| Tantárgy neve: Adatelemzés és adatbányászati módszerek (ZV2) |
Tantárgy Neptun kódja: Nappali: GEIAL526M Levelező: GEIAL526ML Tárgyfelelős intézet: INF - Informatikai Intézet |
| Tantárgyelem: S | |
| Tárgyfelelős: Dr. Kovács László - egyetemi tanár | |
| Közreműködő oktató(k): | |
| Javasolt félév: 3 | Előfeltétel: |
| Óraszám/hét: Előadás (nappali): 2 Gyakorlat (nappali): 2 Előadás (levelező): 8 Gyakorlat (levelező): 8 | Számonkérés módja: kollokvium |
| Kreditpont: 4 | Munkarend: Nappali+Levelező |
| Tantárgy feladata és célja: A hallgatók megismerik a döntéstámogatási rendszerek alapját képező OLAP/ DM rendszerek fogalomrendszerét és funkcionalitását. Az adatbányászati algoritmusok megismerésével a tudáskinyerési módszerek használatát sajátítják el. Tudás: Az informatikai szakmán belül, a specializációtól függően mélyebb elméleti és gyakorlati ismeretekkel rendelkezik az alábbiak közül egy vagy néhány területen: szoftvertervezés, rendszerszimuláció és -modellezés, kommunikációs hálózatok, mobil- és erőforrás-korlátos alkalmazások, számítógépes grafika és képfeldolgozás, kritikus és beágyazott rendszerek, médiainformatika, IT-biztonság, párhuzamos rendszerek, intelligens rendszerek, számításelmélet, adatbázisok. Ismeri a műszaki informatikai rendszerek fejlesztéshez szükséges, széles körben alkalmazható problémamegoldó technikákat. Képesség: Képes komplex informatikai rendszereket fejlesztésére. Képes informatikai rendszerek teljesítményelemzésére, analitikus, szimulációs és mérési módszerek használatára. Attitűd: Szakmailag magas szinten, tervezetten és a minőségi szempontokat figyelembe véve hajtja végre fejlesztési feladatait, a létrejövő rendszerek hibamentességéről meggyőződik. Munkája során vizsgálja a kutatási, fejlesztési és innovációs célok kitűzésének lehetőségét és törekszik azok megvalósítására. Autonomia és felelősség: Önállóan tölt be informatikai munkakört, amelyben a teljes folyamatot kezében tartva, szakmailag felelős módon dolgozik. | |
| Tárgy tematikus leírása: Információs rendszerek típusai. Az OLAP rendszer jellemzés és megvalósulásai; VIR rendszerek elemei :ERP, EIS, MIS, DSS és SCM rendszerek áttekintése. DW fogalma és struktúrái. Adattárház belső struktúrája és folyamatai; Adatbetöltési folyamatok áttekintése; Hatékonysági kérdések; MD modell strukturális és algebrai része., MDX nyelv elemei; Adatbányászat feladatköre; DM célja és eszközrendszere; a DM alkalmazásának lépései; Alkalmazási területek; Valószínűségszámítási alapok áttekintése; Adatelőkészítés, dimenzió redukciós módszerek; PCA, SVD. Társítási módszerek; asszociációs szabályok jellemzése; gyakori elemhalmaz keresési módszerek; Osztályozási módszerek; Bayes osztályozás; Döntési fán alapuló módszerek; Neurális hálón alapuló módszerek. Klaszterezési módszerek; Eredmények megjelenítése és értelmezése. Programozás R / Python nyelvben. | |
| Félévközi számonkérés módja és az aláírás megszerzésének feltétele (Nappali): Két darab félévközi feladat legalább elégséges ereménnyel való elkészítése (OLAP és DM témakörökben) Egy darab hallgatói prezentáció az oktatóval egyeztetett témakörben | |
| Félévközi számonkérés módja és az aláírás megszerzésének feltétele (Levelező): Két darab félévközi feladat legalább elégséges ereménnyel való elkészítése (OLAP és DM témakörökben) Egy darab hallgatói prezentáció az oktatóval egyeztetett témakörben | |
| Gyakorlati jegy / kollokvium teljesítésének módja, értékelése (Nappali): | |
| Gyakorlati jegy / kollokvium teljesítésének módja, értékelése (Levelező): | |
| Kötelező irodalom: | |
| Ajánlott irodalom: 1. Fajszi-Cser: Üzleti tudás az adatok mélyén. BME, 2004 2. Berson, Smith: Data Warehousing, Data Mining and OLAP. McGraw Hill, 1997 3. Data mining concepts and techniques (J. Han, M. Kamber, J. Pei) | |