Doktori kurzusok 2015-2016. tanév II. (tavaszi) félév
1. Balázs Péter: Ipari röntgentomográfia 2. Beszédes
Árpád,
Gergely
Tamás,
Vidács
László:
Szoftvertesztelési
folyamatok es tesztkészletek minősége 3. Csendes Tibor: Global optimization 4. Csermely Péter: A hálózatok és a stabilitás 5. Csirik János: Approximációs algoritmusok 6. David Hales (Jelasity Márk): Agent-Based Modelling in NetLogo (ABMNetLogo) 7. Mingesz Róbert: Fejlett LabVIEW programozás és alkalmazásai 8. Palágyi Kálmán: Vázkijelölés a képfeldolgozásban 9. Vágvölgyi Sándor: Kvantumszámítás 10. Vinkó Tamás: Graph databases A Neveléstudományi Doktori Iskola által ajánlott kurzusok: 11. Csapó Benő: Oktatáselmélet, angolul (Learning and Instruction)
Nem szakmai kurzus:
12. Vincze Veronika: How to write and present academic papers in computer science
Balázs Péter: Ipari röntgentomográfia Magyarul. Tömbösítve, otthonra is kiadott feladatokkal. Tematika - A 3D Tire Scanner rendszer felépítése - Kalibráció, vetületek előfeldolgozása, mozgás- és zajkorrekció - Folytonos és diszkrét rekonstrukciós algoritmusok áttekintése - Minta alapú vetületi geometria tervezés és rekonstrukció - Bizonytalanság és ROI tomográfia - 4D rekonstrukció időbeli regularizációval - Nagymennyiségű adat kezelése, rekonstrukció GPU-n Irodalom -
A. Kuba, L. Rodek, Z. Kiss, L. Rusko, M. Balasko, A.Nagy, Discrete tomography in neutron radiography, Nuclear Instruments & Methods in Physics Reseach, Sect. A 542:(1-3) 376-382 (2005).
-
F. Bleichrodt, J. de Beenhouwer, J. Sijbers, K.J. Batenburg, Aligning Projection Images from Binary Volumes 2014, Fundamenta Informaticae, 135, p.21–42
-
F. Bleichrodt, F. Tabak, K.J. Batenburg, SDART: An algorithm for discrete tomography from noisy projections, 2014 - Computer Vision and Image Understanding, 129, p.63–74.
-
G. Van Eyndhoven, K.J. Batenburg, J. Sijbers, Region-Based 4D Tomographic Image Reconstruction: Application to Cardiac X-ray CT, 2015 IEEE International Conference on Image Processing , Quebec, Canada
-
G. Van Eyndhoven, K.J. Batenburg, D. Kazantsev, V. Van Nieuwenhove, P.D. Lee, K.J. Dobson, J. Sijbers, An Iterative CT Reconstruction Algorithm for Fast Fluid Flow Imaging. IEEE Trans Image Process. 2015 Nov;24(11):444658.
-
L.G. Varga, P. Balázs, A. Nagy: Direction-dependency of binary tomographic reconstruction algorithms, Graphical Models (Elsevier) 73 365-375 (2011)
-
L.G. Varga, L.G. Nyúl, A. Nagy, P. Balázs: Local and global uncertainty in binary tomographic reconstruction, Computer Vision and Image Understanding (Elsevier) 129 52-62 (2014)
Beszédes Árpád, Gergely Tamás, Vidács László: Szoftvertesztelési folyamatok es tesztkészletek minősége Olvasókurzus, angolul is megtartható. Tematika - Szoftvertesztelési folyamatok es teszteléskor előálló eredménytermékek, tesztkészletek, tesztadatok - Szoftvertesztelési folyamatok minősége - Tesztkészletek kódlefedettség alapú minősége - Speciális területek: mutációs elemzés, hibalokalizálás, redukció - Tesztminőség mérésére alkalmas megfelelőségi modellek Irodalom Erik van Veenendaal, Brian Wells: Test Maturity Model integration TMMi (Guidelines for Test Process Improvement), ISBN-10: 9490986100,Uitgeverij Tutein Nolthenius (October 1, 2012) Y. Jia and M. Harman, An analysis and survey of the development of mutation testing, Software Engineering, IEEE Transactions on, vol. 37, no. 5, pp. 649–678, Sept 2011. G. Rothermel, R. J. Untch, and C. Chu, Prioritizing test cases for regression testing, IEEE Trans. Softw. Eng., vol. 27, no. 10, pp. 929–948, Oct. 2001. D. Athanasiou, A. Nugroho, J. Visser, and A. Zaidman, Test code quality and its relation to issue handling performance, Software Engineering, IEEE Transactions on, vol. 40, no. 11, pp. 1100–1125, Nov 2014. B. Marick, J. Bach, and C. Cem Kaner, A manager’s guide to evaluating test suites, in 13th International Software Quality Conference (Quality Week), Jun. 2000, pp. 1– 16. F. Horváth, B. Vancsics, L. Vidács, Á. Beszédes, D. Tengeri, T. Gergely, and T. Gyimóthy, Test suite evaluation using code coverage based metrics, in Proceedings of the 14th Symposium on Programming Languages and Software Tools (SPLST’15), Oct. 2015, pp. 46–60. M. J. Harrold, G. Rothermel, R. Wu, and L. Yi. An empirical investigation of program spectra. In Proceedings of the 1998 ACM SIGPLAN-SIGSOFT workshop on Program analysis for software tools and engineering, PASTE ’98, pages 83–90. ACM, 1998.
