Informatikai Kar Eötvös Loránd Tudományegyetem Mesterséges neuronhálók
|
|
- Zsuzsanna Szilágyi
- 7 évvel ezelőtt
- Látták:
Átírás
1 Mesterséges neuronhálók Lőrincz András
2 Bevezető kérdések Mi az intelligencia? Mi a mesterséges intelligencia? 2
3 Miről lesz szó? Felismerés első típusa 3
4 Miről lesz szó? Felismerés első típusa Ló Honnan tudjuk? 4
5 Miről lesz szó? Felismerés első típusa Ló Honnan tudjuk? Már sok lovat láttunk korábban 5
6 Miről lesz szó? Felismerés első típusa Felismerés második típusa Ló Honnan tudjuk? Már sok lovat láttunk korábban 6
7 Miről nem lesz szó? Felismerés első típusa Felismerés második típusa Ló Honnan tudjuk? Már sok lovat láttunk korábban Ló? Miből gondoljuk? 7
8 Miről nem lesz szó? Felismerés első típusa Felismerés második típusa Ló Honnan tudjuk? Már sok lovat láttunk korábban Ló? Miből gondoljuk? Konfiguráció és elemek hasonlóak 8
9 Tanuljunk a pszichológiától és a számítástudománytól Kategorizáció Felismerés első fajtája Komponens alapú felismerés Felismerés második fajtája recognition Könnyű tanulni (lenyomat fénykép) Könnyű használni (illesztés) Sok a tanulnivaló, nincs általánosítás Nehéz használni inferencia szükséges Nem kell tanulni kommunikálható Pl. zebra.. 9
10 Bevezető kérdések Mi az intelligencia? Mi a mesterséges intelligencia? Két részre osztjuk: Állapotleírás (beleértjük az akcióleírást is, pl.): szék vagy X.Y. vagy X.Y. ül a széken Mesterséges neuronhálók hálózatba fűzött nemlineáris elemekkel tipikusan közelítésekkel (regresszióval) és osztályozási feladatokkal foglalkoznak Célorientált tevékenység optimalizációja próba-szerencse alapon Megerősítéses tanulás második félév 10
11 Számítástudomány: kétfajta probléma Nem érdemes tanítani: Könnyű tanulni könnyű ellenőrizni Nehéz tanulni nehéz ellenőrizni Könnyű tanulni nehéz ellenőrizni gráf partícionálás ill. ellenőrzése 11
12 Számítástudomány: kétfajta probléma Nem érdemes tanítani: Könnyű tanulni könnyű ellenőrizni Nehéz tanulni nehéz ellenőrizni Könnyű tanulni nehéz ellenőrizni gráf partícionálás ill. ellenőrzése Érdemes tanítani: Nehéz tanulni könnyű ellenőrizni Polinomiális időben ellenőrizhető feladatok családja intelligencia tesztek komponenseket használ 12
13 Számítástudomány: kétfajta probléma Nem érdemes tanítani: Könnyű tanulni könnyű ellenőrizni Nehéz tanulni nehéz ellenőrizni Könnyű tanulni nehéz ellenőrizni gráf partícionálás ill. ellenőrzése Érdemes tanítani: Nehéz tanulni könnyű ellenőrizni Polinomiális időben ellenőrizhető feladatok családja intelligencia tesztek komponenseket használ Példa: Zebra: ló + csíkok Ló: fej + nyak + sörény + test + 4 láb + farok Fej: két szem + két fül + orr + száj Száj: gyakran hússzínű, alakja pedig: hosszú-hosszú leírás Hússzínű:???? kikerülhetetlen a példa-alapú tanulás 13
14 Írott anyag, vizsga és házik Könyv interneten: Materials (1998-as) matematika benne van, fontosabb elemek benne vannak jó matematikai háttérrel érthető, lehet belőle vizsgázni Előadás Jóval kevesebb, mint a könyv csökkenteni kellett az anyagon, nehéz a matematika Több, sokat tudtunk meg a komponensekről az elmúlt tíz évben Wikipedia és Scholarpedia kiváló angolul Házi: van Egyéb Kiváló bevezető / áttekintő anyag mi is használni fogjuk: /II. Lőrincz András Megerősítéses tanulás 14
15 Értékelés + vizsga Példák, feladatok 1. Matematika ismétlés gyakorlaton Nem kell beadni, de lesz a vizsgán Értékelés 1. Beugró feltétel: matematika gyakorlat példáiból feladatok a neuronhálós tananyaggal kapcsolatos kérdések Tapasztalat: 1. El kell járni 2. Gyakorlat feladatait meg kell oldani Siker sansza: 90% Különben: ~ 0% Lőrincz András Mesterséges neuronhálók 15
Kurzuskód Kurzus címe, típusa (ea, sz, gy, lab, konz stb.) Tárgyfelelős Előfeltétel (kurzus kódja) típusa
Az Intézet minden előadás és gyakorlatból álló tárgyánál az előadás és a gyakorlat párhuzamos felvétele, az előadások vizsgáinak a gyakorlat teljesítettsége feltétel. Szak neve: Programtervező informatikus
RészletesebbenMegerősítéses tanulás 2. előadás
Megerősítéses tanulás 2. előadás 1 Technikai dolgok Email szityu@eotvoscollegium.hu Annai levlista http://nipglab04.inf.elte.hu/cgi-bin/mailman/listinfo/annai/ Olvasnivaló: Sutton, Barto: Reinforcement
RészletesebbenDR. TÓTH PÉTER BÉKY GYULÁNÉ. A tanulás eredményességét befolyásoló tényezők vizsgálata budapesti középiskolás tanulók körében
DR. TÓTH PÉTER BÉKY GYULÁNÉ A tanulás eredményességét befolyásoló tényezők vizsgálata budapesti középiskolás tanulók körében A tanulói különbségek mérhető komponensei Meglévő tudás Képességek (pl. intellektuális
RészletesebbenProgramtervező informatikus BSc 2018, Szoftverfejlesztő specializáció ajánlott tantervi háló. Törzsanyag. Konzultáció Kredit
Programtervező informatikus BSc 2018, Szoftverfejlesztő specializáció ajánlott tantervi háló Törzsanyag IP-18SZGREG Számítógépes rendszerek 2 X 2 Gy 1 5 1 2+2+1 Informatika IP-18PROGEG Programozás 2 X
RészletesebbenSzoftver-technológia I.
