FEJLESZD VELÜNK CSAPATOD!

A képzés célja:
A résztvevők megismerik a Microsoft Word és Excel alapvető funkcióit, hogy hatékonyan tudjanak dokumentumokat szerkeszteni és táblázatokat kezelni. 

A képzés leírása:
A képzés során bemutatjuk a dokumentumok és munkafüzetek létrehozását, a szövegszerkesztés alapjait, a dokumentumok formázását és az oldalkezelést, de megismerkedhetsz a stílusok alkalmazásával is. Az Excelben megtanulhatod a táblázatkezelés alapjait, ideértve a munkalapok és munkafüzetek funkcióit, a cellák szerkesztését, az adatok bevitelét és formázását, valamint az egyszerű képletek alkalmazását is. Azoknak ajánljuk a képzést, akik szeretnének megismerkedni a Word és Excel alapjaival és felhasználói szinten használni ezek funkcióit. 

Részletes tematika:

1. nap: Microsoft Word alapok

• Bevezetés a Wordbe, a felhasználói felület megismerése 
• Dokumentumok létrehozása és mentése 
• Szövegszerkesztés alapjai (betűméret, betűtípus, szín stb.) 
• Alapvető formázási funkciók (dőlt, félkövér, aláhúzott stb.) 
• Stílusok alkalmazása és testreszabása 
• Oldalbeállítások és nyomtatási lehetőségek áttekintése 
  

2. nap: Microsoft Excel alapok

• Bevezetés az Excelbe, a felhasználói felület megismerése 
• Munkafüzetek és munkalapok kezelése 
• Adatbevitel és cellák szerkesztése 
• Alapvető számítási funkciók és képletek használata 
• Adatok formázása (számformátumok, színezés stb.) 
• Táblázatok és diagramok létrehozása egyszerű adatokból

A képzés célja:
A résztvevők megismerik a Google Sheets alapvető funkcióit, hogy hatékonyan tudjanak táblázatokat létrehozni és szerkeszteni. 

A képzés leírása:
A képzésen részletesen bemutatjuk a Google Sheets alapjait, majd a hatékony táblázat- és adatkezelési technikákat. Áttekintjük az adatok bevitelének és formázásának lehetőségeit, amelyekkel átlátható és jól strukturált munkafüzeteket lehet létrehozni. Gyakorlati példákon keresztül tanuljuk meg a különböző függvények használatát és alkalmazását, melyekkel automatizálni lehet az adatfeldolgozási folyamatokat. Az interaktív feladatok segítségével diagramokat és grafikonokat készítünk, végül pedig megismerjük a Google Sheets együttműködési funkcióit is.

Részletes tematika:

1. Bevezetés a Google Sheets-be

• Google Sheets felülete és az alapvető funkciók áttekintése 
• Munkalapok és munkafüzetek kezelése 
• Adatok bevitelének és formázásának lehetőségei 

2. Függvények és automatizálás

• Különböző függvények áttekintése (pl. SUM, AVERAGE, IF stb.) 
• Függvények alkalmazása adatfeldolgozási feladatokban 
• Adatok automatizált kezelése és számítások végzése 

3. Diagramok és grafikonok

• Interaktív feladatok diagramok és grafikonok készítésével 
• Különböző diagramtípusok alkalmazása adatvizualizációnál 
• Diagramok testreszabása és formázása 

4. Együttműködés a Google Sheets-ben

• A Google Sheets együttműködési funkcióinak áttekintése 
• Munkafüzetek megosztása és közös munka más felhasználókkal 
• Verziókövetés és kommentelés lehetőségei

A képzés célja:
A résztvevők megismerhetik a mesterséges intelligencia (artifical intelligence, AI) alapjait, ideértve a gépi tanulás és a mesterséges neurális hálózatok működését is. 

A képzés leírása:
A program során áttekintjük az AI fogalmát, bemutatjuk a gépi tanulás alapelveit és technikáit. Megismerjük a mesterséges neurális hálózatok működési elveit és alkalmazási lehetőségeit. A képzés közben gyakorlati példák és interaktív feladatok segítségével vesszük sorra az AI alapú megoldásokat. Ez a kurzus ideális választás mindazoknak, akik alapvető tudást szeretnének szerezni a mesterséges intelligencia világáról és szeretnék megérteni annak működését a valós életben. 

Részletes tematika:

1. nap: Bevezetés a mesterséges intelligenciába (AI)

• AI fogalma és története 
• Alapelvek és típusok: erős és gyenge AI, gépi tanulás, neurális hálózatok stb.
• AI alkalmazásai a mindennapi életben és az iparban 
  

2. nap: Gépi tanulás és neurális hálózatok

• Gépi tanulás alapelvei és technikái (felügyelt, felügyelet nélküli, megerősítéses tanulás) 
• Neurális hálózatok működése és típusai (mély neurális hálózatok, konvolúciós hálózatok, rekurrens hálózatok stb.
• Gyakorlati példák és demók a gépi tanulás és neurális hálózatok alkalmazásával kapcsolatban 

A képzés célja:
A résztvevők megismerik a Windows operációs rendszer alapvető funkcióit és használatát. 

