„Adatalapú megoldások” változatai közötti eltérés

A VIK Wikiből
Ugrás a navigációhoz Ugrás a kereséshez
 
(30 közbenső módosítás, amit 2 másik szerkesztő végzett, nincs mutatva)
7. sor: 7. sor:
 
|kereszt=N/A
 
|kereszt=N/A
 
|tanszék=TMIT
 
|tanszék=TMIT
−
|labor=nincs
+
|labor=
−
|kiszh=van
+
|kiszh=4 db
 
|nagyzh=1 db
 
|nagyzh=1 db
 
|hf=nincs
 
|hf=nincs
−
|vizsga=írásbeli
+
|vizsga=szóbeli
 
|tad=https://portal.vik.bme.hu/kepzes/targyak/VITMBB02/
 
|tad=https://portal.vik.bme.hu/kepzes/targyak/VITMBB02/
 
|targyhonlap=
 
|targyhonlap=
 
|levlista=  }}
 
|levlista=  }}
−
 
 
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.
 
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.
  
27. sor: 26. sor:
 
*A '''ZH''' legalább elégséges szintű (40%) teljesítése (összegző teljesítményértékelés).
 
*A '''ZH''' legalább elégséges szintű (40%) teljesítése (összegző teljesítményértékelés).
 
*4 db '''kisZH''' a félév folyamán
 
*4 db '''kisZH''' a félév folyamán
 +
**30-45 perc
 +
**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)
 
* '''Megajánlott jegy:''' (0,6 * ZH_jegy + 0,4 * teljesített_tesztek_száma >= 3,5)
  
 
*'''Pótlási lehetőségek:'''
 
*'''Pótlási lehetőségek:'''
 
**A '''ZH''' szorgalmi időszakban pótolható.
 
**A '''ZH''' szorgalmi időszakban pótolható.
 +
**Van '''PPZH''' is.
  
 
=== A vizsgaidőszakban ===
 
=== A vizsgaidőszakban ===
36. sor: 43. sor:
  
 
=== Félévvégi jegy ===
 
=== Félévvégi jegy ===
−
TODO
+
Megajánlott/vizsga eredménye szerint.
  
 
== Tematika ==
 
== Tematika ==
−
TODO
+
[https://www.anaconda.com/products/distribution Anaconda] és Jupyter Notebook szükséges.
 +
 
 +
* 2022
 +
** 1.: Bevezetés, IPython és Python alapok
 +
***[[Media:AM_2022_intro.pdf | intro]]
 +
***[[Media:ipython_basics.zip | python basics 1]]
 +
***[[Media:python_basics.zip | python basics 2]]
 +
**[[Media:AM_2022_data.pdf | 2.: Adatállományok típusai, adatminőség, előfeldolgozás]]
 +
** 3.: NumPy
 +
***[[Media:numpy1.zip | numpy1]]
 +
***[[Media:numpy2.zip | numpy2]]
 +
***[[Media:numpy3.zip | numpy3]]
 +
***[[Media:numpy_gyakorlás.zip | numpy gyakorló feladatok]]
 +
** 4.: Pandas
 +
***[[Media:pandas1.zip | pandas1]]
 +
***[[Media:pandas2.zip | pandas2]]
 +
***[[Media:pandas3.zip | pandas3]]
 +
***[[Media:pandas_gyakorlas.zip | pandas gyakorló feladatok]]
 +
** 5.: Gépi tanulás
 +
***[[Media:sl_alapok.zip | scki-kit learn]]
 +
***[[Media:Validáció.zip | validáció]]
 +
***[[Media:Jellemzőtervezés.zip | jellemzőtervezés]]
 +
***[[Media:DontesiFak_OsztalyozasiKiertekelesek (1).pdf | döntési fák]] - Ezt az anyagrészt Szűcs Gábor adta elő.
 +
***[[Media:Osztályozás.zip | osztályozás]]
 +
** 6.: Vizualizáció
 +
***[[Media:visual1.zip | vizualizáció 1]]
 +
***[[Media:visual2.zip | vizualizáció 2]]
  
 
== ZH ==
 
== 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 ==
 
== 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}}
 
{{Lábléc_-_Üzemmérnök-informatikus_alapszak}}

A lap jelenlegi, 2022. május 10., 13:59-kori változata

Adatalapú megoldások
Tárgykód
VITMBB02
Általános infók
Szak
üzemmérnök
Kredit
5
Ajánlott félév
4
Keresztfélév
N/A
Tanszék
TMIT
Követelmények
KisZH
4 db
NagyZH
1 db
Házi feladat
nincs
Vizsga
szóbeli
Elérhetőségek

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.


Követelmények

Előtanulmányi rend

  • Specializáció besorolás.

A szorgalmi időszakban

  • A gyakorlatokon legalább 70%-os részvétel.
  • A ZH legalább elégséges szintű (40%) teljesítése (összegző teljesítményértékelés).
  • 4 db kisZH a félév folyamán
    • 30-45 perc
    • 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
  • 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

  • A vizsga legalább elégséges (40%) teljesítése szükséges.

Félévvégi jegy

Megajánlott/vizsga eredménye szerint.

Tematika

Anaconda és Jupyter Notebook szükséges.

ZH

  • Elméleti és gyakorlati kérdések vegyesen.
  • Papíralapú és feleletválasztós. (Tehát a tárgy elvégzéséhez nem feltétlenül szükséges az, hogy legyen laptopod.)
  • Rossz válasz esetén pontlevonás nincs.
  • 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

  • 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.
1. félév
2. félév
3. félév
4. félév
5. félév
6. félév


A lap eredeti címe: „https://vik.wiki/index.php?title=Adatalapú_megoldások&oldid=202207”