Szoftver technológia I. Oktatók Sziray József B602 Heckenast Tamás B603 2 Tananyag Elektronikus segédletek www.sze.hu/~sziray/ www.sze.hu/~heckenas/okt/ (www.sze.hu/~orbang/) Nyomtatott könyv Ian Sommerville:
RészletesebbenMit látnak a robotok? Bányai Mihály Matemorfózis, 2017.
Mit látnak a robotok? Bányai Mihály Matemorfózis, 2017. Vizuális feldolgozórendszerek feladatai Mesterséges intelligencia és idegtudomány Mesterséges intelligencia és idegtudomány Párhuzamos problémák
RészletesebbenTávoktatás. a távoktatás olyan oktatási forma, amelyben az oktató és a tanulók térben és/vagy időben elkülönülnek egymástól a tananyag hordozója lehet
Mathias-Institut 1 Távoktatás a távoktatás olyan oktatási forma, amelyben az oktató és a tanulók térben és/vagy időben elkülönülnek egymástól a tananyag hordozója lehet szöveg grafika audió videó weboldal
Részletesebben4 ÉVFOLYAMOS FELVÉTELI EREDMÉNYEK
71400510854-9. évfolyam Magyar nyelv 46 71400510854-9. évfolyam Matematika 31 71479247326-9. évfolyam Magyar nyelv 37 71479247326-9. évfolyam Matematika 25 71507778014-9. évfolyam Magyar nyelv 43 71507778014-9.
Részletesebbenwww.tantaki.hu Oldal 1
www.tantaki.hu Oldal 1 Problémacsillapító szülőknek Hogyan legyen kevesebb gondom a gyermekemmel? Nagy Erika, 2012 Minden jog fenntartva! Jelen kiadványban közölt írások a szerzői jogról szóló 1999. évi
RészletesebbenKONVOLÚCIÓS NEURONHÁLÓK. A tananyag az EFOP pályázat támogatásával készült.
KONVOLÚCIÓS NEURONHÁLÓK A tananyag az EFOP-3.5.1-16-2017-00004 pályázat támogatásával készült. 1. motiváció A klasszikus neuronháló struktúra a fully connected háló Két réteg között minden neuron kapcsolódik
RészletesebbenA változat (1,5+1,5 óra)
Biológia egészségtan 7 8. évfolyam számára A változat (1,5+1,5 óra) A biológia tantárgy tanításának céljai és feladatai Az ember és természet műveltségterület és ezen belül a biológia tantárgy középpontjában
RészletesebbenA TANTÁRGY ADATLAPJA
A TANTÁRGY ADATLAPJA 1. A képzési program adatai 1.1 Felsőoktatási intézmény Babeș Bolyai Tudományegyetem 1.2 Kar Matematika és Informatika Kar 1.3 Intézet Magyar Matematika és Informatika Intézet 1.4
RészletesebbenBiológia 7 8. évfolyam számára
Biológia 7 8. évfolyam számára A változat (A kiadó honlapjáról letölthető az ajánlás 2+1 órás változata is) A biológia tantárgy tanításának céljai és feladatai Az ember és természet műveltségterület és
RészletesebbenHogyan lehet a nappali tagozatos hallgatókat éjjel is tanítani?
Hogyan lehet a nappali tagozatos hallgatókat éjjel is tanítani? Dr. Létray Zoltán Egyetemi docens EIK igazgató Széchenyi István Egyetem Az előadás tartalma: E-learning rendszer bevezetése a Széchenyi István
RészletesebbenBIOLÓGIA-EGÉSZSÉGTAN. 7.-8. évfolyam
H E L Y I T A N T E R V BIOLÓGIA-EGÉSZSÉGTAN 7.-8. évfolyam ÁLTALÁNOS TANTERVŰ ÉS KÖZNEVELÉSI TÍPUSÚ SPORTISKOLAI OSZTÁLYOK RÉSZÉRE Összeállította: Kőnigné Ferencz Zsuzsanna Az Érdi Batthyány Sportiskolai
RészletesebbenAlgoritmuselmélet. Katona Gyula Y. Számítástudományi és Információelméleti Tanszék Budapesti Műszaki és Gazdaságtudományi Egyetem. 13.
