„Adatalapú megoldások” változatai közötti eltérés

(24 közbenső módosítás ugyanattól a felhasználótól nincs mutatva)

11. sor:

|nagyzh=1 db

|hf=nincs

|vizsga=~~írásbeli~~

|vizsga=szóbeli

|tad=https://portal.vik.bme.hu/kepzes/targyak/VITMBB02/

|targyhonlap=

|levlista= }}

~~{{TODO BProf}}~~

A tantárgy célja a hallgatók megismertetése az adatfókuszú Python nyelv azon eszköztárával, amelynek segítségével megoldhatók tipikus adatközpontú problémák. A sokszínű feladatok között a hallgatók megtanulhatják a szükséges munkafolyamatokat, azaz automatikus adatletöltést, adatok integrálását és áttöltését különböző API-k segítségével, illetve annak a technikáját, hogy hogyan kell a prediktív analitikai megoldásokat különböző előrejelzési környezetbe integrálni. A tárgy elvégzése után a hallgató képes lesz alapszintű, integrált, adatközpontú megoldások kialakítására és üzemeltetésére.

32. sor:

29. sor:

**Önálló feladatmegoldás gépen

**GO/NO GO

**Nem lehet őket pótolni.

*Általában úgy van, hogy a numpy-t és a pandas-t egyszerre íratják meg, majd a gépi tanulás és vizualizáció részt is. Mindkettő esetén az értékelés viszont külön zajlik: tehát, ha pl. a numpy teszted sikerült, de a pandas nem, attól még az 1 pontot megkapod a numpy részre.

* Kiselőadás 8. héten = 1 db teljesített gyakorlati teszt

**[[Media:AM_2022_pres_updated.pdf | 2022-es kiselőadás témák]]

* '''Megajánlott jegy:''' (0,6 * ZH_jegy + 0,4 * teljesített_tesztek_száma >= 3,5)

*'''Pótlási lehetőségek:'''

**A '''ZH''' szorgalmi időszakban pótolható.

**Van '''PPZH''' is.

=== A vizsgaidőszakban ===

45. sor:

46. sor:

== Tematika ==

[https://www.anaconda.com/products/distribution Anaconda] és Jupyter Notebook szükséges.

* 2022

** 1.: Bevezetés, IPython és Python alapok

65. sor:

68. sor:

***[[Media:Validáció.zip | validáció]]

***[[Media:Jellemzőtervezés.zip | jellemzőtervezés]]

***[[Media:DontesiFak_OsztalyozasiKiertekelesek (1).pdf | döntési fák]]

***[[Media:DontesiFak_OsztalyozasiKiertekelesek (1).pdf | döntési fák]] - Ezt az anyagrészt Szűcs Gábor adta elő.

***[[Media:Osztályozás.zip | osztályozás]]

** 6.: Vizualizáció

72. sor:

75. sor:

== ZH ==

Elméleti ~~és gyakorlati~~ és gyakorlati kérdések vegyesen.

*Elméleti és gyakorlati kérdések vegyesen.

*Papíralapú és feleletválasztós. (Tehát a tárgy elvégzéséhez nem feltétlenül szükséges az, hogy legyen laptopod.)

~~== Vizsga ==~~

*Rossz válasz esetén pontlevonás nincs.

~~TODO~~

*A ZH eredménye nem számít a vizsgajegybe.

*Megajánlotthoz a ZH-ra kapott jegy (és nem a pontszám) számít. (Minimum 4-est kell írni a megajánlotthoz.)

*PZH-val és PPZH-val is lehet megajánlottat szerezni.

== Tippek ==

~~TODO~~

*Az előadó jó fej és segítőkész, a tárgy hasznos.

*Az anyagok Moodle-ön megtalálhatóak, a közérdekű információkat Teams csoportba posztolják.

*Az előadások és gyakorlatok között nem tesznek különbséget, értsd: mindegyik óra gyakorlati. Érdemes laptopot vinni, de nem kötelező.

*A hiányzásokat nem veszik figyelembe, de érdemes bejárni.

*Néha vannak céges vendégelőadók, 2022-ben pl. a Lexunit Group Ltd.

