MAB azonosító: 136
BME VIK Informatikai Tudományok Doktori Iskola Önértékelése 1. A doktori iskola bemutatása Az Informatikai Tudományok Doktori Iskola a küldetését a következő feladatok elvégzésében látja: • nemzetközi színvonalú tudományos értékű megvalósítása a műszaki informatika területén;
és
eredményességű
képzés
• az informatikához kapcsolódó diszciplináris tudományok (diszkrét matematika, algebrai kódelmélet, kombinatorikus optimalizálás, információelmélet, ontológiák, absztrakt nyelvek, gépi tanulás…etc.) összekapcsolása a gyakorlati információs technológiákkal amely új, „értéknövelt” informatikai rendszerek és szolgáltatások létrehozásához vezet; • a terület hazai oktatói és kutatói utánpótlásának biztosítása. Az iskola 1994 óta működik Selényi Endre vezetésével, akinek munkássága a kezdetektől nemcsak az iskola magas szintű minőségét garantálta, hanem a terület szakmapolitikájának és követelményrendszerének országos szinten történő formálását is. Az iskola szakmai bázisát a Budapesti Műszaki és Gazdaságtudományi Egyetem, Villamosmérnöki és Informatikai karának tíz tanszéke, valamint négy tudásközpontja adja (a tanszékekről és tudásközpontokról, valamint ezek szakmai profiljáról bővebb információ a www.vik.bme.hu weboldalon található). Az iskola főbb kutatási témái a hálózati technológiákra, mobil hírközlésre, mesterséges intelligenciára, hibatűrő rendszerekre, adatbányászatra, adatbiztonságra, kommunikációs protokollokra, forgalmi modellezésre, tömegkiszolgáló rendszerek vizsgálatára, szolgáltatások menedzsmentjére, valamint beágyazott rendszerekre terjednek ki. 1.1. A doktori iskola belső szerkezete A doktori iskola szervezeti felépítése megfelel az iskola jóváhagyott Működési Szabályzatának. Az iskolának 13 törzstagja van, ezek mindegyike MTA doktora, egyetemi tanári beosztásban, valamint tagjai között az két MTA rendes tagja és egy MTA levelező tagja van (a törzstagok korára vonatkozó adatokat a 2.3. fejezet taglalja). Az iskola tevékenységének szervezését, valamint a minőség biztosítását két bizottság végzi: • az Informatikai Doktori Tanács, amely a doktori cselekményekért felelős; • az Informatikai Doktori Iskola Tanácsa, amely a doktorandusz képzést felügyeli (kutatási témák, tantárgyak, témavezetők, doktori hallgatók). A bizottságok havi rendszerességgel üléseznek.
1
1.2. A doktori iskola vezetője Levendovszky János az MTA doktora, a BME Híradástechnikai Tanszék egyetemi tanára, aki 2009. március 31-től a doktori iskola vezetője. Kutatási területe a hálózati kommunikáció, adaptív algoritmusok, valamint a neurális hálózatok. Hosszabb külföldi oktatási és kutatási tapasztalatokkal rendelkezik, Nyugat Európa, a Távolkelet, valamint az Egyesült Államok egyetemein és kutatóhelyein. Több nagy nemzetközi kutatási projekt vezetője, számos publikációval és nemzetközi szabadalommal is rendelkezik. Kutatási eredményei számos ipari kapcsolatot is eredményeztek az Ericsson, Morgan Stanley, T-System …stb. vállalatokkal. PhD hallgatókat külföldi egyetemen, illetve Magyarországon is sikeresen vezetett, akik védés után az oktatás és kutatás területén maradtak. Három legfontosabb eredménye: •
Új „vak” (non-supervised) tanulási algoritmusok, valamint új hiszterézises Hopfield háló alapú optimális detekciós és alakfelismerési feladatok megoldására additív Gauss zajban.
•
Új hívásengedélyezési és dimenzionálási algoritmusok kidolgozása csomagkapcsolt hálózati technológiákban nagy eltérések elméletével a statisztikai sávszélesség kiterjesztésével és CNN alapú optimalizálással.
•
Új adaptív approximációs módszerek komplex informatikai rendszerek és telekommunikációs hálózatok megbízhatóságának számításra.
