K-INFO
HU
EN
Belépés

Adat- és multimédia-bányászat laboratórium

Data and Multimedia Mining Laboratory
A tantárgyleírás hatályossága
Hatályosság kezdete:
2026. March 21.
Hatályosság vége:
Tantárgy neve (magyarul, angolul)
Adat- és multimédia-bányászat laboratórium
Data and Multimedia Mining Laboratory
Tantárgykód BMEVITMMB02
Tantárgyjelleg
Képzési szint
Kurzustípusok és óraszámok (heti/féléves)
Kurzustípus elmélet gyakorlat laboratóriumi gyakorlat
óraszám (heti) 0 0 3
jelleg (kapcsolt/önálló) önálló
Tanulmányi teljesítmény/értékelés típusa félévközi érdemjegy
Tantárgy kreditértéke 4
Tantárgyfelelős
Szűcs Gábor, PhD
beosztás: adjunktus
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

Arcdetektálás OpenCV használatával: A hallgatók a Viola-Jones arcdetektor használatán keresztül  megtanulják az arcdetektálás részleteit, majd begyakorolják az arcazonosításhoz szükséges algoritmusokat.

Adatelemzési algoritmusok párhuzamosítása: A mérés célja a párhuzamosításai lehetőségek bemutatása néhány algoritmuson, és közelítő párhuzamosítási megoldások használata nem párhuzamosítható algoritmusoknál.

Webes adatok letöltése és feldolgozása OpenRefine eszközzel: A mérés célja olyan Webes adatok elemzése, melyek térképes megjelenítést igényelnek. A hallgatók begyakorolhatják a külső API hívásának használatát, a Google geokódoló szolgáltatást, hogy a címekhez koordinátákat rendelhessenek.

Big Data technológiák hatékonyságának vizsgálata: Hadoop alapú technológia használatával a hallgatók lemérik az egyre nagyobb adathalmazok feldolgozásának hatékonyságát különböző szempontok alapján.

Adattisztítás hatásának bemutatása: A laboratóriumi mérés célja, hogy a hallgatók a különböző területről származó (társadalmi, környezeti, üzleti) adathalmazokban adattisztítást hajtsanak végre.

Facebook adatok elemzése R nyelven: A laboratóriumi mérés célja, hogy a közösségi hálók hálózati elemzését gyakoroltassa be a hallgatókkal R nyelven.

Webes adatvizualizáció: A mérés célja Webes és valós adatokon összefüggések, érdekességek keresése interaktív vizualizációval különböző eszközök (tableau, python, R) segítségével.

Dinamikus idővetemítés technikája a hangelemzésben: A labor során különféle hangmintákon (pl. szinuszos jel, felharmonikusokban gazdag generált jel, hangszer hang, beszédhangok) a hallgatók megvizsgálják a spektrogram különféle változatait, szemléltetve a beszédfelismerési lényegkiemelés egyes fázisait; majd összevetik a lineáris és dinamikus idővetemítés hatékonyságát és elemezik a konfidenciaszámítási lehetőségeket.

Véleményanalízis szövegbányászati megvalósítása: A különböző blogok, mikroblogok, fórumok és közösségi hálókon található vélemények gépi összegzése képezi a laborgyakorlat tárgyát. A hallgatók megtanulják a pozitív, negatív és semleges vélemények besorolási technikáit, lemérik az elérhető pontosságokat.


A laboralkalmak az adat-, szöveg- illetve médiaelemzés technológiái köré szerveződnek, a hallgatók mérnöki problémamegoldó képességét, technológiai ismereteinek bővítését segítik elő. A hallgatók a megismert technológiákat valós adatokon, médiaállományokon tesztelik, ami által azok hatékonyságát, a megoldás erősségeit és gyengeségeit egyaránt megismerik. A labort vezető oktatók az adott területen magas kompetenciával rendelkező, tapasztalt szakemberek. A laborfeladatok folyamatos technológiai aktualizálásával és kurrens problémákkal biztosítjuk, hogy a hallgató mindig az adott témában elérhető vezető technológiával ismerkedjen meg. Az egyes laboralkalmak önállóan értelmezhetők, a mellékspecializáció során elsajátítandó szakmai tartalomhoz kapcsolódnak, de az oktatott tárgyak elvégzése nem feltétele a laboralkalmak sikeres teljesítéséhez.  

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

számítógépes labor gyakorlat

Tanulástámogató anyagok

Online források
A mérések anyagát a bevezető előadás és; a mérési segédletek tartalmazzák.

A tantárgy teljesítéséhez ajánlott előzetes ismeretek

Tudás típusú kompetenciák
(azon előzetes ismeretek összessége, amelyek megléte nem kötelező, de a tantárgy eredményes teljesítését nagyban elősegíti)
Programozási alapismeretek. 
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)
Programozási alapismeretek. 
Általános szabályok
Követelmények: A laborok legalább 70%-án részt kell venni. A laborok minimum 70%-át legalább elégséges szinten teljesíteni kell. Pótlási lehetőségek: Pótlási lehetőség nincs (ld. TVSZ 16. § 1. pontját), viszont az eredmény megállapítása a megtartott ellenőrzések hallgató számára legkedvezőbb (lefelé kerekített) maximum kétharmada alapján történik.
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: A tantárgy csak akkor vehető fel, ha valaki megszerezte az Adatelemzési platformok (VITMMA05) tantárgy kreditjeit.
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.