Algoritmuselmélet NP-teljes problémák Katona Gyula Y. Számítástudományi és Információelméleti Tanszék Budapesti Műszaki és Gazdaságtudományi Egyetem 13. előadás Katona Gyula Y. (BME SZIT) Algoritmuselmélet
RészletesebbenTárgyfelelős kódja, címe)
Az Intézet minden előadás és gyakorlatból álló tárgyánál az előadás és a gyakorlat párhuzamos felvétele, az előadások vizsgáinak a gyakorlat teljesítettsége feltétel. Szak neve: Mérnök informatikus BSc
Részletesebben-3- -a zavartalan munka biztosítása. - felolvasással, egyéni javítással. 2. Házi feladat ellenőrzése: Tk. 100/12. FOM
ÓRATERVEZET Tantárgy: Magyar nyelv Osztály: 5.d Az óra címe: Hangalak és jelentés a szavakban A tematikus egység: A szavak alakja és szerkezete. Az óra célja: A tudatos és igényes szóbeli és írásbeli nyelvhasználat
RészletesebbenTartalomjegyzék. Tanmenetek és szakmódszertani felvetések. 1. Szakmódszertani felvetések, javaslatok! 2. Fizika tanmenet 9. osztály (heti 2 óra)
Tartalomjegyzék ek és szakmódszertani felvetések 1. Szakmódszertani felvetések, javaslatok! 2 2. Fizika tanmenet 9. osztály (heti 2 óra) 5 3. Fizika tanmenet 9. osztály (heti 1,5 óra) 18 1 Bevezetô szakmódszertani
RészletesebbenT A R T A L O M J E G Y Z É K
T A R T A L O M J E G Y Z É K NEM AKKREDITÁLT PEDAGÓGUS-TOVÁBBKÉPZÉSEK... 38 MÉRÉS ÉRTÉKELÉS, MINŐSÉGFEJLESZTÉS... 38 A TUDÁS TÍPUSAI ÉS ÉRTÉKELÉSE. AZ ISMERETJELLEGŰ TUDÁS KRITÉRIUMAI, MÉRŐESZKÖZEI FORMAI
RészletesebbenÖsszeállította Horváth László egyetemi tanár
Óbudai Egyetem Neumann János Informatikai Kar Intelligens Mérnöki Rendszerek Intézet Intelligens Mérnöki Rendszerek Szakirány a Mérnök informatikus alapszakon Összeállította Horváth László Budapest, 2011
RészletesebbenMérnökinformatikus alapszak (BSc)
Neumann János Egyetem GAMF Műszaki és Informatikai Kar Mérnökinformatikus alapszak (BSc) Tanulmányi Tájékoztató 2017 MÉRNÖKINFORMATIKUS ALAPSZAK TANULMÁNYI TÁJÉKOZATÓ 2017 Ez a tanulmányi tájékoztató azoknak
RészletesebbenTANTÁRGYI ÚTMUTATÓ. Döntési módszerek
III. évfolyam szakirány BA TANTÁRGYI ÚTMUTATÓ Döntési módszerek TÁVOKTATÁS Tanév 2014/2015 II- félév A KURZUS ALAPADATAI Tárgy megnevezése: Döntési módszerek Tanszék: Matematika-Statisztika Tantárgyfelelős
RészletesebbenAZ OFI KÍNÁLATA TERMÉSZETTUDOMÁNYOK
Pedagógusképzés támogatása TÁMOP-3.1.5/12-2012-0001 AZ OFI KÍNÁLATA TERMÉSZETTUDOMÁNYOK MATEMATIKA FIZIKA BIOLÓGIA FÖLDRAJZ KÉMIA Az OFI kínálata - természettudományok Matematika Matematika Ajánlatunk:
RészletesebbenAlgoritmuselmélet. Katona Gyula Y. Számítástudományi és Információelméleti Tanszék Budapesti Műszaki és Gazdaságtudományi Egyetem. 12.
Algoritmuselmélet NP-teljes problémák Katona Gyula Y. Számítástudományi és Információelméleti Tanszék Budapesti Műszaki és Gazdaságtudományi Egyetem 12. előadás Katona Gyula Y. (BME SZIT) Algoritmuselmélet
RészletesebbenTartalom. Matematikai alapok. Termékgyártási példafeladat. Keverési példafeladat Szállítási példafeladat Hátizsák feladat, egészértékű feladat
6. előadás Termelési és optimalizálási feladatok Dr. Szörényi Miklós, Dr. Kallós Gábor 2013 2014 1 Tartalom Matematikai alapok Matematikai modell Fontosabb feladattípusok Érzékenységvizsgálat Termékgyártási
RészletesebbenProgramtervező informatikus MSc nappali tagozat ajánlott tanterv 2018
Előadás Előadás Programtervező informatikus MSc nappali tagozat ajánlott tanterv 2018 Szoftvertechnológia specializáció (törzsanyaggal együtt) Törzsanyag IPM-18KMTGY Kutatásmódszertan 0 2 Gy 1 3 1 0+2+1
RészletesebbenProgramtervező informatikus MSc nappali tagozat ajánlott tanterv 2018
Előadás Előfeltétel Előadás Előfeltétel Programtervező informatikus MSc nappali tagozat ajánlott tanterv 018 Szoftvertechnológia specializáció (törzsanyaggal együtt) Törzsanyag IPM-18KMTGY Kutatásmódszertan
RészletesebbenMesterséges Intelligencia Elektronikus Almanach. MI Almanach projektismertetı rendezvény április 29., BME, I. ép., IB.017., 9h-12h.
Mesterséges Intelligencia Elektronikus Almanach Neurális hálózatokh 1 BME 1990: Miért neurális hálók? - az érdeklıdésünk terébe kerül a neurális hálózatok témakör - fıbb okok: - adaptív rendszerek - felismerési
RészletesebbenTájékoztató a kétszintű érettségi vizsgáról, a felsőoktatási felvételiről és a szakképzésről. Szeged, 2016. január 12.
