Betekintés a kurzuskínálatba

Adattudomány (Rakovics Márton)

A kurzus célja az adattudomány (gépi/statisztikai tanulás, adatbányászat) elvi alapjainak és legfontosabb módszereinek áttekintése. Az előadás a tárgyalt módszereket a függvényapproximáció általános problémája felől közelíti meg, majd bemutatja a főbb megoldásokat, illetve azok kapcsolatát. Az előadáshoz társuló gyakorlat során a hallgatók az előadáson szerzett ismereteiket – R-ben elvégzett – adatelemzési példák és saját módszer-implementációk segítségével mélyíthetik el.

A kurzus eredményeként a hallgatók ismerik az adattudományi problémák főbb típusait és a legfontosabb megoldási módszereket. Képesek azonosítani az elemzési módszerek sokasága mögött húzódó általános elemeket, modulokat, így rendelkeznek új, korábban nem látott módszerek megtanulásához vagy fejlesztéséhez szükséges elvi ismeretekkel.

Programozás I–II. (Rakovics Márton)

Az első kurzus bevezetés az R programozásba, de az itt szerzett ismeretek jelentős része alkalmazható egyéb programozási- és script-nyelvek esetében is. A kurzus részeként tárgyaljuk és gyakorlatba ültetjük: Objektumok kezelése, Adatok beolvasása, Függvények, Parancsstruktúrák (if-else, for, while), Grafikus ábrázolás, Algoritmusok, Komplex feladatok.
A kurzus második részében a hallgatók megismerik a Python programnyelv alapjait (változók típusai, alapvető parancsok, függvények, ciklusok, adatbázisok és a bennük tárolt adatok típusai). Az alapvetések után különös figyelmet fordítunk a programban rejlő lehetőségek közül az internetes adatszerzésre (webscraping), továbbá API-ok használatára. A kurzus során kisebb óraszámban foglalkozunk az SQL nyelvvel is. Bemutatjuk az SQL Pythonba való beágyazottságát is.

Adatelemzés I. (Németh Renáta)

A kurzuson alapvető adatelemzési módszereket és azok gyakorlati alkalmazási példáit ismerjük meg. Részben az általánosított regressziós modelleket, részben alapvető, az adatbányászatban is alkalmazott módszereket dolgozunk fel. A feldolgozás során a módszerek számítógépes implementálását is ismertetjük (Stata-t használunk, de követhető az óra R-ben vagy SPSS-ben is), online elérhető valós adatbázisokat használva. Az óra részben angol nyelvű olvasószemináriumként is működik majd, hogy a hallgatók számára megkönnyítsük az új módszerek jövőbeli önálló elsajátítását.

módszerek

  • lineáris regresszió – kategoriális prediktorok, interakciók
  • ANOVA és lineáris regresszió. Többutas ANOVA, unbalanced design, sequantial sum of squares.
  • logisztikus regresszió.
  • az előbbiek egyetlen keretben: Generalized Linear Models
  • döntési fák (Classification And Regression Tree, CART) a logisztikus regresszió alternatívájaként.
  • szövegbányászat, néhány egyszerű modell és R-package.
  • loglineáris modellek SPSS-ben. kapcsolat logisztikus regresszióval

általános fogalmak

  • összemosódás, kontrollálás
  • interakciók
  • modellillesztés, illeszkedési mértékek
  • modellépítés (stepwise módszerek)
  • egymásbaágyazott modellek tesztelése
  • túlillesztés (overfitting), validálás. k-fold crossvalidation, bootstrap pl. változószelekcióra.

Adatelemzés II. (Kabos Sándor, Rudas Tamás)

A statisztikai modell illeszkedésvizsgálatának adatelemzési eszközei.

  • statisztikai modellek elemi illeszkedésvizsgálata,
  • az általánosított lineáris modell illeszkedésvizsgálata,
  • többdimenziós outlier identifikáció PCA eljárással,
  • térben és időben változó adatok modellezése,
  • lineáris regresszió diagnosztizálása variancia analízissel,
  • lineáris regresszió diagnosztizálása rangstatisztikák alapján,
  • grafikus modellek (irányított és irányítatlan),
  • resampling tesztelési eljárasok a khi-négyzet statisztikával.

Kvalitatív módszerek (Nagy Zsófia)

A kurzus célja a piackutatásban használt kvalitatív módszertan általános megismertetése a hallgatókkal, a kapcsolódó gyakorlati, mintavételi, etikai problémák feltárásával együtt. A félév során három kvalitatív módszer részletes megismerésére kerül sor, ezek: a megfigyelés, az interjú és a fókuszcsoport. Kitérünk a digitális technológiák alkalmazására is, mint kamerás megfigyelés vagy online interjú. Gyakorlati példákon és esettanulmányokon keresztül megismerjük a módszerek működését, illetve mindhárom módszertan kapcsán feladatokat végeznek el a hallgatók, hogy betekintést nyerjenek alkalmazásukba. A félév második felében az összegyűjtött adatok elemzésének fontosabb szempontjai kerülnek sorra, végül a kvalitatív kutatást lezáró beszámoló, prezentáció egyes aspektusait tekintjük át.

Piackutatás I. (Máth András)

Piackutatást végezni nagyon sokféle előképzettség mellett lehetséges. Ebben a versenyben viszont előnyt jelent a survey-statisztikus háttér – abban az esetben, ha a piackutatás módszertani és elméleti hátterét is megismerik a hallgatók. Ennek az ismeret együttesnek a megszerzését tűzi ki maga elé célként a kurzus két félév alatt. Az első félév célja a szükséges háttérismeretek bemutatása és kiegészítése ahhoz, hogy a valós piaci elvárásokhoz jobban tudjanak idomulni majd a hallgatók a képzés befejezése után.

  • A piackutatói szakma szereplői
  • Vállalatgazdaságtani alapok
  • Marketing alapok
  • Marketing gyakorlás
  • Alapvető módszerek (U&A, márkakutatás, reklámkutatás, médiakutatás, panelkutatás, szolgáltatáskutatás)

 

2018.11.21.