A képzés leírása:
A képzés során bemutatjuk a Windows operációs rendszer alapvető funkcióit, beleértve a fájlkezelést, ablakkezelést és az alapvető beállításokat. Szót ejtünk ezen kívül a telepítésről, valamint a biztonságos böngészésről és internetezésről a Windows környezetben. A képzés jó kiindulópont lehet azoknak, akik még nem rendelkeznek előzetes tudással a Windows operációs rendszer használatában, és szeretnék megismerni annak alapvető működését.

Részletes tematika:

1. nap: Bevezetés a Windows operációs rendszerbe

• A Windows gomb és a Start menü 
• Alapvető beállítások: OneDrive, Microsoft ID, saját fiók, értesítések 
• Ablakkezelés és fájlok kezelése, képernyő és tálca testre szabása 
• Haladó trükkök: képernyő zárolásának beállításai, éjszakai mód, nagyítás, hang- és színbeállítások 

2. nap: Biztonság és telepítés 

• Windows Defender és Windows Update beállításai  
• Fájlok megnyitása, alkalmazások társítása 
• Programok és alkalmazások telepítése, eltávolítása 
• Böngészők és a Windows biztonsági beállításai 
• Biztonság és internet: alapelvek és gyakorlati tippek (pl. jelszóhasználat, megosztás, letöltés) 

A képzés célja:
A képzés résztvevői a PowerPoint használatában rejlő lehetőségeket ismerhetik meg az alapoktól az animált, professzionális prezentációk készítéséig. 

A képzés leírása:
A képzésen az alapoktól kezdve mutatjuk be a PowerPoint használatát, kezdve a testreszabási lehetőségekkel és a bemutatók létrehozásának lehetőségeivel. Ezután rátérünk a szövegek, alakzatok, táblázatok és diagramok formázására, majd az olyan haladó szintű megoldásokra, mint az animáció és az multimédiás elemek (pl. videók, hangok) használata. A képzés végén a vetítéssel kapcsolatos tanácsokra is kitérünk.

Részletes tematika:

1. Bevezetés a PowerPointba

• Menük, eszközök és testreszabás 
• Képernyő nézetek (normál, diarendező, olvasási nézet) 
• Bemutatók létrehozása, mentése és megnyitása 
• Diák beszúrása (dia elrendezések), áthelyezése, másolása, törlése 
• A bemutató mentése, fájlformátumok (.pptx, korábbi verziók fájlformátumai) 
  

2. Alapvető tartalmi elemek és formázási lehetőségeik

• Szöveges elemek és formázásuk (szövegdobozok, WordArt, témák stb.) 
• Alakzatok rajzolása és szerkesztése 
• Diagramok szerkesztése és formázása, diagramtípusok 
• Táblázatok beszúrása, stílusok alkalmazása 

3. A prezentáció formázása

• Témák használata és módosítása 
• Háttérstílusok és sablonok
• Áttűnés, időzítés diák között és egyes objektumok esetén 
  

4. Haladó technikák: képek, hangok, videók

• Képek szerkesztése, az új Tervező működése 
• Online hanganyagok beágyazása és lejátszása 
• Videók beillesztése és csatolása, alapvető szerkesztési lehetőségek 
  

5. Előadás és közös munka

• Megjegyzések beszúrása, megosztás és valós idejű, közös szerkesztés 
• Rejtett diák és egyéni diasorok 
• Előadói jegyzet készítése 
• A vetítés vezérlésének lehetőségei 

A képzés célja:
A résztvevők megismerik a Java programozási nyelvet és az objektumorientált programozás alapjait. 

A képzés leírása:
A képzés során részletesen bemutatjuk a Java nyelv alapvető szintaxisát, a változók használatát, a ciklusokat, a feltételes utasításokat és a függvények létrehozását. Emellett a Java fejlesztőkörnyezetekre és a kódfordítás folyamatára is kitérünk. A képzést azoknak ajánljuk, akik az alapvető számítógépes tudásukat programozási ismeretekkel szeretnék bővíteni, és ehhez biztos alapokat szereznének Java programnyelvben.

Részletes tematika:

1. nap: Bevezetés a Java programozásba

• A Java nyelv története és alkalmazási területei
• A Java fejlesztőkörnyezetek (IDE-k) áttekintése és telepítése 
• Az első Java program létrehozása és futtatása 

2. nap: Java alapok és szintaxis

• Változók és adattípusok használata 
• Függvények és metódusok definiálása és használata
  
• Ciklusok (for, while) és feltételes utasítások (if, else) alkalmazása 

3. nap: Az objektumorientált programozás alapjai

• Az objektumorientált programozás alapelvei (osztályok, objektumok, öröklődés, polimorfizmus) 
• Osztályok és objektumok létrehozása, adattagok és metódusok kezelése 
  

4. nap: Kivételek és fájlkezelés

• Kivételek (exceptions) kezelése és keletkezése
• Fájlkezelés Java-ban (fájlok olvasása, írása, módosítása) 
  

5. nap: Projektmunka és gyakorlati feladatok 

• Gyakorlati projektmunka: egy egyszerű alkalmazás fejlesztése Java-ban
• Kódolási gyakorlat és problémamegoldás 
• Projektprezentáció és visszajelzés 

A képzés célja:
A résztvevők megismerik a Python programozási nyelv alapjait és sokoldalú felhasználási lehetőségeit. 

A képzés leírása:
A képzés során a Python nyelv alapvető szintaxisát ismerjük meg, beleértve a változók használatát, a ciklusokat, a feltételes utasításokat és a függvények létrehozását. Megmutatjuk a Python fejlesztőkörnyezeteket és a kódfordítás folyamatát is. A képzés résztvevői biztos alapokat szerezhetnek a Python programnyelvben.

