A kurzus áttekinti a főbb adatelemzési modellek és technikák mögött meghúzódó alapvető fogalmakat és elveket. Az olyan leíró technikákat, mint a klaszterezés és a gyakori minták feltárása, részletesebben ismertetik, míg a prediktív technikák esetében a hangsúly elsősorban a modell fogalmain, paraméterein és hiperparaméterein, valamint a modellek minőségén és validálásán van, beleértve a túlillesztést és az alulillesztést, valamint a torzítás–szórás közötti kompromisszumokat. Szó esik továbbá az adatminőségről és az előfeldolgozással kapcsolatos kérdésekről is, különös tekintettel a különböző adattípusokra és modellezési problémákra. A tárgyalt témák részletei:
– Bevezetés a kétváltozós és többváltozós elemzésbe
– Adatvizualizáció és feltáró adatelemzés
– Dimenziócsökkentés és jellemzőválasztás
– Klaszterezés: k-közép, agglomeratív, DBSCAN, klaszter-validálás;
– Gyakori mintázatok bányászata: elemhalmazok, asszociációs szabályok, minőségi mutatók;
– Lineáris osztályozás és regresszió: modell, paraméterek és hiperparaméterek, validálás, túlillesztés–alulillesztés és a torzítás–variancia kompromisszum;
https://neptun.elte.hu/MobilityCourses?Faculty=&Programme=&AcademicTerm=&Published=&SearchText=Introduction+to+data+science
A kurzus végén a hallgató képes lesz kétváltozós és többváltozós elemzési technikákat alkalmazni, adatvizualizációt és feltáró adatelemzést használni adatkészletek vizsgálatához, dimenziócsökkentési és jellemzőválasztási módszereket kiválasztani, klaszterezési algoritmusokat megvalósítani és validálni, gyakori elemek halmazait és asszociációs szabályokat felfedezni és értékelni, valamint lineáris osztályozási és regressziós modelleket kidolgozni, finomítani és validálni, miközben figyelembe veszi a túlillesztést, az alulillesztést és a torzítás–variancia kompromisszumot.
A hallgatóktól elvárjuk, hogy rendelkezzenek alapvető ismeretekkel a statisztika, a lineáris algebra és a programozás területén, valamint hogy már ismerjék az adatkezelést és a gépi tanulás alapvető fogalmait.
– Peter Flach (2012). Gépi tanulás: Az adatok értelmezését szolgáló algoritmusok művészete és tudománya. Cambridge University Press.
– Jiawei Han, Micheline Kamber, Jian Pei (2011). Adatbányászat: Fogalmak és technikák. Morgan Kaufmann.
– Pang-Ning Tan, Michael Steinbach, Vipin Kumar (2005). Bevezetés az adatbányászatba. Addison Wesley.
A kurzus előadásokat, gyakorlati laborfoglalkozásokat, irányított gyakorlatokat, esettanulmányokat és projektalapú tanulást ötvöz. Az előadások bemutatják az adatelemzés és a gépi tanulási módszerek elméleti alapjait, míg a laborfoglalkozások során a hallgatók megfelelő szoftvereszközök segítségével alkalmazhatják ezeket a technikákat valós vagy szimulált adatkészletekre. A hallgatók egyénileg és csoportokban dolgoznak majd az analitikai problémák megoldásán, az eredmények értelmezésén és a modellek teljesítményének értékelésén. A kurzus keretében vitafórumok, bemutatók és visszajelzési foglalkozások is szerepelnek a kritikus gondolkodás és a gyakorlati készségek fejlesztésének támogatása érdekében.
Tanulmányi eredményekről szóló igazolás