Adatbányászati technológiák - Laptörténet

Nagy Marcell: Hibás adatlap javítása (a tárgykódba nem lehet BME)

2018-01-28T17:52:51Z

Hibás adatlap javítása (a tárgykódba nem lehet BME)

← Régebbi változat		A lap 2018. január 28., 19:52-kori változata
1. sor:		1. sor:
	{{Tantárgy		{{Tantárgy
	\| név = Adatbányászati technológiák		\| név = Adatbányászati technológiák
	\| tárgykód = ~~BMEVITMAV67~~		\| tárgykód = VITMAV67
	\| szak =		\| szak =
	\| kredit = 4		\| kredit = 4

Szirányi Levente István, 2014. szeptember 11., 10:52-n

2014-09-11T10:52:14Z

← Régebbi változat		A lap 2014. szeptember 11., 12:52-kori változata
1. sor:		1. sor:
			{{Tantárgy
			\| név = Adatbányászati technológiák
			\| tárgykód = BMEVITMAV67
			\| szak =
			\| kredit = 4
			\| félév =
			\| kereszt =
			\| tanszék = TMIT
			\| jelenlét = nincs
			\| minmunka =
			\| labor =
			\| hf = 2 kisebb feladat
			\| vizsga = 1 nagy házifeladat
			\| levlista =
			\| tad =
			\| tárgyhonlap =
			}}
	[[Adatbányászati technológiák - Jegyzet]]		[[Adatbányászati technológiák - Jegyzet]]

Szikszay László, 2014. szeptember 3., 19:01-n

2014-09-03T19:01:13Z

← Régebbi változat		A lap 2014. szeptember 3., 21:01-kori változata
1. sor:		1. sor:
	~~{{GlobalTemplate\|Valaszthato\|AdatbanyaszatiTechnologiakTMIT}}~~

	[[Adatbányászati technológiák - Jegyzet]]		[[Adatbányászati technológiák - Jegyzet]]

	A következő félévben (2008/2009. őszi félév) indul egy új tárgy, amelyet Gáspár-Papanek Csaba tart, akit az [[~~AdatbanyaszatAlkalm\|~~Adatbányászati alkalmazások]] tárgyról már ismerhetnek néhányan. Ezen új tárgy keretében adatbányászati és elemzési feladatokat ismerhettek meg testközelből, megtanulhatjátok hogyan használjátok a világ elemző szoftvereit valós üzleti problémák megoldására.		A következő félévben (2008/2009. őszi félév) indul egy új tárgy, amelyet Gáspár-Papanek Csaba tart, akit az [[Adatbányászati alkalmazások]] tárgyról már ismerhetnek néhányan. Ezen új tárgy keretében adatbányászati és elemzési feladatokat ismerhettek meg testközelből, megtanulhatjátok hogyan használjátok a világ elemző szoftvereit valós üzleti problémák megoldására.

	Bővebb információk:		Bővebb információk:
	* [http://adatbanyaszat.tmit.bme.hu/twiki/bin/view/Targyak/AdatbanyaszatiTechnologiak2008 Tárgy lapja]		* [https://www.vik.bme.hu/kepzes/targyak/VITMAV67/ A tárgy adatlapja]
	* [https://www.vik.bme.hu/kepzes/targyak/VITMAV67~~/print~~/ A tárgy adatlapja]

	==Vélemények==		==Vélemények==
34. sor:		31. sor:
	'''''Címszavak: adatbányászat, big data, prediktív analitika, osztályozás, klaszterezés, regresszió, gépi tanulás, adatmodell'''''		'''''Címszavak: adatbányászat, big data, prediktív analitika, osztályozás, klaszterezés, regresszió, gépi tanulás, adatmodell'''''

