In recent decades, the amount of available data has increased significantly, making data modeling problems much more complex and diverse, requiring the use of advanced statistical algorithms. This course reviews the main methods of Machine Learning, one of the approaches belonging to artificial intelligence-based methods. We will cover the differences between supervised and unsupervised learning, traditional classification and dimension reduction methods, the basics of linear regression and binary classification, as well as the intuition behind Bayesian approaches. These methods help to better understand the relationships within data and more effectively predict certain characteristics.
This specialized training course is organized within WP2 “Institutional capacity building through five specialized training courses in artificial intelligence”. This course will be taught by Dr. János Szenderák PhD, lecturer at the Coordination and Research Centre for Social Sciences at the University of Debrecen. The Master's and PhD students, researchers and teaching staff from the 2 partners universities: University of Oradea and University of Debrecen are expected to participate in this course.
Schedule:
• 29 September, 08:00–16:00 (in-person)
• 30 September, 08:00–16:00 (online)
• 1 October, 08:00–16:00 (online)
• 2 October, 08:00–16:00 (online)
• 3 October, 08:00–16:00 (in-person)

---

Az elmúlt évtizedekben elérhető adatmennyiség jelentősen megnőtt, így a modellezési problémák sokkal komplexebbek és változatosabbak lettek, amelyek kibővített és fejlettebb statisztikai algoritmusok használatát követelik meg. A kurzus keretein belül a Gépi Tanulás (Machine Learning) legfőbb módszereit tekintjük át, amely a mesterséges intelligencia alapú módszerekhez tartozó megközelítések egyik típusa. A kurzus során áttekintjük a felügyelt és a nem felügyelt algoritmikus tanulás közötti különbséget, a hagyományos klasszifikációs és dimenzió csökkentő eljárásokat, a lineáris regresszió és a bináris klasszifikáció (logisztikus regresszió) alapjait, illetve a Bayesi megközelítések intuícióját. Az alkalmazott módszerek segítségével jobban megismerhető az adatok közötti kapcsolat és hatékonyabban lehet előrejelezni az adatok egyes tulajdonságait.
Ez a specifikus képzés a WP2 „Intézményi kapacitásépítés öt speciális képzésen keresztül a mesterséges intelligencia területén” keretében kerül megrendezésre. A képzést Dr. Szenderák János PhD, a Debreceni Egyetem Társadalomtudományi Koordinációs Kutatóközpontjának oktatója tartja. A képzésen a két partner egyetem, az Nagyváradi Egyetem és a Debreceni Egyetem mesterképzésben és doktori képzésben részt vevő hallgatói, kutatói és oktatói vesznek részt.
Időbeosztás:
• szeptember 29, 08:00–16:00 (jelenléti)
• szeptember 30, 08:00–16:00 (online)
• október 1, 08:00–16:00 (online)
• október 2, 08:00–16:00 (online)
• október 3, 08:00–16:00 (jelenléti)