Részletes tematika:

1. nap: Bevezetés a Pythonba

• A Python története és alkalmazási területei
• A Python fejlesztőkörnyezetek (IDE-k) áttekintése és telepítése 
• Az első Python program létrehozása és futtatása 
  

2. nap: Python alapok és szintaxis

• Változók és adattípusok használata (számok, karakterláncok, listák, tuple-ök stb.)
• Ciklusok (for, while) és feltételes utasítások (if, else) alkalmazása
• Függvények definiálása és használata 

3. nap: Adatszerkezetek és modulok

• Listák, tuple-ök, halmazok és szótárak használata
  
• Modulok és csomagok importálása, saját modulok készítése 

4. nap: Fájlkezelés és kivételek

• Fájlkezelés Python-ban (fájlok olvasása, írása, módosítása) 
• Kivételek (exceptions) kezelése és keletkezése 

5. nap: Gyakorlati feladatok és projektmunka

• Gyakorlati projektmunka: egy egyszerű alkalmazás fejlesztése Python-ban
• Kódolási gyakorlat és problémamegoldás
• Projektprezentáció és visszajelzés 

A képzés célja:
A résztvevők megismerik a JavaScript nyelvet és a webes frontend fejlesztés alapjait. 

A képzés leírása:
A JavaScript nyelv alapvető szintaxisának elsajátítsa után tanulmányozzuk a DOM manipulációjának különböző technikáit, amelyekkel dinamikus és interaktív weboldalakat lehet fejleszteni. Megismerkedünk ezen kívül az AJAX és a modern frontend keretrendszerek alapjaival is.

Részletes tematika:

1. nap: Bevezetés a JavaScriptbe

• A JavaScript története és alkalmazási területei 
• A JavaScript fejlesztőkörnyezetek (IDE-k) áttekintése és telepítése 
• Az első JavaScript kód írása és futtatása 

2. nap: JavaScript alapok és szintaxis

• Változók és adattípusok használata 
• Függvények definiálása és használata 
• Ciklusok (for, while) és feltételes utasítások (if, else) alkalmazása 

3. nap: DOM manipuláció és eseménykezelés

• HTML DOM (Document Object Model) áttekintése 
• DOM elemek módosítása és manipulálása JavaScript segítségével 
• Eseménykezelés és interaktivitás implementálása 

4. nap: AJAX és modern frontend keretrendszerek

• AJAX (Asynchronous JavaScript and XML) működése és alkalmazása 
• Egyszerű AJAX kérések és válaszok kezelése 
• Modern frontend keretrendszerek áttekintése (pl. React, Angular, Vue.js)

5. nap: Projektmunka és gyakorlati feladatok

• Gyakorlati projektmunka: egy dinamikus webalkalmazás fejlesztése JavaScript-ben 
• Kódolási gyakorlat és problémamegoldás 
• Projektprezentáció és visszajelzés 

A képzés célja:
A résztvevők megismerik az AI és gépi tanulás alapjait, valamint az AI alkalmazási területeit.

A képzés leírása:
A képzés során megismerjük a mesterséges intelligenciával kapcsolatos fogalmakat, majd áttekintjük a legfontosabb algoritmusokat és a gépi tanulás folyamatát. A résztvevők gyakorlati példákon keresztül tanulják meg az AI használatát, megismerkednek a legfontosabb fejlesztőeszközökkel és keretrendszerekkel, amelyek segítségével saját AI alkalmazásokat hozhatnak létre. A kurzus végére a résztvevők magabiztosan fognak mozogni az AI és gépi tanulás területén, és alkalmazni tudják azokat a gyakorlatban.

Részletes tematika

1. nap: Bevezetés az AI használatába és a gépi tanulásba

• AI és gépi tanulás alapelvei, alkalmazási területei 
• Algoritmusok és adathalmazok áttekintése 
• Gépi tanulás folyamata és típusai 

2. nap: AI algoritmusok és implementáció

• Supervised, Unsupervised és Reinforcement Learning algoritmusok 
• AI algoritmusok implementálása gyakorlati példákon keresztül 
• Fejlesztőeszközök és keretrendszerek áttekintése (pl. TensorFlow, scikit-learn)

3. nap: Adatok feldolgozása és modellek képzése

• Adatok előkészítése és feldolgozása AI modellek számára 
• Modellek építése, tanítása és kiértékelése 
• Hyperparameter tuning és modellek finomhangolása 

4. nap: Projektmunka és gyakorlati feladatok

• Gyakorlati projektmunka: egy AI-alapú alkalmazás fejlesztése 
• Kódolás a gyakorlatban, problémamegoldás 
• Projektprezentáció és visszajelzés 

A képzés célja:
A résztvevőknek betekintést kapnak az adatbázisok alapjaiba és azok üzemeltetésének gyakorlatába, hogy képesek legyenek adatbázisokat létrehozni, kezelni és karbantartani. 

A képzés leírása:
Áttekintjük az adatbázisok típusait, az adatmodellek tervezést, az SQL nyelvet és az adatbázisok adminisztrációjához kapcsolódó feladatokat. Megtanuljuk, hogyan írjunk hatékony lekérdezéseket, manipuláljuk az adatokat, valamint hogyan kezeljük az adatbázisokat. Emellett részletesen foglalkozunk az adatbázisok telepítésével, konfigurálásával és karbantartásával, hogy a résztvevők magabiztosan tudják végezni az adatbázisok adminisztrációját.

