Oktatási cél: A tárgy célja a use-case és adatközpontú gépi tanulási megközelítés megismertetése, elsősorban
neurális hálózatok és modern technikák ismertetésén keresztül. A hallgatók a gyakorlati életből vett valós
alkalmazási példákon keresztül az ismereteket megtapasztalva, egyre mélyebbre haladva precíz elméleti és egyúttal
praktikus gyakorlati ismeretekhez jutnak. Az elméleti ismeretek gerincét az adatmanipulációs technikák, neurális
hálózati architektúrák adják, a gyakorlati feladatok pedig az elmélet gyakorlati megjelenítését szolgálják elsősorban
Python nyelv használatán keresztül.
Tematika: A Bevezetés az adattudományba c. tárgyon tanultak felelevenítése. ML development process flow
áttekintése. Neurális hálózatokról tanultak átismétlése. Technikák és eszközök ML fejlesztéshez. Adattisztítás,
adatfeldolgozás, adatmozgatás. Adattisztítás és adatvizualizáció. Kiértékelő metrikák ML technikákhoz. Neurális
hálózati architektúrák áttekintése (egyszerű, komplex struktúrák). Neurális hálózatok használata, működése,
működtetése. Aktivációs függvények. Metrika alapú fejlesztés. Hálózati döntéshozatal értelmezése. Magyarázható
neurális hálózatok. Esettanulmányok ismertetése (Rl, JAX, AutoML, idősoros és nem idősoros adatokon alapuló
projektek).