Empirikus modellezés alapú rendszertervezés

Empirical Systems Engineering and Modeling

A tantárgyleírás hatályossága

Hatályosság kezdete:

—

Hatályosság vége:

—

Tantárgy neve (magyarul, angolul)

Empirikus modellezés alapú rendszertervezés

Empirical Systems Engineering and Modeling

Tantárgykód

BMEVIMIDV01

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

vizsga

Tantárgy kreditértéke

Tantárgyfelelős

Dr. Pataricza András

beosztás: egyetemi docens

elérhetőség: pataricza.andras@vik.bme.hu

Tantárgyat gondozó oktatási szervezeti egység

—

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

A megfigyelésekből fenomenológiai modelleket származtató feltáró (Exploratory Data Analysis) és megerősítő adatanalízis alapvető módszerei.

A hibrid modellezés alapjai, diszkretizációs módszerek és folytonos-kvalitatív modell áttérés. A kvalitatív modellezés alapjai, az alaptulajdonságok statisztikai ellenőrzése. Diszkrét kvalitatív modellek matematikai kezelése.

Az életlen halmazelmélet (rough set theory) alapjai és alkalmazása részleges információ rendelkezésre állása esetén szolgáltatásbiztonságot garantáló modellezési feladatokban.

Válaszkészlet-programozás (answer set programming) és alkalmazásai közelítő modellek kidolgozására, diagnosztikai feladatokra. Modellek ellenőrzése.

Komplex modellek ábrázolása tudásgráfként, az a priori ismeretek leképezése hierarchikus tudásgráfokban, adatok és a priori tudás konzisztenciájának ellenőrzése.

Modell-meghatározási esettanulmányok a szolgáltatásbiztos és ellenálló informatikai rendszerek területéről.

Az empirikus meghatározású modellek szerepe és alkalmazása a modern rendszertervezésben és üzemeltetésben: kiemelt jelentőségű folyamatok (pl. modern kapacitástervezés, chaos engineering...), a Digital Twin paradigma, önmenedzselő (self-*) rendszerek tudásbázisai (az Event-Condition-Action modellektől a szemantikus támogatásig).

Kitekintés: modellhibákkal szembeni védelem, folyamatos modell-felülvizsgálat.

Az informatikai rendszerek bonyolultságának rohamos növekedése miatt mind tervezéskor, mind pedig az üzemeltetés közben egyre kritikusabb az extrafunkcionális tulajdonságok garantálása. A szokásosan integrációval összekötött komponensszám növekedése mellett jelentősen nő a keresztkapcsolatok száma is. Ilyenkor a klasszikus rendszerelméletben rendszeridentifikációként ismert technológiák tervezési és futási idejű alkalmazása válik szükségessé. A tárgy az alapvető, a metrikák folytonos világát és az informatikai rendszerek diszkrét kvalitatív modelljeit összekötő technikákat mutatja be a legfontosabb alkalmazási területek érintésével.

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

S. Akama, T. Murai, Y. Kudo: Reasoning with Rough Sets Logical Approaches to Granularity-Based; Framework. Springer 2018.; M. S. Raza, U. Qamar: Understanding; and Using Rough Set Based Feature Selection: Concepts, Techniques and; Applications. Springer 2017.; D. Ciucci, T. Mihálydeák, Z. E. Csajbók: On Exactness, Definability and Vagueness in; Partial Approximation Spaces. Technical Sciences 18(3), 2015, 203-212; F. Harmelen, V. Lifschitz, and B. Porter, "The Handbook; of Knowledge Representation," Elsevier Science San Diego, USA, 2007.; R. Murch, Autonomic Computing. IBM Press, 2004.

A tantárgy teljesítéséhez ajánlott előzetes ismeretek

Tudás típusú kompetenciák

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

Modell alapú tervezés, valószínűségszámítás alapjai

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)

Modell alapú tervezés, valószínűségszámítás alapjai

Általános szabályok

Követelmények: a. A szorgalmi időszakban: 1 nagyfeladat, amelynek kimagasló teljesítésért (szorgalmi feladat is) jegyet ajánlunk meg. b. A vizsgaidőszakban: szóbeli vizsga. c. Elővizsga: nincs. Pótlási lehetőségek: A TVSz szerint.

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.