Csendes Tibor: Global optimization Csak angolul, de magyar hallgatóknak is szól. Heti 2 órás kontakt kurzusként. Tematika A teljes anyag elérhető a www.inf.szte.hu/~csendes/goslides.pdf címen. A tartalma: általános globális optimalizálási alapfogalmak és azok viszonya, részletesen a multistart módszerek és az intervallum aritmetika alapú algoritmusok sok gyakorlással, számítógépes teremben, leadandó házifeladattal. Irodalom Bazaraa, M.S., H.D. Sherali, and C.M. Shetty: Nonlinear Programming — Theory and Algorithms, Wiley, 1993. Bomze, I.M., T. Csendes, R. Horst, and P.M. Pardalos (eds.): Developments in Global Optimization. Kluwer, Dordrecht, 1997. Csendes, T.: Introduction to Global Optimization. Lecture notes in Hungarian, in preparation, www.inf.u-szeged.hu/∼csendes/go.pdf. English language slides at ...goslides.pdf Dixon, L.C.W., G.P. Szegő (eds.): Towards Global Optimisation, North-Holland, Amsterdam, 1974. Dixon, L.C.W., G.P. Szegő (eds.): Towards Global Optimisation 2, North-Holland, Amsterdam, 1978. Gill, P. E., W. Murray, M.H. Wright: Practical Optimization. Academic Press, London, 1981. Hansen, E.: Global Optimization Using Interval Analysis. Marcel Dekker, New York, 1992. Horst, R., P.M. Pardalos, and N.V. Thoai: Introduction to Global Optimization, Kluwer, Dordrecht, 1995. R. Baker Kearfott: Rigorous Global search: Continuous Problems. Kluwer, Dordrecht, 1996 The site of Arnold Neumaier on global optimization: http://solon.cma.univie.ac.at/glopt.html Pintér, J.D.: Global Optimization in Action, Kluwer, Dordrecht, 1996. Ratschek, H., J. Rokne: Computer Methods for the Range of Functions, Ellis Horwood, Chichester, 1984. Ratschek, H., J. Rokne: New Computer Methods for Global Optimization, Ellis Horwood, Chichester, 1988. Torn, A., A. Zilinskas: Global Optimization. (Lecture Notes in Computer Science No. 350, G. Goos and J. Hartmanis, Eds.) Springer, Berlin, 1989.