Tájékoztató a kétszintű érettségi vizsgáról, a felsőoktatási felvételiről és a szakképzésről Szeged, 2016. január 12. Igazgató: Siposné Gyuris Valéria Érettségi vizsgáért felelős igazgatóhelyettes: Sutka
RészletesebbenGépi tanulás a gyakorlatban. Bevezetés
Gépi tanulás a gyakorlatban Bevezetés Motiváció Nagyon gyakran találkozunk gépi tanuló alkalmazásokkal Spam detekció Karakter felismerés Fotó címkézés Szociális háló elemzés Piaci szegmentáció analízis
RészletesebbenANYABANK PAPABANK. Készítette:
ANYABANK PAPABANK Készítette: A Magánpénzügyi Akadémia - vagyonteremtés önerőből - A Magánpénzügyi Akadémia küldetése: közérthetővé tenni a pénzügyeket, ezzel az évtized végére 10 ezer ember előtt megnyitva
RészletesebbenNem szakrendszerű oktatás bevezetése a. Ökumenikus. igazgatóhelyettes
Nem szakrendszerű oktatás bevezetése a Máriaremete-Hidegkúti Ökumenikus Általános Iskolában Összeállította Székely András, igazgatóhelyettes Az iskoláról Máriaremete-Hidegkúti Ökumenikus Általános Iskola
Részletesebben1. gyakorlat. Követelmények, tematika Bevezető
Számítógép hálózatok 1. gyakorlat Követelmények, tematika Bevezető Bemutatkozás Jánki Zoltán Richárd Weblap: www.inf.u-szeged.hu/~jankiz E-mail cím: jankiz@inf.u-szeged.hu Fogadóóra: Dugonics tér 13.,
RészletesebbenÓravázlat TÉMAHÉT CSILLAGÁSZAT
Óravázlat TÉMAHÉT CSILLAGÁSZAT Témakör: Törtek Tantárgy: Matematika Óra témája, tananyag: Szöveges feladatok TT, M Dátum: 2010.január 19. Fejlesztési célok: Összefüggések felismerése. Becslési kialakítása.
RészletesebbenTANTÁRGYI ADATLAP I. TANTÁRGYLEÍRÁS
TANTÁRGYI ADATLAP I. TANTÁRGYLEÍRÁS 1 ALAPADATOK 1.1 Tantárgy neve ÉPÍTŐMÉRNÖKI INFORMATIKA 1.2 Azonosító (tantárgykód) BMEEOFTAT42 1.3 A tantárgy jellege kontaktórás tanegység 1.4 Óraszámok típus óraszám
RészletesebbenVÁLASZTHATÓ FOGLALKOZÁSOK TAGOZATOK - FAKULTÁCIÓK 2012/13 12. évfolyam Fibonacci / Hoppá / ZOÉ
VÁLASZTHATÓ FOGLALKOZÁSOK TAGOZATOK - FAKULTÁCIÓK 2012/13 12. évfolyam Fibonacci / Hoppá / ZOÉ Kedves Diákok! A tagozatos és fakultációs órák célja, hogy felkészítsen az emelt szintű, vagy a középszintű
RészletesebbenTanulás tanuló gépek tanuló algoritmusok mesterséges neurális hálózatok
Zrínyi Miklós Gimnázium Művészet és tudomány napja Tanulás tanuló gépek tanuló algoritmusok mesterséges neurális hálózatok 10/9/2009 Dr. Viharos Zsolt János Elsősorban volt Zrínyis diák Tudományos főmunkatárs
RészletesebbenJátékos tanulás a felhőn számítógépes társsal, mentorral
IK Játékos tanulás a felhőn számítógépes társsal, mentorral Palotai Zsolt ELTE Informatikai Kar Projektek Számítógép, mint a közösség résztvevője CaSA Személyes arcmodell megtanulása, követése Kontextus
RészletesebbenKeresés képi jellemzők alapján. Dr. Balázs Péter SZTE, Képfeldolgozás és Számítógépes Grafika Tanszék
Keresés képi jellemzők alapján Dr. Balázs Péter SZTE, Képfeldolgozás és Számítógépes Grafika Tanszék Lusta gépi tanulási algoritmusok Osztályozás: k=1: piros k=5: kék k-legközelebbi szomszéd (k=1,3,5,7)
RészletesebbenHelyi tanterv. az EMMI kerettanterv 51/2012. (XII. 21.) EMMI rendelet 2. sz. melléklet. Biológia az általános iskolák 7 8.
Helyi tanterv az EMMI kerettanterv 51/2012. (XII. 21.) EMMI rendelet 2. sz. melléklet Biológia az általános iskolák 7 8. évfolyama számára A változat (1,5+1,5) alapján A biológia tantárgy tanításának céljai
RészletesebbenMATEMATIKA TAGOZAT 5-8. BEVEZETŐ. 5. évfolyam
BEVEZETŐ Ez a helyi tanterv a kerettanterv Emelet matematika A változata alapján készült. Az emelt oktatás során olyan tanulóknak kívánunk magasabb szintű ismerteket nyújtani, akik matematikából átlag
RészletesebbenHelyi tanterv a Mozaik kiadó ajánlása alapján. az EMMI kerettanterv 51/2012. (XII. 21.) EMMI rendelet 2. sz. melléklet 2.2.08.1
BIOLÓGIA 7-8. Helyi tanterv a Mozaik kiadó ajánlása alapján az EMMI kerettanterv 51/2012. (XII. 21.) EMMI rendelet 2. sz. melléklet 2.2.08.1 Biológia az általános iskolák 7 8. évfolyama számára A biológia
RészletesebbenÁltalános Iskola 1 Helyi tanterv 2013. 2030 Érd, Fácán köz 1. Módisítva: 2014. 7.-8. évfolyam
Sportiskolai Általános Iskola 1 Helyi tanterv 2013. 2030 Érd, Fácán köz 1. Módisítva: 2014. H E L Y I T A N T E R V KÉMIA 7.-8. évfolyam ÁLTALÁNOS TANTERVŰ ÉS KÖZNEVELÉSI TÍPUSÚ SPORTISKOLAI OSZTÁLYOK
RészletesebbenSuccess Pre-Intermediate Kompetencia Alapú Tanmenet. Pearson Education Magyarország Megjegyzések:
Success Pre-Intermediate Kompetencia Alapú Tanmenet Pearson Education Magyarország 2009 Megjegyzések: 1) A Success Pre-Intermediate tankönyvet a Közös Európai Referenciakeret A2/B1 szintjeinek deskriptorai
RészletesebbenGyakoriság. Archiváljak, vagy ne?