1.3. A doktori iskola hazai és nemzetközi kapcsolatrendszere A doktori iskola törzstagjai és témavezetői számos nemzetközi és hazai tudományos szervezetnek a tagjai (IEEE, ACM, HTE, Neumann társaság …stb). Mind a törzstagok mind a témavezetők rendelkeznek nemzetközi kutatási és oktatási tapasztalatokkal (az egyetemek listája függelékben található). A doktori iskola diákjai számos nemzetközi projekt keretében kutatnak (a szponzorálás az EU 7-es keretprogramjaitól, a US NSF-ig terjednek). A közös kutatások eredményeit számos közösen szervezett konferencia is demonstrálja (pl. a Japán Magyar diszkért matematikai fórum) . A doktori iskolához kapcsolódó Periodica Polytechnica Trans. on Electrical Engineering-ben rendszeresen publikálunk nemzetközi cikkeket is. Az iskola szorosan együttműködik a hazai kutatóintézetekkel is (pl. MTA SZTAKI), illetve a több egyetemet és kutatóintézetet is tartalmazó szinergikus tudásközpontokkal (pl. Mobil Innovációs Központ, Egyetemközi Távközlési és é Informatikai Kooperációs Kutatási Központ, Információtechnológiai Innovációs és Tudásközpont, Ericsson-BME High Speed Networking Laboratory). 1.4. A doktori iskola infrastruktúrája A doktori iskola élenjáró infrastruktúrával rendelkezik az információs technológiák területén, modern eszközökkel felszerelve, amely lehetővé teszi a nemzetközileg is számontartott kutatásokat (a laborok leírása megtaélható a www.vik.bme.hu oldalon a tanszéki információknál).
2
2 A doktori iskola működésének statisztikai elemzése Ebben a fejezetben a doktori iskola működése szempontjából fontos számadatok kerülnek bemutatásra, amelyek a képzés hatékonyságáról és eredményességéről informálnak.
1995
1996
1997
1998
1999
2000
2001
2002
2003
2004
2005
2006
2007
2008
2.1. Az iskola fokozatot szerzett hallgatói
1
1
0
5
8
2
6
5
0
6
17
15
8
15
PhD
A fokozatot szerzett hallgatók összegzett számát az alábbi oszlopdiagram szemlélteti PhD fokozatok száma az inf. DI-ban 100 90 80 70 60 50 40 30 20 10 2008
2007
2006
2005
2004
2003
2002
2001
2000
1999
1998
1997
1996
1995
0
1998
1999
2000
2001
2002
2003
2004
2005
2006
2007
2008
Állami öszt. Nappali költst.
1997
2.2. Az iskola felvett nappali (állami és költségtérítéses) hallgatói
7
11
12
11
15
19
19
13
13
16
16
12
8
16
21
13
24
17
25
36
26
29
25
17
3
Felvettek az info DI-ba 60 50 40 Nappali költst.
30
Állami öszt.
20 10
2008
2007
2006
2005
2004
2003
2002
2001
2000
1999
1998
1997
0
41-45
46-50
51-55
56-60
61-65
66-70
71-75
76-80
-40
2.3. Az iskola törzstagjainak életkori megoszlása (változhat)
törzstag 1 0 A DI vezetője 49 éves Átlagéletkor 56.4 év
3
1
3
3
2
0
0
Info iskola
6 5 4 3 2 1
80-
76-80
71-75
66-70
61-65
56-60
51-55
46-50
41-45
-40
0
2.4. A hallgatók fokozatszerzési ideje Végzési idő, év PhD cselekmény
-3 6
4 13
5 23
6 22
4
7 10
8 8
>8 5
Info PhD cselekmény 25
20
15
10
5
0 -3
4
5
6
7
8
>8
Átlag: 5.7 év 2.5. Az eljárás ideje Eljárás ideje PhD eljárás
-3 2
Átlag [hónap]:
4 6
5 9
6 4
7 4
8 4
9 7
7.07
Info PhD eljárás 10 9 8 7 6 5 4 3 2 1 0 -3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18-
2.6 A fokozatot szerzettek nyomonkövetése A fokozatot szerzettek első elhelyezkedése szerint
5
10 5
11 2
12 2
13 0
14 0
15 0
16 0
17 0
180
Figyelembe vett hallgató/Érintett hallgató = 65/80 Info iskola
0, 0% 14, 22% BME
29, 44%
Többi egyetem Kutató Int. Szakmai karrier Egyéb
16, 25% 6, 9%
Figyelembe vett hallgató/Érintett hallgató = 65/80 Info iskola 6, 9%
Magyaro. Küldföld
59, 91%
A fenti hallgatók közül az 5 évnél régebben fokozatot szerzettek jelenlegi elhelyezkedése szerint: Figyelembe vett hallgató/Érintett hallgató = 9/29 Info iskola 1, 11%