Részletes tematika:

1. nap: Bevezetés az adatbázisokba és SQL-be

• Adatbázisok típusai és tervezési alapelvek 
• SQL (Structured Query Language) alapjai és lekérdezések írása 

2. nap: Adatmodell-tervezés és lekérdezések

• Adatmodell-tervezés és relációs adatbázisok kezelése 
• Összetettebb SQL lekérdezések és manipulációk 

3. nap: Adatbázis-adminisztrációs feladatok

• Adatbázisok telepítése és konfigurálása 
• Adatbázisok karbantartása és biztonsági szempontok 

4. nap: Adatbázisok és webalkalmazások

• Adatbázis integrációja webalkalmazásokkal 
• CRUD műveletek (Create, Read, Update, Delete) implementálása 

5. nap: Projektmunka és gyakorlati feladatok

• Gyakorlati projektmunka: egy egyszerű webalkalmazás adatbázissal 
• Kódolás és problémamegoldás a gyakorlatban 
• Projektprezentáció és visszajelzés 

A képzés célja:
A résztvevők átfogó ismereteket kapnak a manuális tesztelés alapjairól, hogy hatékonyabban tudják tesztelni az alkalmazásokat és jelezni a hibákat. 

A képzés leírása:
A képzés során részletesen bemutatjuk a manuális tesztelés folyamatát, a tesztesetek írását, a hibák dokumentálását és jelentését. Gyakorlati példákon keresztül vesszük át a tesztelés lépéseit és technikáit, így a résztvevők képessé válnak a hibák megbízható azonosítására és dokumentálására. A képzés ideális választás azoknak, akik biztos alapokat szeretnének, mielőtt a tesztelő karrier mellett döntenek.

Részletes tematika:

1. nap: Bevezetés a manuális tesztelésbe

• Tesztelési folyamat áttekintése és alapelvei 
• Tesztesetek írása és dokumentálása 
• Hibák felismerése, dokumentálása és jelentése

2. nap: Tesztelési technikák és lépések

• Teszttervezés és tesztstratégia kialakítása 
• Tesztelési környezetek és eszközök használata 
• Tesztelési módszerek (funkcionális, nem-funkcionális, regressziós tesztelés stb.) 

3. nap: Hibakeresés és -javítás

• Hibák azonosítása és priorizálása 
• Hibajavítás és tesztelési ciklusok 
• Tesztek visszavonása és dokumentálása 

4. nap: Projektmunka és gyakorlati feladatok

• Gyakorlati projektmunka manuális tesztelési feladatokkal 
• Tesztkészlet készítése és tesztelési jelentés összeállítása 
• Projektprezentáció és visszajelzés 

A képzés célja:
A résztvevők átfogó tudást szerezhetnek az automatizált tesztelés területén, hogy képesek legyenek hatékonyan tesztelni különböző alkalmazásokat és rendszereket. 

A képzés leírása:
Bemutatjuk a tesztelési keretrendszereket (pl. Selenium, Appium), és azok használatát különböző alkalmazásoknál. Ezután olyan fejlesztési technikákat ismerünk meg, amelyek segítségével hatékonyan lehet automatizált teszteket fejleszteni és karbantartani. A képzést azoknak ajánljuk, akik meglévő tesztelői ismereteiket szeretnék bővíteni az automatizálás területén, és egyszerűbb automatizmusokkal hatékonyabbá tenni a tesztelés folyamatát.

Részletes tematika:

1. nap: Bevezetés az automatizált tesztelésbe

• Az automatizált tesztelés előnyei és kihívásai 
• Tesztelési keretrendszerek áttekintése (pl. Selenium, Appium) 
• A tesztautomatizálás alapjai és tervezési szempontok 

2. nap: Tesztelési környezetek és eszközök

• Tesztelési környezetek telepítése és konfigurálása 
• Tesztelési eszközök használata (pl. IDE-k, CI/CD eszközök) 
• Tesztadatok kezelése és adatgenerálás automatizálása 

3. nap: Fejlesztési technikák az automatizált tesztelésben

• Tesztelési scriptek írása és karbantartása 
• Tesztesetek moduláris felépítése és újrafelhasználhatóság 
• Tesztelési rapportok és jelentések készítése 

4. nap: Projektmunka és gyakorlati feladatok

• Gyakorlati projekt munka automatizált tesztelési feladatokkal 
• Tesztautomatizálás folyamatainak implementálása és tesztelése 
• Végső projekt prezentáció és visszajelzés 

A képzés célja:
A résztvevők áttekintést kapnak a mesterséges intelligencia alapjairól, így képesek lesznek megérteni az AI alapfogalmakat és az alkalmazási lehetőségeit. 

A képzés leírása:
Részletesen megismerkedünk a mesterséges intelligencia alapjaival, beleértve az alapfogalmakat és a gyakorlati alkalmazásait. Emellett áttekintjük a gépi tanulás különböző típusait és bemutatjuk ezek működését. Majd a Python nyelv használatával rátérünk az AI fejlesztésének alapjaira néhány gyakorlati példán keresztül.

