Részismereti képzések

2021 szeptemberétől részismereti képzések gyakorló informatikus szakembereknek

2021 szeptemberétől induló részismereti képzéseink informatikusoknak kínálnak specializálódási lehetőséget a következő területeken:

Data Science

Artificial Intelligence

Cyber Security

Software Technology

Modellalkotó

Vállalatirányítási rendszerek

 

Jelentkezési határidő: 2021. augusztus 29.

Jelentkezni lehet az alábbi jelentkezési lap kitöltésével.

 

Cím
Cím
Jelentkezési lap

Data Science részismereti képzés

A részképzési blokk célja: The specialization consists of two parts: First, students will be familiarized with basic concepts of machine learning, various types of machine learning models and techniques as well as the related concepts from the area of optimization and stochastic processes. The second part is concerned with deeper introduction into four areas of machine learning such that analysis of data from various sensors, mining stream data, network science and deep learning. By absolving the specialization, students will gain theoretical and practical knowledge necessary to handle a wide range of of machine learning tasks and problems.

Nyelve: angol

Kreditszáma: 30

Szakmai felelős: Horváth Tamás tanszékvezető

Indul: 2021. szeptember

Témakörei:

Sensor Data Analytics The course is concerned with analysis of data originating of sensors of various types under the presence of uncertainty due to errors and noise in data collection and transmission. Often, in-network processing is required such that the data are processed in the network of sensors itself instead of utilizing a centralized solution. Main topics of the course include noise reduction and data cleaning, object detection and recognition, pattern mining, prediction and forecasting, and, in-network computing while considering various types of data such as time series, audio and video.

Stream Mining The course is devoted to processing and mining data streams in which data, arriving at high speed, are processed under various space and time constraints. Typically, data are processed with one pass by the algorithm taking into account that data may evolve over time. The course will cover topics of data stream clustering and classification, frequent pattern mining from data streams, change detection and forecasting in data streams, and, indexing and distributed mining of data streams.

Advanced Machine Learning The course focuses on advanced machine learning approaches and their application in various areas with particular interest in deep learning architectures, kernel methods, graphical models, bayesian techniques, reinforcement learning, scalable latent models, semi-supervised learning, ensemble techniques, transfer learning and other state-of-the-art approaches.

Network Science The course is devoted to investigation of complex structures such as, among others, computing, communication, transportation, social, biological or spatial networks, with particular interest in analysis, mining and visualization of networks.

Optimization for Data Science The course is focusing on basic concepts from optimalization and stochastic processes as well as graph theory. The aim is to familiarize students with the underlying optimization approaches used in machine learning methods and techniques. The knowledge gained during the course will also be helpful in providing tasks related to tuning machine learning techniques such that setting of the optimal hyper-parameters of these methods.

Machine Learning The course is concerned with various types of machine learning models and techniques based on different paradigms such that discriminative, probabilistic, distance-based, etc. Besides the introduction to the basic concepts of machine learning, the advantages and disadvantages of various models will be discussed with regard to various machine learning tasks and data characteristics such that type, volume, variety, velocity, just to name the most common characteristics. Methods and techniques for combination of more models in order to enhance the performance will be discussed, too. The goal is to give the students a good overview of the machine learning landscape so they will be able to decide, based on the given task at hand, which model or models would lead to the best performance.

Összefoglaló táblázat az óratervről

tárgynév

kreditsz.

óraszám

félév

tárgyfelelős

Sensor Data Analytics

5

2+2+1

őszi

Csetverikov Dmitrij

Stream Mining

5

2+2+1

őszi

Krisztián Buza

Advanced Machine Learning

5

2+2+1

őszi

András LŐRINCZ

Network Science

5

2+2+1

őszi

Csabai István

Optimization for Data Science

5

2+2+1

tavaszi

Gergó Lajos

Machine Learning

5

2+2+1

tavaszi

Tomás Horváth

Összesen

30

12+12+6

 

 

 

Az egyes tárgyak tematikái megtalálhatók a https://www.inf.elte.hu/tantervihalok címen.

 

Artificial Intelligence részismereti képzés

 

A részképzési blokk célja: Napjaink informatikai alkalmazásában egyre nő a szerepe a különféle mesterséges intelligencia technológiáknak. Ennek a részképzésnek a célja az, hogy az informatikában már jártas szakemberekkel megismertesse e technológiákat, alkalmazási területeiket, fejlesztői eszközeiket.

