ML Engineering: Machine Learning modellek fejlesztése tanfolyam
10 hetes képzés Python nyelv használatával szoftverfejlesztőknek és adatelemzőknek
Mit nyújt a Machine Learning Engineer tanfolyam?
- Gyakorlati kódoláson keresztül elsajátítod a klasszikus gépi tanulási algoritmusok, például a döntési fák, az ensemble modellek és az SVM (Support Vector Machines) fejlesztését a Scikit-learn használatával.
- Megtanulod a nyers adatokat előkészíteni, tisztítani és vizualizálni a modellezéshez, alkalmazva a feature engineering technikákat Pandas és Matplotlib segítségével.
- Megtanulod a felépített modellek kiértékelését és teljesítménynövelését hiperparaméter-optimalizálással és releváns iparági metrikák alapján.
- Saját Python-kóddal építed fel a legmodernebb neurális hálózatokat (CNN, RNN, LSTM, Transformer), NLP, Computer Vision és idősoros adatelemzési feladatokra fókuszálva.
- Elsajátítod a komplex deep learning modellek finomhangolását és teljesítményük maximalizálását a TensorFlow, a Keras és a PyTorch keretrendszerekben.
- Valós adathalmazokon megírt kódjaidból egy saját, GitHubon is publikálható komplex gépi tanulási és deep learning referencia-portfóliót állítasz össze.
- Átlátod az LLM-ek és a Foundation modellek (például GPT, Llama) vállalati alkalmazásának üzemeltetési sajátosságait, különös tekintettel az adatbiztonságra, a modellek felügyeletére és a specifikus deployment kihívásokra.
- Megtanulsz production-ready kódot írni, és a betanított modellekből REST API és Docker segítségével stabilan skálázható szolgáltatásokat építeni.
- Felépítesz egy professzionális automatizált üzemeltetési környezetet: MLflow-val logolod a kísérleteket, Airflow-val trigger-vezérelt munkafolyamatokat ütemezel, Streamlit és Evidently alkalmazásával pedig dashboardokon monitorozod az éles modellek viselkedését.
Miért érdemes belevágnod?
Az elmúlt évek mesterséges intelligencia körüli robbanása szinte minden vállalatot kísérletezésre ösztönzött, a projektek 85-90 százaléka mégis megreked a prototípus fázisban, mert a fejlesztői és üzemeltetési környezet nincs felkészítve arra, hogy a kísérletből működő, skálázható rendszer legyen. A piac ma már nem a próbálkozást, hanem a kézzelfogható megtérülést (ROI) és a stabilan futó megoldásokat várja el.
Ehhez olyan szakemberre van szükség, aki a klasszikus gépi tanulási modellektől a mélytanuláson át az MLOps-folyamatokig érti és kezeli a teljes életciklust. Hogy ez nem csak elmélet, azt a Bloomberry több mint 180 millió álláshirdetést vizsgáló elemzése is alátámasztja: a Machine Learning Engineer pozíciók iránti kereslet egy év alatt 40 százalékkal nőtt, ezzel ez lett a leggyorsabban bővülő munkakör.
Ezzel az átfogó, a fejlesztéstől a biztonságos üzemeltetésig ívelő megközelítéssel egy kifejezetten keresett, stabil jövőképet adó szakmát sajátíthatsz el, amit a képzés végén névre szóló, LinkedIn-profilba is beágyazható tanúsítvány és egy kész portfólió is igazol.
- Munka mellett végezheted, rugalmas időbeosztással
- Gyakorlati projekteken keresztül, oktatói mentorálással
- LinkedIn profilodba beágyazható tanúsítvány
Ismerd meg oktatódat
Boros Gerzson Dávid
AI Architect, Lead Machine Learning Engineer
Több mint egy évtizede fejlesztek egyedi gépi tanulás és mesterséges intelligencia megoldásokat, ez idő alatt több mint 40 AI/ML projektet vittem sikerre. Dolgoztam ML Engineerként, Architectként és Data Scientistként multinacionális vállalatoknál, szabadúszóként és saját tanácsadó cégemen keresztül is.
Jelenleg a Redivivum technológiai startup társalapítója és technológiai vezetője vagyok, ahol a mesterséges intelligencia, a számítógépes látás és a szoftverfejlesztés irányításáért felelek. Egyetemi oktatóként az Óbudai Egyetem adattudományi mesterképzésén saját tantárgyam van, és posztgraduális képzésen tanítottam ML/DL fejlesztést és MLOps-ot.
Kinek ajánlott?
- Szoftverfejlesztőknek és Python programozóknak
- Adatelemzőknek és data scientisteknek
Kinek nem ajánlott?
