Leírás
A hallgatók konkrét adattudományi célprojekteken dolgozzanak és megismerhessék a megoldásban használható eszközrendszert. 
A kurzus törekszik rá, hogy a hallgatók valós, lehetőleg ipari partnereket is érintő kutatás-fejlesztési projektekhez kapcsolódjanak.
Adattudományi kihívások, kutatás és ipar. 
Esettanulmány, képi információk feldolgozása.
Esettanulmány, nagy mennyiségű adatfeldolgozás. 
Ajánlórendszerek. 
Hirdetések, internetes keresés. 
Játékfejlesztés. 
Kockázatelemzés. 
Útvonaltervezés, kézbesítés, optimalizáció.
Robotika. 
Önvezető járművek. 
Projektmunka. 
Ipari alkalmazás.

Kompetenciák
- tudása kiterjed az adattudományokkal kapcsoaltos fogalmak ismeretére
- képes az adattudományokkal kapcsolatosan megszerzett elméleti tudást a gyakrolatban is alkalmazni
- elfogadja, alkalmazkodik az adattudományok témaköréhez kapcsolódó munkakörök esetén kialakult munka- és szervezeti kultúrához és betartja a szakma etikai elveit.
- felelős az önálló és csoportban végzett szakmai tevékenységéért

Kötelező irodalom
- W. McKinney: Python for Data Analysis (1 ed.). O'Reilly Media, Inc. 2012.
- Christopher Bishop: Pattern Recognition and Machine Learning, Springer, 2006.
- D. Conway, J.M. White: Machine Learning for Hackers, O'Reilly Media, Inc., 2012.
- I. Goodfellow, Y. Bengio, A. Courville: Deep Learning, MIT Press, 2016.

Ajánlott irodalom
- W. McKinney: Python for Data Analysis (1 ed.). O'Reilly Media, Inc. 2012.
- Christopher Bishop: Pattern Recognition and Machine Learning, Springer, 2006.
- D. Conway, J.M. White: Machine Learning for Hackers, O'Reilly Media, Inc., 2012.
- I. Goodfellow, Y. Bengio, A. Courville: Deep Learning, MIT Press, 2016.