Részletes tematika:

1. nap: A mesterséges intelligencia alapfogalmai

• Bevezetés a mesterséges intelligencia fogalmába és történetébe 
• Alapvető AI algoritmusok és technikák áttekintése 
• Gyakorlati példák az AI alkalmazásairól különböző területeken 

2. nap: Gépi tanulás és alkalmazási területei

• Gépi tanulás alapelvei és típusai (felügyelt, felügyelet nélküli, megerősítéses tanulás) 
• Gépi tanulás alkalmazási területei (pl. képfelismerés, természetes nyelvfeldolgozás, előrejelzések) 
• Praktikus példák és esettanulmányok a gépi tanulás hatékonyságáról 

3. nap: AI fejlesztés alapjai Python nyelven

• Bevezetés a Python nyelvbe és annak jelentőségébe az AI fejlesztésében 
• Python alapok és adatszerkezetek 
• Gyakorlati példák és projektmunka az AI alapelveinek és módszereinek alkalmazásával 

A képzés célja:
A képzés mélyebb tudást nyújt a résztvevőknek az AI területén, amellyel képesek lesznek komplex problémákat megoldani és nagyobb projektekben alkalmazni az AI technológiákat. 

A képzés leírása:
A képzésen mélyebb betekintést adunk a neurális hálózatok működésébe, beleértve azok építőelemeit és alkalmazási területeit. Emellett részletesen megismerkedünk a mély tanulási technikákkal, például a konvolúciós neurális hálózatokkal és a rekurrens neurális hálózatokkal. Ezután rátérünk az AI alkalmazására a képfelismerés és a nyelvi feldolgozás területén, valamint az idősorok elemzésénél. Végül gyakorlati példákon keresztül gyakoroljuk a komplex algoritmusok felhasználását különböző valós problémák megoldására.

Részletes tematika:

1. Nap: A neurális hálózatok alapjai 

• Bevezetés a neurális hálózatokba és azok építőelemeibe 
• Különböző típusú neurális hálózatok áttekintése (pl. többrétegű perceptron, konvolúciós hálózatok, rekurrens hálózatok)
• Alapvető neurális hálózati struktúrák és deep learning működési elvek megismerése 

2. Nap: Deep learning technikák és algoritmusok

• Deep learning alapelvei és technikái 
• Konvolúciós neurális hálózatok (CNN) és alkalmazási területeik (pl. képfelismerés) 
• Rekurrens neurális hálózatok (RNN) és alkalmazási területeik (pl. nyelvi feldolgozás, idősorok elemzése) 

3. Nap: Képfeldolgozás és képfelismerés deep learning segítségével

• Deep learning alkalmazása képfelismerésben és képfeldolgozásban 
• Képfeldolgozási technikák és algoritmusok (pl. képszegmentáció, objektumfelismerés) 
• Gyakorlati példák és projektmunka a képfelismerés területén 

4. Nap: Nyelvi feldolgozás és idősorok elemzése deep learning algoritmusokkal

• Deep learning alkalmazása nyelvi feldolgozásban (pl. szöveggenerálás, gépi fordítás) 
• Idősorok elemzése és prediktív modellek készítése deep learning algoritmusokkal 
• Gyakorlati példák és projektmunka a nyelvi feldolgozás és az idősorok elemzése területén 

5. Nap: Komplex algoritmusok és projektmunka deep learning környezetben

• Komplex deep learning algoritmusok alkalmazása valós problémák megoldására 
• Projektmunka és gyakorlati feladatok 
• Prezentáció és visszajelzések a résztvevők által elkészített deep learning projektekről 

A képzés célja:
A képzés célja, hogy áttekintést nyújtson az AI alkalmazásának lehetőségeiről az emberi erőforrások területén, és megmutassa, hogyan lehet az AI-t hatékonyan felhasználni a HR folyamatok optimalizálására, gyorsítására és hatékonyabbá tételére.

A képzés leírása:
A képzés során részletesen megismerjük az AI alkalmazási területeit az emberi erőforrások terén, beleértve a jelöltek kiválasztását, a teljesítményértékelést, a toborzást és a munkakörnyezet optimalizálását. Bemutatjuk, hogyan lehet az AI-t beépíteni a HR folyamatokba, hogy hatékonyabban tudjunk dolgozni, gyorsabban reagálni a változásokra, valamint javítani az alkalmazottak és a vállalat teljesítményét.

Részletes tematika:

1. nap: Bevezetés az AI alkalmazásába az HR-ben

• AI alapfogalmak és jelentőségük az emberi erőforrások terén 
• Az AI alkalmazási területei a HR-ben (pl. toborzás, kiválasztás, teljesítményértékelés) 
• Gyakorlati példák és esettanulmányok az AI sikerességéről a HR folyamatokban 

2. nap: AI alkalmazása a jelöltek kiválasztásában és a munkakörnyezet optimalizálásában

• AI alapú kiválasztási módszerek és eszközök 
• Munkakörnyezet optimalizálása AI segítségével (pl. munkakörök illesztése, csapatdinamika javítása) 
• Esettanulmányok és gyakorlati feladatok a jelöltek kiválasztásával és a munkakörnyezet optimalizálásával kapcsolatban 

3. nap: AI a teljesítményértékelésben és a humánerőforrás-gazdálkodásban

• AI alapú teljesítményértékelési módszerek és eszközök 
• Humánerőforrás-gazdálkodási feladatok optimalizálása AI segítségével (pl. munkaerő tervezése, rotáció) 
• Projektmunka és prezentáció a tanultak gyakorlati alkalmazásáról 

A képzés célja:
A résztvevőknek átfogó ismereteket nyújtani az AI (mesterséges intelligencia) alkalmazásáról a marketing területén, hogy képesek legyenek gyorsabban és hatékonyabban dolgozni, kihasználva az automatizáció és adatelemzés lehetőségeit.