0, 0% BME Többi egyetem
4, 45%
Kutató Int. Szakmai karrier
3, 33%
Egyéb
1, 11%
6
Figyelembe vett hallgató/Érintett hallgató = 9/29 Info iskola 1, 11%
2, 22%
Magyaro. Magyaro. Külföldi gyak. Külföld 6, 67%
3. Helyzetértékelés és következtetések A fenti adatok alapján a doktori iskolának a következő erősségei és gyenge pontjai vannak. 3.1. Erősségek A doktori iskola eredményessége emelkedő tendenciát mutat (a 2004-2008 periódusban fokozatot szerzettek aránya az 1998-2002 periódushoz képest 234%). A doktori iskola törzstagjai mind MTA doktori címmel rendelkező egyetemi tanárok, amely megfelelő erősségű tudományos hátteret biztosít az iskola működéséhez. A doktori iskola törzstagjai és témavezetői erős publikációs és tudományos háttérrel rendelkeznek, az iskola tématerületein belül számos kompetenciának meghatározó birtokosai. A kar méretéből és minőségéből fakadóan képes az informatikai tudományok szinte teljes spektrumában témákat kiírni és idevágó doktori kutatásokat vezetni. A költségtérítéses hallgatók aránya jellemzően nagyobb mint az Állami Ösztöndíjasoké (az ösztöndíjasok aránya a nappali költségtérítéses hallgatók létszámára vetítve 87% és 36% között ingadozik). Ennek oka a kari sajátosságokban rejlik, hiszen a VIK doktori iskolájában szereplő törzstagoknak és témavezetőknek kiterjedt nemzetközi kutatási és ipari kapcsolatai vannak, amelyek a hallgatók számára vonzó témakiírásokat és kutatási területeket eredményeznek. Ez feltétlenül erősség a doktori iskola vonzereje szempontjából, ugyanakkor kockázati faktorokat is magában rejt (lásd a gyenge pontokra vonatkozó bekezdéseket). A költségtérítéses hallgatók támogatásnak főbb forrásai: • EU 7-ik keretprogram projektjei; • ipari együttműködések (Ericsson, Nokia, Siemens, IBM, Microsoft, T-Systems, Morgan Stanley, stb.); • kutatóintézettekkel való együttműködés (pl. MTA SZTAKI), de ez nem annyira jellemző. 7
A fokozatot szerzett hallgatók nyomonkövetéséből a doktori iskola erősségeire a következő következtetések vonhatók le: • A hallgatók túlnyomó része kutatási és fejlesztési területen maradt, egyrészt egyetemünk oktatói gárdáját, másrészt hazai és nemzetközi kutatóintézetek/kutatóhelyek munkatársainak a számát növelve. Ez bizonyítja, hogy a doktori képzés során átadott tudományos értékek versenyképesek. • A fokozatszerzés után egyetemünkön maradó hallgatók viszonylagosan magas száma (29,44%) a tudományos utánpótlásunk fontos részét képezi. Ez egyrészt erősség, mivel a kari szakmai és tudományos értékrend alapján tudjuk oktatásunk és kutatásaink színvonalának a folytonosságát biztosítja. Ugyanakkor ügyelni kell arra, hogy ez ne vezessen „belterjes” folyamatokhoz, azaz, hogy a kar új,kívülről jövő értékeket és megközelítéseket is tudjon integrálni, amelyek tovább segítik a folyamatos megújulásban. A doktori iskolában egyetértés uralkodik abban, hogy a megváltozott körülmények a működésben bizonyos változtatásokat igényelnek és az iskolának megvan az adaptációra való képessége. 3.2. Gyenge pontok – kockázati faktorok Fokozatszerzési arány Az adatok tükrében viszonylag alacsony a fokozatot szerzettek száma a doktori iskolába felvett hallgatókhoz képest. Ha a fokozatot szerzettek számát az állami ösztöndíjasokra vetítjük, akkor ez az arány már sokkal kedvezőbb. Azaz a BME VIK Informatikai Tudományok Doktori Iskolája az teljes felvett létszámhoz képest kisebb eredményességgel (kb. 25%) működik, de a felhasznált állami támogatás szempontjából a hatékonysága nagyjából 66% és ez az arány fokozatosan javul. Ennek a jelenségnek a következő