Course title:
Bevezetés a gépi tanulásba
Primary programme:
Fizikus mérnök BSc
ECTS credits:
4
Course type:
kötelező
Number of lectures per week:
1
Number of practices per week:
0
Number of laboratory exercises per week:
2
Further knowledge transfer methods:
hallgatói laboratóriumi munka, projektfeladatok
Grading:
Coursework grade
Special grading methods:
projektfeladatok, házi feladatok
Semester:
4
Prerequisites:
Bevezetés a numerikus algoritmusokba
Responsible lecturer:
Dr. Török János, egyetemi docens, PhD
Lecturers and instructors:
Course description:
A gépi tanulás alapvető módszereinek elsajátítása és azok implementálása python nyelven
Tematika:
Adatok típusa, kezelése, tisztítása, normalizálása
Általános sokparaméteres függvény illesztése
Lineáris és logisztikus regresszió
Paraméterek fontossága
Szintetikus adatok gyártása
Döntési fa
Dimenzió redukció, releváns mértékek
Hierarchikus klaszterezés
Neurális hálózatok alapjai: neuronok, aktiváció
Mesterséges neurális hálózatok felépítése
Mesterséges neurális hálózatok tanítása
Regularizáció
Reading materials:
Norvig, P. Russell, and S. Artificial Intelligence. A modern approach. Upper Saddle River, NJ, USA:: Prentice Hall, 2002. ISBN-13: 9780137505135
https://hmkcode.com/ai/backpropagation-step-by-step/
Chollet, Francois. Deep learning with Python. Simon and Schuster, 2021. ISBN-13: 978-1617296864
List of competences:
a) tudása- Ismeri a komplex műszaki és fizikai problémák leírásához szükséges matematikai eljárásokat.- Ismeri a műszaki és fizikai problémák számítógépes modellezésének matematikai és informatikai módszereit.b) képességei- Képes a műszaki fejlesztéshez kapcsolódó problémák önálló megoldására, a megoldáshoz elvezető fizikai törvényszerűségek, mechanizmusok és műszaki megoldások azonosítására, komplex műszaki és fizikai problémák analitikus és számítógépes modellezésére, és a modellezés eredményének gyakorlati alkalmazására.- Képes komplex fizikai elveken alapuló mérési eljárások fejlesztésére a méréstervezéstől a számítógépes mérésvezérlés megvalósításán át a mérési adatok kiértékeléséig és értelmezéséig. Képes komplex mérőrendszerek és a fizika elveit alkalmazó modern technológiák fejlesztésére.c) attitűdje- Elkötelezett új kompetenciák elsajátítására.- Fejleszti, mélyíti szakterületi ismereteit.d) autonómiája és felelőssége- Önállóan feltárja és átgondolja az alapvető szakmai kérdéseket, és adott források alapján megválaszolja azokat, képes önálló szakmai döntések meghozatalára.- Felelősséggel együttműködik a műszaki, természettudományos és más szakterületek szakembereivel.- Tudatosan vállalja a műszaki-természettudományos terület etikai normáit.- Saját képességeit és munkájának eredményét reálisan értékeli.- Folyamatos tanulással fejleszti kompetenciáit, alkalmassá válva felelősségteljes munkakörök betöltésére.- Tisztában van a tudományos-technológiai kijelentések jelentőségével és következményeivel.