A gépi tanulás és ezen belül a neurális hálók ma már ipari rendszerekben is széleskörűen alkalmazott technológiák. A számítási architektúrák fejlődésével és az egyre inkább elterjedő dedikált processzorok segítségével pedig lehetőség van arra, hogy neurális hálózatokat beágyazott rendszerekben közvetlenül az adat keletkezése mellett futtassunk. Az ilyen rendszerek leggyakrabban minőségbiztosítási, rendszerfelügyeleti és prediktív elemző feladatokat látnak el ipari alkalmazásokban. Az ismertebb kép- és hang feldolgozás mellett pedig akár rezgés, sebesség vagy hőmérséklet adatokat is vizsgálhatnak. Az evopro Innovation kutatási területei közül a vasúti diagnosztikai és általánosan az ipari rezgésdiagnosztikai alkalmazásokban is előfordulhat, hogy nincs lehetőség a szenzorok által összegyűjtött összes adat továbbítására, így felmerül a gépi tanulás alkalmazása beágyazott környezetben. A hallgató feladata, hogy bemutassa azokat a hardver és szoftvertechnológiai megoldásokat, amelyekkel a neurális hálózatok futtatása optimalizálható beágyazott rendszerekben, illetve hogy megvizsgálja ezek néhány gyakorlati alkalmazását.
A hallgató feladatának a következőkre kell kiterjednie: