Kurzus nemzetközi vendég- és részidős hallgatóknak

Kar

Informatikai Kar

Szervezet

IK Adattudományi és Adattechnológiai Tanszék

Kód

IPM-24ATDSLAB2

Cím

Adattudomány Labor II.

Tervezett félév

Őszi

ECTS

6

Nyelv

Oktatás célja

tudása Összefüggéseket tud teremteni az egyes adattípusok között, képes az adatok transzformációján alapuló információ-kinyerésre és feladatmegoldásra multidiszciplináris környezetben is. Az angol nyelvtudása eléri a képzéshez, az angol nyelvű szakirodalom megismeréséhez, a szakszöveg megértéséhez, feldolgozásához és a szakképzettséggel ellátható szakmai feladatok elvégzéséhez, valamint a folyamatos szakmai önképzéshez szükséges szintet.  képességei Képes a különböző tudományágakban megjelenő komplex osztályozási, modellezési, előrejelzési problémák formalizálására, a szükséges elméleti és gyakorlati módszerek meghatározására és azok megoldására. Képes az előírt feladathoz tartozó nyers adat transzformációs lépéseinek megalkotására. Képes az adatokat kontextusba helyezve más információkkal összekapcsolni, egyesítve különböző modalitásokat. Anyanyelvén kívül legalább angol nyelven képes szóban és írásban szakmai eszmecserét folytatni, eredményeket bemutatni és értelmezni, jelentéseket készíteni, szakmai anyagokat feldolgozni. attitűd Figyelemmel kíséri az adattudomány és a kapcsolódó szakterületek elsősorban matematikai, statisztikai, informatikai vonatkozású, valamint mesterséges intelligenciával kapcsolatos legújabb eredményeit és törekszik arra, hogy ezeket saját fejlődésének szolgálatába állítsa. Hitelesen képviseli szakmáját és mutatja be munkájának eredményeit. autonómiája és felelőssége Nagy figyelmet fordít feladatainak precíz elvégzésre és a határidők pontos betartására, illetve betartatására. Alkalmas mind egyénileg, mind pedig egy csoport tagjaként vagy vezetőjeként elemzői, modellezői és egyéb, az adattudománnyal kapcsolatos feladatok elvégzésére. Munkáját a szakmai és tudományos etika követelményeinek maximális figyelembevételével végzi.

Tantárgy tartalma

A kurzus során a hallgatók csapatokban dolgoznak majd az informatikai kar ipari és egyetemi partnereitől gyűjtött valós adatokon. A feladatok mind az alap-, mind az alkalmazott kutatásra vonatkoznak majd, tapasztalt adattudósok felügyelete mellett, ami szükséges az eredmények kívánt minőségben történő átadásához. A projektek a megfelelő ipari adattudományi módszereket követik (például: CRISP-DM). A hangsúlyt a meghatározott feladatok prototípus-megoldásaira helyezzük, többek között az adatok előfeldolgozására, az adatok átalakítására, az adatok vizualizálására, a modellezésre (modellválasztás, hiperparaméter-hangolás, modellkombináció stb.), a modellértékelésre és -beállításra, a leíró és előre jelző adatbányászat valós idejű adatelemzésére, az anomáliák felderítésére. A konkrét feladatokat az ipari partnerek határozzák meg, és fontos szerepet játszanak majd a leszállított megoldások/prototípusok értékelésében is. Adott esetben a csapatok részt vesznek adatbányászati kihívásokban (pl. Kaggle). Prototípus-megoldások szállítása a meghatározott feladatokra. Adatelőfeldolgozás, adattranszformáció Adatvizualizáció Adatmodellezés (modellválasztás, hiperparaméterek hangolása, modellkombináció stb,) modellértékelés A modell telepítése, Valós idejű adatelemzés leíró és prediktív bányászathoz Anomáliák észlelése

Számonkérés és értékelés

gyakorlati jegy

Irodalomjegyzék

Ian H. Witten, Eibe Frank, Mark A. Hall (2011). Data Mining: Practical Machine Learning Tools and Techniques. Morgan Kaufmann. Pang-Ning Tan, Michael Steinbach, Vipin Kumar (2005). Introduction to Data Mining. Addison Wesley.

Kurzus szakjai