okai vannak: • A VIK nemzetközi és hazai kutatási fejlesztési projektekben való részvétele igen magas. Ezért a doktoranduszok sokrétű és sokszor ipari hasznosításokkal is rendelkező, nemzetközi kutatásokba tudnak bekapcsolódni. Sőt a doktori kutatások közben gyakran a megszerzett tudás versenyképesebbé teszi a hallgatót a munkaerő piacon, pl. sok ipari partner szívesen alkalmazza a doktoranduszokat fokozatszerzés előtt is, amely eltérít a fokozatszerzéstől. • A másik ok a témavezetők egy részének projekt-orientált tevékenységében rejlik. A hallgatókat a témavezetés során tudományos potenciállal rendelkező problémák megoldásában vezetik. Azonban amikor az elért eredményeknek nem a direkt hasznosulására, hanem az ebből írt publikációkra és tézisekre kerül sor, akkor a témavezetés intenzitása némely esetben csökkenő tendenciát mutat. • A hallgatók tudása és ismereti háttere változik (pl. a középiskolában a kétszintű érettségi megjelenése, illetve a normál egyetemi képzésben a kétciklusú programok bevezetése), amely nem mindig a doktori kutatásokhoz és a doktori iskola tantárgyainak abszolváláshoz szükséges gondolkodásmód és absztrakciós képességek kialakítására helyezi a hangsúlyt. Ezért a témavezetésnek több időt
8
kell szemléletformálásra és a tudományos igényességű gondolkodásmód kialakításra fordítani. A doktori iskola törzstagjainak életkora A doktori iskola törzstagjainak átlagéletkora viszonylag magas, bár az iskola nem veszélyeztetett hiszen a 65 évnél fiatalabb törzstagok száma meghaladja a minimálisan kívánatos hetet (tíz fő) Ugyanakkor két törzstag is az eljövendő években túllépi a 70-ik évet. Mindemellett a koreloszlás nagyjából egyenletesnek mondható. Fontos kérdés a megfelelő utánpótlást biztosítani, ami lehetséges a kar docensi állományából a sikeres témavezetők közül válogatva, abban a reményben, hogy ezek a témavezetők a közeljövőben MTA doktorává és egyetemi tanárrá válnak. A hallgatók fokozatszerzési ideje A hallgatók átlagos fokozatszerzési ideje magas, az idevágó ábra alapján az átlag 5.7 év (a farokeloszlást a két szélső értékbe, három illetve kilenc évbe kvantálva). Ennek fő oka a publikációs követelmények teljesítésének elhúzódásában rejlik. Pontosabban az eredmények elérése után komolyabb impaktfaktorú folyóiratoknál hosszú időt vesznek igénybe a bírálati folyamatok. Az eljárási idő A fenti adatok alapján az átlagos eljárási idő 7.1 hónap, amely viszonylag magas. Igaz, hogy az átlagot lényegesen meghaladó – 10-12 hónapos - eljárási időknek legtöbbször a jelölt az oka (harmadik bíráló szükségessége vagy a jelölt miatt késleltetett védés) Az átlag kismértékben javítható pl. a bírálati idő szigorúbb betartatásával, a doktori iskola adminisztrációs folyamatainak gyorsításával stb. Általános gazdasági, társadalmi és szociális hatások begyűrűzése a doktori iskola szakterületére A jelenlegi ipari környezetben az informatikai vállaltok egy része számára nem világos, vagy nem egyértelműen hasznosítható a doktori tanulmányok és fokozat által hozzáadott tudás. Ez ráadásul egybeesik a tudás értékének a társadalmi szinten megfigyelhető csökkenésével. Ez további hallgatókat tarthat vissza a doktori iskolába való jelentkezéstől. Ugyanakkor a nyugat-európai, vagy tengerentúli egyetemekkel ellentétben - ahol a doktori ösztöndíjak a fizetés alsó sávjába esnek és megfelelő megélhetést garantálnak - az Állami Ösztöndíj messze elmarad a diploma utáni, pályakezdő fizetéstől. Ezért a doktori tanulmányok megélhetési gondokat jelentenek, vagy további szülői finanszírozást igényelnek, ami szintén visszatartó erő.
