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

    Belépés
    címtáras azonosítással

    vissza a tantárgylistához   nyomtatható verzió    

    Adat- és multimédia-bányászat laboratórium

    A tantárgy angol neve: Data and Multimedia Mining Laboratory

    Adatlap utolsó módosítása: 2014. november 3.

    Budapesti Műszaki és Gazdaságtudományi Egyetem
    Villamosmérnöki és Informatikai Kar
    Mérnökinformatikus szak, MSc képzés
    Adat- és médiainformatika 
    mellékspecializáció
    Tantárgykód Szemeszter Követelmények Kredit Tantárgyfélév
    VITMMB02 3 0/0/3/f 4  
    3. A tantárgyfelelős személy és tanszék Dr. Szűcs Gábor, Távközlési és Médiainformatikai Tanszék
    4. A tantárgy előadója

     Név:

     Beosztás:

     Tanszék, Int.:

     Dr. Szűcs Gábor

     egyetemi docens

     BME-TMIT

     Gáspár Csaba

     egyetemi tanársegéd

     BME-TMIT

     Prekopcsák Zoltán

     tanszéki mérnök

     BME-TMIT

     Nagy István

     tanszéki mérnök

     BME-TMIT

     Dr. Mihajlik Péter

     egyetemi adjunktus

     BME-TMIT

    5. A tantárgy az alábbi témakörök ismeretére épít

    Programozási alapismeretek. 

    6. Előtanulmányi rend
    Ajánlott:
    Kötelező előtanulmányi rend: A tantárgy csak akkor vehető fel, ha valaki megszerezte az Adatelemzési platformok (VITMMA05) tantárgy kreditjeit.
    7. A tantárgy célkitűzése

    A laboralkalmak az adat-, szöveg- illetve médiaelemzés technológiái köré szerveződnek, a hallgatók mérnöki problémamegoldó képességét, technológiai ismereteinek bővítését segítik elő. A hallgatók a megismert technológiákat valós adatokon, médiaállományokon tesztelik, ami által azok hatékonyságát, a megoldás erősségeit és gyengeségeit egyaránt megismerik. A labort vezető oktatók az adott területen magas kompetenciával rendelkező, tapasztalt szakemberek. A laborfeladatok folyamatos technológiai aktualizálásával és kurrens problémákkal biztosítjuk, hogy a hallgató mindig az adott témában elérhető vezető technológiával ismerkedjen meg. Az egyes laboralkalmak önállóan értelmezhetők, a mellékspecializáció során elsajátítandó szakmai tartalomhoz kapcsolódnak, de az oktatott tárgyak elvégzése nem feltétele a laboralkalmak sikeres teljesítéséhez.  

    8. A tantárgy részletes tematikája

    Arcdetektálás OpenCV használatával: A hallgatók a Viola-Jones arcdetektor használatán keresztül  megtanulják az arcdetektálás részleteit, majd begyakorolják az arcazonosításhoz szükséges algoritmusokat.

    Adatelemzési algoritmusok párhuzamosítása: A mérés célja a párhuzamosításai lehetőségek bemutatása néhány algoritmuson, és közelítő párhuzamosítási megoldások használata nem párhuzamosítható algoritmusoknál.

    Webes adatok letöltése és feldolgozása OpenRefine eszközzel: A mérés célja olyan Webes adatok elemzése, melyek térképes megjelenítést igényelnek. A hallgatók begyakorolhatják a külső API hívásának használatát, a Google geokódoló szolgáltatást, hogy a címekhez koordinátákat rendelhessenek.

    Big Data technológiák hatékonyságának vizsgálata: Hadoop alapú technológia használatával a hallgatók lemérik az egyre nagyobb adathalmazok feldolgozásának hatékonyságát különböző szempontok alapján.

    Adattisztítás hatásának bemutatása: A laboratóriumi mérés célja, hogy a hallgatók a különböző területről származó (társadalmi, környezeti, üzleti) adathalmazokban adattisztítást hajtsanak végre.

    Facebook adatok elemzése R nyelven: A laboratóriumi mérés célja, hogy a közösségi hálók hálózati elemzését gyakoroltassa be a hallgatókkal R nyelven.

    Webes adatvizualizáció: A mérés célja Webes és valós adatokon összefüggések, érdekességek keresése interaktív vizualizációval különböző eszközök (tableau, python, R) segítségével.

    Dinamikus idővetemítés technikája a hangelemzésben: A labor során különféle hangmintákon (pl. szinuszos jel, felharmonikusokban gazdag generált jel, hangszer hang, beszédhangok) a hallgatók megvizsgálják a spektrogram különféle változatait, szemléltetve a beszédfelismerési lényegkiemelés egyes fázisait; majd összevetik a lineáris és dinamikus idővetemítés hatékonyságát és elemezik a konfidenciaszámítási lehetőségeket.

    Véleményanalízis szövegbányászati megvalósítása: A különböző blogok, mikroblogok, fórumok és közösségi hálókon található vélemények gépi összegzése képezi a laborgyakorlat tárgyát. A hallgatók megtanulják a pozitív, negatív és semleges vélemények besorolási technikáit, lemérik az elérhető pontosságokat.


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

    számítógépes labor gyakorlat

    10. Követelmények
    A laborok legalább 70%-án részt kell venni.
    A laborok minimum 70%-át legalább elégséges szinten teljesíteni kell.
    11. Pótlási lehetőségek

    Pótlási lehetőség nincs (ld. TVSZ 16. § 1. pontját), viszont az eredmény megállapítása a megtartott ellenőrzések hallgató számára legkedvezőbb (lefelé kerekített) maximum kétharmada alapján történik.

    12. Konzultációs lehetőségek

    A tárgy előadójával személyesen, vagy e-mailben egyeztetett időpontban.

    13. Jegyzet, tankönyv, felhasználható irodalom

    A mérések anyagát a bevezető előadás és a mérési segédletek tartalmazzák.

    14. A tantárgy elvégzéséhez átlagosan szükséges tanulmányi munka
    Kontakt óra42
    Félévközi készülés órákra30
    Felkészülés zárthelyire-
    Mérési beszámolók elkészítése20
    Kijelölt írásos tananyag elsajátítása28
    Vizsgafelkészülés-
    Összesen120
    15. A tantárgy tematikáját kidolgozta

     Név:

     Beosztás:

     Tanszék, Int.:

     Dr. Magyar Gábor

     egyetemi docens

     BME-TMIT

     Dr. Sallai Gyula

     egyetemi tanár

     BME-TMIT

     Dr. Szűcs Gábor

     egyetemi docens

     BME-TMIT

     Gáspár Csaba

     egyetemi tanársegéd

     BME-TMIT

     Hidasi Balázs

     doktorandusz

     BME-TMIT

     Solt Illés

     doktorandusz

     BME-TMIT

     Prekopcsák Zoltán

     tanszéki mérnök

     BME-TMIT

     Nagy István

     tanszéki mérnök

     BME-TMIT

     Paróczi Zsombor

     doktorandusz

     BME-TMIT

     Dr. Mihajlik Péter

     egyetemi adjunktus

     BME-TMIT