Nyelve: angol

Kreditszáma: 30

Szakmai felelős: Gregorics Tibor egyetemi docens

Témakörei:

Mesterséges intelligencia alkalmazások módszerei és eszközei. Az utóbbi évek mesterséges intelligencia alkalmazásaiban (IBM Watson, bőrrák diagnosztizálása, sakk vagy Go játék, ajánló rendszerek stb.) mutat rá a különféle technológiákra (mesterséges neuronhálók, számítógépes látás, Monte Carlo fa-keresés, stb.) és azok alkalmazását támogató szoftver könyvtárak használatára.

Haladó gépi tanulás. Elsajátítható a korszerű neuronhálók és egyéb gépi tanulási algoritmusok elméleti háttere.

Játékelmélet. A tárgy célja különféle játék modellek ismertetése, a játékelméleti alapfogalmak bevezetése, és a játékelmélet alkalmazási lehetőségeinek bemutatása.

Multi-ágens rendszerek. Bevezet a multi-ágens és autonóm ágens (robot) rendszerek világába, ahol a rendszer egységei folyamatosan függenek mind a környezettől, mind pedig egymástól, és akár együttműködve, akár egymással versengve próbálják kitűzött céljaikat elérni.

Robotika. Gyakorlati munka keretében mutatja be az alapvető robotokai fogalmakat, a robotok típusait és osztályozásukat, a robotok architektúráját és konstrukciójának szempontjait, a mesterséges intelligencia technológiák beépíthetőségét 

Affective computing Olyan modellek és alkalmazások bemutatása, amelyek az emberi viselkedés mérésében és adaptálásában lehetnek hasznosak. Fontos cél annak vizsgálata is, hogy mi módon képes a számítógép reagálni az emberi érzésekre.

Összefoglaló táblázat az óratervről

tárgynév

kreditsz.

óraszám

félév

tárgyfelelős

Methods and tools for AI applications

5

2+2+1

őszi

Krisztián BÚZA

Affective computing

 

5

2+2+1

őszi

András LŐRINCZ

Advanced Machine Learning

 

5

2+2+1

őszi

András LŐRINCZ

Robotics

 

5

2+2+1

őszi

Zoltán ISTENES

Multi-agent systems

 

5

2+2+1

tavaszi

László GULYÁS

Game theory

 

5

2+2+1

tavaszi

Ferenc SZIDAROVSZKY

Összesen

30

12+12+6

 

 

 

Az egyes tárgyak tematikái megtalálhatók a https://www.inf.elte.hu/tantervihalok címen.

 

Cyber Security részismereti képzés

A részképzési blokk célja: A blokk elsősorban a szoftverfejlesztési, -tervezési és -tesztelési területeken dolgozó informatikai szakemberek számára nyújt bevezetést a kiberbiztonság témakörébe. A kriptográfiai alapokon túl az informatikai biztonság és a szoftverminőség van a képzés fókuszában.

Nyelve: angol

Kreditszáma: 31

Szakmai felelős: Burcsi Péter tanszékvezető egyetemi docens

Témakörei:

Cryptography Definitions of security, Randomness, Pseudorandomness, Adversary Models, Zero- Knowledge, Side-Channel Attacks, Security assumptions and their background, Factorization, Discrete Logarithm.

Introduction to Computer Security  Definitions of basic security terms, Security Goals (CIA), Risks, Vulnerabilities, Attacks, Basic Cryptography and Cryptography Protocols (e.g., Kerberos, SSL), Threats in IT systems (Malware, targeted attacks), Security Mechanisms (Authentication, Access Control, Network Security FW IDS, Browser, Email), Physical Security Example

Cryptography protocols Protocols for symmetric and asymmetric cryptography, encryptions, hash functions, MACs, digital signatures, . Applications and practical aspects.

Information Security Management Security policies. Roles. Classifications. Assets and threats. Risk, vulnerability, control, attack, damage. Risk analysis. Methods/tools for risk analysis. CERTs. Risk assessment and risk management. Code of Practice for Information Security (BS7799). Evaluation of information security, like ITSEC and the Common Criteria. Security plan, attack trees.

Privacy Privacy, Data Protection, Legal Basis, Privacy Enhancing Technologies, Privacy by Design, Privacy Assessment, Location Privacy.

