BMETEFTBsPAAMD-00

Nyomtatóbarát változatNyomtatóbarát változat
Tantárgy azonosító adatok
A tárgy címe: 
Adatvezérelt és ágensalapú modellezés
A tárgy angol címe: 
Data-driven and Agent-based Modelling
A tárgy rövid címe: 
AdatvezéreltÉsÁgensalapúModellezés
1
0
2
f
Kredit: 
4
Ajánlott/Kötelező előtanulmányi rend
1.Követelménytárgy kódja: 
BMETE15AP61
1.Követelménytárgy (rövidített) címe: 
Bevezetés a gépi tanulásba
2.Követelménytárgy kódja: 
BMETE80AF38
2.Követelménytárgy (rövidített) címe: 
A méréskiértékelés matematikai módszerei
A tantárgy felelős tanszéke: 
Fizika Tanszék
A tantárgy felelős oktatója: 
Dr. Fehér Titusz
A tantárgy felelős oktatójának beosztása: 
egyetemi docens
Akkreditációs adatok
Akkreditációra benyújtás időpontja: 
2026.01.05.
Akkreditációs bizottság döntési időpontja: 
2026.01.09.
Tematika
A tantárgy szerepe a képzés céljának megvalósításában: 
TTK Fizikus-mérnöki BSc SDP specializáció kötelezően választható tárgya
A tantárgy részletes tematikája magyarul és angolul: 

E kurzus célja az adatalapú és ágensalapú modellezés bemutatása, alkalmazási példák mentén. A példák az oktatók saját korábbi kutatási tapasztalatain, illetve kurrens szakirodalmi témákon alapulnak.
Adatalapú modellezés: Alapelvek, cél, pontosság, megbízhatóság becslése és meghatározása. Adatfeltárás,  szűrés,  transzformáció. Modellezés haladó maximum likelihood módszerekkel, optimalizálási technikák.
Ágensalapú modellezés: Alapelvek, cél, validálás. Példák: kisebbségi játékok, biológiai (rajzás, hangyakolónia stb.), gazdasági (kisebbségi játékok, tőzsde stb.), társadalmi (vélemény, szegregáció stb.) és játékelméleti problémák.

This course gives an introduction to data-based and agent-based modelling, based on examples of application. Most of these examples are based the instructors’ own previous research experience.
Data-based modelling: Principles, aim, accuracy, assessment of reliability. Data exploration, filtering, transformation. Modelling by advanced maximum likelihood methods, optimization techniques.
Agent-based modelling: Principles, aim, validation. Examples include, minority games, biological (flocking, ant colony, etc.), economical (minority games, stock market, etc.), social (opinion, segregation, etc.) and game theory problems.

Követelmények szorgalmi időszakban: 
Aktív részvétel az előadáson és a laboratóriumi gyakorlatokon, házi feladatok megoldása, projektfeladat beadása és bemutatása
Pótlási lehetőségek: 
A TVSZ szerint
Konzultációs lehetőségek: 
Az oktatóval egyeztetve
Jegyzet, tankönyv, felhasználható irodalom: 
Numerical Recipes 3rd Edition: The Art of Scientific Computing (Cambridge University Press, 2007, ISBN 978-0521880688)
Wilensky, Uri, and William Rand. An introduction to agent-based modeling: modeling natural, so-cial, and engineered complex systems with NetLogo. (MIT Press, 2015, ISBN-13: 978-0262731898)
Railsback, Steven F., and Volker Grimm. Agent-based and individual-based modeling: a practical introduction. (Princeton university press, 2019. ISBN-13: 978-0691136745)
A tárgy elvégzéséhez átlagosan szükséges tanulmányi munka mennyisége órákban (a teljes szemeszterre számítva)
Kontakt óra: 
42
Félévközi felkészülés órákra: 
42
Felkészülés zárthelyire: 
0
Zárthelyik megírása: 
0
Házi feladat elkészítése: 
24
Kijelölt írásos tananyag elsajátítása (beszámoló): 
12
Egyéb elfoglaltság: 
0
Vizsgafelkészülés: 
0
Összesen: 
120
Ellenőrző adat: 
120
A tárgy tematikáját kidolgozta
Név: 
Dr. Fehér Titusz
Beosztás: 
egyetemi docens
Munkahely (tanszék, kutatóintézet, stb.): 
Fizika Tanszék
Név: 
Dr. Török János
Beosztás: 
egyetemi docens
Munkahely (tanszék, kutatóintézet, stb.): 
Elméleti Fizika Tanszék
A tanszékvezető neve: 
Dr. Csonka Szabolcs