Csermely Péter: A hálózatok és a stabilitás A kurzust el lehet végezni levelező formában magyarul vagy angolul. Jelentkezők írjanak a
[email protected] címre. A hálózatok és a stabilitás (7224 PhD kurzus – speciálkollégium tematika, Prof. Csermely Péter 2015/16 II. félév, 2 kredit, 15 hét, heti 2 óra, hétfőnként 18.15-19.30ig, Semmelweis Egyetem EOK Hevesy György termében, Bp. Tűzoltó u. és Thaly Kálmán u sarok www.linkgroup.hu/contact.php földszint bal szélső előadó). Első előadás: 2016. február 15. hétfő, 18.15. Tematika 1. A leggyakrabban vizsgált hálózatok topológiája Miért pont a hálózatok? Kisvilágság, skálafüggetlenség, a hálózatok hierarchiája, hálózatok modulszerkezete és komplexitása, kreatív hálózatos elemek 2. A hálózatok dinamikája A jó és a rossz zaj, relaxációs folyamatok: önszerveződő kritikus jelenségek, hálózatkatasztrófák, hálózatok fázisátmenetei, hálózatevolúció, a hálózatok szinkronicitása, hálózatstabilizálás: mérnökök vagy barkácsolók? 3. Fehérjeszerkezeti és fehérje-fehérje kölcsönhatási hálózatok 4. Metabolikus, jelátviteli, géntranszkripciós és más sejtes hálózatok valamint a sejtek hálózatai: az agyunk működésének hálózatos felfogása 5. Ökológiai, társadalmi, és kulturális hálózatok Táplálékláncok, Gaia, állatközösségek és társadalmi hálózatok (világkereskedelem világgazdaság, társadalmi tőke), nyelvi hálózatok, regény, színdarab és filmhálózatok, térhálózataink, programhálózatok, mérnökök és barkácsolók: egy új szintézis felé 6. A hálózatos elemző módszerek perspektívái 7. Hálózatok a gyógyszertervezésben és más hálózatos alkalmazások Irodalom Csermely P.: Rejtett hálózatok ereje, Vince kiadó, 2005-2008 (http://linkgroup.semmelweis.hu/weaklinks_HU.php angolul Springer kiadásban: http://linkgroup.semmelweis.hu/weaklinks_EN.php, valamint http://www.linkgroup.hu/education.php) http://barabasi.com/networksciencebook/ Vizsga: kb. 5-10 oldalas, önálló gondolatokat és legalább két forrásmunka áttanulmányozását tartalmazó vizsgadolgozattal a hálózatok témájából, amelyet június 30-ig kell leadni.
Csirik János: Approximációs algoritmusok MSc és PhD kurzus. Igény esetén a teljes kurzus is lehet angol nyelvű. Tematika A kurzus NP-nehéz problémák megoldására javasol közelítő eljárásokat,továbbá ԑapproximációs sémákat. A tárgyalt területek: - Csúcslefedés - Hátizsák probléma - Ládapakolási probléma - Halmazlefedés - Vágások Irodalom A kurzus alapja Claire Kenyon hasonló című, angol nyelvű Coursera kurzusa. Vazirani: Approximation algorithms, Springer, 2001. http://www.cc.gatech.edu/fac/Vijay.Vazirani/book.pdf
David Hales (Jelasity Márk): Agent-Based Modelling in NetLogo (ABM-NetLogo) MSc speckoll, angol nyelven Dr David Hales (
[email protected]) Tematika és szakirodalom a következő oldaltól.
Course Title: Agent-Based Modelling in NetLogo (ABM-NetLogo) David Hales (
[email protected]) Course Outline: Agent-‐Based Modelling (ABM) involves specifying the behaviour of individual agents as computer programs and analysing the emergent outcomes of their interactions through simulation. Hence ABM’s do not require a macro theory of a system in order to model it. ABM is a tool used increasingly in physics, biology, computer science, social science and economics. In this course we will introduce students to the craft of ABM through practical lab work. We will look at some seminal agent-‐based models in NetLogo and experiment with them. Students will be expected to bring a critical eye to the work and also present, discuss and implement their own ideas and interests. Each student will produce and present their own ABM in NetLogo, and experimental results, by the end of the course. NetLogo is a programming language specifically designed for teaching, specifying and experimenting with ABM’s. It is popular over many disciplines for representing and communicating ABM’s. We will introduce this language through example models in the Lab. Labs will comprise the presentation of a models, tasks and feedback of the results obtained. Prerequisites: Students are expected to be proficient in at least one programming language and statistical package (such as R, Matlab or Excel). Also they should be willing to pursue their own efforts in terms of learning NetLogo details through available online resources including the integrated manual and tutorials. This will require significant individual effort outside lab sessions. Students will also be required to do specific background reading of research papers related to the models explored in the lab. The course will be taught entirely in English. Assessment: Students will develop their own ABM in NetLogo producing experiments and analysis. These will be presented to the group by all students. PhD students will additionally write-‐up their results in the format of a technical report / research paper. Aims (the course aims to):
• • •
Introduce the NetLogo programming language Present and explain the code of a number of seminal ABM models Demonstrate the ABM experimental methodology through doing
Objectives (by the end of the course students will be able to):
• • •
