Adatelemzés és adatvizualizáció mérnököknek

Data Analysis and Visualizaton for Engineers

A tantárgyleírás hatályossága

Hatályosság kezdete:

2026. March 21.

Hatályosság vége:

—

Tantárgy neve (magyarul, angolul)

Adatelemzés és adatvizualizáció mérnököknek

Data Analysis and Visualizaton for Engineers

Tantárgykód

BMEVIMIAV28

Tantárgyjelleg

—

Képzési szint

—

Kurzustípusok és óraszámok (heti/féléves)

Kurzustípus	elmélet	gyakorlat	laboratóriumi gyakorlat
óraszám (heti)	2	0	0
jelleg (kapcsolt/önálló)	—	—	—

Tanulmányi teljesítmény/értékelés típusa

félévközi érdemjegy

Tantárgy kreditértéke

Tantárgyfelelős

DR. Gönczy László

beosztás: egyetemi docens

elérhetőség: gonczy.laszlo@vik.bme.hu

Tantárgyat gondozó oktatási szervezeti egység

Mesterséges Intelligencia és Rendszertervezés Tanszék

Kar

Villamosmérnöki és Informatikai Kar

Tantárgy weboldala

—

Tantárgy elsődleges mintatantervi jellege

—

Közvetlen előkövetelmények – Erős előkövetelmény

nincs

Közvetlen előkövetelmények – Gyenge előkövetelmény

nincs

Közvetlen előkövetelmények – Párhuzamos előkövetelmény

nincs

Közvetlen előkövetelmények – Mérföldkő előkövetelmény

nincs

Közvetlen előkövetelmények – Kizáró feltétel

nincs

Célkitűzés

Tantárgyprogram

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.

A tantárgy mérnöki feladatok adatvezérelt megoldását támogatja, kiemelt hangsúlyt fektetve a feltáró adatelemzés és a szakterületi modellek használatára. A tárgy bemutatja adatalapú módszerek informatikai rendszerekbe történő integrációjának lehetőségeit, alkalmazási területként kiemelten tárgyalja a mérési adatok, valamint a szoftverek fejlesztése és üzemeltetése közben keletkezett adatok elemzési kérdéseit. A tantárgy követelményeit eredményesen teljesítő hallgató képes lesz áttekinteni az adatfeldolgozás és feltáró adatelemzés főbb lépéseit, kiértékelni egy adott adatkészlet főbb minőségi jellemzőit, meghatározni és kiértékelni mérnöki problémák adatvezérelt megoldásának céljait, mérnöki ismeretekkel támogatott vizualizációs és adatelemzési feladatokat elvégezni.

Tanulmányi eredmények

Ez a tantárgy a KKK rendeletben meghatározott, következő kompetenciák fejlesztését szolgálja:

Tudás

Nincsenek rögzített tanulási eredmények.

Képességek

Nincsenek rögzített tanulási eredmények.

Attitűd

Nincsenek rögzített tanulási eredmények.

Autonómia és felelősség

Nincsenek rögzített tanulási eredmények.

Oktatási módszertan

Előadás.

Tanulástámogató anyagok

Online források

Theus, Martin, and Simon Urbanek. Interactive; graphics for data analysis: principles and examples. CRC Press, 2008.; Antal Péter (szerk.). Intelligens adatelemzés.; Typotex Kiadó, 2014. Elektronikusan elérhető jegyzet.; Wickham, Hadley; Grolemund, Garrett (2017). R; for Data Science : Import, Tidy, Transform, Visualize, and Model Data.; Sebastopol, CA: O'Reilly Media. ISBN 978-1491910399. (elektronikusan elérhető); A tantárgyban kiadott elektronikus segédanyagok,; fóliasorok, interaktív Jupyter Notebook jegyzetek.

A tantárgy teljesítéséhez ajánlott előzetes ismeretek

Tudás típusú kompetenciák

(azon előzetes ismeretek összessége, amelyek megléte nem kötelező, de a tantárgy eredményes teljesítését nagyban elősegíti)

nincs

Képesség típusú kompetenciák

(azon előzetes képességek és készségek összessége, amelyek megléte nem kötelező, de a tantárgy eredményes teljesítését nagyban elősegíti)

nincs

Ajánlott (nem kötelező) előzetesen megszerzendő kompetenciák

(azon ajánlott (nem kötelező) előzetesen megszerzendő kompetenciák összessége, amelyek jelentősen hozzájárulnak a tantárgy eredményes teljesítéséhez)

nincs

Általános szabályok

Követelmények: Egyéni házi feladat megoldása a 13. hét végéig és szóbeli bemutatása a 14. héten. Pótlási lehetőségek: A házi feladat beadható késedelmesen a pótlási hét keddig, szóbeli bemutatása a pótlási héten.

Teljesítményértékelési módszerek

Szorgalmi időszakban végzett teljesítményértékelések részletes leírása

Nincs megadva részletes értékelés.

Szorgalmi időszakban végzett teljesítményértékelések részaránya

Nincs megadva részarány.

Vizsgaidőszakban végzett teljesítményértékelések részletes leírása

Nincs megadva részletes értékelés.

Vizsgarészek részaránya

Nincs megadva részarány.

Érdemjegy megállapítása

Nincs megadva érdemjegy határ.

Jelenléti és részvételi követelmények

Nincs megadva jelenléti követelmény.

Javítás, ismétlés és pótlás különös szabályai

Nincs megadva.

Rövid leírás

Nincs megadva.

Részletes leírás

Nincs megadva.

Ajánlott tantárgyak

Nincs megadva.

A tantárgy elvégzéséhez szükséges tanulmányi munka

Nincs megadva munkaidő bontás.

Tantárgykövetelmények hatályossága

Tantárgykövetelmények hatályosságának kezdete:

—

Tantárgykövetelmények hatályosságának vége:

—

Tantervi elhelyezés

Nincsenek rögzített tantervi elhelyezések ehhez a tárgyverzióhoz.