9
4. A doktori iskola C-SWOT analízise Korlátok (Confines) A kar oktatási/kutatási terheltsége és munkapontja
Erősségek (Strengths) A törzstagok tudományos minősítése és ereje
Az iskolaváltozásra való képessége és az ebben való Témavezetői motiváltság az egyéb terhelés és korlátok mellett egyetértés A doktori iskola törzstagjainak életkori eloszlása
A törzstagok és témavezetők kutatási és fejlesztési beágyazottsága, publikációs háttere, szakmai elismertsége
A doktori iskola adminisztrációs erőforrásai
Gyengeségek (Weaknesses)
Lehetőségek (Opportunities)
A doktori iskolába felvett összes diákra vetítve kisebb mértékű eredményesség
Ipari partnerekkel kapcsolatba kerülés, némely esetben nemzetközi karrierlehetőségek a doktori képzés során
A beiratkozástól számítva viszonylag hosszú fokozatszerzési idő A doktori iskola törzstagjainál fiatalítás és a témavezetésben nagyobb eredményesség szükséges
Élenjáró infrastruktúra és kedvező kutatási környezet Viszonylag hosszabb eljárási idő
A változó formájú képzésekből fakadóan a diákok felkészültsége Törzstagutánpótlás megléte publikációkban és nemzetközi kutatási eredményekben erős docensi populációból Az egyetem és doktori iskolájának hírneve, hazai élenjáró szerepe
Veszélyek ( Threats)
Kevesebb doktori jelentkező az átalakuló külső igények (a cégek már az alapképzésben szerzett diplomával alkalmazni szeretnék a hallgatókat, nem mindegyik számára világos a PhD hozzáadott tudásértéke), valamint az Az Állami Ösztöndíjon túl kiterjedt és sokrétű finanszírozási egyciklusú és kétciklusú képzés végzettjei közötti fáziscsúszás formák jelenléte (ötéves végzett hallgató már kevés van, MSc végzett még nincs) Kedvező álláslehetőség a kutatási fejlesztési kapcsolatokban megismert multinacionális vállalatoknál
A külső igények és környezet változási trendek nem a tudományos jellegét erősítik a doktori képzésnek
A diák életforma meghosszabbításnak igénye a doktori periódus alatt
A tudás elismertségének általános, társadalmi szintű csökkenése, amely a doktori fokozat megszerzésére irányuló ambíciókat csökkenti Az Állami Ösztöndíj alacsony összege
Presztízs, hírnév
10
5. Intézkedési terv Az előbbi pontokban részletezett kihívásokra és a felmerülő kockázati faktorok csökkentésére a doktori iskola a következő intézkedési tervet dolgozta ki: Az iskola eredményességének növelése a fokozatszerzésben A témavezetők eredményességét több az alábbi módokon szeretnénk növelni: •
A témavezetés eredményességét számszerűsíteni és az ehhez tartozó adatokat begyűjteni, illetve a témavezetőkkel tudatni, hogy ilyen típusú monitorozás része a doktori iskola működésének;
•
A témavezetés eredményességi mérőszámainak nyilvánossá tétele a témakiírásnál (ez visszahathat a doktori hallgatók adott témavezetőhöz való jelentkezésére)
•
Az eredményes témavezetés elismertségének növelése (anyagi és más kari eszközökkel)
•
A hosszú ideje eredménytelen témavezetők témakiírásának korlátozása (pl. ha még sok a folyamatban lévő doktori hallgatója, akkor csak ezek fokozatszerzése után lehet témát kiírni).
Az eredményességet a diákok oldaláról a következő faktorok javíthatják: •
A BME Doktori Szabályzat követelményeivel összhangban, az évenkénti átvilágítás szempontrendszerének a kidolgozása és bevezetése (ezzel egy világos előrehaladási menetre fűzhetők fel a doktori tanulmányok és az elmaradások időben észlelhetők)
•
Az egyetemi „poszt-doktoranduszi” ösztöndíjjal összhangban kari ösztöndíjak biztosítása fokozathoz közel lévő hallgatóknak.
•
Lehetőség szerint a doktori iskola nemzetközi jellegének a növelése (pl. külföldi bírálók …etc.)
A hallgatók fokozatszerzési ideje A fokozatszerzési időt a már említett évenkénti átvilágítás rendszere lerövidítheti. Ugyanakkor már a felvételinél jelezni kell, hogy a publikációs tevékenységet hamar kell kezdeni, mert a hosszú bírálati idők miatt ez az egyik döntő faktor, amely megnyújtja a fokozatszerzési időt. A doktori iskola törzstagjainak életkora Ez a kar kutatási tevékenységében meghatározó szerepet játszó és nemsokára MTA doktora cím közelébe kerülő fiatalabb oktatókkal megoldható. Itt a kar nyújthat erőteljesebb motivációt, hogy a kutatási/fejlesztési és oktatási terhelés mellett a fokozatszerzés is megtörténjen.
