Data Analysis and Visualizaton for Engineers
A tantárgyleírás hatályossága
| Subject name (Hungarian, English) |
Adatelemzés és adatvizualizáció mérnököknek
Data Analysis and Visualizaton for Engineers
|
||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Subject code | BMEVIMIAV28 | ||||||||||||
| Subject type | — | ||||||||||||
| Training Level | — | ||||||||||||
| Course types and hours (weekly/semester) |
|
||||||||||||
| Assessment type | félévközi érdemjegy | ||||||||||||
| Credits | 2 | ||||||||||||
| Subject coordinator |
DR. Gönczy László
position: egyetemi docens
contact:
gonczy.laszlo@vik.bme.hu
|
||||||||||||
| Responsible department |
Mesterséges Intelligencia és Rendszertervezés Tanszék
|
||||||||||||
| Faculty | Villamosmérnöki és Informatikai Kar | ||||||||||||
| Subject website | — | ||||||||||||
| Primary curriculum type | — | ||||||||||||
| Direct prerequisites – Strong prerequisite | none | ||||||||||||
| Direct prerequisites – Weak prerequisite | none | ||||||||||||
| Direct prerequisites – Parallel prerequisite | none | ||||||||||||
| Direct prerequisites – Milestone prerequisite | none | ||||||||||||
| Direct prerequisites – Exclusion | none |
Objectives
1. Adatelemzési forgatókönyvek és folyamatok, adatelemzési projektek célkitűzései, mérési követelmények, adatcsere formátumok, OpenData szabványok, dataspace megközelítés.
2. Adattípusok; adatok előkészítése és tisztítása, leíró statisztikák.
3. Adatvizualizáció. Vizualizáció céljai: összehasonlítás, trendelemzés, kiugró értékek keresése, kapcsolatok meghatározása, csoportosítás. Vizualizáció felhasználási esetei és ezek támogató technológiái monitorozás/dashboard, üzleti jelentés, alternatívák/hipotézisek kiértékelése, megismételhető kutatás. Technológiai támogatás: R, Python, PowerBI, felhő alapú adatfeldolgozó/megjelenítő szolgáltatások.
4. Interaktív adatvizualizáció. Nagyméretű, sokdimenziós, bonyolult szerkezetű adatok megjelenítése és vizuális feltáró analízise. JS alapú megoldások (D3.js, Processing, chart könyvtárak), interaktív keretrendszerek (Shiny, Dash), HoloViz.
5. Feltáró (Exploratory) és megerősítő (Confirmatory) adatelemzés.
6. Irányított feltáró adatelemzés. Dimenzióredukció, feature selection és alkalmazása az informatikában, esettanulmány: rendszermonitorozás tervezése.
7. Modellalkotás: kvalitatív és kvantitatív modellek, kísérlettervezés.
8. Modellmagyarázat és modellek minőségbiztosítása. Elemzések validálása, teljessége, helyessége, mérési kampányok kiértékelése. Esettanulmány: benchmarking.
9. Elosztott adatfeldolgozás: "at rest Big Data"
10. Elosztott adatfeldolgozás: stream processing
11. Adattárolás és -feldolgozás szemantikus támogatása, automatizált javaslatok elemzési célokhoz rendelt vizualizációkra.
12. Mérnöki modellek hihetőségvizsgálata, szimulációk kiértékelése, ritka események detektálása.
13. Mérnöki modellalkotás és megoldási alternatívák kiértékelése. Mérnöki modellek felhasználása adatelemzésben: Oksági kapcsolatok, topologikus korreláció, sorrendiség és viselkedésmodellek figyelembevétele, változószelekció.
14. Szoftverfejlesztési és üzemeltetési folyamatok minőségbiztosításának adatalapú támogatása, informatikai rendszerek és szoftverek teljesítménykiértékelése, biztonságkritikus rendszerek fejlesztési folyamatainak adatalapú vizsgálata.
Learning outcomes
Ez a tantárgy a KKK rendeletben meghatározott, következő kompetenciák fejlesztését szolgálja:
Knowledge
No learning outcomes recorded.
Skills
No learning outcomes recorded.
Attitudes
No learning outcomes recorded.
Autonomy and responsibility
No learning outcomes recorded.
Oktatási módszertan
Tanulástámogató anyagok
Not provided.
Recommended preliminary knowledge for completing the subject
General rules
Assessment methods
In-term assessments
No detailed assessments provided.
Weight of in-term assessments
No weights provided.
Exam-period assessments
No detailed assessments provided.
Weight of exam elements
No weights provided.
Grade calculation
No grade thresholds provided.
Attendance requirements
No attendance requirements provided.
Rules for retake and resubmission
Not provided.
Short description
Not provided.
Detailed description
Not provided.
Recommended courses
Not provided.
Workload to complete the subject
No workload breakdown provided.
Validity of subject requirements
Curriculum placement
No curriculum placements recorded for this subject version.