Nyomtatható verzió   Tartalom elküldése levélben   Betüméret növelése   Ikonok magyarázata 

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)

Portálkezelői menü Tartalom módosítása Utolsó módosítás dátuma: 2018.11.21.