11
Az eljárási idő A doktori iskola adminisztratív folyamatainak elektronizálásával és a szigorlati és védési bizottságok szervezésében nyújtandó nagyobb kari segítséggel javítható. Egyúttal a doktori hallgatók számára olyan eljárási ütemterv kidolgozásával, amely szinkronizálva van a doktori tanácsok ülésével. A doktori iskola szerepe a beágyazottság
kar tudományos utánpótlásában és nemzetközi
Fontos kérdés, hogy a kar informatikusi tudományos utánpótlását mennyire oldja meg a doktori iskola. A végzett doktori hallgatók egy része (kb 30%) a kari munkakörbe került, ugyanakkor a BME VIK alkalmazásába nemcsak saját nevelésű doktoranduszi körből kerülnek munkatársak. Azért, hogy ez a belső utánpótlás különböző szemléletmódokat és attitűdöket is megjelenítsen, a doktori iskola bemenetén erősíteni szeretnénk a külső hallgatók jelentkezésének arányát (akár az EU-s országokból, a magyar gyűrűből, vagy más egyetemekről) a felvételi meghirdetésének nagyobb hazai és külföldi publicitást adva. Emellett a doktori iskola bírálati folyamataiba is érdemes külföldi kollégákat bevonni, jobban bekapcsolva így az iskolát a nemzetközi vérkeringésbe, a saját nevelésű hallgatóink látókörét is szélesítve. Erre a törzstagok és témavezetők nemzetközi beágyazottságát is alapul véve, minden esély megvan.
6. Összefoglaló és ütemezés A fenti tervek összefoglalását és ezek végrehajtásának ütemezését az alábbi táblázat tartalmazza (a táblázat egyes intézkedésinek a részletes magyarázata az előző fejezetben található). Gyenge pontok és kockázati faktorok javítása
Javasolt intézkedések
Intézkedések ütemezése
Az eredményesség növelése
Témavezetői eredményesség mérése és a motiváltság növelése
2009 szeptember
A fokozatszerzési idő csökkentése
Évenkénti átvilágítás szempontrendszerének kidolgozása
2009 május
Az eljárási idő csökkentése
A doktori iskola adminisztratív folyamatainak átszervezése
2009 június
A doktori iskola törzstagjainak Nem kritikus, de új törzstagok életkori eloszlásának javítása bevonásával tovább javítható A doktori iskola szerepe a kari tudományos utánpótlásban és nemzetközi beágyazottság
A nemzetközi beágyazottság erősítése, külföldi szakértők bírálati folyamatokba való bevonásával, valamint erősebb marketing tevékenységgel a hallgatói felvétel során
12
2009 december 2010 január
FÜGGELÉK – a doktori iskola nemzetközi kapcsolatai Az Informatikai Tudományok Doktori Iskola nemzetközi kapcsolatai 1. Kutatói kapcsolatok (ahol a Doktori Iskola oktatói az elmúlt 10 évben minimum fél évig kutattak) Európa •
Rheinische Friedrich-Wilhelms Universitat, Bonn, Germany
•
Friedrich-Alexander Universität Erlangen-Nürnberg, Germany
•
Vienna University of Technology, Institute of Computer Graphics and Algorithms, Austria ;
•
Laboratoire Paris VI, Université Pierre et Marie Curie, France
•
Laboratoire de Recherche en Informatique, CNRS-- Universite Paris-Sud, Orsay, France
•
Ecole Polytechnique Fédérale de Lausanne (EPFL), Switzerland
•
Vrije Universiteit Brussel, Dienst ELEC, The Netherlands
•
University of Ghent, SMACS research group, Belgium
•
Katholieke Universiteit Leuven, Dept. of Mathematics, Belgium
•
Katholieke Universiteit Leuven, ESAT-SISTA, Belgium
•
Swedish Institute of Computer Science, Kista, Sweden
•
Create-Net International Research Center, Trento, Italy
•
University of Trento, Italy
•
CNUCE – Consiglio Nazionale delle Ricerche, Pisa, Italy
•
University of Girona, Department of Applied Mathematics and Informatics, Spain;
•
Universidade do Algarve, Faro, Portugal
•
Dept. Engineering, University of Hull, UK,
•
Stirling University, UK
•
University College Dublin, Ireland
•
University College Cork, Ireland
Észak Amerika •
Simon Fraser University, Burnaby, Canada;
•
Arizona State University, Tempe, USA 13
•
University of North Carolina at Chapel Hill, NC, USA
•
University of Waterloo, Canada
Ázsia •
University of Ibaraki, Hitachi, Japan
•
The Hong Kong Polytechnic University, Hong Kong SAR
•
Tokyo Institute of Techn., Tokyo, Japan
•
Gifu Research Institute of Manufacturing Information Technology, Information System Department, Gifu, Japan
