Belépés címtáras azonosítással
magyar nyelvű adatlap
Adat- és multimédia-bányászat laboratórium
A tantárgy angol neve: Data and Multimedia Mining Laboratory
Adatlap utolsó módosítása: 2014. november 3.
Név:
Beosztás:
Tanszék, Int.:
Dr. Szűcs Gábor
egyetemi docens
BME-TMIT
Gáspár Csaba
egyetemi tanársegéd
Prekopcsák Zoltán
tanszéki mérnök
Nagy István
Dr. Mihajlik Péter
egyetemi adjunktus
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.
Dr. Magyar Gábor
Dr. Sallai Gyula
egyetemi tanár
Hidasi Balázs
doktorandusz
Solt Illés
Paróczi Zsombor