Course title:
Bevezetés az adattudományba
Primary programme:
Fizikus mérnök BSc
ECTS credits:
4
Course type:
kötelező (a Természettudományos adatelemzés specializáció hallgatóinak)
Number of lectures per week:
3
Number of practices per week:
0
Number of laboratory exercises per week:
1
Further knowledge transfer methods:
Grading:
Examination
Special grading methods:
Semester:
6
Prerequisites:
A méréskiértékelés matematikai módszerei, Bevezetés a gépi tanulásba, Komplex hálózatok
Responsible lecturer:
Dr. Molontay Roland, egyetemi adjunktus, PhD
Lecturers and instructors:
Course description:
A tárgy célja az adattudomány alapfogalmainak a korábban megszerzett matematikai ismeretekre épülő, gyakorlati megközelítésű megismertetése. A hallgatók a kezdetektől teljes, a gyakorlati életből vett valós alkalmazási példákon keresztül az ismereteket megtapasztalva, egyfajta spirál mentén egyre mélyebbre haladva precíz elméleti és egyúttal praktikus gyakorlati ismeretekhez jutnak. Az elméleti ismeretek gerincét a gépi tanulás algoritmusai adják, a gyakorlati feladatok építenek a Python nyelv ismeretére.
Tematika:
Történet, példák, esettanulmányok, az adattudományba sorolható diszciplínák.
Ellenőrzött tanulás - Lineáris Modellek + modell validálás.
Legkisebb négyzetek módszere.
Lineáris és polinomiális regresszió
Gradiens módszer, maximum-likelihood becslés.
Perceptron, Newton-módszer, Naive-Bayes.
Általánosított lineáris modellek (Exponenciális család)
tanulási/validációs/tesztelési halmaz, cross-validáció,
Bias-Variance tradeoff, Precision-Recall
F1-score, ROC görbe
SVM, lineáris SVM, kernel trükk
Nem Ellenőrzött tanulás.
EM algoritmus. PCA, ICA.
Esettanulmányok, kitekintés
Reading materials:
Tan, Pang-Ning, Michael Steinbach, and Vipin Kumar. Introduction to data mining. 2005.
Leskovec, Jure, Anand Rajaraman, and Jeffrey David Ullman. Mining of massive datasets. Cambridge University Press, 2014.
List of competences:
a) tudása- Ismeri a műszaki és fizikai problémák számítógépes modellezésének matematikai és informatikai módszereit.b) képességei- Képes tudásának önálló gyarapítására, a releváns szakirodalom követésére és feldolgozására, és tanulmányainak magasabb szinten történő folytatására.c) attitűdje- Törekszik a tudományos fizikai ismeretek és a műszaki-technológiai alkalmazások közötti összekötő, integráló szerep megteremtésére.- Hitelesen képviseli a természettudományos világnézetet, és alkalmazni tudja a technológia és társadalom viszonylatában.- Nyitott a természettudományos és műszaki továbbképzés irányában.- 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.