Software quality and testing Fundamentals of testing, testing through the software development life cycle, test designs techniques. Static and dynamic testing, test management. Testing tools.

Összefoglaló táblázat az óratervről

tárgynév

kreditsz.

óraszám

félév

tárgyfelelős

Cryptography

6

2+2+1

őszi

Ligeti Péter

Introduction to Computer Security

6

2+2+1

őszi

Kovács Attila

Cryptography protocols

 

4

2+2+0

őszi

Attila Kovács

Software quality and testing

4

2+2+1

tavaszi

Attila Kovács

Information Security Management

 

6

2+2+2

tavaszi

Péter Burcsi

Privacy

6

2+2+2

tavaszi

Péter Ligeti

Összesen

31

12+12+7

 

 

 

Az egyes tárgyak tematikái megtalálhatók a https://www.inf.elte.hu/tantervihalok címen

 

Szoftvertechnológia részismereti képzés

 

A részképzési blokk célja: a szoftvertervezés és szoftverfejlesztés kifinomult technikáinak bemutatása, a szakmai előrelépés alapjainak megteremtése mind programozási nyelvek, mind technológiák, mind módszerek, módszertanok tekintetében.

Nyelve: magyar

Kreditszáma: 30

Szakmai felelős: Kozsik Tamás egyetemi docens

Témakörei:

Algoritmusok tervezése és elemzése: a mindennapi gyakorlatban jól alkalmazható algoritmusok (pl. dinamikus programozás, oszd-meg-és-uralkodj, mohó algoritmusok), valamint főbb jellemzőik, használati eseteik megismerése.

Szoftvertervezés: szoftver rendszerek fejlesztése során alkalmazott legfontosabb elvek és módszerek; komponens- és szolgáltatásalapú, elosztott és beágyazott szoftverek tervezésének elméleti és gyakorlati alapjai.

Követelményelemzés: a követelmények szintjei, fajtái; követelmények feltárása, elemzése, tárgyalása, menedzselése, dokumentálása, validálása; tradicionális és agilis fejlesztés, eszköztámogatás.

Tesztelés és szoftverminőség: a tesztelés helye és szerepe a szoftverfejlesztési életciklusban; a tesztelés szintjei és fő módszerei; támogató folyamatok és eszközök; a szoftverminőség komplex kérdésköre.

Elosztott alkalmazások készítése: többrétegű alkalmazásmodell, elosztott komponensek és konténerek, távolimetódushívás- és üzenetküldés alapú kommunikáció, valamint perzisztenciakezelés Java Enterprise Edition technológiákkal.

Konkurens és párhuzamos programozás: a konkurens és párhuzamos programozás programnyelvi eszközei általában, és egy konkrét programozási nyelven keresztül bemutatva; szinkronizációs feladatok – megoldások, problémák – jó gyakorlatok.

GPU programozás: korszerű GPU-s architektúrák, fontosabb programozói interfészek (OpenGL/GLSL, OpenCL, Cuda); iteratív és rekurzív algoritmusok párhuzamosítása; adatok átvitele CPU és GPU között; alkalmazások a képfeldolgozás és a lineáris algebra területén.

Programozási nyelv – kötelezően választható: több nyelv közül az érdeklődésnek leginkább megfelelő kiválasztható – a nyelveket tárgyaló egyes tárgyak a következők.

  • Haladó C++ (2+2+1)
  • Haladó Java (2+2+1)
  • Software engineering in Ada (2+2+1)
  • Funkcionális nyelvek (2+2+1)
  • Típuselmélet (2+2+1)
  • Logikai programok építése (2+1+1)
  • Szerződésalapú programozás (2+2+1)

 

Összefoglaló táblázat az óratervről

tárgynév

kreditszám

óraszám

félév

tárgyfelelős

Algoritmusok tervezése és elemzése

5

2+2+1

őszi

SZABÓ László

Szoftvertervezés

3

2+0+1

őszi

VARGA László Zsolt

Követelményelemzés

3

2+0+1

őszi

KOVÁCS Attila

Tesztelés és szoftverminőség

3

2+0+1

tavaszi

KOVÁCS Attila

Elosztott alkalmazások készítése

5

2+2+1

tavaszi

KOZSIK Tamás

Konkurens és párhuzamos programozás

4

2+1+1

tavaszi

KOZSIK Tamás

GPU programozás

3

1+2+0

tavaszi

HAJDER Levente

Programozási nyelvek
(köt. vál.)

min. 4

2+1+1

tavaszi

KOZSIK Tamás

Összesen

30

15+8+7

 

 

 

Az egyes tárgyak tematikái megtalálhatók a https://www.inf.elte.hu/tantervihalok címen.

