Tantárgy » BMEVITMAV77
Adatelemzés a gyakorlatban Python Pandas és Scikit-learn alapokon
Data Analysis in Practice Using Python Pandas and Scikit-learn
A tantárgyleírás hatályossága
Hatályosság kezdete:
2026. March 21.
Hatályosság vége:
—
| Tantárgy neve (magyarul, angolul) |
Adatelemzés a gyakorlatban Python Pandas és Scikit-learn alapokon
Data Analysis in Practice Using Python Pandas and Scikit-learn
|
||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Tantárgykód | BMEVITMAV77 | ||||||||||||
| Tantárgyjelleg | — | ||||||||||||
| Képzési szint | — | ||||||||||||
| Kurzustípusok és óraszámok (heti/féléves) |
|
||||||||||||
| Tanulmányi teljesítmény/értékelés típusa | vizsga | ||||||||||||
| Tantárgy kreditértéke | 4 | ||||||||||||
| Tantárgyfelelős |
Biró József
beosztás: egyetemi tanár
elérhetőség:
biro.jozsef@vik.bme.hu
|
||||||||||||
| Tantárgyat gondozó oktatási szervezeti egység |
Távközlési és Mesterséges Intelligencia 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. Bevezetés, tantárgykövetelmények ismertetése. Adattudomány áttekintése, karrierirányok (Data Engineer, Analyst, Scientists, stb.), feladatok.
2. Adatinfrasturkúrák, adattárak (warehouse) és adattavak (data lake). Adatmodellek, ETL műveletek, esettanulmány.
3. Bevezetés a Pandas könyvtár használatába. Adatsorok, az index fogalma. Műveletek adatsorokon, adatsorok létrehozása és módosítása. Adatsorok leíró statisztikái, transzformálás, szűrés. Iterálás.
4. Adatkeretek fogalma. Adatkeretek létrehozása, betöltése fájlból, az index. Kiválasztás név, sor és feltételek alapján. Véletlen mintavételezés. Összetett lekérdezések.
5. Adatkeretek összetett indexelése, adatkeretek összeolvasztása és társítása.
Hiányzó adatok kezelése. Szöveges, numerikus és kategorikus adatok kezelése Pandasban.
6. Ablakozott statisztikák Pandasban. Kumulatív összeg, medián, stb.
Idősorok, dátum funkcionalitás Pandasban. Időkülönbség. Adatbázis lekérdezések Pandasban (SQL, MongoDB).
7. Alapvető ábrázolási feladatok Seaborn segítségével. Vonal, pont és oszlopdiagram. Boxplot és értelmezése. Bizonytalanság jelzése.
8. Scikit-learn csomag felépítése. Lineáris regresszió fogalma, a Lasso és Ridge regresszió. A regresszió végrehajtása, az eredmények értelmezése.
9. One-hot-coding és dummy változók Scikit-learnben, regresszió dummy változók alapján.
10. Osztályozási feladat célja és fogalma. Legközelebbi szomszéd osztályozók. Az osztályozás kiértékelése, metrikák, keveredési mátrix. Naiv Bayes osztályozók és döntési fák scikit-learn-ben. Az osztályozók tanítása, predikciók.
11. Lineáris látens terek, dimenziócsökkentés (PCA) scikit-learn-ben. Klaszterezési megoldások.
12. Modell választás megoldási lehetőségei Scikit-learn segítségével. Modell validáció, metrikák.
13. Apache Spark, mint analitikai eszköz. A nagy méretű adattárak adatfeldolgozási problémái. Pandas API Sparkban, egyszerű adatfeldogozási technikák.
14. Dashboard fogalma, célja. Dashboard Pythonban, példák.
2. Adatinfrasturkúrák, adattárak (warehouse) és adattavak (data lake). Adatmodellek, ETL műveletek, esettanulmány.
3. Bevezetés a Pandas könyvtár használatába. Adatsorok, az index fogalma. Műveletek adatsorokon, adatsorok létrehozása és módosítása. Adatsorok leíró statisztikái, transzformálás, szűrés. Iterálás.
4. Adatkeretek fogalma. Adatkeretek létrehozása, betöltése fájlból, az index. Kiválasztás név, sor és feltételek alapján. Véletlen mintavételezés. Összetett lekérdezések.
5. Adatkeretek összetett indexelése, adatkeretek összeolvasztása és társítása.
Hiányzó adatok kezelése. Szöveges, numerikus és kategorikus adatok kezelése Pandasban.
