1. Matlab alapismeretek (2 hét). 
2. Biológiai jelek detektálása (pl. EEG, EKG), jel és mintavétel, zaj, jelek korrelációja (1 hét)
3. Jelek megadása idő és frekvenciatartományban. Fourier-transzformáció, gyors Fourier-transzformáció (FFT), zérófeltöltés, szivárgás, konvolúció, ablakozás. (2 hét) 
4. Alakformálás és szűrés. (2 hét)
5. Idő-frekvencia analízis. Rövid idejű Fourier-transzformált (STFT). (1 hét)
6. Folytonos wavelet-traszformáció. (1 hét)
7. Diszkrét wavelet-transzformáció. Haar-wavelet, Daubechies-waveletek, és egyéb wavelet-típusok. Waveletek tulajdonságai. Alkalmazás kiküszöbölésre, tömörítésre, zajszűrésre, eseménydetektálásra. (2 hét)
8. Képfeldolgozás (képek kezelése, konvertálás, élesítés, tömörítés, zajszűrés, wavelet transzformáció, képszegmentálás) (2 hét). 

1. Introduction to Matlab (2 weeks)
2. Detection of biological signals (e.g. EEG, ECG), signals and sampling, noise, correlation (1 week)
3. Signals in time and frequency domains. Fourier transform, fast Fourier transform (FFT), zero padding, leakage, convolution, windowing. (2 weeks)
4. Formatting and filtering. (2 weeks)
5. Time-frequency analysis. Short time Fourier transform (STFT). (1 week)
6. Continuous wavelet transform. (1 week)
7. Discrete wavelet transform. Haar wavelet, Daubechies wavelets, and other wavelets. Properties of wavelets. Applications for thresholding, compression, noise filtering, event detection. (2 weeks)
8. Image processing (working with images, conversions, sharpening, compression, noise filtering, wavelet transformation, segmentation) (2 weeks)