•
Chinese University of Hong Kong, Dept. Mechanical and Automation Engineering, Hong Kong,
Ausztrália •
University of New South Wales (Sydney)
•
Murdoch University (Perth)
•
Australian National University (Canberra)
2. Vendégoktatás (ahol a Doktori Iskola oktatói az elmúlt 10 évben oktattak) Európa •
Rheinische Friedrich-Wilhelms Universitat, Bonn, Germany
•
FAU Erlangen-Nürnberg, RWTH Aachen, TU Chemnitz, Germany
•
Technical University of Duisburg, Germany
•
Vienna University of Technology, Institute of Computer Graphics and Algorithms, Austria
•
Johannes Kepler Universität (Linz), Austria
•
Institut National Polytechnique de Grenoble, France
•
Laboratoire Paris VI, Université Pierre et Marie Curie, France
•
Katholieke Universiteit Leuven, Dept. of Mathematics, Belgium
•
Norwegian University of Science and Technology, Trontheim, Norway
•
University of Helsinki, Finnland
•
Helsinki University of Economics, Finnland
•
University of Trento, Italy
14
•
University of Girona, Department of Applied Mathematics and Informatics, Spain ;
•
University of Alcala de Henares (Madrid), Spain
•
Universidade do Algarve, Faro, Portugália
•
University of Hull, UK
•
Kassai Műszaki Egyetem, Szlovákia
•
University of Ostrava, Czech Republik
•
Warsaw University of Control Theory, Poland
Észak Amerika •
Arizona State University, Tempe, USA
•
Louisiana State University, U.S.A
•
Columbia University (New York, NY,USA)
Ázsia •
Tokyo Metropolitan University, Japan
•
University of Tokyo, Japan
•
Tokyo Institute of Technology, Japan
•
Chuo University, Tokyo, Japan
•
Osaka Institute of Technology, Japan
•
Shizuoka University, Hamamatsu, Japan
•
Tokyo Institute of Techn., Tokyo, Japan
•
Research Institute of Manufacturing Information Technology, Gifu Prefecture, Japan
•
The Hong Kong Polytechnic University, Hong Kong SAR
•
Chinese University of Hong Kong
•
Dept. of Computer Science, National Chiao Tung University, Hsinchu, Taiwan, R.O.C
•
Kyungbook National University, South Korea;
Ausztrália •
University of New South Wales, Sydney, Australia.
15
•
Murdoch University (Perth)
•
Australian National University (Canberra)
•
Auckland University of Technology (New Zealand)
3. Pályázati kapcsolatok (a karral ill. a tanszékekkel a Doktori Iskola témaköréhez tartozó közös pályázatokban résztvevő intézmények) Európa •
Technische Universität Darmstadt, Germany
•
Vienna University of Technology, Institute of Computer Graphics and Algorithms, Austria
•
Technical University of Vienna, Institut für Technische Informatik, Austria
•
Technische Universität Hamburg-Harburg
•
Universität Ulm, Germany
•
University of Dortmund, Germany
•
Fraunhofer-Institute für Experimentelles Software, Germany
•
Cooperation&Management (Institute of Telematics) at the Universität Karlsruhe
•
Institute of Communication Networks at the Technische Universität München
•
Institute of Communication Networks and Computer Engineering at the Universität Stuttgart
•
Université Pierre et Marie Curie – Paris 6, France
•
University of Rennes, France
•
Institut Eurécom, France
•
Université de Toulouse III, France
•
École Nationale Supérieure des Télécommunications de Bretagne (ENST Bretagne, Brest) , France
•
École Nationale Supérieure des Télécommunications (ENST Paris), France
•
Laboratoire Lorrain de Recherche en Informatique et ses Applications (LORIA) at the University Henri Poincaré, Nancy, France
•
Swiss Federal Institute of Technology, Lausanne
•
Signal Processing Institute, Ecole Polytechnique Fédérale de Lausanne (EPFL), Switzerland
•
Katholieke Universiteit Leuven, ESAT-SISTA, Belgium
•
Vrije Universiteit Brussel, Dienst ELEC, Belgium
16
•
Eindhoven University of Technology (TU/e), Faculty of Technology Management; the Netherlands
•
Centre for Telematics and Information Technology at the University of Twente, the Netherlands
•
Productive Programming Methods AS, Norwegian University of Science and Technology (NTNU),
•
Norwegian University of Science and Technology, Trontheim, Norway
•
