Adatelemzési szoftverek

Data Analysis Tools

A tantárgyleírás hatályossága

Hatályosság kezdete:

2026. March 21.

Hatályosság vége:

—

Tantárgy neve (magyarul, angolul)

Adatelemzési szoftverek

Data Analysis Tools

Tantárgykód

BMEVITMBB03

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

Lukovszki Csaba

elérhetőség: lukovszki.csaba@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	Előadás anyaga
1.	Adatelemzési alapok, adatelemzési referencia modell.
2.	Az adatbányászat és adatelemzés feladatai. Deszkriptív és prediktív megközelítések.
3.	Adatelemzési eszközök jellemzői, elemzési képességei, felépítésük.
4.	Adatelőkészítési feladatok megoldása
5.	Gépi tanulási alapfeladatok megoldása: osztályozás, felhasználható algoritmikai eszköztár, visszamérési technikák: megfelelő üzleti és matematikai kiértékelők összepárosítása
6.	Fejlett osztályozási módszerek: meta tanulók, együttes osztályozók használata.
7.	Gépi tanulási alapfeladatok megoldása: regresszió, felhasználható algoritmikai eszköztár, visszamérési technikák: megfelelő üzleti és matematikai kiértékelők összepárosítása
8.	Gépi tanulási alapfeladatok megoldása: klaszterezés, felhasználható algoritmikai eszköztár, visszamérési technikák: megfelelő üzleti és matematikai kiértékelők összepárosítása
9.	Gépi tanulási alapfeladatok megoldása: anomáliadetekció, felhasználható algoritmikai eszköztár, visszamérési technikák: megfelelő üzleti és matematikai kiértékelők összepárosítása
10.	Adatvizualizációs megoldások
11.	Modellek eredményének interpretálása
12.	Idősoros adatok feldolgozása, predikció idősoros adatok esetén
13.	Szövegelemzési feladatok jellegzetességei, kezelésük. Adatfolyamok elemzése.
14.	Valós esettanulmányok bemutatása

A gyakorlatok (laborok) tematikája:

Gyakorlat	Gyakorlat anyaga
1.	Elemző eszköz alapjainak megismerése, feltáró adatelemzés
2.	Adatelőkészítési feladatok megoldása a prediktív modellek hatékonyságának növelése céljából
3.	Regressziós technikák használata használt termékek árainak előrejelzésére
4.	Regressziós technikák használata használt termékek árainak előrejelzésére (folytatás)
5.	Hitelbírálati feladat megoldása
6.	Hitelbírálati feladat megoldása (folytatás)
7.	Kampányoptimalizációs feladat megoldása
8.	Kampányoptimalizációs feladat megoldása (folytatás)
9.	Távközlési ügyfelek szegmentációja
10.	Szegmentációs modellek kiértékelése
11.	Adatvizualizációs gyakorlat
12.	Paraméteroptimalizáció
13.	Modellek interpretálásának gyakorlati aspektusai
14.	Komplex prediktív szolgáltatások létrehozása, a létrehozott megoldások üzleti folyamatokba illesztése

A tantárgy célja, hogy a gépi tanulási feladatok megoldásához szükséges alapvető adatelőkészítési és modellezési feladatokat megismertesse a hallgatókkal (megértés szint (magyarázatok, összefüggések ismerete, esetek felismerése, besorolása - K2). A hallgatók egy felhasználói felületen keresztül, adatfolyam elvű szoftver használatán keresztül ismerhetik meg az adatelemzés alapszintű megoldásait, ily módon kaphatnak rálátást az egyes komponensekből felépíthető komplex megoldások felépítésére (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

Az előadásokon módszereket és az ezekhez tartozó kezelési és megoldási lehetőségeket ismertetjük, a gyakorlatokon jellegzetes, életszerű feladatokat oldanak meg a hallgatók.

Tanulástámogató anyagok

Online források

Dr. Abonyi János: Adatbányászat a hatékonyság; eszköze, Compterbooks, 2006.; Hastie, Trevor, Tibshirani, Robert, Friedman, Jerome:; The Elements of Statistical Learning. Data Mining, Inference, and Prediction,; Second Edition, Springer, 2009.; Pang-Ning Tan, Michael Steinbach, Vipin Kumar:; Bevezetés az adatbányászatba, Panem, 2011.

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

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

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. 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 díjköteles 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.