A tananyag a korszerű számítógépek alapvető tulajdonságaival , a számítógépek belső felépítésével, működési elvével ismerteti meg a hallgatót. Taglalja az egyes alkatrészek illesztési és szerelési szabályait, ismerteti a számítógéphez csatolható input és output eszközök csatolási és telepítési tudnivalóit, az üzembe behelyezés és működtetés szabályait. Részletesen taglalja a korszerű operációs rendszerek tulajdonságait, és telepítésük lépéseit.

A tantárgy célja és tartalma: A tantárgy célja, hogy a hallgatók megismerkedjenek a mikroökonómiai alapokról építkező makromodellek strukturájával, általános jellemzőivel. A tárgy felépíti a klasszikus, flexibilis áras RBC modellek alaptípusát, majd ezt követően az ármerevségre építő keynesi modellekbe ad betekintést. Ezek alapján röviden értékeli zárt gazdaságban a gazdaságpolitikai beavatkozások hatását.

“Manifestation of Novel Social Challenges of the European Union in the Teaching Material of Medical Biotechnology Master’s Programmes at the University of Pécs and at the University of Debrecen” Identification number: TÁMOP-4.1.2-08/1/A-2009-0011

1. week: Introduction – course requirements, connections to other subjects. About economic data – examples for economic questions, data sources on the internet. Basic computer knowledge (Excel, Power Point, Word) – Excel worksheets, computations in Excel.Textbook chapter 22. week: Data types: cross sectional, time series, panel. Descriptive statistics – graphical methods, histogram, point diagram. Indicators: mean, mode, percentiles, variation, skewness. Descriptive statistics with Excel, Analysis ToolPak.Textbook chapter 23. week: Correlation – definition, interpretation of square of correlation. Properties of correlation. Correlation and causality? Correlation and regression – different approach. Introduction to simple regression – writing up the model, estimation. Calculation of correlation, OLS estimation with Excel. Textbook chapter 34. week: Simple regression – goodness of fit, definition and interpretation of R-squared. Nonlinearity, logarithmic form (elasticity). Influencing factors of estimation precision, confidence interval. Practicing.Textbook chapter 45. week: Hypothesis testing: null and alternative hypothesis, procedure of hypothesis testing, t-test, p-value. Connection between hypothesis testing and confidence interval. F-test (intuitively). Examples. Summary. 1st exam.Textbook chapter 56. week: Discussion of 1st exam. Multivariate regression – more explanatory variables. Estimation, interpretation of coefficients, confidence interval, hypothesis testing. Practicing examples: model of GDP growth, regression of production costs of electricity firms. Simple simulation with Excel. Textbook chapter 67. week: Bias due to omitted variables. Problems of “too many” and “too few” regressors. Multicollinearity: definition, symptoms, possible solutions. Binary variables, introduction: different intercept, different means of subgroups. Textbook chapters 6, 78. week: Binary variables – interactions: different intercept and different slope across groups. Examples: housing price regression (properties of the real estate as binary regressors), wage regression (gender discrimination). Binary dependent variable: limitations of OLS. Summary. 2nd exam. Textbook chapter 79. week: Discussion of 2nd exam. Basics of time series analysis – comparison with cross sectional analysis. Distributed lag model – model specification, interpretation of coefficients and their sum. Lag length selection. Introduction to EViews.Textbook chapter 810. week: Univariate time series analysis – graphical analysis with examples. Trend. Autocorrelation, autocorrelation function, and its interpretation. AR(1) model. Stacionarity based on the estimated coefficient in the AR(1) model. Practicing examples: time series of export and public debt.Textbook chapter 911. week: AR(p) models – basic and modified forms. Unit root, based on the modified form. Seasonality: definition and methods of seasonal adjustment. Unit root test: Dickey-Fuller test. Lag length selection in AR(p) models. Textbook chapter 912. week: Time series regression – basic and modified forms of ADL(p,q) models, interpretation of coefficients (temporary effect, long run multiplicator). First differencing of unit root processes. Definition and testing of cointegration (Engle-Granger test). Error correction model: specification, interpretation of coefficients.Textbook chapter 1013. week: Summary, outlook. Further topics: Volatility analysis of asset prices – why important, examples. Granger-causality: definition and testing. VAR model – advantages and disadvantages. Macroeconoic example for VAR models (RMPY).Textbook chapter 11

Ez a jegyzet a Mesterséges intelligencia tárgyhoz készült azzal a szándékkal, hogy a hallgatók felkészülését segítse a vizsgára. A jegyzet az alapos elméleti áttekintésen túl nagyon sok példát és ábrát is tartalmaz, amelyek segítik a megértést. Sok algoritmus gyakorlati megvalósítása is megtalálható, amely a beadandó feladatok megoldásához nagyon nagy segítséget jelentenek. A jegyzet nagyon fontos része az a fejezet, amely a mesterséges intelligencia oktatásának kérdéseit taglalja, rávilágít, hogyan érdemes tanítani ezt a tárgyat.