Archívum
| Tantárgy neve (magyarul, angolul) | Modellezés és jelfeldolgozás gépi tanulási módszerei | |||
|
Machine Learning for Modelling and Signal Processing
|
||||
| Tantárgykód | BMEGEMIDMGT | |||
| Tantárgyjelleg | kontaktóra nélküli, konzultációval segített önálló munkára épülő tanegység | |||
| Kurzustípusok és óraszámok (heti/féléves) | kurzustípus: | előadás (elmélet) | gyakorlat | laboratóriumi gyakorlat |
| óraszám (heti): | 0 | 0 | 0 | |
| jelleg (kapcsolt/önálló): | - | - | - | |
| Tanulmányi teljesítményértékelés (minőségi értékelés) típusa | félévközi érdemjegy | |||
| Tantárgy kreditértéke | 3 | |||
| Tantárgyfelelős | neve: | dr. Botzheim János (71955815922) | ||
| beosztása: | egyetemi docens | |||
| elérhetősége: | botzheim@mogi.bme.hu | |||
| Tantárgyat gondozó oktatási szervezeti egység | Mechatronika, Optika és Gépészeti Informatika Tanszék | |||
| http://www.mogi.bme.hu/ | ||||
| Tantárgy weblapja | http://www.mogi.bme.hu/tantargyak/BMEGEMIDMGT | |||
| Tantárgy oktatásának nyelve | magyar | |||
| Tantárgy elsődleges mintatantervi jellege | választható PhD tárgy | |||
| Közvetlen előkövetelmények | Erős előkövetelmény | nincs | ||
| Gyenge előkövetelmény | ||||
| Párhuzamos előkövetelmény | ||||
| Mérföldkő előkövetelmény | legalább 0 megszerzett kredit | |||
| Kizáró feltétel | nincs | |||
Célkitűzés
A tárgy oktatásának célja a hallgatók megismertetése az mesterséges intelligencia modellezésre alkalmas módszereivel úgy mint a tudásalapú architektúrák, Fuzzy rendszerek és neurális hálózatok, evolúciós algoritmusok, rajintelligencia, gépi tanulás. A kurzusban helyet kapnak a hibrid információs technológiák, neuromorf információs technológiák. A hallgató a tárgy során elsajátítja a modellezés és jelfeldolgozás gépi tanulásos módszereit.
Tanulási eredmények
A tantárgy teljesítésével elsajátítható kompetenciák
Tudás
Tájékozott az elméletileg megalapozott, rendszerszemléletű gyakorlatorientált mérnöki gondolkodásmódban. Rendelkezik a mechatronikai területhez kapcsolódó gépészeti és villamos méréstechnikai, valamint matematikailag és informatikailag megalapozott méréselméleti ismeretekkel. Ismeri a szakterületéhez kapcsolódó információs és kommunikációs technológiákat. Az elméleti és gyakorlati módszertani és gyakorlati ismeretei alapján érti a számítógépes irányítással szinergikusan integrált berendezések, folyamatok és rendszerek tervezését, gyártását, modellezését, üzemeltetését és irányítását. Ismeri a műszaki dokumentáció készítésének szabályait és eszközeit. Birtokában van az elméleti, gyakorlati és módszertani ismereteknek a mechatronikai berendezések, folyamatok és rendszerek tervezéséhez, gyártásához, modellezéséhez, üzemeltetéséhez és irányításához. Átfogó ismeretekkel rendelkezik modellezés és jelfeldolgozás terén. Rendszerbe foglalja a mesterséges intelligencia részterületeit, melyet mechatronikus szemléletébe beépít. Tisztában van a mesterséges intelligencia alapú modellalkotás alapjaiva. Tájékozott a mesterséges intelligencia alapú jelfeldogozás területeiben.
Képesség
Leírja egy feladat elemzését a számítástudomány mószereivel a mechatronikus szemléletbe ágyazva. Képes rendszerszemléletű, folyamatorientált, elméletileg megalapozott gondolkodásmód alapján komplex mechatronikai rendszerek globális tervezésére. Képes összetett mechatronikai tervezése során felmerülő nem szokványos problémák megoldásához az elméleti ismereteit önállóan bővíteni és az új elméletet a probléma gyakorlati megoldásában alkalmazni. Képes eredeti ötletekkel gazdagítani a szakterület tudásbázisát. Felhasználja a mechatronika területén felmerülő legújabb kutatási eredményeket, melyeket a munkájában alkalmaz. Felmerülő problémát elemzés után, az elsajátított ismereteivel összhangban alkalmazza a mesterséges intelligencia alkalmas területeit. Együttműködést végez a villamosmérnöki, gépészmérnöki, informatikai szakterületek specialistáival. Projektje során a mesterséges intelligencia alkalmas területeit mechatronikus szemléletébe beágyazva megfelelően elemzi. Alkalmazza a jelfeldolgozás mesterséges intelligencia alapú módszereit, melyet a mechatronikus szermléletbe ágyaz. Alkalmazza a mesterséges intelligencia modellalkotási módszereit egy probléma megoldása során.
