatot jelent egy UR10-es ipari robotkarral, amely különféle szerelési műveletek pontos betanítását, és a kalibrálási módszerek finomítását is igényli. A gyakorlat végén négy féle elemkészlettel, sokféle layout (melyik szerelési elem hol helyezkedik el a palettán) kialakításával történő komplett szerelést valósít meg a gyakornok.

Feladatok:

Elemi szerelési műveletek finombeállítása,
Szerelési segédelemek pontos kalibrálása,
A kalibráló módszer és szoftver finomhangolása
A nem működőképes layout kialakítások felismerése, előzetes kiszűrése,
A meglevő - saját fejlesztésű - szimulátor hozzáillesztése a megváltozott környezethez
Bemutatható demonstráció elkészítése

Szükséges előismeretek:

alapszintű angol nyelvtudás
szoftver (C##, Python) fejlesztési tapasztalatok
robotprogramozási tapasztalat előnyt jelent, de nem feltétel

A sikeres gyakorlat után lehetőség van a munka továbbfejlesztésére pl. TDK munka keretében.

Munkavégzés helye: Budapest, XI.kerület , Kende utca/ Lágymányosi utca

Jelentkezés módja: Önéletrajzzal, a gyakornoki időkeret megadásával, elektronikus úton Nacsa János témavezető részére a nacsa.janos@sztaki.hu valamint „cc”-ben a hr@sztaki.hu e-mail címen.

Rendszer és Irányításelméleti Kutatólabor

3 nagy téma közül lehet választani:

1.Kvadkopter dinamikus modelljének meghatározása gépi tanulással témakör:

Autonóm kvadkopterekkel szemben egyre inkább elvárás a nagy sebességgel történő manőverezés, a változó működési körülményekhez való gyors alkalmazkodás valamint komplex manőverek gyors és pontos végrehajtása. Ezeknek a feladatoknak a megoldása nemlineáris szabályozási módszerekkel lehetséges, amelyek megtervezéséhez szükség van a drón pontos dinamikus modelljére. Jelen nyári gyakorlat feladata egy kvadkopter nemlineáris dinamikus modelljének előállítása repülés közben gyűjtött mérési adatok felhasználásával. A feladat első lépése a nominális modell meghatározása. Ehhez a fizikai törvények alapján felírt mozgásegyenletekből indulunk ki és a cél a modellben lévő fizikai paraméterek meghatározása. A következő lépésben a nominális modellt tanuló komponenssel (neurális háló) egészítjük ki annak érdekében, hogy a modell tovább pontosítható és az esetleges, működés közben bekövetkező változásokhoz és külső zavarásokhoz adaptálható legyen.

A hallgató feladata: a nominális modell meghatározásához kapcsolódó paraméterbecslési feladat megfogalmazása és megoldása, majd a modellaugmentációhoz használt neurális háló megválasztása, az identifikációhoz szükséges mérési adatok gyűjtése, és a háló tanítása. Az identifikációt elsőként szimulált kvadkopterre kell elvégezni, majd az eljárást valós drónról gyűjtött adatokra is alkalmazni kell. Ehhez rendelkezésre áll a labor által fejlesztett szimulációs környezet, amelyben többféle kvadkopter digitális ikermodellje elérhető. A valós tesztekhez adott áll az AIMotionLab teszt aréna, melyben miniatűr Crazyflie és nagyobb méretű, egyedi tervezésű drónokkal lehet repülési teszteket végezni. Mindkét környezethez magasszintű szoftvertámogatás tartozik, amely lehetővé teszi, hogy a hallgató kizárólag a feladatához szorosan kapcsolódó funkciók fejlesztésével foglalkozzon, az egyéb, a kísérletekhez szükséges kiegészítő komponenseket felhasználásra készen megkapja.

Szükséges előismeretek: lineáris algebra és analízis ismeretek; rendszerelmélet és numerikus optimalizálás alapok; programozói képesség; Matlab és Python programozási nyelvek ismerete

Munkavégzés helye: SZTAKI, Kende/Lágymányosi utcai épület, Budapest, XI. kerület ,

Jelentkezés módja: Önéletrajzzal elektronikus úton: Péni Tamás és Tóth Roland gyakorlati témavezetők részére a peni@sztaki.hu és tothroland@sztaki.hu valamint „cc”-ben a hr@sztaki.hu e-mail címen.

