Adatalapú megoldások

Data Products

A tantárgyleírás hatályossága

Hatályosság kezdete:

2026. March 21.

Hatályosság vége:

—

Tantárgy neve (magyarul, angolul)

Adatalapú megoldások

Data Products

Tantárgykód

BMEVITMBB02

Tantárgyjelleg

—

Képzési szint

—

Kurzustípusok és óraszámok (heti/féléves)

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

Tanulmányi teljesítmény/értékelés típusa

vizsga

Tantárgy kreditértéke

Tantárgyfelelős

DR. Papp Dávid

beosztás: adjunktus

elérhetőség: papp.david@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

Az előadások tematikája:

Előadás anyaga

1. Adatok típusai, alapfogalmak, tipikus felhasználási területek áttekintése

2. Python nyelv eszköztára, adatközpontú csomagjainak megismerése

3. Adatalapú problémák megoldásához szükséges munkafolyamatok

4. Adattáblák kezelése Python-ban, azok leíró és statisztikai információi

5. Adatmanipuláció, adatelőkészítés

6. Különböző forrásból származó adatok integrálásának lehetőségei

7. Egyszerű adatelemzési problémák, bevezetés a prediktív adatelemzési problémákba (osztályozás)

8. Prediktív adatelemzés (regresszió, nem felügyelt tanuló módszerek)

9. Az API-k felhasználásának lehetőségei input és output oldalon

10. Automatikus adatletöltés folyamata

11. Ellenőrző számonkérés

12. Prediktív analitikai megoldások különböző előrejelzési környezetbe integrálása

13. Alapszintű, integrált, adatközpontú megoldások kialakítása és üzemeltetése

14. Adatalapú megoldások a gyakorlatban

A gyakorlatok (laborok) tematikája:

Gyakorlat anyaga

1. Python adatközpontú csomagjai, iPython notebook megismerése

2. Adatbetöltés Pandas csomaggal, Pandas adatstruktúrák

3. Prediktív analitikai feladatok megoldásához használható csomagok megismerése (sklearn)

4. Webes adatletöltésen (web scraping) alapuló megoldás

5. Webes adatletöltésen (web scraping) alapuló megoldás létrehozása csapatmunkában

6. Webes adatletöltésen (web scraping) alapuló megoldás implementálása

7. Egy komplex gépi tanulási megoldás csapatmunkában

8. REST API-kon keresztül működő gépi tanulási megoldás

9. REST API-kon keresztül működő gépi tanulási megoldás létrehozása csapatmunkában

10. REST API-kon keresztül működő gépi tanulási megoldás implementálása

11. Komplex, folyamatos prediktív modellfrissítést végző minialkalmazás megoldása csapatmunkában

12. Egy folyamatos prediktív modellfrissítést végző minialkalmazás

13. Egy folyamatos prediktív modellfrissítést végző minialkalmazás létrehozása csapatmunkában

14. Egy folyamatos prediktív modellfrissítést végző minialkalmazás implementálása

A tantárgy célja a hallgatók megismertetése az adatfókuszú Python nyelv azon eszköztárával, amelynek segítségével megoldhatók tipikus adatközpontú problémák. A sokszínű feladatok között a hallgatók megtanulhatják a szükséges munkafolyamatokat, azaz automatikus adatletöltést, adatok integrálását és áttöltését különböző API-k segítségével (K3), illetve annak a technikáját, hogy hogyan kell a prediktív analitikai megoldásokat különböző előrejelzési környezetbe integrálni (megértés szint: magyarázatok, összefüggések ismerete, esetek felismerése, besorolása - K2). A tárgy elvégzése után a hallgató képes lesz alapszintű, integrált, adatközpontú megoldások kialakítására és üzemeltetésére (alkalmazás szint: problémamegoldás ismeretek alkalmazásával, példák, feladatok önálló megoldása - K3).

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

A tárgy gerincét a gyakorlatok keretében folyó közös mintafejlesztési feladatok adják, melyet a hallgatók csoportokban valósítanak meg.

Tanulástámogató anyagok

Online források

Wes McKinney: Python for Data Analysis: Data Wrangling with Pandas, NumPy, and IPython, O'Reilly Media, Inc., Second Edition, 2017.

A tantárgy teljesítéséhez ajánlott előzetes ismeretek

Tudás típusú kompetenciák

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

adatkezelés, mesterséges intelligencia

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)

adatkezelés, mesterséges intelligencia

Általános szabályok

Követelmények: A szorgalmi időszakban: 1 zárthelyi dolgozat (részteljesítmény értékelés) A félév végi aláírás feltételei: a zárthelyi dolgozat (vagy pót dolgozat) legalább elégséges (40%) megírása és a gyakorlatokon legalább 70%-os részvétel. A vizsgaidőszakban: írásbeli vizsga. A félév során a gyakorlatokhoz kapcsolódó feladatok megoldásával ajánlott vizsgajegy szerezhető. Az osztályzat megállapításának módja: a vizsgán szerzett pontok alapján 85%-tól jeles, 70%-tól jó, 55%-tól közepes, 40%-tól elégséges, alatta elégtelen. Pótlási lehetőségek: Zárthelyi pótlására egy lehetőség van a szorgalmi időszakban és egy lehetőség a pótlási időszakban.

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.