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

Gáspár Csaba, egyetemi tanársegéd (TMIT)

Nagy-Rácz István, tanszéki mérnök (TMIT)

Ajánlott:
nincs

A gépi tanulási és data science ismeretek hasznosításának kulcskérdése, hogy egy valós adathalmazhoz és tényleges üzleti problémát megfelelő módon tudjuk leképezni a gépi tanulási és adatelemzési eszközkészletünkre. A tárgy célja, hogy ebbe az adatelemzési folyamatban adjon mélyebb gyakorlati tapasztalatot a hallgatóinak azáltal, hogy több valós esettanulmány megoldásával bemutatja milyen sorrendben, milyen módon érdemes alkalmazni a módszereket.

Módszertani szempontból a labor során a hallgatók az előadóval egy időben saját Notebook-at hoznak létre. Hogy a haladó feladatmegoldási feladatokra koncentrálhassunk több esetben egy kiinduló Notebook továbbfejlesztésével indulunk el az alkalmak során. A félévhez egy kijelölt adatbányászati létraverseny is tartozik, ahol minél hatékonyabban kell megoldani egy felügyelt gépi tanulási feladatot.

1. Bevezető, módszerek, technológiák, használt programozási nyelvek és technológiák áttekintése (pl. Python) - Táblázatos adatok kezelése, DataFrame alapú feladatmegoldás, kódhatékonyság kérdései

2. Felügyelt tanulás – Fejlett regressziós módszerek egy ingatlan adathalmaz felett, fejlett módszerek az adatelőkészítésben, időbeli trendek kezelése, speciális adatelőkészítési módszerek és hatásuk az előrejelzésre

3. Felügyelt tanulás – Fejlett osztályozási feladat egy hitelbírálati feladat megoldásánál 

4. Felügyelt tanulás – Komplex osztályozási kiértékelési módok, egyedi célfüggvények, optimalizáció egyedi célfüggvények esetén. A ROC görbe és AUC értékének különleges tulajdonságai, hibakeresés és a kiértékelő függvények kapcsolata, a kiértékelés evolúciója az üzleti igények ismeretében

5. Klaszterezési eljárások – Ügyfélszegmentáció kihívásai klaszterezés alapon, adatelőkészítési nehézségek, klaszterezési módszerek kiválasztása, klaszterezési eredmények magyarázhatósága, triviális klaszterezési helyzetek felismerése, klaszterezéshez kapcsolódó story-telling

6. Story telling és a modellek interpretálhatóságának kapcsolata, modellek magyarázhatóságának algoritmikai kérdései

7. Anomália detekció – Komplex anomália detekciós feladat megoldása időben változó adathalmaz felett

8. Anomália detekció – Anomália score értékek összevonása, visszajelzési folyamat beépítése a teljes elemzési sorba

9. Változó generálás fejlett módszerei, kapcsolata a változó kiválasztási módszerekkel - Változó kiválasztás módszerei, kihívásai, a kiválasztás eredményeit hasznosító feature engineering folyamat bemutatása

10. Nagyházifeladat ismertetése, kiinduló megoldásának elkészítése, az adatelemzési feladat buktatóinak ismertetése

Laboratórium.

 

 A hallgatók 10 alkalommal, alkalmanként négy órás idősávban találkoznak az oktatókkal, ahol kéthetente (minden második alkalommal) történik feladatkiadás. Ezen kívül a hallgatóknak egy gépi tanulási nagyházifeladatot kell a félév során megoldaniuk, ahol egymással kell versenyezniük (data science verseny).

- Beadandó feladatok leadása a Moodle rendszeren belül (5 darab) – feladatkiadás kéthetente, a feladat elkészítésére két hét áll rendelkezésre.

- Részvétel a tárgyhoz kapcsolódó data science versenyen, ott a félév során megadott baseline elérése szükséges.

A jegybe a házifeladatokra kapott pontszámok 40%-ban, míg a data science versenyen elért eredmény 60%-ban számít bele. A versenynél egy baseline szintet el kell érni ahhoz, hogy legalább elégségest kapjon a hallgató, ezt a szintet a verseny kiírásánál rögzítjük. A verseny során egy felügyelt tanulási feladatot kell megoldani, a pontos metrikát az adott félévben kiírt versenyfeladat határozza meg. A versenyen önállóan indulnak a hallgatók, az elérhető pontszámítás függ az adott évfolyamon a versenyen részt vevő összes hallgatók elért eredményeitől is.

A teljes pontszámból (házifeladatok plusz verseny) legalább 40%-ot kell elérni a kredit megszerzéséért.

A beadandó feladatok a leadási határidőt követő 2 hétben pótolhatók. Amennyiben ez a határidő túlnyúlik a pótlási héten, úgy a pótlási héten kell leadni azokat.

A gépi tanulási nagyházifeladat beadása folyamatos a félév közepétől, a beadás itt nem pótolható, a verseny a szorgalmi időszak végén zárul.