AVT 2026. ősz

A tantárgy célja

A tantárgy célja a hallgatók megismertetése a modern gépi tanulási módszerek elméleti alapjaival és alkalmazási lehetőségeivel, különös tekintettel az ensemble-technikákra, a nemlineáris döntési modellekre és a magas dimenziójú adatok kezelésére. A kurzus a mélyebb megértést célozza, és gyakorlati példákon keresztül mutatja be a módszerek működését.

Elsajátítandó ismeretek és készségek

·  Weak learner fogalma és tulajdonságai; ensemble-modellek működési elvei.

·  Bagging, Random Forest, AdaBoost, Gradient Boosting, XGBoost és LightGBM gyakorlati alkalmazása Pythonban.

·  Sűrűségalapú klaszterezési módszerek: DBSCAN és HDBSCAN.

·  Teljesítménymérés és modellvalidáció: precision, recall, F1, ROC, AUC és cross-validation.

·  Magas dimenziójú adatok kezelése, feature importance és modellösszehasonlítás.

·  NLP-alapok: tokenizálás, szövegreprezentációk, embeddingek és egyszerű szövegosztályozási feladatok.

·  Reprodukálható kísérletek tervezése, hiperparaméter-hangolás, hibatűrés és optimalizálás.