Understand NetLogo ABM models through examining the code Write their own ABM in NetLogo Perform experiments, analysis and a paper write-‐up of their own model
Software: NetLogo is free to download and runs on most platforms and can be obtained (in addition to documentation, tutorials and example models) from: https://ccl.northwestern.edu/netlogo/
Planned Session Outline: 1. Introduction to ABM and NetLogo. What are ABM? What is NetLogo? The structure of a simple NetLogo program. Online NetLogo resources. Exercise: Write a “hello world” program and run it. Readings: NetLogo manual. 2. Introduction to NetLogo 2. GUI, visualisation and plotting outputs. Functions, Lists and Agent Sets. A simple ABM. Exercise: Write a simple ABM program and run it. Readings: Schelling’s model. 3. Schelling’s segregation model. Step-‐by-‐step explanation of the code of Schelling’s model in NetLogo. Exercise: Change the model in some way, run it and discover what emerges. 4. Experimental method. How to design experiments for ABM. The Behaviour Space tool in NetLogo. Exercise: Vary a parameter in the Schelling model using behaviour space. Load the results into the R (or some other) statistical package. Produce a visual chart of the effect of varying the parameter. 5. Granovetter’s riot model. Describe the riot model NetLogo implementation step-‐by-‐step. Exercise: Explore the threshold parameter and compare with Granovetter’s results. 6. Nowak’s spatial cooperation model. Describe the model implementation step-‐by-‐step. Exercise: Attempt to reproduce (check) Nowak’s results. 7. Running Netlogo as a headerless process. Netlogo can be run on a multiprocessor server utilising all the processing power in parallel. How to run Behaviour Space experiments on multiprocessor machines at Szeged. Exercise: take a model of your choice and do a parameter scan (no more than 1000 runs) on a Szeged multiprocessor server. 8. Preferential attachment network model. Describe model implementation step-‐by-‐step. Exercise: Modify model in some way. Experiment. How does this effect topology measures? 9. Arthur’s El Farol Bar model. Describe model implementation step-‐by-‐step. Exercise: Vary one parameter, perform experiments in parallel on server as headless process. Collect results. Visualise in R (or some other package). 10-14. Student Presentations. The latter lab sessions will be student led. Students will present their model to the group showing their code and initial results. They will also give a simple exercise to the other students to perform on their model.
Mingesz Róbert: Fejlett LabVIEW programozás és alkalmazásai magyar nyelven, tömbösítve lesz tartva: 7 db 4 órás alkalom Tematika Hatékony programozási és dokumentálási irányelvek Tervezési minták használata a LabVIEW programozásban Hatékony felhasználói interfészek megvalósítása Időzítések a LabVIEW-ban LabVIEW hibakezelés LabVIEW kódok tesztelése Irodalom Mingesz R. és Gingl Z.: “Mérés és adatgyűjtés laboratóriumi jegyzet”, elérhető: http://www.tankonyvtar.hu/hu/tartalom/tamop412A/2011_0104_SZTE3_Meres_es_adatgyujtes/adatok.html National Instruments: “Introduction to NI LabVIEW”, elérhető: http://www.ni.com/gettingstarted/labviewbasics/ National Instruments: Online LabVIEW és mérésadatgyűjtési tanfolyam 1. és 2., elérhető: http://zone.ni.com/wv/app/doc/p/id/wv-3220 Rick Bittert et al: “LabVIEW: Advanced Programming Techniques”, CRC Press, 2006 Peter A. Blume: “The LabVIEW Style Book”, Prentice Hall, 2007 Certified LabVIEW Developer (CLD) Certification and Exam Overview http://download.ni.com/evaluation/certification/cld/cld_exam_prep_guide_english.pdf Preparation E-kit for the NI Certified LabVIEW Developer (CLD) Exam http://www.ni.com/gate/gb/GB_EKITCLDEXMPRP/US
Palágyi Kálmán: Vázkijelölés a képfeldolgozásban Speciálkollégium. Magyar nyelven. Tematika 1. A váz meghatározásai és tulajdonságai 2. Távolságtranszformációk és algoritmusaik. 3. Vázkijelölés távolságtranszformációval 4. A Voronoi és a Delaunay felbontás és algoritmusaik 5. A Voronoi váz 6. Vékonyítás mint topológia-megőrző redukció 7. Vékonyító algoritmusok 2D-ben és 3D-ben 8. A 2D és a 3D váz alkalmazásai A speciálkollégiumhoz képest a doktoranduszok számára többletkövetelmény, hogy be kell számolniuk egy a kiadott cikkgyűjtemény egy szabadon választott eleméről. Irodalom T.Y. Kong, A. Rosenfeld (eds.): Topological Algorithms for Digital Image Processing, Machine Intelligence and Pattern Recognition 19, North-Holland, 1996. C.Y. Suen, P.S.P. Wang (eds.): Thinning methodologies for pattern recognition, Series in Machine Perception and Artifical Intelligence 8, World Scientific, 1994. R. Klette, A. Rosenfeld: Digital geometry - Geometric methods for digital picture analysis, Morgan Kaufmann Publisher, 2004. The Voronoi Web Site: http://www.voronoi.com/
Vinkó Tamás: Graph databases Angol nyelven. Tematika Introduction, definitions Options for storing connected data Data modeling with graphs Building graph database application Graphs in real world Graph database internals Predictive analysis with graph theory Irodalom Ian Robinson, Jim Webber, Emil Eifrem. Graph databases. O’Reilly, 2015.