Meddig van rá szükség? A Netbagoly kisebb részt tudást, nagyobb részt szemléletet közvetít. Úgy gondjuk, a kezdőnek jól jön a segítség, de hasznos a jó tanulók számára is. Gyakoriság Kb. 10 naponta küldjük
RészletesebbenI. A DIGITÁLIS ÁRAMKÖRÖK ELMÉLETI ALAPJAI
I. A DIGITÁLIS ÁRAMKÖRÖK ELMÉLETI ALAPJAI 1 A digitális áramkörökre is érvényesek a villamosságtanból ismert Ohm törvény és a Kirchhoff törvények, de az elemzés és a tervezés rendszerint nem ezekre épül.
RészletesebbenNP-teljesség röviden
NP-teljesség röviden Bucsay Balázs earthquake[at]rycon[dot]hu http://rycon.hu 1 Turing gépek 1/3 Mi a turing gép? 1. Definíció. [Turing gép] Egy Turing-gép formálisan egy M = (K, Σ, δ, s) rendezett négyessel
RészletesebbenValószínűségszámítás és statisztika
Valószínűségszámítás és statisztika Programtervező informatikus szak esti képzés Varga László Valószínűségelméleti és Statisztika Tanszék Matematikai Intézet Természettudományi Kar Eötvös Loránd Tudományegyetem
RészletesebbenTANTÁRGYI ÚTMUTATÓ. Statisztika 1.
I. évfolyam BA TANTÁRGYI ÚTMUTATÓ Statisztika 1. TÁVOKTATÁS Tanév 2014/2015 II. félév A KURZUS ALAPADATAI Tárgy megnevezése: Statisztika 1. Tanszék: Módszertani Tantárgyfelelős neve: Sándorné Dr. Kriszt
RészletesebbenBevezető, követelmények, tanmenet I. A didaktika fogalma, tárgya, alapfogalmai, kapcsolata más tudományokkal II.
1. 10.03. Bevezető, követelmények, tanmenet I. A didaktika fogalma, tárgya, alapfogalmai, kapcsolata más tudományokkal 2. 10.10. II. Az oktatáselmélet kialakulása - történelmi előzmények (1) Őskor: primitív
RészletesebbenMATEMATIKA INFORMATIKA MUNKAKÖZÖSSÉG MUNKATERVE
MATEMATIKA INFORMATIKA MUNKAKÖZÖSSÉG MUNKATERVE 2015-2016-os tanév A matematika a kulcs és az ajtó a tudományokhoz /Galileo Galilei/ Matematika - Informatika munkaterve 2015/2016-os tanév A matematika
RészletesebbenSZÓFOGADÓ füzetek. Hogyan kell használni a SZÓFOGADÓ füzeteket?
SZÓFOGADÓ füzetek A SZÓFOGADÓ füzetek olyan hétköznapi dolgokban szeretnének segíteni neked, amikről nem biztos, hogy tanulni fogsz az iskolában Ilyen témák például a fogmosás, a közlekedés, táplálkozás,
RészletesebbenEgy informatikai tankönyv bemutatása, kritikája
Kurzus címe: Oktató: Szemeszter: Informatika oktatása 1. Gy Szlávi Péter 2013/2014 ősz Egy informatikai tankönyv bemutatása, kritikája Készítette: Tóth Sándor Tibor Kurzus címe: Oktató: Szemeszter: Informatika
RészletesebbenMesterséges Intelligencia. Csató Lehel. Csató Lehel. Matematika-Informatika Tanszék Babeş Bolyai Tudományegyetem, Kolozsvár 2007/2008
Matematika-Informatika Tanszék Babeş Bolyai Tudományegyetem, Kolozsvár 007/008 Az Előadások Témái Bevezető: mi a mesterséges intelligencia... Tudás reprezentáció i stratégiák Szemantikus hálók / Keretrendszerek
RészletesebbenA 2018-as Modellező (A) specializáció tanegységei. Számítógépes rendszerek
Programtervező informatikus Sc 2017,,, 2008 illetve programtervező informatikus 2018 Modellező (), Szoftvertervező (), Szoftverfejlesztő (), esti () inak tantárgyi lefedései 2017-es 2017-es 2017-es 2008-as
RészletesebbenAZ ORSZÁGOS KOMPETENCIA MÉRÉS EREDMÉNYEINEK ÉRTELMEZÉSE 2007 AZ ELEMI SZÁMOLÁSI KÉSZSÉG KIÉPÜLÉSE GYAKORLOTTSÁGÁNAK FEJLŐDÉSE
1. oldal AZ ORSZÁGOS KOMPETENCIA MÉRÉS EREDMÉNYEINEK ÉRTELMEZÉSE 2007 Matematika: AZ ELEMI SZÁMOLÁSI KÉSZSÉG KIÉPÜLÉSE GYAKORLOTTSÁGÁNAK FEJLŐDÉSE Az alábbi táblázat a 4. évfolyam százalékos eredményeit
RészletesebbenTörténelemtanítás Online történelemdidaktikai folyóirat
Történelemtanítás Online történelemdidaktikai folyóirat (XLV.) Új folyam I. 2010. 2. szám folyoirat.tortenelemtanitas.hu Forrás: http://www.folyoirat.tortenelemtanitas.hu/2010/05/foldvary-miklos-a-bajortortenelemerettsegi/
RészletesebbenKIFOGÁSKEZELÉS. Ellenvetések, kifogások kezelése