A képzés leírása:
Az AI a Marketingben képzés során a résztvevők megismerik az AI alapelveit és alkalmazási területeit a marketing világában. Bemutatjuk a különböző AI-eszközök és platformok lehetőségeit. Gyakorlati példákon keresztül ismerjük meg az adatelemzés, a célzott reklámok és az ügyfélszolgálat területén hasznosítható AI-alapú megoldásokat. A képzés célja, hogy a résztvevők az AI segítségével hatékonyabban és precízebben végezhessenek marketing tevékenységeket.

Részletes tematika:

1. nap: Bevezetés az AI-be marketing szempontból

• AI alapelvei és alkalmazási területei a marketingben 
• AI-eszközök és platformok áttekintése a marketing szempontjából 
• Példák és esettanulmányok az AI sikeres alkalmazására a marketing területén 

2. nap: Adatelemzés és személyre szabott tartalom

• Adatelemzés és prediktív elemzések az AI segítségével 
• Személyre szabott tartalom és ajánlatok generálása AI-alapú rendszerekkel 
• Célzott reklámok és kampányok tervezése és lebonyolítása az AI segítségével 

3. nap: Vizuális tartalom generálása AI-val

• Kép- és videógenerálás AI-alapú technológiákkal 
• Szöveg és kép kombinációja az AI segítségével 
• Vizuális tartalom automatizálása a marketingben (pl. social media posztok, hirdetések) 

A képzés célja:
A résztvevők áttekintést kapnak a biztonságos programozás alapjairól, hogy képesek legyenek biztonságosan kódolni és megelőzni a leggyakoribb sérülékenységeket. 

A képzés leírása:
A tanfolyam keretében alaposan megvizsgáljuk a legelterjedtebb biztonsági kockázatokat, amelyek gyakran előfordulnak a programozás során, és megtanuljuk, hogyan kerülhetjük el azokat. Emellett áttekintjük a biztonságos kódolás alapelveit és technikáit, hogy tudatosan tervezhessünk és fejleszthessünk biztonságos szoftvereket. Gyakorlati példákon keresztül tanuljuk meg a biztonságos programozás gyakorlati alkalmazását, és megismerjük a biztonsági teszteléshez használható eszközöket és módszereket. A képzést azoknak ajánljuk, akik tudnak már alapszinten programozni, de szeretnének képben lenni a biztonságos fejlesztés alapvető követelményeivel.

Részletes tematika:

1. nap: Bevezetés a biztonságos programozásba

• Biztonságos programozás alapjainak áttekintése 
• A leggyakoribb biztonsági kockázatok és sebezhetőségek 
• Alapvető biztonsági elvek és stratégiák 

2. nap: A biztonságos programozás gyakorlati alkalmazása

• Biztonságos programozási technikák 
• Input validáció és adatkezelési gyakorlatok 
• Védekezés a leggyakoribb támadási vektorok ellen (pl. SQL Injection, Cross-Site Scripting) 
• A biztonsági tesztelés módszerei és eszközei 
• Gyakorlati példák és esettanulmányok a biztonságos programozás gyakorlati alkalmazásáról 

A képzés célja:
A résztvevők mélyebb tudást kaphatnak a biztonságos programozás területén, hogy képesek legyenek elkerülni a fejlett támadási módszereket. 

A képzés leírása:
Részletesen megismerjük az OWASP (Open Worldwide Application Security Project) alapelveit és az általuk azonosított leggyakoribb biztonsági kockázatokat, valamint megtanuljuk, hogyan lehet ezeket hatékonyan megelőzni és kezelni. Emellett áttekintjük a fejlett támadási technikákat, amelyekkel a rosszindulatú hackerek próbálkozhatnak, és megismerjük azokat a védelmi mechanizmusokat, amelyekkel védekezhetünk ezek ellen. A tanfolyam fókuszában a kódolás közben alkalmazott biztonságos gyakorlatok állnak, amelyek segítségével tudatosabban tervezhetünk és írhatunk biztonságos kódot. Végül gyakorlati feladatokon keresztül ismerjük meg a penetrációs tesztelés alapjainak gyakorlati alkalmazását, hogy tesztelni tudjuk saját alkalmazásaink biztonságát és sérülékenységeit.

Részletes tematika:

1. nap: OWASP alapelvek és biztonsági kockázatok

• OWASP (Open Worldwide Application Security Project) bemutatása 
• A leggyakoribb biztonsági kockázatok azonosítása és elemzése 
• OWASP Top 10 – A most aktuális legnagyobb kockázatok 

2. nap: Biztonságos kódolás és védekezési mechanizmusok

• Biztonságos kódolás alapelvei és gyakorlati technikák 
• Input validáció és adatkezelési best practice-ek 
• Védelmi mechanizmusok és követelmények a leggyakoribb támadási vektorok ellen (pl. SQL Injection, Cross-Site Scripting) 

3. nap: Penetrációs tesztelés és gyakorlati feladatok

• Penetrációs tesztelés alapelvei és módszerei 
• Penetrációs tesztelés eszközeinek áttekintése 
• Gyakorlati feladatok és esettanulmányok a penetrációs tesztelés alkalmazásáról 

A képzés célja:
A résztvevők megtanulják, mi a Business Analyst szerepe és feladata, hogy végül képesek legyenek üzleti problémákat megoldani és felmérni az üzleti igényeket. 