6. Ablakozott statisztikák Pandasban. Kumulatív összeg, medián, stb.
Idősorok, dátum funkcionalitás Pandasban. Időkülönbség. Adatbázis lekérdezések Pandasban (SQL, MongoDB).
7. Alapvető ábrázolási feladatok Seaborn segítségével. Vonal, pont és oszlopdiagram. Boxplot és értelmezése. Bizonytalanság jelzése.
8. Scikit-learn csomag felépítése. Lineáris regresszió fogalma, a Lasso és Ridge regresszió. A regresszió végrehajtása, az eredmények értelmezése.
9. One-hot-coding és dummy változók Scikit-learnben, regresszió dummy változók alapján.
10. Osztályozási feladat célja és fogalma. Legközelebbi szomszéd osztályozók. Az osztályozás kiértékelése, metrikák, keveredési mátrix. Naiv Bayes osztályozók és döntési fák scikit-learn-ben. Az osztályozók tanítása, predikciók.
11. Lineáris látens terek, dimenziócsökkentés (PCA) scikit-learn-ben. Klaszterezési megoldások.
12. Modell választás megoldási lehetőségei Scikit-learn segítségével. Modell validáció, metrikák.
13. Apache Spark, mint analitikai eszköz. A nagy méretű adattárak adatfeldolgozási problémái. Pandas API Sparkban, egyszerű adatfeldogozási technikák.
14. Dashboard fogalma, célja. Dashboard Pythonban, példák.
A tantárgy célkitűzése megismertetni a hallgatókkal a tipikus modern adatelemzési feladatok során használt Pandas és Scikit-learn Python csomagokat. A tantárgy egyszerű és összetett adatelemzési feladatokat mutat be, nagy hangsúlyt fektetve a gyakorlatra, megmutatva az adatelemzés során gyakran előforduló alapvető feladatokat, mint az adatok betöltése, szűrése, tisztítása, az adatok alapvető statisztikáinak kinyerése, alapvető regressziós és osztályozó modellek illesztése és az eredmények vizualizációinak feladatait. A tantárgy elvégzése után a hallgató képes lesz a mérnöki és gazdasági feladatok során felmerülő adatelemzési feladatok alapvető elvégzésére, egyszerű Data Analyst feladatok végrehajtására Python nyelven, valamint tantárgy hasznos alapokat nyújt a későbbiekben mélytanuláshoz szükséges adatok előkészítésében és előállításában is.
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 és gyakorlat. Az előadáson elmondott ismereteket a tantermi gyakorlatokon esettanulmányok, elemzési példák és szoftver eszközök bemutatása egészíti ki.
Tanulástámogató anyagok
Online források
Wes McKinney: Python for Data Analysis: Data Wrangling with Pandas, NumPy, and IPython, O'Reilly Media, Inc., Second Edition, 2017.; Ai Publishing. Python scikit-learn for beginners: Scikit-learn specialization for data scientist. AI Publishing., 2021; Thomas Nield: Essential Math for Data Science: Take Control of Your Data with Fundamental Linear Algebra, Probability, and Statistics, O’Reilly Media Inc., 2022.; Peter Bruce, Andrew Bruce, Peter Gedeck: Practical Statistics for Data Scientists: 50+ Essential Concepts Using R and Python, O’Reilly Media Inc., Second Edition, 2020.; C.M. Bishop: Pattern Recognition and Machine Learning, Springer, 2006.; A tantárgyhoz készült elektronikus “Jupyter notebook”-ok. Pandas és Scikit-learn referenciaanyagok.; Ezen kívül a szükséges segédanyagokat elektronikus formában elérhetővé tesszük a tantárgy oldalán.
A tantárgy teljesítéséhez ajánlott előzetes ismeretek
Tudás típusú kompetenciák
(azon előzetes ismeretek összessége, amelyek megléte nem kötelező, de a tantárgy eredményes teljesítését nagyban elősegíti)
Python programozás alapjai,
valószínűségszámítás és lineáris algebra 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)
Python programozás alapjai,
valószínűségszámítás és lineáris algebra alapjai
Általános szabályok
Követelmények:
1. A szorgalmi időszakban: a házi feladat legalább elégséges szinten való megoldása szükséges az aláíráshoz.
2. A vizsgaidőszakban: írásbeli és szóbeli vizsga, ahol az érdemjegy a házi feladat megvédésének eredményétől és az írásbeli vizsga eredményétől függ, legalább 40%-ot kell elérni az elégséges jegyhez.
Pótlási lehetőségek:
A házi feladat a pótlási időszakban pótolható.
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
Kötelező előtanulmányi rend nincs.
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.