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 (ABM-

NetLogo)

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):4446-

58.

- 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 csermelynet@gmail.com 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 18.15-19.30-ig, 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 ԑ-approximációs 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 (dave@davidhales.com) Tematika és szakirodalom a következő oldaltól.

Course  Title:  Agent-­Based  Modelling  in  NetLogo  (ABM-­NetLogo)  

David  Hales  (dave@davidhales.com)  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_SZTE-3_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.