Department of Information Technology at the Tampere University of Technology, Finnland
•
Aalborg University, Denmark
•
Vytautas Magnus University, Lithuania
•
Universita di Pisa, Italy
•
Università degli studi di Firenze, Italy
•
University of Torino, Italy
•
Università degli studi di Roma "La Sapienza”, Italy
•
University of Easter Piemonte, Italy
•
University of Girona, Department of Applied Mathematics and Informatics, Spain ;
•
Departamento de Ingeniería Telemática at the Universidad Carlos III de Madrid
•
Department of Telematics Engineering at the Universitat Politecnica de Catalunya
•
ETSI de Telecommunicacion at the Technical University of Madrid
•
NeTS Research Group at the Universitat Pompeu Fabra
•
Undação da Faculdade de Ciencias da Universidade de Lisboa, Portugal
•
School of Mathematical & Computer Sciences Heriot-Watt University, Edinburgh, Scotland, UK;
•
School of Mathematical and Computational Sciences, University of St. Andrews, Scotland, UK;
•
University of Newcastle upon Tyne, UK
•
School of Electronics and Computer Science, University of Southampton, Southampton, UK,
•
City University, UK
•
Stirling University, UK
•
Loughborough University, UK
•
Lancaster University, UK
17
•
Department of Electronic & Electrical Engineering at the University College London, UK
•
University of Sussex, UK
•
Faculty of Technical Sciences, University of Maribor, Slovenia.,
•
Department of Parallel Algorithms, Institute for Parallel Processing, Bulgarian Academy of Sciences, Bulgaria;
•
University of Algarve (Faro, Portugalia)
•
Department of Theoretical Computer Science Institute of Computer Science (Academy of Sciences of the Czech Republic)
•
Technical University of Košice (Slovakia)
•
St. Petersburg State University of Telecommunications
Észak Amerika •
University of Manitoba, Canada;
•
Northwestern University, Chicago, USA
•
University of New Hampshire, Durham, USA
Ázsia •
Korean Electronics and Technology Institute, South Korea;
•
University of Tokyo, Japan
Ausztrália •
University of New South Wales (Sydney, Australia)
•
Murdoch University (Perth, Australia)
•
Australian National University (Canberra, Australia)
4. Cserekapcsolatok (intézmények, ahonnan Doktori Iskolánk vendégoktatói, PhD bírálói érkeztek, ill. ahol PhD hallgatóink vendégdiákok voltak) Európa •
University of Erlangen-Nuremberg, Germany
•
University of Dortmund, Germany
•
University of Darmstad, Germany
•
University of Trier, Germany
•
Ecole des Mines de Paris, Centre Automatique et Systemes, France 18
•
Institut National Polytechnique de Grenoble, France
•
Université de Rennes 1, Brest, France
•
École des Mines de Nantes, France
•
University of Ghent, SMACS research group, Belgium
•
Vrije Universiteit Brussel, Dienst ELEC, Belgium
•
Eindhoven University of Technology (TU/e), Faculty of Technology Management, the Netherlands
•
Uppsala University, Dept of Computer Systems, Finnland
•
TU of Denmark, Center for Information and Communication Technologies, Denmark
•
Aalborg University, Denmark
•
Royal Institute of Technology, Sweden
•
Lund University, Lund, Sweden,
•
Università degli studi di Firenze, Italy
•
University of Torino, Italy
•
University of Easter Piemonte, , Italy
•
University of Catania, , Italy
•
Technical University of Torino, Italy
•
Universidade do Algarve, Faro, Portugal
•
University of Coimbra, Portugal
•
Dublin Institute for Advanced Studies, Dublin, Ireland,
•
National and Kapodistrian University of Athens Department of Informatics and Telecommunications, Greece
•
Department of Parallel Algorithms, Institute for Parallel Processing, Bulgarian Academy of Sciences, Bulgaria;
•
Faculty of Technical Sciences, University of Maribor, Slovenia.,
Észak Amerika •
University of New Hampshire, USA
•
Computer Science Department, NC State University, Raleigh, NC, USA
19
•
Institute for Software Integrated Systems, Vanderbilt University, Nashville, USA
•
Queen's University, Kingston, Canada
Ázsia •
Shizuoka University, Hamamatsu, Japan
Ausztrália •
University of New South Wales (Sydney, Australia)
•
Murdoch University (Perth, Australia)
20
