Tantárgy » BMEVITMMSMA002-00
Adattudomány alkalmazása strukturált és szöveges adatokon
Data Science on Structured and Textual Data
A tantárgyleírás hatályossága
Hatályosság kezdete:
—
Hatályosság vége:
—
| Tantárgy neve (magyarul, angolul) |
Adattudomány alkalmazása strukturált és szöveges adatokon
Data Science on Structured and Textual Data
|
||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Tantárgykód | BMEVITMMSMA002-00 | ||||||||||||
| Tantárgyjelleg | — | ||||||||||||
| Képzési szint | — | ||||||||||||
| Kurzustípusok és óraszámok (heti/féléves) |
|
||||||||||||
| Tanulmányi teljesítmény/értékelés típusa | vizsga | ||||||||||||
| Tantárgy kreditértéke | 5 | ||||||||||||
| Tantárgyfelelős |
Szűcs Gábor, PhD
beosztás: adjunktus
elérhetőség:
szucs.gabor@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
- Time series analysis: forecasting and classification (with deep learning methods). Hierarchical time series forecasting. Independent forecasting models. Making predictions coherent. Reconciliation methods.
- Scalable time series analysis. Approximate reconciliation methods for large data sets.
- Hierarchical classification. Multiclass and multilabel classification.
- Multiclass problems with binary classifiers: Error-Correcting Output Codes. Ensemble methods.
- Recommender systems. Content-based filtering, Collaborative filtering methods. Graph-based models for recommender systems.
- Specifics of testing recommender systems. Evaluation techniques.
- What geometry tells us about language. Practical tour of word embeddings (skip-gram, CBOW, GloVe). Cosine similarity, linear analogy offsets, and bias subspaces. Cultural bias with WEAT (Word Embedding Association Test). Domain adaptation via embedding fine-tuning. Vector drift. Analogy-based retrieval engine.
Train skip-gram on a Wikipedia subset. Run WEAT to detect and debias gender stereotypes Fine-tune on a biomedical corpus (e.g. PubMed) to measure semantic shift for ambiguous terms.
- When LLMs disagree — using ensemble uncertainty for trustworthy inference.
Majority-vote ensemble for high-stakes classification. Condorcet jury theorem.
Self-consistency sampling for calibration. Ground-truth free reliability signal
Human-in-the-loop triage via uncertainty flags.
- Train three local open-weight models (Llama, Mistral, Qwen) via Ollama. Implement plurality voting, self-consistency calibration on datasets like MedQA and GSM8K. Build a selective-prediction pipeline that trades coverage for accuracy with an explicit cost model.
- Adversarial manipulation of RAG (Retrieval-Augmented Generation) and LLM pipelines
Prompt injection. PoisonedRAG. Indirect prompt injection via external content
Defence: Detection and mitigation. Perplexity-based and query-rewriting defences.
Input classifiers, spotlighting, LLM-as-critic, instruction hierarchy. Output flip.
(Web-RAG: from raw text data to structured data)
- Build a minimal RAG system with LangChain and Chroma. Inject poisoned passages and measure attack success rate. Implement perplexity-based and query-rewriting defences and compare direct versus indirect injection against a naive and a hardened pipeline.
- Change detection in classification tasks. Continuous machine learning, Class-Incremental-Learning
Exercises:
1. Using time series reconciliation methods on real datasets
2. Classification tasks on hierarchically labeled datasets
3. Collaborative filtering in recommender systems
4. Practice on different word embeddings
5. Implement plurality voting, self-consistency calibration on datasets
6. Build a minimal RAG system with LangChain and Chroma
7. Change detection in machine learning tasks
The goal is to comprehensively understand and apply data science techniques across diverse data types, including structured, unstructured, textual, time series, and multimodal data, by data preprocessing, transformation, and modeling methods. The course enables learners to effectively analyze complex datasets and develop intelligent systems across various domains. The obtained knowledge encompasses a broad and interdisciplinary understanding of data science, including large language models.
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
lecture and practice
Tanulástámogató anyagok
Nincs megadva.
A tantárgy teljesítéséhez ajánlott előzetes ismeretek
Tudás típusú kompetenciák
(azon előzetes ismeretek összessége, amelyek megléte nem kötelező, de a tantárgy eredményes teljesítését nagyban elősegíti)
statistics, data analysis, machine learning
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)
statistics, data analysis, machine learning
Általános szabályok
Nincs megadva általános szabály.
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.