Tantárgy azonosító adatok
1. A tárgy címe Bevezetés az R programozásba: adatok feldolgozása, rendezése és ábrázolása
2. A tárgy angol címe Introduction to R Programming: Processing, Tidying and Visualizing Data
3. Heti óraszámok (ea + gy + lab) és a félévvégi követelmény típusa 0 + 2 + 0 f Kredit 3
4. Ajánlott/kötelező előtanulmányi rend
vagy Tantárgy kód 1 Rövid cím 1 Tantárgy kód 2 Rövid cím 2 Tantárgy kód 3 Rövid cím 3
4.1
4.2
4.3
5. Kizáró tantárgyak
6. A tantárgy felelős tanszéke Kognitív Tudományi Tanszék
7. A tantárgy felelős oktatója Dr. Polner Bertalan beosztása egyetemi adjunktus
Akkreditációs adatok
8. Akkreditációra benyújtás időpontja 2017.10.18. Akkreditációs bizottság döntési időpontja 2017.10.18.
Tematika
9. A tantárgy az alábbi témakörök ismeretére épít
matematikai és informatikai alapfogalmak (középiskolai szinten)
10. A tantárgy szerepe a képzés céljának megvalósításában (szak, kötelező, kötelezően választható, szabadon választható)
pszichológia doktori iskola phd képzés, kognitív MSc, pszichológia MA kognitív szakirány kognitív MSC
11. A tárgy részletes tematikája

A tárgy célja, hogy a hallgatók magabiztosan és önállóan képesek legyenek az empirikus kutatás során felmerülő alapvető adatfeldolgozási, adatrendezési és adatábrázolási problémák megoldására az R statisztikai szoftvercsomag segítségével. A hallgatók a félév végére egy saját adatfeldolgozási és ábrázolási projektet készítenek el.
A tárgy a következő kérdéskörökre összpontosít:
- hogyan jelenítsük meg az adatainkat, mit mondanak az ábrák az adatokról?
- hogyan olvassunk be adatokat különböző formátumokból?
- hogyan tudunk adattáblákat egyesíteni oszlopok, illetve sorok mentén?
- hogyan érdemes strukturálni az adatokat?
- hogyan tudjuk tisztítani az adatokat?
- hogyan számíthatunk új változókat?
- hogyan készíthetünk leíró statisztikákat az adatfelfedezés és az adatfeldolgozás során?
- hogyan tudjuk automatizálni az adatfeldolgozási lépéseket?
- hogyan készíthetünk saját függvényeket?
- hogyan segítheti az R programozás a reprodukálható kutatást?

12. Követelmények, az osztályzat (aláírás) kialakításának módja
szorgalmi
időszakban
Saját adatprojekt beadása és bemutatása vizsga-
időszakban
13. Pótlási lehetőségek
A TVSZ szerint
14. Konzultációs lehetőségek
Az oktatóval egyeztetve
15. Jegyzet, tankönyv, felhasználható irodalom
Grolemund G & Wickham H: R for Data Science http://r4ds.had.co.nz/
Vignettes for the data.table R package https://github.com/Rdatatable/data.table/wiki/Getting-started
Peng RD & Matsui E: The Art of Data Science https://leanpub.com/artofdatascience
16. A tantárgy elvégzéséhez átlagosan szükséges tanulmányi munka mennyisége órákban (a teljes szemeszterre számítva)
16.1 Kontakt óra
28
16.2 Félévközi felkészülés órákra
56
16.3 Felkészülés zárthelyire
0
16.4 Zárthelyik megírása
0
16.5 Házi feladat elkészítése
0
16.6 Kijelölt írásos tananyag elsajátítása (beszámoló)
0
16.7 Egyéb elfoglaltság
6
16.8 Vizsgafelkészülés
0
16.9 Összesen
90
17. Ellenőrző adat Kredit * 30
90
A tárgy tematikáját kidolgozta
18. Név beosztás Munkahely (tanszék, kutatóintézet, stb.)
Dr. Polner Bertalan
egyetemi adjunktus
Kognitív Tudományi Tanszék
Markója Ádám
doktorandusz
Kognitív Tudományi Tanszék
A tanszékvezető
19. Neve aláírása
Dr. Lukács Ágnes