KIFOGÁSKEZELÉS Ellenvetések, kifogások kezelése Miért fontos a kifogásokat jól kezelni? A kifogás = információigény a döntéshez A kifogások burkolt kérdések ; Biztos, hogy legális üzlet? Működik ez az
RészletesebbenMobil technológiák és alkalmazások
ELTE-Soft kft Mobil technológiák és alkalmazások A kutatás-fejlesztési központok fejlesztése és megerősítése KMOP-1.1.2-08/1-2008-0002 pályázat Lőrincz András ELTE Informatikai Kar Mobil technológiák Mozog
RészletesebbenÓra- és vizsgaterv Gyógypedagógia alapképzési szak - logopédia szakirány szakirányú továbbképzés
Eötvös Loránd Tudományegyetem Bárczi Gusztáv Gyógypedagógiai Kar Óra- és vizsgaterv Gyógypedagógia alapképzési szak - logopédia szakirány szakirányú továbbképzés A tanterv érvénybe lép: 2019/2020. tanév
RészletesebbenA FELSŐPAKONYI HERMAN OTTÓ ÁLTALÁNOS ISKOLA
Ikt.: A FELSŐPAKONYI HERMAN OTTÓ ÁLTALÁNOS ISKOLA Helyi Tanterve 2014. Felülvizsgálta és módosította a Felsőpakonyi Herman Ottó Általános Iskola Nevelőtestülete Felsőpakony, 2014. március 20. Tartalom
RészletesebbenMS 33-E Babaápolási baba (F)
MS 33-E Babaápolási baba (F) SOMSO-műanyagból. A fej, a kezek, a lábak, könnyen mozgathatóak a gömbcsuklós szerkezet miatt. Nyitott végbélnyílás. Tökéletes oktatómodell fürdetéshez, öltöztetéshez, és gondozási
RészletesebbenLokális hyperplasia, mint a szövet lehetséges közvetlen válasza a nagy radonkoncentrációból származó sugárterhelésre
Lokális hyperplasia, mint a szövet lehetséges közvetlen válasza a nagy radonkoncentrációból származó sugárterhelésre Madas Balázs Gergely, Balásházy Imre MTA Energiatudományi Kutatóközpont Magyar Fizikus
RészletesebbenInformatikai tehetséggondozás. Mit, mivel, Csató Endre FFG. Tehetségnap (BAZ. megyei Ped. Intézet - 2010. október 28.)
Informatikai tehetséggondozás Mit, mivel, hogyan Csató Endre FFG Tehetségnap (BAZ. megyei Ped. Intézet - 2010. október 28.) Miről lesz szó? Miért is beszéljünk erről? Mit jelent számomra a tehetséggondozás?
RészletesebbenMATEMATIKAI KOMPETENCIATERÜLET C
MATEMATIKAI KOMPETENCIATERÜLET C Matematika 1. évfolyam tanulói ESZKÖZÖK Matematika C 1. évfolyam 1. modul: Alakzatok Matematika C 1. évfolyam 1. modul: Alakzatok Matematika C 1. évfolyam 2. modul: Táblás
RészletesebbenERKÖLCSTAN 5. Tanmenetjavaslat B változat
ERKÖLCSTAN 5. Tanmenetjavaslat B változat I. SZEMÉLYES KAPCSOLATOK Célok: 1. Fejlesztés: Az osztály szervezetének csoportokra lehetőséget ad arra, hogy minden gyermek megtalálja, illetve tudatosan felépítse
RészletesebbenTARTALOMJEGYZÉK. kötelező tanórai foglalkozások, és azok óraszámai... 22
PEDAGÓGIAI PROGRAM II. kötet HELYI TANTERV 2010. TARTALOMJEGYZÉK A 2007. ÉVI NEMZETI ALAPTANTERVBEN MEGFOGALMAZOTT ELVEK, CÉLOK, FELADATOK... 3 A kulcskompetenciák fejlesztése... 3 A kulcskompetenciák...
RészletesebbenPPKE ITK, 2014/2015 tanév. I. félév. Tantárgyi adatok és követelmények
PPKE ITK, 2014/2015 tanév I. félév Tantárgyi adatok és követelmények Tantárgy neve: Óraszám: Lineáris algebra 2 óra előadás, kedd, 8-10, Simonyi terem 2 óra gyakorlat Honlap: digitus.itk.ppke.hu/~b_novak
RészletesebbenTájékoztató az emelt szintű érettségi felkészítésről
Tájékoztató az emelt szintű érettségi felkészítésről 10. évfolyam Összeállította: Csajági Sándor igh. Érettségi Kétszintű érettségi: Középszint Kötelező 5 tantárgy Szakképző évfolyam feltétele Felsőfokú
RészletesebbenProbabilisztikus modellek V: Struktúra tanulás. Nagy Dávid
Probabilisztikus modellek V: Struktúra tanulás Nagy Dávid Statisztikai tanulás az idegrendszerben, 2015 volt szó a normatív megközelítésről ezen belül a probabilisztikus modellekről láttatok példákat az
RészletesebbenALAPKÉPZÉS SZAKINDÍTÁS
I. A KÉPZÉS TARTALMA I.1 A képzés programja; a szak tanterve (az óra és vizsgaterv táblázatos összegzése) ismeretkörök a *KKK. 8.1. alapján félévek tantárgy számonkérés és tantárgyaik 1. 2. 3. 4. 5. 6.
