-------------- OKTATÁS --------------
-------------- Adattudomány(Data Science) (2026/27) ősz --------------
::::::::::::::::::: Bevezetés/Követelmények :::::::::::::::::::
-{PPT}-
:::::::::::::::::::1. Az adatelemzéstől az adattudományig :::::::::::::::::::
-{PPT}- -{A - oktatói - NOTEBOOK}--{B - hallgatói - NOTEBOOK}--{Eszközök}-
:::::::::::::::::::2. Szövegbányászat és szemantikus reprezentációk :::::::::::::::::::
-{PPT}- -{A - oktatói - NOTEBOOK}--{B - hallgatói - NOTEBOOK}--{Eszközök}-
:::::::::::::::::::3. Magas dimenzió és dimenziócsökkentés :::::::::::::::::::
-{PPT}- -{NOTEBOOK}-
:::::::::::::::::::4. Klaszterezés és szegmentáció :::::::::::::::::::
-{PPT}- -{NOTEBOOK}-
:::::::::::::::::::5. Ajánló rendszerek(Recommendation systems):::::::::::::::::::
-{PPT}- -{NOTEBOOK}-
:::::::::::::::::::6. Asszociációs szabályok :::::::::::::::::::
-{PPT}- -{NOTEBOOK}-
:::::::::::::::::::7. Hálózattudomány :::::::::::::::::::
-{PPT}- -{NOTEBOOK}-
:::::::::::::::::::8. Idősormodellezés és előrejelzés :::::::::::::::::::
-{PPT}- -{NOTEBOOK}-
:::::::::::::::::::9. Anomália- és változásdetektálás :::::::::::::::::::
-{PPT}- -{NOTEBOOK}-
:::::::::::::::::::10. Oksági gondolkodás és kísérletezés (pattern mining) :::::::::::::::::::
-{PPT}- -{NOTEBOOK}-
:::::::::::::::::::11. Magyarázható és felelős adattudomány :::::::::::::::::::
-{PPT}- -{NOTEBOOK}-
:::::::::::::::::::11. Reprodukálható, integrált Data Science projekt :::::::::::::::::::
-{PPT}- -{NOTEBOOK}-
-------------- Ajánlott irodalom/Linkek --------------
Steffen Herbold - Intro to data science
John Paul Mueller, Luca Massaron - Python for Data Science For Dummies
Foster Provost, Tom Fawcett - Data Science for Business: What you need to know about data mining and data-analytic thinking
Azure Microsoft - Mi az az adattudomány?