2. Modell prediktív pályakövető szabályozó tervezése autonóm földi járművek számára témakör:

Autonóm járművekkel szemben egyre inkább elvárás a nagy sebességgel történő manőverezés, a változó működési körülményekhez való gyors alkalmazkodás, valamint komplex manőverek gyors és pontos végrehajtása. Ezeknek a feladatoknak a megoldása szükségessé teszi, hogy a járművet a fizikai képességeinek határán működtessük, az irányítójelek maximális tartományát kihasználjuk. Az irányítástervezést nehezíti, hogy a jármű modellje nemlineáris, esetenként a változó körülményekhez való folyamatos adaptálódás miatt valamilyen tanuló komponenssel (pl. neurális hálóval, Gauss folyamattal) kiegészített. Erre a komplex modellre és feladatra minden korlátozást betartó, optimális irányítási stratégiát leginkább modell prediktív megközelítéssel lehet tervezni. Ennek lényege, hogy minden időpillanatban, a rendszer nemlineáris modelljét felhasználva egy véges jövőbeli intervallumon prediktáljuk a rendszer viselkedését és ennek alapján, egy numerikus optimalizálási feladat megoldásával előállítjuk az irányításhoz szükséges beavatkozójelet. A szakmai gyakorlat célja a trajektóriakövetésre kidolgozott MPCC (Model Predictive Contouring Control) irányítási algoritmus adaptálása és implementációja a laborban működő, 1:10 méretarányú F1TENTH autóra.

A hallgató feladata: a jármű dinamikus modelljének megismerése, az MPCC algoritmus megértése, majd ezt követően az eljárás adaptálása a konkrét járműre. A feladatot elsőként szimulációs környezetben kell megoldani, ehhez rendelkezésre áll az F1TENTH digitális ikermodellje a labor által fejlesztett, Python nyelven programozható szimulátor programban. Ha az eljárás már működik, akkor a valós rendszerre is adaptálni kell. Ehhez adott a valós F1TENTH autó, a kontroller futtatására előkészített fedélzeti szoftverkörnyezettel. A valós implementáció fő kihívása, hogy az beavatkozójel számítást megvalósító optimalizálási feladat numerikus megoldásának bele kell férnie a 25-50 ms mintavételi időbe. Ez az implementációs kód optimalizálását és hatékony szolverprogramok (Casadi, ACADO Toolkit, stb.) integrációját igényli.

Szükséges előismeretek: lineáris algebra és analízis ismeretek; rendszerelmélet és numerikus optimalizálás alapok; programozói képesség; Python programozási nyelv ismerete.

Munkavégzés helye: SZTAKI, Kende/Lágymányosi utcai épület, Budapest, XI. kerület ,

3.Navigáció dinamikus környezetben témakör:

Az autonóm drónoknak és földi járműveknek számos olyan alkalmazási területe létezik, ahol a járműnek mozgó és álló akadályokkal nehezített környezetben kell nagy sebességgel manőverezni. Néhány példa: csomagkiszállítás városi környzetben, gyártástámogató robot, felderítés épületen belül, katonai célú alkalmazások stb. Jelen szakmai gyakorlat célja hatékony (kis számítási idejű) pályatervezési eljárások kidolgozása autonóm kvadkopter számára akadályok közötti gyors navigációra. A tervezésnek alkalmasnak kell lennie nagy számú álló és előre nem pontosan ismert trajektóriájú mozgó objektumok elkerülésére. Utóbbi esetben az objektummal való ütközés kockázatát (risk) minimalizáló eljárást kell tervezni. A feladatot egyszerűsített lineáris és a teljes nemlineáris kvadkopter modell esetén is meg kell oldani, a problémát olyan (kevert egészértékű) optimalizálási problémaként kell megfogalmazni, amelyet a rendelkezésre álló megoldóprogramokkal (Gurobi, BARON, Ipopt, stb.) hatékonyan lehet kezelni. A tisztán optimalizálás alapú pályatervezés alapját képezi a későbbi gépi tanulás alapú megoldásoknak, amelyek célja a tervezési idő további csökkentése, az eljárás kiterjesztése nagy komplexitású navigációs problémák (nagyszámú mozgó objektum, bonyolult navigációs tér, gyorsan változó környezet) esetére. A feladatot Python programozási nyelven kell megoldani és elsőként szimulációs környezetben kell működnie. Ehhez rendelkezésre áll a labor által fejlesztett szimulátor, amely több kvadkopter digitális ikermodelljét tartalmazza. Ha az eljárás működik, implementálni kell valós környezetben is. Ehhez adott az AIMotionLab autonóm drón tesztaréna, ahol miniatűr Crazyflie drónokkal lehet kísérleteket végezni. A rendszer minden olyan HW és SW komponenst tartalmaz, amellyel a drónok adott pálya pontos berepülésére képesek, így a hallgató feladata kizárólag a pályatervező eljárás megvalósítása.

Szükséges előismeretek: lineáris algebra és analízis ismeretek; rendszerelmélet és numerikus optimalizálás alapok; programozói képesség; Python programozási nyelv ismerete

Munkavégzés helye: SZTAKI, Kende/Lágymányosi utcai épület, Budapest, XI. kerület ,

Csatlakozz hozzánk Te is! Várjuk a jelentkezésedet!