RészletesebbenGépi tanulás a gyakorlatban. Kiértékelés és Klaszterezés
Gépi tanulás a gyakorlatban Kiértékelés és Klaszterezés Hogyan alkalmazzuk sikeresen a gépi tanuló módszereket? Hogyan válasszuk az algoritmusokat? Hogyan hangoljuk a paramétereiket? Precízebben: Tegyük
RészletesebbenMatematika gyógyszerészhallgatók számára. A kollokvium főtételei tanév
Matematika gyógyszerészhallgatók számára A kollokvium főtételei 2015-2016 tanév A1. Függvénytani alapfogalmak. Kölcsönösen egyértelmű függvények és inverzei. Alkalmazások. Alapfogalmak: függvény, kölcsönösen
RészletesebbenA TANTÁRGY ADATLAPJA
A TANTÁRGY ADATLAPJA 1. A képzési program adatai 1.1 Felsőoktatási intézmény Babes-Bolyai Tudományegyetem 1.2 Kar Pszichológia és Neveléstudományok 1.3 Intézet Pedagógia és Alkalmazott Didaktika 1.4 Szakterület
RészletesebbenBiológia a 7 8. évfolyama számára A biológia tantárgy tanításának céljai és feladatai
Biológia a 7 8. évfolyama számára A biológia tantárgy tanításának céljai és feladatai Az ember és természet műveltségterület és ezen belül a biológia tantárgy középpontjában a természet és az azt megismerni
RészletesebbenA TANTÁRGY ADATLAPJA
A TANTÁRGY ADATLAPJA 1. A képzési program adatai 1.1 Felsőoktatási intézmény Babeș Bolyai Tudományegyetem 1.2 Kar Matematika és Informatika Kar 1.3 Intézet Magyar Matematika és Informatika Intézet 1.4
RészletesebbenSZTE Eötvös Loránd Kollégium. 2. Móra György: Információkinyerés természetes nyelvű szövegekből
2010/2011 tavaszi félév SZTE Eötvös Loránd Kollégium 1. Dombi József: Fuzzy elmélet és alkalmazásai 2011. március 3. 19:00 2. Móra György: Információkinyerés természetes nyelvű szövegekből 2011. március
RészletesebbenLőre Vendel- Csigó Györbiró Alpár Üzleti szimulációk az oktatásban
Lőre Vendel- Csigó Györbiró Alpár Üzleti szimulációk az oktatásban A tudásgyárak technológiaváltása és humánstratégiája a felsőoktatás kihívásai a XXI. században Tartalom Üzleti szimulációkról dióhéjban
RészletesebbenA Szekszárdi I. Béla Gimnázium Helyi Tanterve
A Szekszárdi I. Béla Gimnázium Helyi Tanterve Négy évfolyamos gimnázium Informatika Készítette: a gimnázium reál munkaközössége 2015. Tartalomjegyzék Alapvetés...3 Egyéb kötelező direktívák:...6 Informatika
RészletesebbenTANTÁRGYI ÚTMUTATÓ. Gábor Dénes Főiskola FML-028/01
TANTÁRGYI ÚTMUTATÓ ELMÉLETI FIZIKA Alapszak (BSc) 332 Gábor Dénes Főiskola 2008/2009. tanév FML-028/01 Tartalomjegyzék 1. A tantárggyal kapcsolatos fontosabb adatok... 1 2. A tantárgy célkitűzése és tematikája...
RészletesebbenMagatartás Szorgalom Olvasás írás 1.oszt. Matematika 1.oszt. Környezetismeret 1.osztály 2. oszt. első félév
Magatartás Kiegyensúlyozottan változó hangulattal nyugtalanul fegyelmezetlenül viselkedsz az iskolában. Az iskolai szabályokat betartod nem mindig tartod be gyakran megszeged. Olvasás írás 1.oszt. Szóbeli
RészletesebbenSzámítógépes képelemzés 7. előadás. Dr. Balázs Péter SZTE, Képfeldolgozás és Számítógépes Grafika Tanszék
Számítógépes képelemzés 7. előadás Dr. Balázs Péter SZTE, Képfeldolgozás és Számítógépes Grafika Tanszék Momentumok Momentum-alapú jellemzők Tömegközéppont Irányultáság 1 2 tan 2 1 2,0 1,1 0, 2 Befoglaló
RészletesebbenAz Excel Solver bővítményének megismerése Feladatok gyakorlása BMF-NIK 2008. ősz 3
2008/09 ősz 1. Windows / Word / Excel, önálló feldolgozás! 2. Solver 3. ZH 4. Windows 5. Windows 6. ZH 7. HTML 8. HTML 9. ZH 10. Adatszerkezetek, változók, tömbök 11. Számábrázolási kérdések 12. ZH 13.
RészletesebbenTanulás-szervezési innovációk a magyar felsőoktatásban
Menedzsment kultúra a felsőoktatásban III. Tanulás-szervezési innovációk a magyar felsőoktatásban Ollé János, tanársegéd ELTE PPK Oktatás-Informatikai Szakcsoport olle.janos@ppk.elte.hu 2008. május 9.