	===Zsuzsa 2008.===		===Zsuzsa 2008===
	-====Általában====		====Általában====
	A tárgy során 3-4 adatbányászati szoftverrel, és a nagyobb adatbányászati feladatokkal ismerkedhetsz meg. Ha bármikor is szeretnél statisztikával, adatbányászattal foglalkozni a munkád során, az itt megismert szoftverek közül legalább egyel biztosan fogsz találkozni. A tárgy nem ad a szoftverek működésébe mély betekintést, mivel ehhez kevés egy félév, de ha ezután szembekerülsz egy adatbányászati, statisztikai feladattal, el tudod majd dönteni, hogy melyiket érdemes használni. Nekem személy szerint is jól jött a munkahelyemen, hogy ismertem egy szabad felhasználású szoftvert is, mert ennek hatására a cég is ilyen irányban mozdult el egyes projektekben.		A tárgy során 3-4 adatbányászati szoftverrel, és a nagyobb adatbányászati feladatokkal ismerkedhetsz meg. Ha bármikor is szeretnél statisztikával, adatbányászattal foglalkozni a munkád során, az itt megismert szoftverek közül legalább egyel biztosan fogsz találkozni. A tárgy nem ad a szoftverek működésébe mély betekintést, mivel ehhez kevés egy félév, de ha ezután szembekerülsz egy adatbányászati, statisztikai feladattal, el tudod majd dönteni, hogy melyiket érdemes használni. Nekem személy szerint is jól jött a munkahelyemen, hogy ismertem egy szabad felhasználású szoftvert is, mert ennek hatására a cég is ilyen irányban mozdult el egyes projektekben.

	-====Számonkérések====		====Számonkérések====
	Van minden szoftver ismertetése után egy házi, ami nem túl nehéz, a gyakorlatok alapján egyszerű megcsinálni. Ha megcsinálod a házikat, részt veszel egy létraversenyen is, ami a vizsgánál jelent könnyebbséget. A vizsga szintén egy gyakorlati feladat, amit már egy általad választott szoftverrel oldhatsz meg.		Van minden szoftver ismertetése után egy házi, ami nem túl nehéz, a gyakorlatok alapján egyszerű megcsinálni. Ha megcsinálod a házikat, részt veszel egy létraversenyen is, ami a vizsgánál jelent könnyebbséget. A vizsga szintén egy gyakorlati feladat, amit már egy általad választott szoftverrel oldhatsz meg.

	Összességében a tárgy nem nehéz, megmutatja az egyes szoftverek előnyeit, hátrányait, alkalmazhatóságukat.		Összességében a tárgy nem nehéz, megmutatja az egyes szoftverek előnyeit, hátrányait, alkalmazhatóságukat.
56. sor:		53. sor:

	-- [[HidasiBalazs\|H.Balázs]] - 2009.09.03.		-- [[HidasiBalazs\|H.Balázs]] - 2009.09.03.

	~~%META:FORM{name="ValaszthatoForm"}%~~
	~~%META:FIELD{name="Trgy" title="Tárgy" value="Adatbányászati technológiák"}%~~
	~~%META:FIELD{name="Trgykd" title="Tárgykód" value="VITMAV67 "}%~~
	~~%META:FIELD{name="Tanszk" title="Tanszék" value="TMIT"}%~~
	~~%META:FIELD{name="Elad" title="Előadó" value="Gáspár-Papanek Csaba et al."}%~~
	~~%META:FIELD{name="Kreditszm" title="Kreditszám" value="4"}%~~
	~~%META:FIELD{name="raszm" title="Óraszám" value="4"}%~~
	~~%META:FIELD{name="Flv" title="Félév" value="őszi"}%~~
	~~%META:FIELD{name="Terlet" title="Terület" value="Alkalmazói ismeretek"}%~~
	~~%META:FIELD{name="raijelenlt" title="Órai jelenlét" value="ajánlott"}%~~
	~~%META:FIELD{name="Jegy" title="Jegy" value="zh , kis házik "}%~~
	~~%META:FIELD{name="Elvrtmin.munka" title="Elvárt min. munka" value=""}%~~
	~~%META:FIELD{name="Minimumrajrjegy" title="Minimumra járó jegy" value=""}%~~
	~~%META:FIELD{name="Elvrtmax.munka" title="Elvárt max. munka" value=""}%~~
	~~%META:FIELD{name="Munkrajrjegy" title="Munkára járó jegy" value=""}%~~

	[[Category:Valaszthato]]		[[Category:Valaszthato]]