Attitűd
Bővíti szakmai kompetenciáit a szakmai fejlődése érdekében. Munkája során vizsgálja a kutatási, fejlesztési és innovációs célok kitűzésének lehetőségét, és törekszik azok megvalósítására; elkötelezett arra, hogy a mechatronikai mérnöki területet új ismeretekkel, tudományos eredményekkel gyarapítsa. Törekszik arra, hogy a munkáját rendszerszemléletű és folyamatorientált gondolkodásmód alapján komplex megközelítésben végezze. Törekszik a fenntarthatóság és energiahatékonyság követelményeinek érvényesítésére. A feladatait szakmailag magas szinten önállóan vagy munkacsoportban megtervezi és kialakítja.
Önállóság és felelősség
Szükség esetén megszerzett tudása és tapasztalatai alapján álláspontját megvédi formális, nem formális és informális információátadási formákban szakterülete művelőivel. Szakmai problémák megoldása során önállóan és kezdeményezően javaslatot tesz. Munkatársai és beosztottjai iránt felelősséget érez és etikus szakmagyakorlásra neveli. Felelősséggel viseltetik a fenntarthatóság, a munkahelyi egészség- és biztonságkultúra, valamint a környezettudatosság iránt. Döntéseit körültekintően, más (elsősorban jogi, gazdasági, energetikai, villamosmérnöki, informatikai és orvosi) szakterületek képviselőivel konzultálva, önállóan hozza, amelyekért felelősséget vállal.
Oktatási módszertan
A tantárgy oktatása kozultációs formában zajlik. A konzultáció során alapvetően az addig elsajátított tudásanyag bővítése van megcélozva a hallgatókkal a tudás kompetenciaelemek által meghatározott információkkal, melynek során a hallgatók megismerik a modern számítástudomány egyes alfejezeteit. A konzultációt követően a hallgató önállóan próbálja elsajátítani a kiadott anyagok segítségével a tananyagot, melyről beszámol a következő konzultáció során. Ezen beszámoló lehet szóbeli, programfutás bemutatása vagy valamilyen matematikai / számításelméleti tétel belátása.
Tanulástámogató anyagok
Tankönyv
Mitchell, Tom. Machine Learning. New York, NY: McGraw-Hill, 1997. ISBN: 9780070428072.
Bishop, Christopher. Neural Networks for Pattern Recognition. New York, NY: Oxford University Press, 1995. ISBN: 9780198538646.
Jegyzet
Botzheim János Dr. - Kóczy T. László Dr. - Tikk Domonkos: Intelligens rendszerek. Győr : Széchenyi István Egyetem, 2008.
Online elérhető tanulástámogató anyag
https://ocw.mit.edu/resources/res-6-008-digital-signal-processing-spring-2011/introduction/
https://ocw.mit.edu/courses/electrical-engineering-and-computer-science/6-867-machine-learning-fall-2006/syllabus/
https://ocw.mit.edu/courses/electrical-engineering-and-computer-science/6-034-artificial-intelligence-fall-2010/
A tantárgyleírás hatályossága
| Hatályosság kezdete: | 2020. február 10. |
| Hatályosság vége: | 2020. február 10. |
Általános szabályok
A tanulási eredmények értékelése a félév végén szóbeli/írásbeli vizsgával történik, mely a benyújtott évközi írásbeli projekt beszámoló dolgozat és a hozzá tartozó prezentáció segítségével kiváltható. Az összegző tanulmányi teljesítményértékelés: a tantárgy és tudás, képesség típusú kompetenciaelemeinek komplex, írásos értékelési módja beszámoló dolgozat formájában, a beszámoló egyrészt a megszerzett ismeretek alkalmazására fókuszál, így a problémafelismerést és -megoldást helyezi a középpontba, azaz a megoldott gyakorlati feladatot kell bemutatni, másrészt a szükséges lexikális ismereteket kéri számon a teljesítményértékelés során.
