Felnőttképzési programok

Ismerkedjen meg a mesterséges intelligencia építőelemeivel!

A képzés célja:

A képzés a gazdasági, műszaki döntéseket megalapozó statisztikai módszerek alapjaival ismerteti meg a résztvevőket, a problémákat elsősorban számítógéppel megoldva. Az elméleti alapok (leíró statisztika, becslések és hipotézisek, korreláció, regresszió, idősorok elemzése) tárgyalásán túl cél, hogy fejlessze a tudatos problémamegoldó készséget, egy választott támogató rendszer, az R programozási nyelv segítségével. Az R programozási nyelv hatékony, könnyen tanulható eszközkészletet kínál, amely segítséget nyújt az adatok megismerésében az előrejelzések meghozatalához, műszaki, gazdasági és társadalomtudományi területeken egyaránt. A mintapéldák párhuzamosan kerülnek bemutatásra Microsoft Excel alkalmazással és R-kóddal.

A képzés esettanulmányok mentén vezeti be a résztvevőt a különböző szakterületek egy-egy jellemző problémájának, feladatának vizsgálatába, amely eljárások gyakorlatilag megegyeznek a mesterséges intelligencia – gépi tanulás alapvető algoritmusaival.

Kiknek ajánljuk?

Bárkinek, aki érdeklődik a téma iránt. Előny, ha már rendelkezik BSc, BA alapképzéssel, vagy éppen azt végzi, de már a matematika kurzusokon túljutott és aktív Microsoft Excel használó.

A képzés típusa:

bejelentett felnőttképzés

A képzés óraszáma:

30 óra (5*6 óra)

Jelentkezés feltétele:

közép- vagy felsőfokú végzettség

Előzetesen elvárt ismeretek:

statisztikai alapismeretek, Microsoft Excel felhasználói szintű ismerete

Kimenet:

tanúsítvány a képzés elvégzéséről

Jelentkezési határidő:

2024. szeptember 15.

Képzés indulása:

2024. október

Képzés módja:

jelenléti oktatás (5 alkalom)

Oktató:

Molnár László okleveles gépészmérnök, Edutus Egyetem műszaki tanár

A képzés tematikája:

1.: Az R programozási 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.

2.: Leíró statisztika. Statisztikai alapfogalmak. Elemzések viszonyszámokkal. Középértékek, szélsőértékek, szóródás és aszimmetria. Indexszámítás, érték-, ár- és volumenindexek.

3.: Becsléselmélet, hipotézisvizsgálat. Mintavételi eljárások, pontbecslés és intervallumbecslés, a várható érték, a szórás és az arány becslése, standard hiba. A hipotézisvizsgálat alapfogalmai, egymintás és kétmintás próbák.

4.: Kapcsolatvizsgálat, korrelációszámítás. Ismérvek közötti kapcsolatok típusai, asszociációs és vegyes kapcsolat elemzése, varianciaanalízis. Kétváltozós és többváltozós korrelációs kapcsolatok elemzése. Esettanulmányok.

5.: Regressziószámítás, idősorok elemzése. Kétváltozós lineáris regresszió, többváltozós lineáris regresszió, nemlineáris regresszió, logisztikus regresszió Idősorok elemzése viszonyszámokkal és átlagokkal, mozgóátlag, trendszámítás, szezonalitás. Lineáris és nemlineáris trendszámítás, extrapoláció. Zárófeladat: R programozási nyelv segítségével egy konkrét probléma megoldása.

Esettanulmányok:

• Újkori Olimpiák érmeinek megoszlása, földrész, ország, lakosságszám szerint
• Merre utaznak a nyaralók Dániából? Indexálás, árindex
• Várható érték becslése gépkocsik fogyasztására. Hol érdemes kávézót nyitni?
• Hipotézisvizsgálat konzervgyár gyártósorának töltési megfelelőségére.
• Korrelációanalízis: a magyarországi vezetékes telefonvonalak számát milyen tényezők határozzák meg?
• Regresszióanalízis különböző földterületek hektáronkénti termésátlaga, illetve a hektáronkénti munkaidő ráfordítás között. Milyen eredménnyel jósolhatunk termésátlagot, ha növényvédőszert is használunk?
• Miben más a lineáris és a logisztikus regresszió? Banki marketingkampány a lekötések számának növelésére
• Determinisztikus és sztochasztikus idősorelemzés, EU-ból történő beutazások negyedéves eredményei, részvényárfolyamok elemzése

Az első foglalkozásra hozzon magával 1 db hagyományos (1..6) dobókockát, 5 db nem töredezett nyers rizs szemet, 1 db ollót, celluxot vagy szigetelőszalagot és egy legalább 200×200 mm-es lapos dobozt, vagy dobozfedelet. A 2-es méretű ónüstre és a bagolyra nem lesz szükség.

A képzés elvégzését igazoló tanúsítvány kiadásának feltétele:

• az órák legalább 80%-án való részvétel,
• a zárófeladat minimum 70%-os teljesítése.

A képzési díja:

Bevezető áron 150 000 Ft + Áfa / fő, bruttó 190.500 Ft/ fő

A képzés minimum 8 fő jelentkezése esetén indul maximum 12 fővel.

Képzés helyszíne:

Edutus Egyetem, 1114 Budapest, Villányi út 11-13.

(igény esetén Edutus Egyetem, 2800 Tatabánya Béla király krt. 58.)

Vállalatok, vállalkozások számára egyéni igények alapján valósítjuk meg a képzést. A képzési díj a cég egyéni igényei alapján kerül megállapításra.

A Kvantitatív analízis – pre gépi tanulás című képzés részletesebben foglalkozik az eszközzel, az R programozási nyelvvel és felfrissítésre kerülnek a szükséges matematikai, statisztikai alapok. Az Alkalmazott gépi tanulás című képzés támaszkodik az alapmatematikára, az R programozási nyelvet pedig a learning-by-doing módszerrel használja a leggyakoribb gépi tanulási algoritmusok futtatására.

A két képzésnek van logikai sorrendje, de működőképes külön-külön is.

Az Alkalmazott gépi tanulás című képzésről bővebb információt ITT talál honlapunkon.

A két képzés kimenetele azt nem kínálja, hogy hard-core kódolóként, egyből új gépi tanulási algoritmusokat fognak tudni fejleszteni, de azt igen, hogy alaposan megismerik a rengeteg adattal bíró problémákat, és el fogják tudni dönteni, hogy melyik létező algoritmus adja az elvárt szignifikancia szinten a legmegbízhatóbb megoldását.

Jelentkezés, érdeklődés:

Horváthné Felföldi Helga

E-mail cím: felfoldi.helga@edutus.hu

Mobilszám: +36 20 379 7530

A képzés részleteiről további felvilágosítás:

Molnár László

E-mail cím: molnar.laszlo@edutus.hu