Szirányi Levente István: /* Ajánlás */

2014-09-02T09:29:46Z

Ajánlás

← Régebbi változat		A lap 2014. szeptember 2., 11:29-kori változata
16. sor:		16. sor:
	Többek között ezekre a kérdésekre kapunk választ a kurzus során. Az anyag az alapoktól indul, és jól követhetően, fokozatosan mélyül el a félév során,<br />		Többek között ezekre a kérdésekre kapunk választ a kurzus során. Az anyag az alapoktól indul, és jól követhetően, fokozatosan mélyül el a félév során,<br />
	ezért azok számára is ajánlott a tárgy, akik először hallanak az adatbányászat fogalmáról. Aki a programozástól fél, annak sem kell aggódnia :)<br />		ezért azok számára is ajánlott a tárgy, akik először hallanak az adatbányászat fogalmáról. Aki a programozástól fél, annak sem kell aggódnia :)<br />
	Az oktatók fiatalok, lelkesek és segítőkészek. Bátran lehet tőlük kérdezni!		Az oktatók fiatalok, lelkesek és segítőkészek. Bátran lehet tőlük kérdezni!<br />
			Teljesíthetőség: [[File:four-stars_img_2014-09-02.jpg\|90px]]

	==== Szoftverek ====		==== Szoftverek ====

Szirányi Levente István: /* Követelmények */

2014-09-02T09:17:25Z

Követelmények

← Régebbi változat		A lap 2014. szeptember 2., 11:17-kori változata
27. sor:		27. sor:
	* Szorgalmi időszak: 2 házi (különböző szoftverekkel)		* Szorgalmi időszak: 2 házi (különböző szoftverekkel)
	* Vizsgaidőszak: 1 nagyobb házi (tetszőleges szoftverrel)		* Vizsgaidőszak: 1 nagyobb házi (tetszőleges szoftverrel)
			A házi egy-egy adatelemzős és modellezős feladat, amelyet a gyakorlatokon való részvétel nagyban segít.<br />
			Az eredményekhez néhány oldalas jegyzőkönyvet kell készíteni, ezzel együtt a kisházik elkészítése kb. 3,<br />
			a nagyházi elkészítése kb. 5 ''laza'' nap. És mint mindig: ne hagyjátok az utolsó napokra! ;)

	'''''Címszavak: adatbányászat, big data, prediktív analitika, osztályozás, klaszterezés, regresszió, gépi tanulás, adatmodell'''''		'''''Címszavak: adatbányászat, big data, prediktív analitika, osztályozás, klaszterezés, regresszió, gépi tanulás, adatmodell'''''

	===Zsuzsa 2008.===		===Zsuzsa 2008.===

Szirányi Levente István: /* Vélemények */

2014-09-02T09:07:47Z

Vélemények

← Régebbi változat		A lap 2014. szeptember 2., 11:07-kori változata
15. sor:		15. sor:
	''Mit kezd a Google azzal a halom adattal? Hogyan becsülhető meg a jövő a múltból? Hogyan működnek a webes ajánlórendszerek (pl. Amazon.com-on)?''<br />		''Mit kezd a Google azzal a halom adattal? Hogyan becsülhető meg a jövő a múltból? Hogyan működnek a webes ajánlórendszerek (pl. Amazon.com-on)?''<br />
	Többek között ezekre a kérdésekre kapunk választ a kurzus során. Az anyag az alapoktól indul, és jól követhetően, fokozatosan mélyül el a félév során,<br />		Többek között ezekre a kérdésekre kapunk választ a kurzus során. Az anyag az alapoktól indul, és jól követhetően, fokozatosan mélyül el a félév során,<br />
	ezért azok számára is ajánlott a tárgy, akik először hallanak az adatbányászat fogalmáról. Aki a programozástól fél, annak sem kell aggódnia :)		ezért azok számára is ajánlott a tárgy, akik először hallanak az adatbányászat fogalmáról. Aki a programozástól fél, annak sem kell aggódnia :)<br />
	Az oktatók fiatalok, lelkesek és segítőkészek. Bátran lehet tőlük kérdezni!		Az oktatók fiatalok, lelkesek és segítőkészek. Bátran lehet tőlük kérdezni!

Szirányi Levente István: /* Ajánlás */

2014-09-02T09:07:24Z

Ajánlás

← Régebbi változat		A lap 2014. szeptember 2., 11:07-kori változata
16. sor:		16. sor:
	Többek között ezekre a kérdésekre kapunk választ a kurzus során. Az anyag az alapoktól indul, és jól követhetően, fokozatosan mélyül el a félév során,<br />		Többek között ezekre a kérdésekre kapunk választ a kurzus során. Az anyag az alapoktól indul, és jól követhetően, fokozatosan mélyül el a félév során,<br />
	ezért azok számára is ajánlott a tárgy, akik először hallanak az adatbányászat fogalmáról. Aki a programozástól fél, annak sem kell aggódnia :)		ezért azok számára is ajánlott a tárgy, akik először hallanak az adatbányászat fogalmáról. Aki a programozástól fél, annak sem kell aggódnia :)
			Az oktatók fiatalok, lelkesek és segítőkészek. Bátran lehet tőlük kérdezni!

	==== Szoftverek ====		==== Szoftverek ====
	* RapidMiner		* RapidMiner

Szirányi Levente István, 2014. szeptember 2., 09:04-n

2014-09-02T09:04:23Z

← Régebbi változat		A lap 2014. szeptember 2., 11:04-kori változata
10. sor:		10. sor:

	==Vélemények==		==Vélemények==

			=== Levente 2013/2014 ===
			==== Ajánlás ====
			''Mit kezd a Google azzal a halom adattal? Hogyan becsülhető meg a jövő a múltból? Hogyan működnek a webes ajánlórendszerek (pl. Amazon.com-on)?''<br />
			Többek között ezekre a kérdésekre kapunk választ a kurzus során. Az anyag az alapoktól indul, és jól követhetően, fokozatosan mélyül el a félév során,<br />
			ezért azok számára is ajánlott a tárgy, akik először hallanak az adatbányászat fogalmáról. Aki a programozástól fél, annak sem kell aggódnia :)
			==== Szoftverek ====
			* RapidMiner
			* SAS Enterprise Miner
			* SAS Enterprise Guide
			* SPSS Modeler (Clementine)
			==== Követelmények ====
			* Katalógus: nincs, de erősen ajánlott bejárni
			* Szorgalmi időszak: 2 házi (különböző szoftverekkel)
			* Vizsgaidőszak: 1 nagyobb házi (tetszőleges szoftverrel)

			'''''Címszavak: adatbányászat, big data, prediktív analitika, osztályozás, klaszterezés, regresszió, gépi tanulás, adatmodell'''''

	===Zsuzsa 2008.===		===Zsuzsa 2008.===

David14, 2013. február 5., 21:27-n

2013-02-05T21:27:19Z

← Régebbi változat		A lap 2013. február 5., 23:27-kori változata
1. sor:		1. sor:
	{{GlobalTemplate\|Valaszthato\|AdatbanyaszatiTechnologiakTMIT}}		{{GlobalTemplate\|Valaszthato\|AdatbanyaszatiTechnologiakTMIT}}

			[[Adatbányászati technológiák - Jegyzet]]

	A következő félévben (2008/2009. őszi félév) indul egy új tárgy, amelyet Gáspár-Papanek Csaba tart, akit az [[AdatbanyaszatAlkalm\|Adatbányászati alkalmazások]] tárgyról már ismerhetnek néhányan. Ezen új tárgy keretében adatbányászati és elemzési feladatokat ismerhettek meg testközelből, megtanulhatjátok hogyan használjátok a világ elemző szoftvereit valós üzleti problémák megoldására.		A következő félévben (2008/2009. őszi félév) indul egy új tárgy, amelyet Gáspár-Papanek Csaba tart, akit az [[AdatbanyaszatAlkalm\|Adatbányászati alkalmazások]] tárgyról már ismerhetnek néhányan. Ezen új tárgy keretében adatbányászati és elemzési feladatokat ismerhettek meg testközelből, megtanulhatjátok hogyan használjátok a világ elemző szoftvereit valós üzleti problémák megoldására.

