0
Adattudomány
2026/27 ősz · Bevezető óra
SZTE TTIK · Informatikai Intézet · Mesterséges Intelligencia Tanszék
Dr. Kőrösi Gábor · Nagy Soma Bálint · Dr. Berta Árpád
2
Elérhetőségek
Adattudomány 2026/27 · Bevezető óra
2 / 13
Dr. Kőrösi Gábor
Nagy Soma Bálint
SZTE TTIK · Informatikai Intézet · Mesterséges Intelligencia Tanszék
TANANYAG
A részletes követelmények és a heti anyagok a Coospace-en is elérhetők.
Dr. Berta Árpád
berta@inf.u-szeged.hu
3
Mi az adattudomány?
Adattudomány 2026/27 · Bevezető óra
3 / 13
Napjaink egyik leggyorsabban fejlődő területe.
Az online szolgáltatások, a közösségi média, az e-kereskedelem…
→ nagy mennyiségű adat
Hasznos és megbízható következtetéseket levonni
→ fontos feladat
4
Témakörök
Adattudomány 2026/27 · Bevezető óra
4 / 13
Blokk | Fejezet | Központi kérdés |
I. Reprezentáció miből lesz elemezhető adat? | 0. Az adatelemzéstől az adattudományig | Hogyan lesz egy homályos problémából vizsgálható kérdés és védhető állítás? |
| 1. Szövegbányászat és szemantikus reprezentációk | Hogyan lesz a szövegből összehasonlítható adat? |
| 2. Magas dimenzió és dimenziócsökkentés | Hogyan látunk át és ábrázolunk sokdimenziós reprezentációkat? |
II. Rejtett struktúra mit tudunk meg a megfigyelések viszonyából? | 3. Klaszterezés és szegmentáció | Milyen csoportok vannak az adatban? |
| 4. Ajánlórendszerek | Mit rangsoroljunk ennek a konkrét felhasználónak? |
| 5. Asszociációs szabályok | Mik fordulnak elő rendszeresen együtt? |
| 6. Hálózattudomány | Milyen globális kapcsolati szerkezet alakult ki? |
III. Idő mit tesz hozzá az időbeli sorrend? | 7. Idősormodellezés és előrejelzés | Mi várható a múltbeli mintázatok alapján? |
| 8. Anomália- és változásdetektálás | Mikor tér el a valóság szokatlanul a várttól? |
IV. Felelős következtetés mit állíthatunk, és hogyan adjuk át? | 9. Oksági gondolkodás és kísérletezés | Mikor mondhatjuk, hogy valami okoz valamit? |
| 10. Magyarázható és felelős adattudomány | Miért ezt adta a modell, és mikor szabad rá döntést építeni? |
| 11. Reprodukálható, integrált Data Science projekt | Hogyan lesz mindebből ellenőrizhető, átadható megoldás? |
5
Követelmények
Adattudomány 2026/27 · Bevezető óra
5 / 13
Értékelési elem | Megszerezhető pont |
Órai részvételhez kapcsolódó CS5-tesztek és feladatmegoldások | legfeljebb 20 pont |
Első zárthelyi dolgozat | 30 pont |
Második zárthelyi dolgozat | 30 pont |
Beadandó feladat és bemutatása | 20 pont |
Összesen | 100 pont |
A részletes követelményrendszer – határidők, pótlási lehetőségek, érdemjegyhatárok – a Coospace-en érhető el.
6
Módszertan – hogyan telik egy óra?
Adattudomány 2026/27 · Bevezető óra
6 / 13
Bevezető PPT
Egy konkrét probléma megoldása
40 perc
Coospace anyag
A bevezető anyag értelmezése
20 perc
PPT folytatása
A bevezető anyag közös átbeszélése
20 perc
Szünet
5 perc
Egyéni feladatmegoldás
A bevezető alapján önálló feladatmegoldás
60 perc
A hangsúly nem a felolvasott elméleten van, hanem azon, hogy egy konkrét problémát közösen végiggondolunk – majd te oldasz meg egy másikat.
FONTOS: 3 + 1 óra koncepció -> Tehát ha nem fér bele valami 3 órába akkor neked kell rászánni +45 percet otthon.
7
Adattudomány 2026/27 · Bevezető óra
7 / 13
Miért tanuljunk adattudományt?