Vágvölgyi Sándor: Kvantumszámítás Szakirányos tárgy. Rendes előadás+gyak formátumban. Magyar nyelven. Tematika Kvantummechanikai jelenségek. Vektortér, n-dimenziós Euklideszi vektortér, n-dimenziós Hilbert tér, tenzor szorzat, kvantum operátor, fizikai változók mérése, qbit, a qbit reprezentációja, megmérése, fizikai megvalósítása két qbit összefonódása. Ismeretlen kvantum állapotot nem lehet klónozni. Kvantum kapu, Hadamard kapu, Fredkin kapu, Toffoli kapu, kvantum áramkör. A kvantum számítógép matematikai modellje, a kvantum Turing gép. Kvantum algoritmusok, Deutsch problémája, kvantum Fourier transzformáció, Shor algoritmusa a prímtényezős felbontás megtalálására, a rejtett részcsoport megtalálása. Kvantum teleportálás. Irodalom -
Budó Ágoston, Mátrai Tibor, Kísérleti fizika III, Tankönyvkiadó, Budapest, 1980. Mika Hirvenselo, Quantum Computing, Springer-Verlag, Berlin, 2003. Sándor Imre, Ferenc Balázs, Quantum Computing and Communications An Engineering Approach, John Wiley & Sons, 2004. Yu. Kitaev, A. H. Shen, M. N. Vyalyi, Classical and Quantum Computation, American Mathematical Society, Providence, Rhode Island, USA, 2002. Dan C. Marinescu, Gabriela M. Marinescu, Approaching Quantum Computing, Pearson Prentice Hall, Upper Saddle River, New Jersey, USA, 2005. Marx György, Kvantummechanika, Műszaki Könyvkiadó, Budapest 1971. Nagy Károly, Kvantum-Mechanika, Nemzeti Tankönyvkiadó, Budapest, 1981. Neumann János, A kvantummechanika matematikai alapjai, Akadémia Kiadó, Budapest, 1980. M. A. Nielsen, I. L. Chuang, Quantum Computing and Quantum Information, Cambridge University Press, 2000. Colin P. Williams, Explorations in Quantum Computing, 2nd edition, Springer-Verlag 2011.
Vincze Veronika: How to write and present academic papers in computer science 0 kredites, nem szakmai kurzus. Tematika The course aims at instructing students in the development of linguistic and argumentative skills necessary for writing and presenting academic papers. Techniques will be acquired by analysing several papers and samples from academic texts and also by writing different assignments. The course will also put special emphasis on linguistic and communicative strategies that can be exploited when presenting at conferences. During the course, students will analyse and rewrite others’ works and theirs as well, besides, they will also have short oral presentations to practice their newly acquired skills. 1. Revision of English grammar and academic vocabulary. 2. The structure of papers and academic works. 3. Literature review. Citations, quotations, references, plagiarism. 4. Methodology, research questions. Presenting the data. 5. Reporting and discussing experiments and results. 6. Abstracts, introductions, conclusions. 7. Language, style, argumentation techniques. 8. Oral presentation techniques. 9. Tips and tricks for presentations. Irodalom Blaskó Ágnes, Hamp Gábor. 2007. Írás 1.0. Az ötlettől a jól strukturált szövegig. Typotex, Budapest. George M. Hall. 1994. How to Write a Scientific Article? BMJ Publishing Group. Robert A. Day. 1989. How to Write and Publish a Scientific Paper? Cambridge University Press. Tim Skern. 2009. Writing Scientific English: A Workbook. Facultas.wuv. Powell, M. 1996. Presenting in English. Hove: Language Teaching Publications.
