Data Science

A képzés tematikája

• 1. modul: Bevezetés az adatok világába. Adatgyűjtés, -tárolás és -feldolgozás
  
  • Alapfogalmak tisztázása
  • Leíró adatelemzés: RapidMiner
  • Python alapok
  • Gépi tanulási alapok, adatminőség és adattisztítás Pythonban

  A szakemberek mára rengeteg eszköz közül válogathatnak az adatok összegyűjtéséhez és tárolásához, nincs azonban egyetlen üdvözítő módszer, amely minden helyzetben megfelelne. Rövid alapozás után a modulban foglalkozunk az adatok előkészítésével, sőt belevágunk az alapvető elemzési módszerekbe.

• 2. modul: A statisztikai ujjgyakorlatoktól a modellépítésig.
  Elemzési eszközök és módszerek
  
  • Regresszió, adatminőség és adattisztítás RapidMinerben
  • Osztályozás Pythonban
  • Szegmentáció RapidMinerben
  • Idősorelemzés Pythonan
  • Anomáliakeresés és haladó elemzési technikák

  ​Hogyan alakíthatóak tömény információvá a nyers adatok? Hogyan lehet összefüggéseket, mintázatokat kiolvasni a nagy adathalmazokból? Mire ügyeljünk, hogy elkerüljük a szemfényvesztő eredményeket? Hogyan erősíti egymást statisztika és programozás, mely programnyelvek a legnépszerűbbek és miért? A modul alkalmai során végigvesszük az elemzéshez szükséges statisztikai és kódolási ismereteket, a legelterjedtebb programozási nyelveket, és minden élvonalbeli technológiát a gyors, pontos és felhasználóbarát elemzéshez.

  Minden alkalommal valós adatokon és valós döntési helyzeteket modellezve haladunk, megismerve a legfontosabb eszközöket, iparági problémákat.  

• 3. modul: Fejlett elemzési és big data eszközök
  
  • Szövegbányászat
  • Big data as a service - a jelenlegi szolgáltatások palettája
  • Big Data technológiák és Spark
  • Hálózatelemzés
  • Ajánlórendszerek

  Ebben a modulban sorra vesszük azokat az eszközöket, amelyek képesek összekötni földi halandókat az igazán problémás méretű adathalmazokkal. A forradalmi Hadoop módszerek, és a rá épülő, különböző szoftveres megoldások mellett tovább folytatjuk a legfontosabb programnyelvekben való elmélyülést. Cél, hogy a hallgatók a modul végére olyan tudást szerezzenek, amellyel magabiztosan mozoghatnak mind az adatelemzés eredményeinek, mind a felhasznált technológia értékelésekor, és amely tudásra építve már saját kézbe vehetik technológiai ismereteik fejlesztését.

• 4. modul: A bizalom szerződései.
  Az adatkezelés jogi aspektusai
  
  • Társadalomba ágyazott szabályozás
  • Jogi szemlélet az adatfeldolgozásban
  • Az európai és a magyar információbiztonsági törvények
  • A bizalom íratlan szabályai digitális környezetben

  Az információ monetizálásának gyakorlata gyorsabban terjed, mint az egyének felkészültsége arra, hogy átlássák és irányítsák az általuk hagyott digitális lenyomatokat, ezért a nemzetállamok és nemzetközi szervezetek feladata, hogy megfelelő jogi környezettel korlátozzák és szabályozzák a vállalatokat, védjék a felhasználókat. A modul segít hallgatóinknak eligazodni a szövevényes, és még korántsem lezárt jogi diskurzusokban, megérteni a jogalkotók szempontjait és az információbiztonság hagyományait.

• 5. modul: Emberek és adatok összekapcsolása. 
  A profi adatvizualizáció
  
  • Adatvizualizációs alapok
  • Dashboardépítés
  • Prezentáció és asszertív kommunikáció

  ​Az adatelemzési projekteket nem pusztán technológiai igényességük validálja, hanem elsősorban üzleti megtérülésük, ezért sosem elég eljutni az eredményekig – ezeket át is kell adni és a gyakorlatban alkalmazhatóvá tenni. Hallgatóink megtanulhatják az eredmények hatékony átadásának módjait, a figyelem fenntartását és irányítását, a látás és értelmezés korlátait. Emellett megismerhetik a legfontosabb open-source, ingyenes és üzleti vizualizációs szoftverek használatát. A modul végére hallgatóink azt is megtanulhatják, hogyan használják az asszertív kommunikációt arra, hogy megalapozzák az üzleti igényt és a bizalmat.