Unknown user: Új oldal, tartalma: „{{GlobalTemplate|Valaszthato|AdatbanyaszatiTechnologiakTMIT}} A következő félévben (2008/2009. őszi félév) indul egy új tárgy, amelyet Gáspár-Papanek Csaba…”

2012-10-22T11:36:26Z

Új oldal, tartalma: „{{GlobalTemplate|Valaszthato|AdatbanyaszatiTechnologiakTMIT}} A következő félévben (2008/2009. őszi félév) indul egy új tárgy, amelyet Gáspár-Papanek Csaba…”

Új lap

{{GlobalTemplate|Valaszthato|AdatbanyaszatiTechnologiakTMIT}}

A következő félévben (2008/2009. őszi félév) indul egy új tárgy, amelyet Gáspár-Papanek Csaba tart, akit az [[AdatbanyaszatAlkalm|Adatbányászati alkalmazások]] tárgyról már ismerhetnek néhányan. Ezen új tárgy keretében adatbányászati és elemzési feladatokat ismerhettek meg testközelből, megtanulhatjátok hogyan használjátok a világ elemző szoftvereit valós üzleti problémák megoldására.

Bővebb információk:
* [http://adatbanyaszat.tmit.bme.hu/twiki/bin/view/Targyak/AdatbanyaszatiTechnologiak2008 Tárgy lapja]
* [https://www.vik.bme.hu/kepzes/targyak/VITMAV67/print/ A tárgy adatlapja]

==Vélemények==

===Zsuzsa 2008.===
-====Általában====
A tárgy során 3-4 adatbányászati szoftverrel, és a nagyobb adatbányászati feladatokkal ismerkedhetsz meg. Ha bármikor is szeretnél statisztikával, adatbányászattal foglalkozni a munkád során, az itt megismert szoftverek közül legalább egyel biztosan fogsz találkozni. A tárgy nem ad a szoftverek működésébe mély betekintést, mivel ehhez kevés egy félév, de ha ezután szembekerülsz egy adatbányászati, statisztikai feladattal, el tudod majd dönteni, hogy melyiket érdemes használni. Nekem személy szerint is jól jött a munkahelyemen, hogy ismertem egy szabad felhasználású szoftvert is, mert ennek hatására a cég is ilyen irányban mozdult el egyes projektekben.

-====Számonkérések====
Van minden szoftver ismertetése után egy házi, ami nem túl nehéz, a gyakorlatok alapján egyszerű megcsinálni. Ha megcsinálod a házikat, részt veszel egy létraversenyen is, ami a vizsgánál jelent könnyebbséget. A vizsga szintén egy gyakorlati feladat, amit már egy általad választott szoftverrel oldhatsz meg.

Összességében a tárgy nem nehéz, megmutatja az egyes szoftverek előnyeit, hátrányait, alkalmazhatóságukat.

-- [[HuczmanZsuzsanna|Zsuzsa]] - 2009.09.03.