Nézzük meg, mit mond a munkaerőpiac – számokkal.
8
A tech munkaerőpiac két oldala
Adattudomány 2026/27 · Bevezető óra
8 / 13
A nyitott állások száma
Az elbocsátott tech dolgozók száma
A két görbét együtt kell nézni: a nyitott állások száma a csúcs alá esett, miközben az elbocsátások is magasak maradtak.
Forrás: trueup.io
8
A tech munkaerőpiac két oldala
Adattudomány 2026/27 · Bevezető óra
8 / 13
A nyitott állások száma
A két görbét együtt kell nézni: a nyitott állások száma a csúcs alá esett, miközben az elbocsátások is magasak maradtak.
Forrás: trueup.io
9
A nyitott állások az AI területén
Adattudomány 2026/27 · Bevezető óra
9 / 13
A 10 legnagyobb kategória közül kettő közvetlenül adattudományi.
10
AI-készítő és AI-alkalmazó munkahelyek
Adattudomány 2026/27 · Bevezető óra
10 / 13
| Computer and Information Research Scientists | Computer Programmers |
2025-es medián fizetés | $140,300 / év ($67.45 / óra) | $100,390 / év ($48.26 / óra) |
Tipikus belépő végzettség | mesterdiploma (Master’s) | alapdiploma (Bachelor’s) |
Korábbi szakmai tapasztalat | nincs | nincs |
Munka melletti képzés | nincs | nincs |
Állások száma (2025) | 38 600 | 110 800 |
Kilátás 2025–35 | +22% (jóval az átlag felett) | −7% (csökkenő) |
Létszámváltozás 2022–35 | +8 400 | −8 100 |
Ugyanabban a szakmácsaládban: az egyik területen +22% növekedés, a másikon −7% csökkenés várható.
Forrás: U.S. Bureau of Labor Statistics – Occupational Outlook Handbook
11
És hol áll ebben a Data Scientist?
Adattudomány 2026/27 · Bevezető óra
11 / 13
| Data Scientists | Computer Programmers |
2025-es medián fizetés | $120,230 / év ($57.80 / óra) | $100,390 / év ($48.26 / óra) |
Tipikus belépő végzettség | alapdiploma (Bachelor’s) | alapdiploma (Bachelor’s) |
Korábbi szakmai tapasztalat | nincs | nincs |
Munka melletti képzés | nincs | nincs |
Állások száma (2025) | 275 600 | 110 800 |
Kilátás 2025–35 | +35% (jóval az átlag felett) | −7% (csökkenő) |
Létszámváltozás 2025–35 | +95 400 | −8 100 |
Ugyanaz a belépő végzettség, mégis +35% növekedés és 95 400 új állás a −7% helyett.
Forrás: U.S. Bureau of Labor Statistics – Occupational Outlook Handbook
12
Informatikai szakmák egymás mellett
Adattudomány 2026/27 · Bevezető óra
12 / 13
Szakma | Belépő végzettség | 2024-es medián fizetés |
Computer and Information Research Scientists | mesterdiploma | $140,300 |
Software Developers, QA Analysts, and Testers | alapdiploma | $134,040 |
Computer Network Architects | alapdiploma | $134,050 |
Information Security Analysts | alapdiploma | $129,180 |
Database Administrators and Architects | alapdiploma | $126,760 |
Data Scientists | alapdiploma | $120,230 |
Computer Systems Analysts | alapdiploma | $105,850 |
Computer Programmers | alapdiploma | $100,390 |
Network and Computer Systems Administrators | alapdiploma | $99,130 |
Web Developers and Digital Designers | alapdiploma | $99,520 |
Computer Support Specialists | változó | $62,890 |
A kiemelt három szakma ugyanabból a listából való – a különbséget nem a fizetés, hanem a növekedési irány adja.
13
Ajánlott irodalom
Adattudomány 2026/27 · Bevezető óra
13 / 13
Steffen Herbold
online jegyzet
John Paul Mueller, Luca Massaron
Python for Data Science For Dummies
gyakorlati bevezető
Foster Provost, Tom Fawcett
döntési szemléletű
Azure Microsoft
magyar nyelvű áttekintés
Provost & Fawcett: Data Science for Business – What you need to know about data mining and data-analytic thinking