Budapest University of Technology and Economics, Faculty of Electrical Engineering and Informatics

    Belépés
    címtáras azonosítással
    vissza a tantárgylistához   nyomtatható verzió    

    Empirikus modellezés alapú rendszertervezés

    A tantárgy angol neve: Empirical Systems Engineering and Modeling

    Adatlap utolsó módosítása: 2020. június 18.

    Tantárgy lejárati dátuma: 2022. április 1.

    Budapesti Műszaki és Gazdaságtudományi Egyetem
    Villamosmérnöki és Informatikai Kar

    Választható doktorandusz tárgy

    Műszaki informatikus szak

    Villamosmérnöki szak

    Gazdaságinformatikus szak
    Tantárgykód Szemeszter Követelmények Kredit Tantárgyfélév
    VIMIDV01   2/0/0/v 3  
    3. A tantárgyfelelős személy és tanszék Dr. Pataricza András,
    4. A tantárgy előadója

    Dr. Pataricza András egyetemi tanár, Méréstechnika és Információs Rendszerek Tanszék

    Dr. Kocsis Imre adjunktus, Méréstechnika és Információs Rendszerek Tanszék

    5. A tantárgy az alábbi témakörök ismeretére épít Modell alapú tervezés, valószínűségszámítás alapjai
    7. A tantárgy célkitűzése Az informatikai rendszerek bonyolultságának rohamos növekedése miatt mind tervezéskor, mind pedig az üzemeltetés közben egyre kritikusabb az extrafunkcionális tulajdonságok garantálása. A szokásosan integrációval összekötött komponensszám növekedése mellett jelentősen nő a keresztkapcsolatok száma is. Ilyenkor a klasszikus rendszerelméletben rendszeridentifikációként ismert technológiák tervezési és futási idejű alkalmazása válik szükségessé.  A tárgy az alapvető, a metrikák folytonos világát és az informatikai rendszerek diszkrét kvalitatív modelljeit összekötő technikákat mutatja be a legfontosabb alkalmazási területek érintésével.
    8. A tantárgy részletes tematikája

    A megfigyelésekből fenomenológiai modelleket származtató feltáró (Exploratory Data Analysis) és megerősítő adatanalízis alapvető módszerei.

     A hibrid modellezés alapjai, diszkretizációs módszerek és folytonos-kvalitatív modell áttérés. A kvalitatív modellezés alapjai, az alaptulajdonságok statisztikai ellenőrzése. Diszkrét kvalitatív modellek matematikai kezelése.

    Az életlen halmazelmélet (rough set theory) alapjai és alkalmazása részleges információ rendelkezésre állása esetén szolgáltatásbiztonságot garantáló modellezési feladatokban.

    Válaszkészlet-programozás (answer set programming) és alkalmazásai közelítő modellek kidolgozására, diagnosztikai feladatokra. Modellek ellenőrzése.

    Komplex modellek ábrázolása tudásgráfként, az a priori ismeretek leképezése hierarchikus tudásgráfokban, adatok és a priori tudás konzisztenciájának ellenőrzése.

    Modell-meghatározási esettanulmányok a szolgáltatásbiztos és ellenálló informatikai rendszerek területéről.

    Az empirikus meghatározású modellek szerepe és alkalmazása a modern rendszertervezésben és üzemeltetésben: kiemelt jelentőségű folyamatok (pl. modern kapacitástervezés, chaos engineering...), a Digital Twin paradigma, önmenedzselő (self-*) rendszerek tudásbázisai (az Event-Condition-Action modellektől a szemantikus támogatásig).

    Kitekintés: modellhibákkal szembeni védelem, folyamatos modell-felülvizsgálat.

    9. A tantárgy oktatásának módja (előadás, gyakorlat, laboratórium) Előadás.
    10. Követelmények

    a. A szorgalmi időszakban: 1 nagyfeladat, amelynek kimagasló teljesítésért (szorgalmi feladat is) jegyet ajánlunk meg.

    b. A vizsgaidőszakban: szóbeli vizsga.

    c. Elővizsga: nincs.

    11. Pótlási lehetőségek A TVSz szerint.
    12. Konzultációs lehetőségek Egyeztetés alapján.
    13. Jegyzet, tankönyv, felhasználható irodalom

    S. Akama, T. Murai, Y. Kudo: Reasoning with Rough Sets Logical Approaches to Granularity-Based Framework. Springer 2018.

    M. S. Raza, U. Qamar: Understanding and Using Rough Set Based Feature Selection: Concepts, Techniques and Applications. Springer 2017.

    D. Ciucci, T. Mihálydeák, Z. E. Csajbók: On Exactness, Definability and Vagueness in Partial Approximation Spaces. Technical Sciences 18(3), 2015, 203-212

    F. Harmelen, V. Lifschitz, and B. Porter, "The Handbook of Knowledge Representation," Elsevier Science San Diego, USA, 2007.

    R. Murch, Autonomic Computing. IBM Press, 2004.

    14. A tantárgy elvégzéséhez átlagosan szükséges tanulmányi munka
    Kontakt óra28
    Félévközi készülés órákra14
    Felkészülés zárthelyire 
    Házi feladat elkészítése24
    Kijelölt írásos tananyag elsajátítása 
    Vizsgafelkészülés24
    Összesen90
    15. A tantárgy tematikáját kidolgozta

    Dr. Pataricza András

    egyetemi tanár

    MIT

    Dr. Kocsis Imre

    adjunktus

    MIT
    Egyéb megjegyzések

    A tantárgy neve angolul: Empirical systems engineering and modeling