- Akiknek nincs programozási tapasztalatuk, a képzés Python-alaptudásra épít
- Akik kódolás nélküli, no-code AI megoldásokat keresnek
- Akik kizárólag üzleti, menedzseri szemszögből érdeklődnek a gépi tanulás iránt
- Akik kutatói, elméleti matematikai mélységet várnak a gyakorlati fókusz helyett
Mik a képzés előkövetelményei?
A korábbi adatelemzési vagy gépi tanulási tapasztalat előny, de nem feltétel.
Hogyan fogsz tanulni?
Rugalmas időbeosztás
A tanfolyamot munka mellett is végezheted, hiszen a tananyag elsajátítása heti 8-12 óra elfoglaltságot igényel összesen, melyet saját időbeosztás szerint dolgozhatsz fel.
Gyakorlatorientált oktatás
Minden héten izgalmas gyakorló feladatokat kapsz majd, amelyek keretében már menetközben is konkrét projekteket fogsz megvalósítani.
Interaktív digitális tananyag
A gyakorlati feladatok elvégzéséhez és a képzés sikeres teljesítéséhez szükséges tudást digitális tananyagok és vezetett kódolások formájában adjuk át, amelyeket saját időbeosztásod szerint, akár munka mellett is feldolgozhatod és egy évig korlátlan alkalommal visszanézheted.
Oktatói mentoring
A képzés ideje alatt az oktató folyamatosan a rendelkezésedre áll, bármikor kérdezhetsz tőle, ha elakadtál, és rendszeresen visszajelzést ad a feladataidra, fejlődésedet végigkíséri.
Konzultációk
Valamennyi tanegység végén egy-egy élő konzultációs alkalmat is szervezünk este 18:00 órától, amikor élőben is felteheted kérdéseidet, közösen kiértékelhetitek és átbeszélhetitek a gyakorlás során elkészített projekteket, és tanulhattok egymás elakadásaiból is.
Visszanézhető LIVE alkalmak
Az online élő konzultációk átlagosan kb. 1 órásak. Akkor sincs semmi baj, ha egy élő konzultációs alkalmon nem tudsz részt venni, hiszen a kérdéseid előre is elküldheted írásban, a válaszokat és az egész LIVE-ot pedig visszanézheted másnap 16:00 órától.
Limitált férőhely
A fent említett interakciók miatt képzéseinket korlátozott létszámmal indítjuk csak el, hogy biztosan jusson mindenkire ideje az oktatóknak.
Minőségbiztosított képzések
Képzéseink szakmai minőségbiztosítását az iparági vezető technológiai vállalatok és a Budapesti Műszaki és Gazdaságtudományi Egyetem végzi.
- Tanúsítványt kapsz, amelyet önéletrajzodhoz és LinkedIn profilodhoz csatolhatsz
- Bizonyítja, hogy elsajátítottad az adott ismereteket
- Segíti a szakmai előmeneteledet és karriered fejlődését
Jó társaságban leszel!
Már több mint 150 hazai és nemzetközi cég munkatársa képezte magát tovább nálunk.
Tudtad?
A munkáltatók 83%-a finanszírozza a munkatársak képzését, ne felejtsd el megkérdezni a tiédet!
Elvégzett képzés: Machine Learning Engineer képzés – fejlesztéstől a biztonságos üzemeltetésig
„Köszönöm, nagyon jó volt a tanfolyam. A tananyag széleskörű, jól átgondolt és alaposan kidolgozott, sok gyakorlati példával. Az oktató felkészült, lelkes és nagyon segítőkész, jó visszajelzésekkel segítette a megértést. Alábecsülni nem szabad, komolyan kell venni, minden részét alaposan meg kell érteni, hogy a végén nem legyen hiányosság. Ami nem világos, arra rá kell kérdezni. Mindenkinek ajánlom, aki szeretné megismerni a gépi tanulás alapját."
Hallgatói közösség
A több mint 9100 tagot számláló hallgatói közösségünket főként olyan, az iparágban vezető IT-cégek és szoftverfejlesztő cégek munkatársai alkotják, akik folyamatosan fejleszteni szeretnék meglévő készségeiket.
Légy Te is tagja közösségünknek!
Következő indulási dátumok
2026.10.01.
Mentorált alkalmak csütörtök esténként
390 000 Ft
Jelentkezési határidő: 2026.09.28.
Jelentkezem2027.02.04.
Mentorált alkalmak csütörtök esténként
390 000 Ft
Jelentkezési határidő: 2027.02.01.
Jelentkezem2027.04.22.
Mentorált alkalmak csütörtök esténként
390 000 Ft
Jelentkezési határidő: 2027.04.19.