A képzés leírása:
A képzés során részletes betekintést nyerünk a Business Analyst szerepébe és felelősségeibe, beleértve az üzleti igények azonosítását, elemzését és dokumentálását. Emellett megismerjük az ügyfelekkel való hatékony kommunikáció és együttműködés módszereit, hogy pontosan megértsük és leképezzük az elvárásaikat és igényeiket. A kurzus során tanulunk az üzleti folyamatok elemzésének módszereiről és eszközeiről, hogy azokat hatékonyabban tudjuk modellezni és optimalizálni.

Részletes tematika:

1. nap: Bevezetés a Business Analyst szerepébe

• A Business Analyst szerepének és felelősségének áttekintése 
• Üzleti igények azonosítása és gyűjtése 
• Ügyféligények és elvárások megértése, dokumentálása 

2. nap: Üzleti folyamatok elemzése és modellezése

• Üzleti folyamatok elemzése és értelmezése 
• Üzleti folyamatok modellezésének módszerei és eszközei 
• Üzleti folyamatok optimalizálásának alapelvei 

3. nap: Hatékony kommunikáció és együttműködés

• Ügyféllel való hatékony kommunikáció és együttműködés módszerei 
• Kommunikációs eszközök és technikák alkalmazása 
• Projektmenedzsment és csapatmunka a Business Analyst szerepében 

A képzés célja:
A résztvevők haladó szintű tudást kapnak az üzleti elemzés területén, hogy képesek legyenek komplex adatokat feldolgozni és hatékonyan vizualizálni azokat. 

A képzés leírása:
Bemutatjuk az adatfeldolgozási és adatvizualizációs technikákat, beleértve az adatok tisztítását, transzformálását és értelmezését a döntéshozatal támogatása érdekében. Emellett részletesen ismertetjük az üzleti folyamatok elemzésének haladó módszereit és eszközeit. Gyakorlati feladatokon keresztül alkalmazzuk az elméleti ismereteket, és valós adatokon dolgozva fejlesztjük az elemzési és vizualizációs készségeket. Végül, az adatvezérelt döntéshozatal legjobb gyakorlatainak és eszközeinek megismerése révén megtanuljuk, hogyan kell hatékonyan használni az adatokat az üzleti stratégiák kidolgozásában és végrehajtásában.

Részletes tematika:

1. nap: Adatgyűjtés és adattisztítás gyakorlati alapjai

• Adatforrások az üzleti elemzéshez 
• Adatok gyűjtése és adatminőség ellenőrzése 
• Adattisztítási technikák és eszközök gyakorlati feladatokon keresztül 

2. nap: Adattranszformáció és adatmodellezés a gyakorlatban

• Adatok transzformálása és átalakítása elemzésekhez 
• Adatmodellezési módszerek és eszközök gyakorlati példákkal 

3. nap: Haladó adatvizualizáció és dashboard készítés

• Haladó adatvizualizációs technikák és eszközök bemutatása 
• Interaktív dashboardok tervezése és készítése valós adatokkal 

4. nap: Adatvezérelt döntéshozatal és üzleti stratégiák

• Adatvezérelt döntéshozatali folyamatok és eszközök áttekintése 
• Üzleti stratégiák kidolgozása az adatok alapján, stratégiai döntések szimulációja 

A képzés célja:
Alapvető adatfeldolgozási és elemzési készségek kialakítása a Data Science területén való elinduláshoz. 

A képzés leírása:
A képzésen megismerjük a Data Science alapjait, beleértve az adatgyűjtést, az adattisztítást, az adatvizualizációt és az alapvető gépi tanulási technikákat. A résztvevők gyakorlati projektek révén sajátítják el, hogyan alkalmazzák ezeket a készségeket valós adatokon.

Részletes tematika:

1. Nap: Adatgyűjtés és előkészítés

• Adatforrások azonosítása és beszerzése 

• Adatgyűjtési módszerek és eszközök 

• Adatellenőrzés és validáció 

• Adattisztítás és hiányzó értékek kezelése 

• Adatok normalizálása és skálázása 

2. Nap: Adatvizualizáció és kommunikáció

• Adatvizualizációs eszközök és technikák 

• Diagramok és grafikonok létrehozása 

• Adatvizualizáció szabályai 

• Adatok értelmezése és jelentés készítése 

• Hatékony kommunikáció az adatokról és eredményekről 

3. Nap: Alapvető gépi tanulási technikák

• Felügyelt és felügyelet nélküli gépi tanulás 

• Osztályozás és regresszió alapjai 

• Klaszterezés és dimenziócsökkentés 

• Modellértékelés és teljesítményvizsgálat 

• Egyszerű gépi tanulási projektek gyakorlása 

4. Nap: Gyakorlati projektek és esettanulmányok

• Valós adathalmazokkal való munkavégzés 

• Projektek előkészítése és tervezése 

• Adatmodellek kialakítása és tesztelése 

• Projektek eredményeinek értékelése és prezentálása 

• Karrierlehetőségek és továbblépés a Data Science területén 

A képzés célja:
Haladó szintű adatelemzési és gépi tanulási készségek elsajátítása a Data Science területén való szakmai előrelépéshez. 

