Felnőttképzési programok
Az R alapjai, bevezetés a felügyelt gépi tanulásba
A tárgy célja:
A gépi tanulás, mint a mesterséges intelligencia egy részhalmaza, alapvetően olyan algoritmusokkal foglalkozik, amelyek az információt döntésre, beavatkozásra alkalmas
intelligenciává alakítják. Gépi tanulás nélkül szinte lehetetlen lépést tartani a Big Data korszakának hatalmas információáramával. A tantárgy bemutatja a gépi tanulás alaptípusait, összefoglalja a legfontosabb tanulórendszer architektúrákat. Az elméleti alapok tárgyalásán túl cél, hogy fejlessze a tudatos problémamegoldó készséget, egy választott támogató rendszer, az R nyelv segítségével. Az R hatékony, könnyen tanulható eszközkészletet kínál, amely segítséget nyújt az adatok megismerésében az előrejelzések meghozatalához,
műszaki, gazdasági és társadalomtudományi területeken egyaránt. A kurzus a „learning-by-doing” módszertan segítségével építkezik, „Case Study”-k mentén vezeti be a hallgatót a különböző szakterületek egy-egy jellemző problémájának, feladatának vizsgálatába.
Képző intézmény:
Edutus Egyetem
Képzés típusa:
a nemzeti felsőoktatásról szóló 2011.évi CCIV. törvény 42.§ (2) szakasza szerinti képzés
Óraszám:
• nappali képzés: 36 óra
• levelező képzés: 26 óra
Jelentkezés feltétele:
középfokú végzettség
Előzetesen elvárt ismeretek:
statisztikai alapismeretek, Microsoft Excel felhasználói szintű ismerete
Kimenet:
mikrotanúsítvány a képzés elvégzéséről
Kreditérték:
5 kreditpont
Jelentkezési határidő:
2026. január 30.
Képzés indulása:
2026. február
Képzés módja:
- jelenléti oktatás, 12 alkalom (3 óra/hét)
- jelenléti oktatás várhatóan 6 alkalom (4-6 óra/alkalom)
A tárgy témakörei:
1.A legfontosabb alapfogalmak a mesterséges intelligencia (AI) és a gépi tanulás (ML) témakörben. Felügyelt, felügyelet nélküli, megerősítéses gépi tanulás. Melyiket válasszam? Valóság és tény vs. hipotézis és modell (érzékenység, specifikusság, precizitás, pontosság, AUC, ROC, tévesztési mátrix, SSE, R2, RMSE …)
2. Az R nyelv és környezet bemutatása. Telepítés, használati alapok. Csomagok és könyvtárak. Változók, operátorok, értékadás. Adattípusok, adatstruktúrák. Sorozatok, vektorok, faktorok, mátrixok, listák, adattáblák. Ciklusok, esetszétválasztás, függvények. Adatimportálás, -exportálás, adatrendezés. Adatvizualizáció.
3. Klasszifikáció, regresszió. Tanító- és teszthalmazok. Logisztikus regresszió. Egyváltozós, többváltozós lineáris regresszió. A változók interakciója. Predikció.Kiértékelés.
4. Gyakorlati példák, esettanulmányok. Adatakvizíció és adattisztítás. Adatelőkészítés: data.frame-ek létrehozása, korreláció-vizsgálat. A kiválasztott ML modell tanítása a Train data.frame-mel. A modell „jóságának” ellenőrzése a Test data.frame-mel. Az
eredmények elemzése, következtetések.
A képzés elvégzését igazoló mikrotanúsítvány kiadásának feltétele:
Gyakorlati jegy.
A zárthelyire bocsáthatóság feltételei:
– A gyakorlatokon való min. 80%-os részvétel.
– A házi feladatok határidőre való leadása, valamint azok, külön-külön,
legalább 41%-os teljesítése.
A zárthelyi legalább 41%-os teljesítése.
A házi feladatok eredményei 40%, a zárthelyi 60%-os súllyal számít a
gyakorlati jegybe.
osztályozás:
0-40% elégtelen
41-55% elégséges
56-70% közepes
71-85% jó
86-100% jeles
A képzés díja:
60.000 Ft
A képzés helyszíne:
- nappali képzés: Edutus Egyetem, 2800 Tatabánya Béla király krt. 58.
- levelező képzés: Edutus Egyetem, 2800 Tatabánya Béla király krt. 58.
Érdeklődés:
Horváthné Felföldi Helga
E-mail cím: felfoldi.helga@edutus.hu
Mobilszám: +36 20 379 7530
JELENTKEZÉS
Jelentkezem!
Jelentkezem!
Az R alapjai, bevezetés a felügyelt gépi tanulásba