@@ 11. sor: / 11. sor: @@
 |nagyzh=1 db
 |hf=nincs
-|vizsga=írásbeli
+|vizsga=szóbeli
 |tad=https://portal.vik.bme.hu/kepzes/targyak/VITMBB02/
 |targyhonlap=
 |levlista=  }}
-{{TODO BProf}}
 A tantárgy célja a hallgatók megismertetése az adatfókuszú Python nyelv azon eszköztárával, amelynek segítségével megoldhatók tipikus adatközpontú problémák. A sokszínű feladatok között a hallgatók megtanulhatják a szükséges munkafolyamatokat, azaz automatikus adatletöltést, adatok integrálását és áttöltését különböző API-k segítségével, illetve annak a technikáját, hogy hogyan kell a prediktív analitikai megoldásokat különböző előrejelzési környezetbe integrálni. A tárgy elvégzése után a hallgató képes lesz alapszintű, integrált, adatközpontú megoldások kialakítására és üzemeltetésére.
@@ 32. sor: / 29. sor: @@
 **Önálló feladatmegoldás gépen
 **GO/NO GO
+**Nem lehet őket pótolni.
+*Általában úgy van, hogy a numpy-t és a pandas-t egyszerre íratják meg, majd a gépi tanulás és vizualizáció részt is. Mindkettő esetén az értékelés viszont külön zajlik: tehát, ha pl. a numpy teszted sikerült, de a pandas nem, attól még az 1 pontot megkapod a numpy részre.
 * Kiselőadás 8. héten = 1 db teljesített gyakorlati teszt
+**[[Media:AM_2022_pres_updated.pdf | 2022-es kiselőadás témák]]
 * '''Megajánlott jegy:''' (0,6 * ZH_jegy + 0,4 * teljesített_tesztek_száma >= 3,5)
 *'''Pótlási lehetőségek:'''
 **A '''ZH''' szorgalmi időszakban pótolható.
+**Van '''PPZH''' is.
 === A vizsgaidőszakban ===
@@ 45. sor: / 46. sor: @@
 == Tematika ==
+[https://www.anaconda.com/products/distribution Anaconda] és Jupyter Notebook szükséges.
 * 2022
 ** 1.: Bevezetés, IPython és Python alapok
@@ 65. sor: / 68. sor: @@
 ***[[Media:Validáció.zip | validáció]]
 ***[[Media:Jellemzőtervezés.zip | jellemzőtervezés]]
-***[[Media:DontesiFak_OsztalyozasiKiertekelesek (1).pdf | döntési fák]]
+***[[Media:DontesiFak_OsztalyozasiKiertekelesek (1).pdf | döntési fák]] - Ezt az anyagrészt Szűcs Gábor adta elő.
 ***[[Media:Osztályozás.zip | osztályozás]]
 ** 6.: Vizualizáció
@@ 72. sor: / 75. sor: @@
 == ZH ==
-Elméleti és gyakorlati és gyakorlati kérdések vegyesen.
+*Elméleti és gyakorlati kérdések vegyesen.
+*Papíralapú és feleletválasztós. (Tehát a tárgy elvégzéséhez nem feltétlenül szükséges az, hogy legyen laptopod.)
-== Vizsga ==
+*Rossz válasz esetén pontlevonás nincs.
-TODO
+*A ZH eredménye nem számít a vizsgajegybe.
+*Megajánlotthoz a ZH-ra kapott jegy (és nem a pontszám) számít. (Minimum 4-est kell írni a megajánlotthoz.)
+*PZH-val és PPZH-val is lehet megajánlottat szerezni.
 == Tippek ==
-TODO
+*Az előadó jó fej és segítőkész, a tárgy hasznos.
+*Az anyagok Moodle-ön megtalálhatóak, a közérdekű információkat Teams csoportba posztolják.
+*Az előadások és gyakorlatok között nem tesznek különbséget, értsd: mindegyik óra gyakorlati. Érdemes laptopot vinni, de nem kötelező.
+*A hiányzásokat nem veszik figyelembe, de érdemes bejárni.
+*Néha vannak céges vendégelőadók, 2022-ben pl. a Lexunit Group Ltd.
 {{Lábléc_-_Üzemmérnök-informatikus_alapszak}}