Programozási alapismeretek. 

A laboralkalmak az adat-, szöveg- illetve médiaelemzés technológiái köré szerveződnek, a hallgatók mérnöki problémamegoldó képességét, technológiai ismereteinek bővítését segítik elő. A hallgatók a megismert technológiákat valós adatokon, médiaállományokon tesztelik, ami által azok hatékonyságát, a megoldás erősségeit és gyengeségeit egyaránt megismerik. A labort vezető oktatók az adott területen magas kompetenciával rendelkező, tapasztalt szakemberek. A laborfeladatok folyamatos technológiai aktualizálásával és kurrens problémákkal biztosítjuk, hogy a hallgató mindig az adott témában elérhető vezető technológiával ismerkedjen meg. Az egyes laboralkalmak önállóan értelmezhetők, a mellékspecializáció során elsajátítandó szakmai tartalomhoz kapcsolódnak, de az oktatott tárgyak elvégzése nem feltétele a laboralkalmak sikeres teljesítéséhez.  

Arcdetektálás OpenCV használatával: A hallgatók a Viola-Jones arcdetektor használatán keresztül  megtanulják az arcdetektálás részleteit, majd begyakorolják az arcazonosításhoz szükséges algoritmusokat.

Adatelemzési algoritmusok párhuzamosítása: A mérés célja a párhuzamosításai lehetőségek bemutatása néhány algoritmuson, és közelítő párhuzamosítási megoldások használata nem párhuzamosítható algoritmusoknál.

Webes adatok letöltése és feldolgozása OpenRefine eszközzel: A mérés célja olyan Webes adatok elemzése, melyek térképes megjelenítést igényelnek. A hallgatók begyakorolhatják a külső API hívásának használatát, a Google geokódoló szolgáltatást, hogy a címekhez koordinátákat rendelhessenek.

Big Data technológiák hatékonyságának vizsgálata: Hadoop alapú technológia használatával a hallgatók lemérik az egyre nagyobb adathalmazok feldolgozásának hatékonyságát különböző szempontok alapján.

Adattisztítás hatásának bemutatása: A laboratóriumi mérés célja, hogy a hallgatók a különböző területről származó (társadalmi, környezeti, üzleti) adathalmazokban adattisztítást hajtsanak végre.

Facebook adatok elemzése R nyelven: A laboratóriumi mérés célja, hogy a közösségi hálók hálózati elemzését gyakoroltassa be a hallgatókkal R nyelven.

Webes adatvizualizáció: A mérés célja Webes és valós adatokon összefüggések, érdekességek keresése interaktív vizualizációval különböző eszközök (tableau, python, R) segítségével.

Dinamikus idővetemítés technikája a hangelemzésben: A labor során különféle hangmintákon (pl. szinuszos jel, felharmonikusokban gazdag generált jel, hangszer hang, beszédhangok) a hallgatók megvizsgálják a spektrogram különféle változatait, szemléltetve a beszédfelismerési lényegkiemelés egyes fázisait; majd összevetik a lineáris és dinamikus idővetemítés hatékonyságát és elemezik a konfidenciaszámítási lehetőségeket.

Véleményanalízis szövegbányászati megvalósítása: A különböző blogok, mikroblogok, fórumok és közösségi hálókon található vélemények gépi összegzése képezi a laborgyakorlat tárgyát. A hallgatók megtanulják a pozitív, negatív és semleges vélemények besorolási technikáit, lemérik az elérhető pontosságokat.

számítógépes labor gyakorlat

Pótlási lehetőség nincs (ld. TVSZ 16. § 1. pontját), viszont az eredmény megállapítása a megtartott ellenőrzések hallgató számára legkedvezőbb (lefelé kerekített) maximum kétharmada alapján történik.

A tárgy előadójával személyesen, vagy e-mailben egyeztetett időpontban.

A mérések anyagát a bevezető előadás és a mérési segédletek tartalmazzák.