===H.Balázs 2008/2009/ősz===
A tárgy valódi adatbányászati problémák megoldásán keresztül mutatja be a legelterjedtebb adatbányászati szoftvereket. Ezek a 2008/2009 őszi félévben (sorrendben) az SPSS Clementine, a SAS Enterprise Miner, az Oracle Date Miner és a RapidMiner voltak. Az időbeli keretek miatt persze csak a szoftverek alapjait lehetett megismerni, de ez bőven elég az egyszerűbb feladatok megoldásához, illetve a későbbi egyéni továbbtanuláshoz. 
A tárgy maga úgy épült fel, hogy minden héten volt egy előadás és (az első és utolsó hét kivételével) egy laboratóriumi gyakorlat. Az előadásokon nem volt kötelező a részvétel, de aki bejárt, többet megtudhatott az egyes szoftverek mögött meghúzódó elvekről, azok felépítéséről, néha érdekes anekdoták is előfordultak:) A laborokon kötelező volt a jelenlét (azaz a TVSZ szerinti 70%-ot kellett teljesíteni), itt az aktuális laborvezető utasításai alapján megismerhettük a szoftvereket. 
A félév - mint azt már írtam - négy részre volt osztva a négy szoftver szerint és minden egyes ilyen blokkot egy kisHF zárt. Ezek megoldására néhány hetet kaptunk, de a legtöbb egy délután alatt igényesen megoldható volt. A megoldások automatikusan indultak egy létraversenyen, és a jó helyezések plusszokat jelentettek a vizsgán. 
ZH nem volt, az előadásokon leadott anyagot semmilyen formában nem kérték számon (de sokat segít(het) a szoftverek mögötti logika megértésében). 
NagyHF-ként 8 feladat közül lehetett kiválasztani a szimpatikusat, a megoldáshoz használt szoftver is bármelyik lehetett a négy közül (akár többet is fel lehetett használni). Ezek a feladatok kicsit nehezebbek voltak a kisfeladatoknál, de két délután alatt bőven megoldhatóak voltak. A "vizsga" (elővizsga volt az utolsó labor időpontjában) igazából a nagyHF megoldás ismertetése/megvédése volt (ha elmondtad, hogy mit miért csináltál, és nem követtél el szarvashibát a megoldás során, akkor egy 5-10 perces beszélgetés után megkaptad az ötöst). A végleges jegy a (kisHF-ek átlaga + nagyHF)/2 képlet szerint adódott. 
Az oktatók rendesek és segítőkészek voltak, és a tárgy is könnyen teljesíthető. Ettől függetlenül én azt javaslom, hogy akkor vedd fel a tárgyat, ha már van valami fogalmad arról, hogy mivel foglalkozik az adatbányászat (nem szükséges hozzá elvégezni persze sem az Adatbányászati alkalmazások, se az Adatbányászati algoritmusok tárgyat, de egy kicsit érdemes utána nézni, hogy mi is ez az egész (neten, könyvekben)). Ezt azért gondolom így, mert bár az előadásokon elhangzanak a főbb adatbányászati feladatok és néhány alkalmazási terület, de több hallgatón is láttam, hogy bár meg tudta csinálni az adott feladatot, nem igazán értette, hogy miért csinálja. Úgy pedig nem sok értelme van... 
Hogy legyen valami negatívum is: amikor én végeztem a tárgyat, nem sikerült megállapodni a SAS-sal, hogy a hallgatóknak adjon licence-et az Enterprise Minerhez, ezért ezt otthon nem lehetett telepíteni (többen keresték, de torrenten sem volt fent:) ), így a kisfeladatot is csak a laborban lehetett megoldani (igaz nagyon rugalmasan, lényegében akkor ülhettél be, amikor akartál). Remélhetőleg ezt a problémát azóta orvosolták. 
Összességében könnyen teljesíthető és érdekes tárgy. Ajánlom mindazoknak, akik érdeklődnek a téma iránt, azoknak, akik pedig adatbányászattal akarnak foglalkozni a jövőben szinte kötelező:)

-- [[HidasiBalazs|H.Balázs]] - 2009.09.03.

%META:FORM{name="ValaszthatoForm"}%
%META:FIELD{name="Trgy" title="Tárgy" value="Adatbányászati technológiák"}%
%META:FIELD{name="Trgykd" title="Tárgykód" value="VITMAV67 "}%
%META:FIELD{name="Tanszk" title="Tanszék" value="TMIT"}%
%META:FIELD{name="Elad" title="Előadó" value="Gáspár-Papanek Csaba et al."}%
%META:FIELD{name="Kreditszm" title="Kreditszám" value="4"}%
%META:FIELD{name="raszm" title="Óraszám" value="4"}%
%META:FIELD{name="Flv" title="Félév" value="őszi"}%
%META:FIELD{name="Terlet" title="Terület" value="Alkalmazói ismeretek"}%
%META:FIELD{name="raijelenlt" title="Órai jelenlét" value="ajánlott"}%
%META:FIELD{name="Jegy" title="Jegy" value="zh , kis házik "}%
%META:FIELD{name="Elvrtmin.munka" title="Elvárt min. munka" value=""}%
%META:FIELD{name="Minimumrajrjegy" title="Minimumra járó jegy" value=""}%
%META:FIELD{name="Elvrtmax.munka" title="Elvárt max. munka" value=""}%
%META:FIELD{name="Munkrajrjegy" title="Munkára járó jegy" value=""}%

[[Category:Valaszthato]]