RészletesebbenPeltier-elemek vizsgálata
Peltier-elemek vizsgálata Mérés helyszíne: Vegyész labor Mérés időpontja: 2012.02.20. 17:00-20:00 Mérés végrehatói: Budai Csaba Sánta Botond I. Seebeck együttható közvetlen kimérése Az adott P-N átmenetre
RészletesebbenSzámítógép és programozás 2
Számítógép és programozás 2 6. Előadás Problémaosztályok http://digitus.itk.ppke.hu/~flugi/ Emlékeztető A specifikáció egy előfeltételből és utófeltételből álló leírása a feladatnak Léteznek olyan feladatok,
RészletesebbenApple Swift alapú alkalmazás fejlesztés gyakorlat. 1. Gyakorlat Bevezetés
Apple Swift alapú alkalmazás fejlesztés gyakorlat 1. Gyakorlat Bevezetés Bemutatkozás Jánki Zoltán Richárd Email: Janki.Zoltan.Richard@stud.u-szeged.hu Web: www.stud.u-szeged.hu/janki.zoltan.richard Fogadóóra:
RészletesebbenMesterséges Intelligencia. Csató Lehel. Csató Lehel. Matematika-Informatika Tanszék Babeş Bolyai Tudományegyetem, Kolozsvár 2010/2011 1/363
1/363 Matematika-Informatika Tanszék Babeş Bolyai Tudományegyetem, Kolozsvár 20/2011 Az Előadások Témái 226/363 Bevezető: mi a mesterséges intelligencia... Tudás reprezentáció Gráfkeresési stratégiák Szemantikus
RészletesebbenA szak specializációi
A szak specializációi Specializációk A specializációválasztás során a hallgatónak preferenciasorrendet kell megjelölnie, legalább két specializáció megadásával. A specializációkra történő besorolás a hallgatók
RészletesebbenHelyi tanterv a Tanulásmódszertan oktatásához
Helyi tanterv a Tanulásmódszertan oktatásához A Tanulásmódszertan az iskolai tantárgyak között sajátos helyet foglal el, hiszen nem hagyományos értelemben vett iskolai tantárgy. Inkább a képességeket felmérő
RészletesebbenMÉRNÖKINFORMATIKUS ALAPSZAK TANULMÁNYI TÁJÉKOZATÓ 2017.
MÉRNÖKINFORMATIKUS ALAPSZAK TANULMÁNYI TÁJÉKOZATÓ 2017. Ez a tanulmányi tájékoztató azoknak a Mérnökinformatikus alapszakos hallgatóknak szól, akik 2017. szeptember 1-jét követően kezdték meg tanulmányaikat.
RészletesebbenMegerősítéses tanulás 7. előadás
Megerősítéses tanulás 7. előadás 1 Ismétlés: TD becslés s t -ben stratégia szerint lépek! a t, r t, s t+1 TD becslés: tulajdonképpen ezt mintavételezzük: 2 Akcióértékelő függvény számolása TD-vel még mindig
RészletesebbenTANTÁRGYI ÚTMUTATÓ ELMÉLETI FIZIKA BSc/BA alapképzés B-VI-ELMFIZ
TANTÁRGYI ÚTMUTATÓ ELMÉLETI FIZIKA BSc/BA alapképzés B-VI-ELMFIZ 2014/2015 tanév Tartalomjegyzék 1. A tantárggyal kapcsolatos fontosabb adatok... 2 2. A tantárgy célkitűzése és tematikája... 2 3. A felkészülést
RészletesebbenA kibontakozó új hajtóerő a mesterséges intelligencia
5. Magyar Jövő Internet Konferencia» Okos város a célkeresztben «A kibontakozó új hajtóerő a mesterséges intelligencia Dr. Szűcs Gábor Budapesti Műszaki és Gazdaságtudományi Egyetem Távközlési és Médiainformatikai
RészletesebbenGyakorlatsor. 1. Alapállás, labdafogással jobb kézben. 2. Karemelés oldalsó középtartásba. 3. Kar leengedés mélytartásba labda átadással a bal kézbe.
Gyakorlatsor 1. Alapállás, labdafogással jobb kézben. 2. Karemelés oldalsó középtartásba. 3. Kar leengedés mélytartásba labda átadással a bal kézbe. 4. Karemelés oldalsó középtartásba. 5. Kar leengedés
RészletesebbenA TANTÁRGY ADATLAPJA
A TANTÁRGY ADATLAPJA 1. A képzési program adatai 1.1 Felsőoktatási intézmény Babeș Bolyai Tudományegyetem 1.2 Kar Matematika és Informatika Kar 1.3 Intézet Magyar Matematika és Informatika Intézet 1.4
RészletesebbenIntelligens adatelemzés
Antal Péter, Antos András, Horváth Gábor, Hullám Gábor, Kocsis Imre, Marx Péter, Millinghoffer András, Pataricza András, Salánki Ágnes Intelligens adatelemzés Szerkesztette: Antal Péter A jegyzetben az
RészletesebbenAlkalmazott matematikus mesterszak MINTATANTERV
Alkalmazott matematikus mesterszak MINTATANTERV Tartalom A MESTERSZAK SZERKEZETE... 1 A KÉPZÉSI PROGRAM ÁTTEKINTŐ SÉMÁJA... 1 NAPPALI TAGOZAT... 2 ESTI TAGOZAT... 6 0BA mesterszak szerkezete Alapozó ismeretek
RészletesebbenBevezetés az ökonometriába
Bevezetés az ökonometriába Többváltozós regresszió: nemlineáris modellek Ferenci Tamás MSc 1 tamas.ferenci@medstat.hu 1 Statisztika Tanszék Budapesti Corvinus Egyetem Hetedik előadás, 2010. november 10.
Részletesebben