JelentkezemMás időpont érdekel?
Add meg az e-mail címed, és szólunk, ha új időpontot hirdetünk meg.
Kapcsolódó képzések
Ezek a képzések több irányból kapcsolódnak a gépi tanuláshoz: van, amelyik tovább viszi, van, amelyik megalapozza a témát. A jelentkezési űrlapon bármelyiket hozzáadhatod a jelentkezésedhez.
Fizetési lehetőségek
Többféle fizetési lehetőséget biztosítunk, hogy a legmegfelelőbb opciót válaszd.
Online fizetés bankkártyával
Az OTP SimplePay az egyik legelterjedtebb online fizetési megoldás — gyors és biztonságos fizetési folyamatáról ismert.
Kamatmentes részletfizetés
Nem szeretnénk, ha a fizetési nehézségek akadályoznák a szakmai fejlődésedet, ezért a részvételi díjat több részletben, teljesen kamatmentesen is kifizetheted.
Fizetés banki átutalással, egy összegben
Ha online kártyás fizetés helyett banki átutalással szeretnél fizetni, az sem probléma — írj nekünk, és ebben is segítünk.
Készen állsz a jelentkezésre?
Könnyítendő magánszemélyként résztvevő hallgatóink helyzetét, a feltüntetett ár számukra a ténylegesen fizetendő végösszeg.
Céges megrendelés esetén az adott összeg tekintendő a nettó árnak.
Mit fogsz tanulni?
10 hét alatt az alapfogalmaktól a biztonságos üzemeltetésig vezet végig a teljes ML mérnöki eszköztáron.
1 A gépi tanulás alapjai és feladatai Bevezetés az adattudományba, az adatos szerepkörökbe és a Data Science folyamatba.
- Alapfogalmak
- Adattudomány
- Üzleti képességek és AI projektek
- Adatos szerepek, fizetések
- Data Science folyamat
- Algoritmus vagy modell - mi a különbség?
- A gépi tanulás feladatai
2 Gépi tanulás feladatai, alkalmazásai, eszközei A tanulási paradigmák és a fejlesztési-üzemeltetési környezetek áttekintése.
- Machine Learning vs Deep learning
- Osztályozás, klaszterezés, regresszió
- Semi-Supervised learning, tanulási paradigmák
- Nem felügyelt tanulás - ajánlórendszerek és dimenziócsökkentés
- Megerősítéses tanulás (Reinforcement Learning)
- ML fejlesztési és üzemeltetési eszközök, környezetek
- Colab
- Pandas bevezető és haladó használat
3 Adatmegértés és adatelőkészítés Az adatok minőségének felmérése, felderítő elemzés és előkészítés gépi tanuláshoz.
- Adatmegértés és adatminőség
- Felderítő adatelemzés (EDA)
- Hiányzó értékek kezelése
- Outlierek kezelése
- Feature Engineering
- Encoding
- Skálázás
- Adatmegértés és EDA gyakorlat
4 Felügyelt gépi tanulási algoritmusok Scikit-learn-nel A legfontosabb felügyelt algoritmusok elmélete és kódolása.
- Adatelőkészítés gépi tanuláshoz
- K Nearest Neighbors
- Lineáris modellek és Gradient descent
- Lineáris és logisztikus regresszió
- Support Vector Machines (SVM)
- Döntési fa
- Ensemble Learning - Random Forest
- Boosting - Gradient Boosting, AdaBoost
- XGBoost, LightGBM, CatBoost
- Algoritmusok összehasonlítása és kiválasztása
5 Kiértékelési módszerek és optimalizálás Validáció, metrikák és hiperparaméter-optimalizálás.
- Validációs adathalmaz, K-fold és idősor cross-validáció
- Confusion Matrix
- Accuracy, Precision, Recall, Fscore
- ROC-AUC, Precision-Recall görbe
- Metrikák regresszióhoz
- Bias-Variance (Underfitting-Overfitting)
- Hyper-paraméter optimalizálás
- Optuna
6 Felügyelet nélküli tanulás Dimenziócsökkentés és klaszterezési eljárások részletesen.
- Dimensionality Reduction
- PCA - Principal Component Analysis
- SVD, LDA
- Kernel PCA, MDS, Isomap, LLE
- t-SNE
- Clustering és K-Means
- Hierarchical Clustering
- Spectral Clustering
- GMM, DBSCAN, HDBSCAN
- Klaszterező algoritmusok összehasonlítása
7 Anomáliadetekció és ajánlórendszerek Rendellenességek felismerése és személyre szabott ajánlások építése.
- Anomália detekció
- Ajánlórendszerek alapjai
- Content-based vs Collaborative Filtering
- Cosine Similarity
- Collaborative Filtering item-item és user-user
- Association Rule Learning
- Ajánlórendszerek felügyelt tanulással
Gyakran Ismételt Kérdések
Mennyi időt igényel hetente a képzés?
