Budapesti Műszaki és Gazdaságtudományi Egyetem
Természettudományi Kar		 Tantárgy Adatlap
Tantárgy kód BMETE15AP61
Tantárgy azonosító adatok
1. A tárgy címe Bevezetés a gépi tanulásba
2. A tárgy angol címe Intorduction to Machine Learning
3. Heti óraszámok (ea + gy + lab) és a félévvégi követelmény típusa 1 + 2 + 0 f Kredit 4
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 BMETE15AP60 Bevezetés a numerikus algoritmusokba
4.2
4.3
5. Kizáró tantárgyak
6. A tantárgy felelős tanszéke Elméleti Fizika Tanszék
7. A tantárgy felelős oktatója Dr. Török János beosztása egyetemi docens
Akkreditációs adatok
8. Akkreditációra benyújtás időpontja 2023.03.01. Akkreditációs bizottság döntési időpontja 2023.04.10.
Tematika
9. A tantárgy az alábbi témakörök ismeretére épít
10. A tantárgy szerepe a képzés céljának megvalósításában (szak, kötelező, kötelezően választható, szabadon választható)
TTK Fizikus-mérnök BSc szak kötelező tárgya
11. A tárgy részletes tematikája

A gépi tanulás alapvető módszereinek elsajátítása és azok implementálása Python nyelven.

Adatok típusa, kezelése, tisztítása, normalizálása. Általános sokparaméteres függvény illesztése. Lineáris és logisztikus regresszió. Paraméterek fontossága. Szintetikus adatok gyártása. Döntési fa. Dimenzió redukció, releváns mértékek. Hierarchikus klaszterezés. Neurális hálózatok alapjai: neuronok, aktiváció. Mesterséges neurális hálózatok felépítése. Mesterséges neurális hálózatok tanítása. Regularizáció.

Basic methods of machine learning and their implementation in Python language.

Data types, handling, cleaning and normalization. General many parameter fitting. Linear and logistic regression. Parameter importance. Creation of synthetic data. Decision tree. Dimension reduction, relevant measures. Hierarchical clustering. Basics of neural networks: Neurons, activation. Neural networks deep neural networks. Their teaching and application of neural networks. Regularization.
12. Követelmények, az osztályzat (aláírás) kialakításának módja
szorgalmi
időszakban		 Házi feladatok és projektfeladatok beadása vizsga-
időszakban
13. Pótlási lehetőségek
A TVSZ szerint
14. Konzultációs lehetőségek
Az oktatóval egyeztetve
15. Jegyzet, tankönyv, felhasználható irodalom
Norvig, P. Russell, and S. Artificial Intelligence. A modern approach. Upper Saddle River, NJ, USA:: Prentice Hall, 2002. ISBN-13: 9780137505135
https://hmkcode.com/ai/backpropagation-step-by-step/
Chollet, Francois. Deep learning with Python. Simon and Schuster, 2021. ISBN-13: 978-1617296864
16. A tantárgy elvégzéséhez átlagosan szükséges tanulmányi munka mennyisége órákban (a teljes szemeszterre számítva)
16.1 Kontakt óra
42
16.2 Félévközi felkészülés órákra
28
16.3 Felkészülés zárthelyire
16.4 Zárthelyik megírása
16.5 Házi feladat elkészítése
25
16.6 Kijelölt írásos tananyag elsajátítása (beszámoló)
0
16.7 Egyéb elfoglaltság
25
16.8 Vizsgafelkészülés
0
16.9 Összesen
120
17. Ellenőrző adat Kredit * 30
120
A tárgy tematikáját kidolgozta
18. Név beosztás Munkahely (tanszék, kutatóintézet, stb.)
Dr. Török János
egyetemi docens
Elméleti Fizika tanszék
A tanszékvezető
19. Neve aláírása
Dr. Szunyogh László