+(36) 88 624 021 |    dekanititkarsag@mik.uni-pannon.hu |    8200 Veszprém, Egyetem utca 10. I. épület

Adattudomány MSc

Néhány fontosabb témakör, amelyek megjelennek a képzésben:

Fejlett képfeldolgozási módszerek

Képkódolás, a vízjel mint adat, szteganográfia, képek szemantikus értelmezése, multimodális biometria, mélytanulásos konvolúciós neurális hálózatok, generatív ellenfél hálózatok. Objektumfelismerés, anomália detekció. Képkódolás, képzajtalanítás, felbontás javítás, szegmentálás. Kamerapozíció becslése.

Felhő programozás

Felhő rendszerek programozása és alkalmazása számítási és adatfeldolgozási feladatok megoldására, Infrastrukture, Platform, Software, Function-as-a-Service rendszerek, rugalmas erőforrásskálázás, MapReduce programozási modell, Spark keretrendszer, Google Cloud, szolgáltatás-orientált programozás.

Adatbiztonság

Információbiztonsági és adatvédelmi alapelvek (ISO 27001, GDPR); személyes adatok kezelése, az érintett jogai. Az adatkezelés, adatfeldolgozás, adattovábbítás, adattárolás és anonimizálás szabályai. Az adatvédelmi hatásvizsgálat, adatvédelmi incidens (szabályozás, kockázatelemzés, bejelentési kötelezettség, incidenskezelés).

Szövegbányászat

Információkinyerés szabad szöveges dokumentumokból. Természetes nyelvfeldolgozás. Szózsák modell, a szövegek kvantitatív jellemzése. Stemmelés, lemmatizálás, POS tagging, névelem felismerés. Szentiment elemzés, szövegek osztályozása és csoportosítása. Neurális hálózatok alkalmazása a természetes nyelvfeldolgozásban.

Adatintenzív gépi tanulás

Adatok előkészítése, adattisztítás. Feltáró adatelemzés. Osztályozó algoritmusok, regressziós módszerek. Feature engineering, tulajdonságok fontosságának mérése. Hiperparaméter-hangolás. Asszociációs szabályok bányászata, csoportosítás, dimenziócsökkentés, idősorelemzés, folyamatbányászat, hálózatelemzés.

Modern adatbázis- és adattárház-technológiák

Üzleti tranzakciókat támogató adatbázisok, replikációs megoldások, dokumentumtárak és NoSQL rendszerek, gráf adatbázisok tervezése, migrálása. Nagy rendelkezésre állású elosztott adattároló rendszerek. Felhő-alapú adatbázis technológiák. Adatminőség-menedzsment, adattárházak megvalósítása és kiaknázása.

Neurális hálózatok és mélytanulás

Neurális hálózatok felépítése és tanítása. A tanulás folyamatának értelmezése és a hiperparaméterek finomhangolása. Előrecsatolt neurális hálózatok, mély neurális hálózatok, visszacsatolt neurális hálózatok, LSTM, encoder-decoder struktúrák, generatív neurális hálózatok, mély megerősítéses tanulás.

Adatvizualizációs és üzleti intelligencia rendszerek

Informatív lényegkiemelés, feltáró adatelemzés, adatvizualizáció, interaktív diagramok, dashboard-ok. Vezetői döntéstámogatás, storytelling. Mutatók, KPI-ok, kiegyensúlyozott mutatószámrendszerek (Balanced Scorecard) készítése. Tervezés, előrejelzés, üzleti modellezés, idősoros elemzés.

GPU programozás

High-performance computing, szuperszámítógépek, párhuzamos programozás (futószalag, többmagos, többprocesszoros), számítási teljesítmény, numerikus algoritmusok, szimuláció, Big Data feldolgozás, párhuzamos számítási architektúrák. Iteratív és rekurzív algoritmusok párhuzamosítása.

Adattudomány MSc

A mesterképzés az informatika képzési területhez tartozik, amelynek képzési és kimeneti követelménye itt a tanterv pedig itt érhető el.

Bemeneti feltételek:

A képzési és kimeneti követelmények meghatározzák a mesterképzés bemeneti feltételeit, miszerint:

  • Teljes kreditérték beszámításával vehető figyelembe az informatika képzési területről a programtervező informatikus, a mérnökinformatikus, a gazdaságinformatikus alapképzési szak, azaz, ezek a végzettségek automatikusan teljesítik a bemeneti követelményeket.
  • Meghatározott kreditek teljesítésével elsősorban számításba vehető: a természettudomány képzési területről a matematika a fizika alapképzési szak. Ezen végzettség esetén kreditelismerési eljárás lefolytatásával vizsgálandó, hogy a felvételiző rendelkezik-e a korábbi alapképzési tanulmányok alapján minimálisan 40 kredittel az alábbi területekről:
    • gazdasági és humán ismeretek 5 kredit;
    • informatikai ismeretek (adatszerkezetek, adatelemzés, algoritmusok, adatbázisrendszerek, programnyelvek, adatbiztonság) 35 kredit.

A mesterképzésbe való felvétel feltétele, hogy a hallgató a felsorolt területeken legalább 20 kredittel rendelkezzen. A hiányzó kreditek a mesterképzéssel párhuzamosan, különbözeti tárgyakkal teljesíthetők.

  • Meghatározott kreditek teljesítésével vehetők figyelembe továbbá azok az alapképzési és mesterképzési és egyéb felsőfokú képzések, melyek esetén a felvételiző korábbi tanulmányai alapján minimálisan 60 kredittel rendelkezik az alábbi területekről:
    • természettudományos ismeretek (kalkulus, lineáris algebra, valószínűségszámítás, statisztika, numerikus matematika) területéről 20 kredit;
    • gazdasági és humán ismeretek 5 kredit;
    • informatikai ismeretek (adatszerkezetek, adatelemzés, algoritmusok, adatbázisrendszerek, programnyelvek, adatbiztonság) 35 kredit.

A mesterképzésbe való felvétel feltétele, hogy a hallgató a felsorolt területeken legalább 30 kredittel rendelkezzen. A hiányzó kreditek a mesterképzéssel párhuzamosan, különbözeti tárgyakkal teljesíthetők.

A nem teljes kreditérték beszámítással figyelembe vehető képzéssel rendelkezők esetében a kreditelismerési eljárást a Pannon Egyetem Műszaki Informatikai Kar Tanulmányi és Kreditátviteli Bizottsága a felvételi eljárás részeként folytatja le. Ehhez a korábbi tanulmányokra vonatkozó leckekönyv kivonatot vagy oklevélmellékletet a felvi.hu rendszerbe kell feltölteni. Az eljárás eredményéről a jelentkezőket tájékoztatjuk. A kreditelismerési határozatot, amely – amennyiben szükséges - a különbözeti tárgyak pontos listáját is tartalmazza, beiratkozáskor kapják meg a felvételt nyert hallgatók.

Bővebb tájékoztatás kérhető: