BMETEKTMsCEMKF-00

Nyomtatóbarát változatNyomtatóbarát változat
Tantárgy azonosító adatok
A tárgy címe: 
Egyéni módszertani készségfejlesztés
A tárgy angol címe: 
Individual Methodological Skills Development
A tárgy rövid címe: 
EgyéniMódszertaniKészségfejlesztés
0
2
0
f
Kredit: 
3
Ajánlott/Kötelező előtanulmányi rend
1.Követelménytárgy kódja: 
BMETE47MC38
1.Követelménytárgy (rövidített) címe: 
Statisztika és kísérlettervezés
A tantárgy felelős tanszéke: 
Kognitív Tudományi Tanszék
A tantárgy felelős oktatója: 
Dr. Lukics Krisztina Sára
A tantárgy felelős oktatójának beosztása: 
egyetemi adjunktus
Akkreditációs adatok
Akkreditációra benyújtás időpontja: 
2024.05.06.
Akkreditációs bizottság döntési időpontja: 
2024.07.05.
Tematika
A tantárgy az alábbi témakörök ismeretére épít: 
A kognitív tudományban alkalmazott adatfeldolgozási és statisztikai módszerek alapszintű ismerete
A tantárgy szerepe a képzés céljának megvalósításában: 
A TTK Számítógépes és kognitív idegtudomány MSc képzés kötelezően választható tárgya
A tantárgy részletes tematikája magyarul és angolul: 

A tárgy elvégzése során a hallgatók egyéni érdeklődésük szerint és egyéni feladatok elvégzése mentén mélyülnek el az adatfeldolgozás és a statisztika módszereiben. A hallgatók ezáltal olyan készségekre tesznek szert, amelyek lehetővé teszik, hogy a kognitív témájú kutatásokban jellemző nagyvolumenű adathalmazokat hetékonyan kezeljék, feldolgozzák és elemezzék. Egyéni feladat lehetőségek: 1) az R programnyelv alkalmazása az adatfeldolgozásban, adatelemzésben és adatkommunikációban, 2) a python programnyelv alkalmazása az adatfeldolgozásban, adatelemzésben és adatkommunikációban, 3) az SQL programnyelv alkalmazása az adatkezelésben. A tárgy teljesítése és a jegyszerzés az egyénileg kiírt feladatok teljesítésével lehetséges.

During the course of the subject, students delve into the methods of data processing and statistics according to their individual interests and through the completion of individual assignments. In this way, students acquire skills that enable them to efficiently handle, process, and analyze the large data sets typical of cognitive research. Individual assignment options: 1) applying the R programming language to data processing, data analysis, and data communication, 2) applying the Python programming language to data processing, data analysis, and data communication, 3) applying the SQL programming language to data management. Completion of the subject and obtaining a grade is possible by completing individually assigned tasks.

Követelmények szorgalmi időszakban: 
Házi feladatok elkészítése és konzultáció
Pótlási lehetőségek: 
TVSZ szerint
Konzultációs lehetőségek: 
Az oktatóval egyeztetve személyesen vagy emailben
Jegyzet, tankönyv, felhasználható irodalom: 
Wickham, H., Çetinkaya-Rundel, M., & Grolemund, G. (2023). R for data science. O'Reilly Media.
Long, J. D., & Teetor, P. (2019). R cookbook: proven recipes for data analysis, statistics, and graphics. O'Reilly Media.
McKinney, W. (2022). Python for Data Analysis: Data Wrangling with Pandas & Numpy. O'Reilly Media.
VanderPlas, J. (2016). Python data science handbook: Essential tools for working with data. O'Reilly Media.
A tárgy elvégzéséhez átlagosan szükséges tanulmányi munka mennyisége órákban (a teljes szemeszterre számítva)
Kontakt óra: 
28
Félévközi felkészülés órákra: 
0
Felkészülés zárthelyire: 
0
Zárthelyik megírása: 
0
Házi feladat elkészítése: 
62
Kijelölt írásos tananyag elsajátítása (beszámoló): 
0
Egyéb elfoglaltság: 
0
Vizsgafelkészülés: 
0
Összesen: 
90
Ellenőrző adat: 
90
A tárgy tematikáját kidolgozta
Név: 
Dr. Lukics Krisztina Sára
Beosztás: 
egyetemi adjunktus
Munkahely (tanszék, kutatóintézet, stb.): 
Kognitív Tudományi Tanszék
A tanszékvezető neve: 
Dr. Babarczy Anna