 

Vállalatirányítási információs rendszerek részismereti képzés

 

A részképzési blokk célja: A cél egy átfogó kurzus szerkezet összeállítása, amely a vállalati, vállalatirányítási rendszerekkel kapcsolatos ismereteket egységes keretben tárgyalja. Az informatikai, és műszaki technológiai elméleti ismereteket a vállalkozások informatikai alkalmazási rendszereiben használható gyakorlati tudással kombinálja. Ezáltal gyakorló szakemberek számára is piacképes, gyakorlati tudást nyújt.

A részképzés nyelve: Magyar

Kreditszáma: 30

Szakmai felelős: Dr. Molnár Bálint docens

Témakörei:

Információs rendszerek fejlesztési módszertana A tárgy az információs rendszerek elemzésének, tervezésének módszerével foglalkozik, mind a strukturált mind az objektum-orientált rendszer modellezési, elemzési, és tervezési megközelítéseket tekinti át, adatbázis centrikus módon.

Integrált keretrendszerek A tárgy a gazdasági gyakorlatban, a vállalatoknál előforduló tipikus vállalati információrendszerek moduljait és architektúra megoldásait tekinti át.

SAP programozás I. A kétféléves tárgy célja gyakorlati óra keretében bevezetni a hallgatókat az SAP programozásába. Az első félévben a hallgatók megismerik az SAP fejlesztői környezetet és az ABAP nyelvet.

Webtechnológiák (integrált) információs rendszerekben A tárgy az információs rendszerekben, velük kapcsolatban alkalmazható Web technológiákat, vállalati, szervezeti és szoftver architektúrákat tekinti át.

Integrált információs rendszerek informatikai technológiái A tárgy a gazdasági gyakorlatban, a vállalatoknál előforduló tipikus vállalati információrendszerek moduljait és architektúra megoldásait tekinti át. A szervezeti/vállalati/üzleti  integrált, információs rendszerek technológiáit, adattárház, adattó, adatanalitika, üzleti intelligencia tárgyköröket ismerteti.

Tudáskezelő rendszerek labor A labor keretében egy féléves átfogó projekt munkát kell elvégezni, a vállalatirányítási rendszerekhez kapcsolódó információfeldolgozás területén.

SAP programozás II. A kétféléves tárgy célja gyakorlati óra keretében bevezetni a hallgatókat az SAP programozásába. A második félévben tisztán gyakorlati, munka-közeli módszerekkel, éles környezetben, SAP HANA Platform fejlesztői csoporttal együttműködve. A félév végén a hallgatók egy összetett beadott projekttel bizonyítják megszerzett tudásukat

I. félévzáró projekt munka: Az „Információs rendszerek fejlesztési módszertana”, „Integrált keretrendszerek”, „SAP programozás I.” alapján egy a vállalati információs rendszerek tárgyköréhez kapcsolódó fejlesztési feladat elvégzése, az elkészített szoftver /program/ modell megoldás dokumentálása a tanult módszerekkel, és egy szabványos műszaki beszámoló (Technical report) elkészítése a feladatról. E munka elvégzése alapján az I. félév sikeres elvégzéséről, a tanfolyam elvégzését bizonyító tanúsítványt/igazolást kapnak a hallgatók. 

II. félévzáró projekt munka: Az „Webtechnológiák (integrált) információs rendszerekbe”, „Integrált információs rendszerek informatikai technológiái”, „SAP programozás II” alapján , valamint  Tudáskezelő rendszerek labor folytatásaként,  egy a vállalati információs rendszerek tárgyköréhez kapcsolódó fejlesztési feladat elvégzése, illetve üzleti intelligencia, adatanalitikai  modell elkészítése. A kialakított szoftver /program/ modell megoldás dokumentálása a tanult módszerekkel, és egy szabványos műszaki beszámoló (Technical report) elkészítése a feladatról. E munka elvégzése alapján az II. félév sikeres elvégzéséről a tanfolyam elvégzését bizonyító tanúsítványt/igazolást kapnak a hallgatók.

Összefoglaló táblázat az óratervről:

Neptun kód

tárgynév

kreditszám.

