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).