Heti 8-12 óra elfoglaltságra érdemes számítani, amelyet saját időbeosztásod szerint, akár munka mellett is teljesíthetsz.
Milyen előképzettség szükséges?
Középhaladó szintű Python ismeret, valamint matematikai alapok (valószínűségszámítás, statisztika, kalkulus) szükségesek a sikeres elvégzéshez.
Hogyan működik a mentorálás?
Az oktató a képzés teljes ideje alatt elérhető, írásban és a heti élő konzultációs alkalmakon élőszóban is kérdezhető.
Mi történik azután, hogy jelentkeztem?
A jelentkezésedet e-mailben visszaigazoljuk, és megküldjük az első számlát. Ha átutalással fizetsz, a közleménybe kizárólag a számla sorszáma kerüljön, mert így tudjuk beazonosítani a befizetésedet. Ezen túl nincs más teendőd: az indulás előtt hozzárendeljük a kurzust a tanulói fiókodhoz, a kezdés előtti napon pedig küldünk egy összefoglaló, eligazító levelet. Részletfizetésnél a további számlákat mindig az esedékességük előtt küldjük ki.
Mi van, ha egyik meghirdetett indulás sem jó nekem?
A meghirdetett csoportokat az adatlapon, a „Következő indulási dátumok” szekcióban találod. Ha egyik időpont sem fér bele az időbeosztásodba, add meg az e-mail címed ugyanott, a „Más időpont érdekel?” résznél, és szólunk, amint új időpontot hirdetünk. Ha a jelentkezésed után derül ki, hogy mégis egy másik csoport lenne jobb, írj az info@cubixedu.com címre, és átvezetünk. Ha már kaptál számlát, azt ilyenkor sztornózzuk, így nem marad nyitott tételed.
Be tudom íratni a munkatársaimat, vagy fizetheti a munkáltatóm?
Igen, mindkettő megoldható. A jelentkezés „Számlázás” lépésénél válaszd a „Munkatársnak vásárolok” lehetőséget, több fő esetén pedig a „Több munkatársat szeretnél beíratni?” gombot. Ha inkább írnál, vagy a munkáltatódnak hivatalos árajánlatra van szüksége a döntéshez, keress minket az info@cubixedu.com címen, és összeállítjuk. Ha a cégnél elhúzódik a jóváhagyás, az sem gond, a képzéseinket rendszeresen újraindítjuk, így egy későbbi csoportra is tudsz jelentkezni.
Hogyan tudom felhasználni a kedvezménykuponomat?
A kuponkódot a jelentkezési űrlap „Fizetés” lépésénél tudod megadni: írd be a Kuponkód mezőbe, kattints a Beváltás gombra, és a rendelési összegző rögtön a kedvezményes végösszeget mutatja. A kuponok érvényessége kódonként eltér, ezért ha a tiéd nem működne ennél a képzésnél, írj nekünk az info@cubixedu.com címre, és megnézzük.
Kapok kedvezményt, ha mást is beajánlok a képzésre?
Igen, ajánlásért 5% kedvezményt adunk, amit az ajánló és az ajánlott is megkap, és a nálad lévő egyéb kedvezmény mellett is érvényesíthető. Írj nekünk az info@cubixedu.com címre az általad ajánlott jelentkezők nevével, amint biztos a részvételük, és mindenkinek külön kupont küldünk. A kupont a jelentkezési űrlap „Fizetés” lépésénél tudod beváltani.
Össze tudok állítani több képzésből egy csomagot?
Igen, több képzésből kérhetsz csomagot, amit a külön megvásárolt kurzusoknál kedvezőbb csomagáron adunk. Írd meg az info@cubixedu.com címre, mely képzések érdekelnek, és összeállítjuk. Küldünk hozzá egy áttekintést a képzések formátumáról, a tervezett indulásokról és a javasolt tanulási időről, valamint egy naptárnézetet, amiből látod az esetleges átfedéseket. Az összeállítás csak kiindulópont, a csomag bármelyik képzésünkből összerakható, és az ütemezés menet közben is rugalmasan alakítható.
Van-e pénzvisszafizetési garancia?
Igen, a képzés indulásától 8 napig vagy a tananyag 20%-os elvégzéséig 100%-os pénzvisszafizetési garanciát vállalunk.
Lehet részletekben fizetni?
Igen, kamatmentes részletfizetésre van lehetőség, akár 2 részletben is.