óraszám

félév

tárgyfelelős

IPM-18irIRFME

Információs rendszerek fejlesztési módszertana

6

2+2+2

I. ősz

Molnár Bálint

IPM-08irIKRE

Integrált keretrendszerek. (MSc Ir)

6

2+2+2

I.

ősz

Molnár Bálint

IKP-9152

SAP programozás I. GY.

2

2

I.

ősz

Tarcsi Ádám

ősz összesen

 

14

6+4+4

 

 

 

IPM-08irÜVIRE

Webtechnológiák (integrált) információs rendszerekben (MSc Ir)

6

2+2+2

II.

tavasz

Molnár Bálint

 

Integrált információs rendszerek informatikai technológiái (MSc Ir)

4

2+2+0

II. tavasz

Molnár Bálint

IPM-08irTRL1G

Tudáskezelő rendszerek labor  (MSc Ir)

4

0+0+4

II. tavasz

Vincellér Zoltán

IKP-9152I

SAP programozás II. GY.

2

0+2+0

II. tavasz

Vincellér Zoltán

Tavasz összesen

 

16

4+6+6

 

 

 

Az egyes tárgyak tematikái megtalálhatók https://www.inf.elte.hu/tantervihalok címen

 

Modellalkotó részismereti képzés

A részképzési blokk célja: A blokk elsősorban a folytonos és diszkrét modellezés, jelfeldolgozás, számítógépes grafika és kiberbiztonság témakörökbe nyújt bevezetést különféle területeken dolgozó informatikus szakemberek számára.

Nyelve: magyar

Kreditszám: 29

Szakmai felelős: Fridli Sándor tanszékvezető egyetemi tanár

Témakörei:

Jel- és képfeldolgozás. Elsősorban a digitális jel- és állóképfeldolgozás alapjainak ismertetése. Mintavételezés, AD és DA konverzió, ablakozás, transzformációk, szűrések, tömörítés, rekonstrukció, detektálás, szegmentálás.

A számítógépes grafika matematikai alapjai. Görbék és felületek modellezéséhez, és a modellezett alakzatokkal való számításokhoz  szükséges matematikai ismeretek.

Numerikus optimalizáció. A kurzus célja a leggyakrabban használt optimalizációs algoritmusok, módszerek bemutatása valamint hogy ezen módszerek felhasználásával hogyan lehet olyan gyakorlati feladatokat megoldani, amelyek felmerülnek mérnöki alkalmazásokban.

Diszkrét matematikai modellek és alkalmazásaik. A diszkrét modellezés alapjai, kombinatorikai struktúrák, gráfok és alkalmazásaik.

Kriptográfia és biztonság. Kriptográfiai alapismeretek. Protokollok, céljuk, felhasználási módjuk, implementációs kérdések. Szoftver-, hálózati és kiberbiztonsági ismeretek.

Nagy hatékonyságú számítások. Modern számítógéparchitektúrák felépítése. Nagy hatékonyságú szoftverek CPU-ra, GPU-ra, elosztott hálózati infrastruktúrára. Memória- és cache-ek működése, hatékony használatuk.

Tesztelés és szoftverminőség. Tesztelési alapfogalmak, tesztelés a szoftverfejlesztés teljes életciklusában. Teszttervezési technikák. Statikus, dinamikus tesztelés, tesztmenedzsment. Teszteszközök elmélete és gyakorlata.

Összefoglaló táblázat az óratervről

tárgynév

kreditsz.

óraszám

félév

Tárgyfelelős

Jel- és képfeldolgozás

6

2+2+2

őszi

Fridli Sándor

A számítógépes grafika matematikai alapjai

3

1+1+1

őszi

Gergó Lajos

Numerikus optimalizáció

5

2+2+1

tavaszi

Gergó Lajos

Diszkrét matematikai modellek és alkalmazásaik

3

2+0+1

őszi

Ligeti Péter

Kriptográfia és biztonság

5

2+2+1

őszi

Ligeti Péter

Nagy hatékonyságú számítások

 

4

2+1+1

őszi

Vatai Emil

Tesztelés és szoftverminőség

3

2+0+1

tavaszi

Kovács Attila

Összesen

29

13+8+8

 

 

Az egyes tárgyak tematikái megtalálhatók a https://www.inf.elte.hu/tantervihalok címen

 

 

2019.07.08.