Teljesítményértékelési módszerek
Szorgalmi időszakban végzett teljesítményértékelések részletes leírása
| 1. Évközi teljesítményértékelés | ||
| Típusa: | részteljesítmény (formatív) értékelés, projekt jellegű, komplex | |
| Darabszáma: | 1 | |
| Célja, leírása: | Az összegző értékelés együttesen vizsgálja a hallgatók tudás és képesség típusú kompetenciákkal meghatározott ismereteit. Ennek megfelelően az összegző értékelés a kijelölt elméleti ismeretanyag elsajítítottságát, valamint a feladatok megoldása során szerzett ismeretek meglétét és képességek alkalmazását mérik fel. Teljesítésükre a tanulmányi teljesítményértékelési tervben meghatározott időpontban, előreláthatólag a 14. oktatási héten kerül sor. | |
Vizsgaidőszakban végzett teljesítményértékelések részletes leírása
A tárgyhoz nem tartozik vizsgaidőszakban végzett teljesítményértékelés.
Szorgalmi időszakban végzett teljesítményértékelések részaránya a minősítésben, aláírás megadásában
| Azonosítója | Részarány |
|---|---|
| 1. Évközi teljesítményértékelés | 100 % |
Vizsgaelemek részaránya a minősítésben
A tárgyhoz nem tartozik vizsgaelem.
Érdemjegy megállapítása
| Érdemjegy | ECTS minősítés | Teljesítmény %-ban kifejezve |
|---|---|---|
| jeles (5) | Excellent [A] | 90 % felett |
| jeles (5) | Very Good [B] | 85 % - 90 % |
| jó (4) | Good [C] | 72 % - 85 % |
| közepes (3) | Satisfactory [D] | 65 % - 72 % |
| elégséges (2) | Pass [E] | 50 % - 65 % |
| elégtelen (1) | Fail [F] | 50 % alatt |
Az egyes érdemjegyeknél megadott alsó határérték már az adott érdemjegyhez tartozik.
Jelenléti és részvételi követelmények
Javítás, ismétlés és pótlás különös szabályai
A javításra, ismétlésre és pótlásra vonatkozó különös szabályokat a TVSz általános szabályaival együttesen kell értelmezni és alkalmazni.
| Beadott és elfogadott részteljesítmény értékelés a jobb eredmény elérése érdekében a pótlási időszak végéig ismételten benyújtható-e? | ||
| igen | ||
| Korábbi eredmény figyelembevétele javítás, ismétlés-javítás esetén: | ||
| az időben újabb eredmény felülírja a korábbit | ||
| Részteljesítmény értékelés javítási, illetve ismétlési módja első alkalommal: | ||
| a részteljesítmény értékelés egy alkalommal javítható, illetve ismételhető (ide értve a késedelmes benyújtást is) a pótlási időszak végéig | ||
A tantárgy elvégzéséhez szükséges tanulmányi munka
| Tevékenység | óra / félév |
|---|---|
| részteljesítmény értékelés feladatának kidolgozása | 30 |
| további, a teljesítéshez szükséges munkaidő ráfordítás | 60 |
| összesen | 90 |
Tantárgykövetelmények hatályossága
| Tantárgykövetelmények hatályosságának kezdete: | 2020. február 10. |
| Tantárgykövetelmények hatályosságának vége: | 2024. december 31. |
Elsődleges szak
A tantárgy elsődleges (fő) szakja, amelyen meghirdetésre kerül és amelyhez a kompetenciák kapcsolódnak:
gépészmérnöki_tudományok_PhD_képzés
Kapcsolódás a KKK rendelet céljához és (szakos) kompenetciáihoz
Ez a tantárgy a KKK rendeletben meghatározott, következő kompetenciák fejlesztését szolgálja:
Tudás
- Ismeri a műszaki szakterület műveléséhez szükséges általános és specifikus matematikai, természet- és társadalomtudományi elveket, szabályokat, összefüggéseket, eljárásokat.
Képesség
- Műszaki szakterületen felmerülő problémák megoldásában képes alkalmazni a megszerzett általános és specifikus matematikai, természet- és társadalomtudományi elveket, szabályokat, összefüggéseket, eljárásokat.
Attitűd
- Nyitott és fogékony a műszaki szakterületen zajló szakmai, technológiai fejlesztés és innováció megismerésére és elfogadására, hiteles közvetítésére.
Önállóság és felelősség
- Megszerzett tudását és tapasztalatait formális, nem formális és informális információátadási formákban megosztja szakterülete művelőivel.
A tantárgy teljesítéséhez ajánlott előzetes ismeretek
|
Tudás típusú kompetenciák
(azon előzetes ismeretek összessége, amelyek megléte nem kötelező, de a tantárgy eredményes teljesítését nagyban elősegíti) |
alapvető programozási ismeretek, klasszikus modellalkotás alapismeretei és a jelfeldolgozás alapjai; |
|
Képesség típusú kompetenciák
(azon előzetes képességek és készségek összessége, amelyek megléte nem kötelező, de a tantárgy eredményes teljesítését nagyban elősegíti) |
mérnöki dokumentáció, kiértékelés, tervezet készítése; |