A képzés leírása:
Az adatelemzés fejlett módszereinek, mint például a mély tanulás és a prediktív modellezés, valamint a nagy adatmennyiségek kezelésének gyakorlati megismerése és alkalmazása valós projektekben.

Részletes tematika:

1. nap: Haladó adatelemzési technikák

• Multivariáns analízis és összetett adatfeldolgozási módszerek 
• Idősor elemzés és előrejelzési modellek 
• Kategóriák és klaszterek kialakítása haladó statisztikai módszerekkel 
• Adathalmazok dimenziócsökkentése és komplex adattípusok kezelése 
• Felhasználói élmény elemzése és javítása az adatok alapján 

2. nap: Mély tanulás és neurális hálózatok

• Mély tanulás alapjai és gépi tanulási modellek mélyebb megértése 
• Konvolúciós neurális hálózatok (CNN) és azok alkalmazásai képfelismerésben 
• Rekurrens neurális hálózatok (RNN) és azok alkalmazásai idősorok elemzésében 
• Mély tanulás eszközeinek és keretrendszereinek (pl. TensorFlow, PyTorch) használata 
• Gyakorlati feladatok és projektek mély tanulási technikák alkalmazásával 

3. nap: Nagy adatmennyiségek kezelése és adatbázisok használata

• Nagy adathalmazok fogalma és kezelési módszerei 
• NoSQL adatbázisok és a disztributált adatbázis-kezelés alapjai 
• Data pipelines és adatintegrációs technikák nagyobb skálájú adatoknál 
• Adatarchitektúrák és adatkezelési stratégiák nagy volumenű adatok esetén 
• Big Data eszközök és keretrendszerek (pl. Hadoop, Spark) használata 

4. nap: Prediktív modellezés és gépi tanulási technikák

• Prediktív modellek kialakítása és értékelése a gépi tanulásban 
• Ensemble modellek és azok hatékonysága a prediktív modellezésben 
• Modellek finomhangolása és teljesítményoptimalizálás 
• Általánosítás és modellek átültethetősége különböző adathalmazokra 
• Gyakorlati projektek és esettanulmányok prediktív modellezési technikák alkalmazásával 

5. nap: Gépi tanulási projektek és karrierlehetőségek

• Gépi tanulási projektek tervezése, fejlesztése és értékelése 
• Karrierlehetőségek és szakmai fejlődési útvonalak a Data Science területén 
• A gépi tanulás jövőbeli trendjei és fejlesztési irányok 
• Szakmai tapasztalatok megosztása és networking lehetőségek 

A képzés célja:
Stratégiai szintű, adatvezérelt döntéshozatal elsajátítása a Data Science segítségével. 

A képzés leírása:
Az adatvezérelt stratégiaalkotás és döntéshozatali folyamatok megismerése, a nagy mennyiségű adatokra alapozott, innovatív és hatékony döntéshozatal elsajátítása áll a képzés középpontjában. Áttekintjük a vezetői szintű munkához szükséges adatbányászati módszereket és lehetőségeket, majd megismerkedünk az adatvezérelt stratégiákkal a vállalat fejlesztésében. Végül gyakorlati példákon keresztül mutatjuk be a különböző végrehajtási módszereket a hatékony folyamatok kialakítása érdekében.

Részletes tematika:

1. nap: Adatvezérelt stratégiaalkotás és döntéshozatal

• Üzleti stratégiák és célok meghatározása adatvezérelt megközelítéssel 
• Adatgyűjtési stratégiák kidolgozása és adatforrások kezelése 
• Adatvezérelt KPI-k és mutatók kialakítása a teljesítmény méréséhez 
• Adatvezérelt stratégiák értékelése és finomhangolása 

2. nap: Nagy adatok és adatbányászat vezetői szinten

• Nagy adatok kezelésének stratégiai jelentősége és előnyei 
• Adatbányászati módszerek és technikák alkalmazása az üzleti célok eléréséhez 
• Adatbányászati eszközök és platformok áttekintése a vezetői szintű adatmunkához 
• Adatbányászati projektek vezetése és eredményeik értékelése 

3. nap: Innováció és hatékonyság a Data Science vezetésben

• Innovációs stratégiák és folyamatok az adatvezérelt környezetben 
• Adatvezérelt termék- és szolgáltatásfejlesztési stratégiák 
• Vezetői szintű adatvizualizáció és beszámolók készítése 
• Adatvezérelt kultúra és változáskezelés a szervezetben 

4. nap: Vezetői döntéshozatal a Data Science segítségével

• Adatokra alapozott döntéshozatali módszerek és eszközök vezetői szinten 
• Adatvezérelt kockázatkezelés és biztonsági stratégiák 
• Vezetői döntések értékelése és hatékonyságuk mérése 
• Vezetői szintű adatvezérelt projektek kezelése és felügyelete 

5. nap: Stratégiai tervezés és végrehajtás a Data Science-ben

• Adatvezérelt üzleti tervezési folyamatok és módszerek 
• Adatvezérelt marketingstratégiák és kampányok menedzselése 
• Vezetői szintű adatintegráció és adatarchitektúra tervezése 
• Végrehajtási stratégiák és folyamatok adatvezérelt projektekhez