BMETE93MM28

Nyomtatóbarát változatNyomtatóbarát változat
Tantárgy azonosító adatok
A tárgy címe: 
Válogatott fejezetek az adattudományból
A tárgy angol címe: 
Selected Topics in Data Science
A tárgy rövid címe: 
VálFejAdattudományból
2
0
0
v
Kredit: 
4
A tantárgy felelős tanszéke: 
Differenciálegyenletek Tanszék
A tantárgy felelős oktatója: 
Dr. Kovács Edith Alice
A tantárgy felelős oktatójának beosztása: 
egyetemi docens
Akkreditációs adatok
Akkreditációra benyújtás időpontja: 
2018.11.20.
Akkreditációs bizottság döntési időpontja: 
2018.11.27.
Tematika
A tantárgy az alábbi témakörök ismeretére épít: 
valószínűségszámítás, lineáris algebra
A tantárgy szerepe a képzés céljának megvalósításában: 
Matematikus MSc kötelezően választható tárgya
A tantárgy részletes tematikája magyarul és angolul: 

 1. Felügyelet melletti és felügyelet nélküli alap gépi tanulási módszerek áttekintése, módszerek kiértékelése.
 2. Kernel sűrűségfüggvény becslés, kernel módszer felügyelet melletti tanulásban.
 3. Kernel módszer felügyelet nélküli tanulásban.
 4. Support Vector Machine alkalmazások, R – kernlab csomag használata.
 5. Dimenzió csökkentő módszerek: lineáris illetve nem lineáris, autoencoder.
 6. Valószínűségi grafikus modellek I: Markov hálózatok és alkalmazások.
 7. Valószínűségi grafikus modellek II: Bayes hálózatok és alkalmazások.
 8. Hallgatók értékelése - saját feldolgozások - időszerű anyagok.
 9. Együttes eloszlások modellezése kopulák segítségével.
10. Együttes eloszlások modellezése vine-kopulák segítségével.
11. Szimulációs eljárások 1: Nevezetes diszkrét illetve folytonos eloszlásokból származó minták számítógépes előállítási módszerei (egy és több dimenzióban).
12.  Szimulációs eljárások 2: Elfogadás-elvetés módszere, Gibbs mintavétel, fontosság szerinti mintavétel.
13. Mély tanulás (Deep learning): konvoluciós neurális hálók.
14. Mély tanulás (Deep learning): Recurrent NN, LSTM.

Követelmények szorgalmi időszakban: 
házi feladatok
Követelmények vizsgaidőszakban: 
írásbeli vizsga
Pótlási lehetőségek: 
TVSZ szerint
Konzultációs lehetőségek: 
oktatóval történő megegyezés szerint
Jegyzet, tankönyv, felhasználható irodalom: 
Sugiyama, Masashi. Introduction to statistical machine learning. Morgan Kaufmann, 2015.
Hastie, Trevor, Robert Tibshirani, and Jerome Friedman. The Elements of Statistical Learning: Data Mining, Inference, and Prediction. Springer Science & Business Media, 2009.
http://www.deeplearningbook.org/
A tárgy elvégzéséhez átlagosan szükséges tanulmányi munka mennyisége órákban (a teljes szemeszterre számítva)
Kontakt óra: 
28
Félévközi felkészülés órákra: 
22
Felkészülés zárthelyire: 
0
Zárthelyik megírása: 
0
Házi feladat elkészítése: 
40
Kijelölt írásos tananyag elsajátítása (beszámoló): 
0
Egyéb elfoglaltság: 
0
Vizsgafelkészülés: 
30
Összesen: 
120
Ellenőrző adat: 
120
A tárgy tematikáját kidolgozta
Név: 
Dr. Kovács Edith Alice
Beosztás: 
egyetemi docens
Munkahely (tanszék, kutatóintézet, stb.): 
Differenciálegyenletek Tanszék
A tanszékvezető neve: 
Dr. Illés Tibor