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.

Programozás I–II. (Buda Jakab, Katona Eszter, Koltai Júlia, Rakovics Zsófia)

Adatelemzés I. (Németh Renáta, Szeitl Blanka)

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, 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-packag.
• 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

Kvalitatív módszerek (Gregor Anikó)

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.

Hálózatelemzés (Simon Dávid)

A kurzus a hálózatelemzés alapjaival ismerteti meg a hallgatókat, a módszerek elméletét tekintve támaszkodva a gráfelmélet matematikájára, gyakorlati megvalósítás szempontjából pedig az R és a Python nyelvek elemző csomagjaira. A hallgatók képesek lesznek kritikusan értékelni a hálózati módszertan segítségével végzett kutatásokat, mind a kisméretű hálózatok esetében, ahol a hangsúly az egyes csomópontokon van, mind a nagyméretű hálózatoknál, ahol a gráfstruktúra és a korlátozó tulajdonságok fontosabbak, továbbá képesek lesznek ilyen jellegű kutatások elvégzésére is.

Adatelemzési infrastruktúra (Git, SQL és más eszközök)

A kurzus célja, hogy alapot adjon az adatelemzési infrastruktúra legfontosabb elemeihez, amelyek olyan alapvető eszközöket foglalnak magukban, mint az SQL, Git és más nélkülözhetetlen erőforrások. A résztvevők jártasságot szereznek az SQL-ben az adatok kinyeréséhez és manipulálásához, és megtanulják, hogyan kell használni a Git-et, egy hatékony verziókezelő rendszert, az együttműködésre épülő adatelemzési projektmenedzsmenthez. A kurzus során a hallgatók számos további eszközzel és erőforrással is megismerkedhetnek, amelyek elengedhetetlenek az adatelemzési munkafolyamatokhoz. A cél az, hogy a hallgatók magabiztosan navigálhassanak az adatelemzési feladatokban mind szakmai, mind kutatási környezetben. A gyakorlatorientált kurzus az elméleti ismereteket a gyakorlati alkalmazással ötvözi. A résztvevők jártasságot szereznek ennek az infrastruktúrának a gördülékeny kooperatív adatelemzés érdekében történő kihasználásában, így felkészülhetnek az adatvezérelt iparágak igényeire.

Piackutatás I. (Géczi Tamás, Máth András, Melles Katalin)

Piackutatást végezni nagyon sokféle előképzettség mellett lehetséges. Ebben a versenyben viszont előnyt jelent a survey-statisztikus és adatanalitikus 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 kurzuson érintett témák:

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