 Budapesti Műszaki és Gazdaságtudományi Egyetem Természettudományi Kar |
Tantárgy Adatlap |
| Budapesti Műszaki és Gazdaságtudományi Egyetem Természettudományi Kar |
Tantárgy Adatlap |
| Tantárgy kód | BMETEAGMsCINFO-00 |
| Tantárgy azonosító adatok | |||||||||
| 1. | A tárgy címe | Informatika MC | |||||||
| 2. | A tárgy angol címe | Informatics MC | |||||||
| 3. | Heti óraszámok (ea + gy + lab) és a félévvégi követelmény típusa | 0 | + | 2 | + | 0 | f | Kredit | 3 |
| 4. | Ajánlott/kötelező előtanulmányi rend | ||||||||
| vagy | Tantárgy kód 1 | Rövid cím 1 | Tantárgy kód 2 | Rövid cím 2 | Tantárgy kód 3 | Rövid cím 3 | |||
| 4.1 | |||||||||
| 4.2 | |||||||||
| 4.3 | |||||||||
| 5. | Kizáró tantárgyak | ||||||||
| 6. | A tantárgy felelős tanszéke | Algebra és Geometria Tanszék | |||||||
| 7. | A tantárgy felelős oktatója | Dr. Molnár Zoltán Gábor | beosztása | egyetemi adjunktus | |||||
| Akkreditációs adatok | ||||
| 8. | Akkreditációra benyújtás időpontja | 2024.07.08. | Akkreditációs bizottság döntési időpontja | |
| Tematika | |||||||||
| 9. | A tantárgy az alábbi témakörök ismeretére épít | ||||||||
| 10. | A tantárgy szerepe a képzés céljának megvalósításában (szak, kötelező, kötelezően választható, szabadon választható) | ||||||||
TTK Számítógépes és kognitív idegtudomány MSc szak kötelező tárgya |
|||||||||
| 11. | A tárgy részletes tematikája | ||||||||
1. A Python és egy fejlesztő környezet (pl. VS Code) telepítése és beállításai. Alapvető adattípusok és alapműveletek. 2. Számok, sztringek, boole értékek method-jai és manipulációi. 3. Függvények, funkcionális programozási alapfogalmak. Rekurzív és direkt definíciók. 4. Feltételes állítások és irányításátadó parancsok, ciklusok. 5. Listák és dictionary-k. (list/tuple/set/dictionary) 6. Ismétlés. 7. Ismétlés, első beadandó feladatcsomag. 8. Az objektum-orientált programozás alapelvei, osztályok és objektumok. 9. Modulok importálása és használata, csomagok kezelése. 10. Bevezetés a Numpy könyvtárba. 11. Fájl és adat I/O, fájlkezelés, fájlbeolvasás és -írás. 12. Bevezetés a Pandas adatelemzési könyvtárba. 13. Ismétlés, második beadandó feladatcsomag.
|
|||||||||
| 12. | Követelmények, az osztályzat (aláírás) kialakításának módja | ||||||||
| szorgalmi időszakban |
Jelenléti követelmény: az órák 75%-án való részvétel. Ellenőrző feladatok beadása, két beadandó feladatcsomag (7., 13. hét). | vizsga- időszakban |
|||||||
| 13. | Pótlási lehetőségek | ||||||||
A TVSZ szerint |
|||||||||
| 14. | Konzultációs lehetőségek | ||||||||
Az oktatóval egyeztetve |
|||||||||
| 15. | Jegyzet, tankönyv, felhasználható irodalom | ||||||||
McKinney, W. (2017). Python for Data Analysis: Data Wrangling with Pandas, NumPy, and IPython. O’Reilly Media. |
|||||||||
Sweigart, A. (2015). Automate the Boring Stuff with Python. url.: https://automatetheboringstuff.com/ |
|||||||||
| 16. | A tantárgy elvégzéséhez átlagosan szükséges tanulmányi munka mennyisége órákban (a teljes szemeszterre számítva) | ||||||||
| 16.1 | Kontakt óra | 28 |
|||||||
| 16.2 | Félévközi felkészülés órákra | 28 |
|||||||
| 16.3 | Felkészülés zárthelyire | 0 |
|||||||
| 16.4 | Zárthelyik megírása | 0 |
|||||||
| 16.5 | Házi feladat elkészítése | 34 |
|||||||
| 16.6 | Kijelölt írásos tananyag elsajátítása (beszámoló) | 0 |
|||||||
| 16.7 | Egyéb elfoglaltság | 0 |
|||||||
| 16.8 | Vizsgafelkészülés | 0 |
|||||||
| 16.9 | Összesen | 90 |
|||||||
| 17. | Ellenőrző adat | Kredit * 30 | 90 |
||||||
| A tárgy tematikáját kidolgozta | |||||||||
| 18. | Név | beosztás | Munkahely (tanszék, kutatóintézet, stb.) | ||||||
Dr. Molnár Zoltán Gábor |
egyetemi adjunktus |
Algebra és Geometria Tanszék |
|||||||
Dr. Lukics Krisztina |
egyetemi adjunktus |
Kognitív Tudományi Tanszék |
|||||||
| A tanszékvezető | |||||||||
| 19. | Neve | aláírása | |||||||
Dr. G. Horváth Ákos |
|||||||||