Adattudomány, hálózattudomány, oktatási adattudomány, szociális hálózatok
Munkahely
Budapesti Műszaki és Gazdaságtudományi Egyetem, Természettudományi Kar, Matematika Intézet, Sztochasztika Tanszék
Bemutatkozás
Molontay Roland alkalmazott matematikus és adattudós, aki a hálózattudomány, a gépi tanulás, valamint komplex társadalmi és biológiai rendszerek adatvezérelt elemzésére specializálódott. Alkalmazott matematikából szerzett PhD-fokozatot a Budapesti Műszaki és Gazdaságtudományi Egyetemen (BME), ahol strukturális hálózatelemzés témájú disszertációját summa cum laude minősítéssel védte meg. Doktori képzését nemzetközi kutatási tapasztalat egészítette ki a Brown University-n, valamint interdiszciplináris tanulmányokat folytatott a kvantitatív közgazdaságtan területén.
PhD-fokozatának megszerzését követően tudományos pályáját a BME-n folytatta, ahol tanársegédből egyetemi docenssé lépett elő. Vendégkutatóként nemzetközi tapasztalatot szerzett az Egyesült Államokban (Indiana University Bloomington), és aktív kutatási együttműködéseket alakított ki Európában és Ázsiában is.
Oktatási és kutatási tevékenysége mellett jelentős oktatás-és kutatásszervező, illetve vezetői tevékenysége is. A BME-n működő Human and Social Data Science Lab (HSDSLab) alapítója és vezetője, emellett a BME Matematikai Intézetének stratégiai igazgatóhelyettese, valamint a Semmelweis Egyetem Biostatisztika és Hálózattudományi Intézetének igazgatója. Munkája szorosan kapcsolódik ipari együttműködésekhez is, többek között a Nokia Bell Labs-szel közös kutatás-fejlesztési projektek, valamint hazai oktatási adattudományi kezdeményezések révén.
Kutatásai a hálózattudomány, a magyarázható mesterséges intelligencia és az adatvezérelt döntéstámogatás metszéspontjában helyezkednek el. Az elmúlt öt évben végzett munkájának főbb területei:
magyarázható gépi tanulási modellek fejlesztése az egészségügy, az oktatás és az energiarendszerek területén;
oktatási adattudomány és learning analytics, beleértve a lemorzsolódás és a felvételi teljesítmény előrejelzésére szolgáló, értelmezhető modelleket;
elméleti és alkalmazott hálózattudomány, beleértve a strukturális elemzést, az anomáliadetektálást és a közösségimédia-dinamika vizsgálatát;
mesterséges intelligencián alapuló orvosi predikciós modellek fejlesztése.
Összesen 52 lektorált tudományos közlemény szerzője, amelyek jelentős része Q1/D1 besorolású nemzetközi folyóiratokban jelent meg, és több mint 1000 független hivatkozást kaptak. Publikációs tevékenységének meghatározó jellemzője a hallgatókkal és fiatal kutatókkal való szoros együttműködés; rendszerint témavezetőként és vezető szerzőként vesz részt ezekben a munkákban, ezzel is erősítve a tudományos utánpótlás-nevelést.
Munkásságát számos rangos elismeréssel díjazták, többek között a Bolyai János Kutatási Ösztöndíjjal (2025–2027), az NKFIH PD OTKA ösztöndíjjal (2022–2025), az Akadémiai Ifjúsági Díjjal (2026), az MTA Publikációs Nívódíjával (2023), a Bárány Róbert-díjjal (2022), valamint a Farkas Gyula Emlékdíjjal (2020). Több oktatási és témavezetői elismerésben is részesült, továbbá 2025-ben Best Paper díjat nyert egy nemzetközi oktatástechnológiai konferencián. Tagja az Európai Matematikai Társaság Fiatal Akadémiájának, valamint a Bernoulli Társaság Európai Regionális Bizottságának.
A kutatáson túl aktívan hozzájárul a tudományos közösség fejlődéséhez nemzetközi rendezvények – például a Biomedical Data Science Summer School and Conference – szervezésével, valamint szerkesztői és bírálói tevékenységgel. Meghatározó szerepet játszott a BME adattudományi képzéseinek kialakításában, és aktívan részt vesz tudományos ismeretterjesztő tevékenységekben, erősítve a kapcsolatot a kutatás, az oktatás és a társadalmi hasznosulás között.
