Az ELTE Informatikai Kar pályázatot hirdet a 2026/2027-es tanévre, magyar nyelvű, nappali rendszerű, egyéves kiegészítő informatikai képzésre minden nem informatikus vagy informatikatanár szakot végző hallgatónak, hogy saját szakja mellett informatikából is mélyebb, professzionális ismereteket szerezhessen.
A képzést ajánljuk az ELTE nappali munkarendű hallgatóinak (alap-, mester- és osztatlan és doktori képzés) szaktól függetlenül, aki nyitott a problémák számítógépes gondolkodás inspirálta új megközelítésére. A képzés fejleszti a kreatív problémamegoldás, a logikus, strukturált gondolkodás, a mintázatok, tendenciák, folyamatok felismerésének, elemzésének és értelmezésének képességét. A fentieken felül a képzést elvégzők betekintést nyerhetnek az adattudomány és a mesterséges intelligencia alapjaiba is.
A képzés heti 30 órás kötelező tantermi jelenléttel jár (Budapesten) a szorgalmi időszak minden munkanapján 8 és 17 óra között, továbbá azon felül jelentős mennyiségű otthoni munkával.
A képzés ingyenes, amennyiben van még a jelentkezőnek szabadon felhasználható, államilag finanszírozott féléve. Ellenkező esetben a jelentkező képzésének megfelelő önköltséget kell fizetnie.
MIÉRT ÉRDEMES?
Szélesíti az alapszakodon megszerzett képességeid, növeli esélyeid a munkaerőpiacon, új lehetőségeket nyit meg az önképzésedhez. A képzés elvégzése az elhelyezkedésnél, az informatikai ismeretek miatt, minden munkakörben hatalmas előnyt jelent.
Nagy bizonyossággal állíthatjuk, hogy a közeli jövőben alapkövetelménnyé válik minden értelmiségi pályán a felhasználói szintet meghaladó informatikai tudás. A következő évtizedekben új szakmák fognak megjelenni a legtöbb területen és a ma végzőseinek képesnek kell lennie a szakmaváltásra.
Kevés olyan terület van napjainkban a gyakorlati életben és a tudományban, melyet kisebb vagy nagyobb mértékben nem érint a digitális forradalom. Az informatika jelentősége jóval túlmutat a technológiai eszköztár kiszélesítésén: segíti a kreatív gondolkodást, befolyásolja a tudományos módszertanokat, felkészít a gyakorlatban és tudományos gondolkodásban ma még nem látható változásokhoz való alkalmazkodásra.
KIKNEK AJÁNLJUK?
Ajánljuk mindenkinek, aki nyitott a problémák számítógépes gondolkodás inspirálta új megközelítésére és ezt fel kívánja használni a szakdolgozata, diplomamunkája, disszertációja, TDK pályázata elkészítésében. Az informatikai problémamegoldás sokféle területen alkalmazható a régészettől a jogon és a nyelvészeten át a társadalomtudományokig, nem is beszélve a sok adattal, mérési eredménnyel dolgozó természettudósokról, gazdasági szakemberekről. A képzés fejleszti a kreatív problémamegoldás, a logikus, strukturált gondolkodás, a mintázatok, tendenciák, folyamatok felismerésének, elemzésének, értelmezésének képességét.
A hallgatók alapvető programozási ismereteket szereznek, képesek lesznek problémák formalizálására, korrekt modellek megtervezésére, számítógépes megoldási tervek készítésére és elemzésére. Képesek szót érteni az informatikusokkal, mert ismerik a szaknyelvet és a gondolkodásmódjukat. Megtanulják tudományterületük objektumait adatokkal leírni, ezeket tipizálni, strukturálni, adatokból információt kinyerni. Megismerik a számítóaz adattudomány és a mesterséges intelligencia alapait, ezek hatékony felhasználási módjait a gyakorlatban. Képesek lesznek egyszerű webes alkalmazások elkészítésére.
Végezetül ajánljuk a képzést azoknak is, akik egyszerűen csak kíváncsiak és úgy gondolják, jó szórakozás lenne saját alkalmazást fejleszteni, vagy honlapot készíteni profi módon.
SZÜKSÉGES-E SPECIÁLIS MATEMATIKAI VAGY INFORMATIKAI TUDÁS A KÉPZÉS ELVÉGZÉSÉHEZ?
Nem szükséges. Nem befolyásolja a kurzus elvégzését, ha nem pontosan emlékszel már a gimnáziumi matekórákon tanultakra, esetleg nem tanultál a középiskolában informatikát.
MIT FOGOK TANULNI PONTOSAN?
- Táblázatkezelés, alkalmazásfejlesztés táblázatkezelővel
- Számítógépes problémamegoldás az alapoktól kezdve a bonyolultabb adatszerkezetkig
- Webes tartalomfejlesztés, webalkalmazások fejlesztése
- Adatbázisrendszerek
- Statisztikai programcsomagok
- Mesterséges intelligencia
- Adattudomány, adatbányászat
- Térinformatika
- Információs társadalom, adatvédelem, informatikai biztonság
+2 JÓ TANÁCS
Légy bátor és kíváncsi! Az informatikában semmi félelmetes nincs. Bárki, aki képes volt Magyarország egyik vezető egyetemére bekerülni, rendelkezik azokkal a képességekkel, hogy ezt a specializációt felvegye és sikeresen elvégezze.
Ha kellőképpen motivált vagy és belefekteted a tanulásba/gyakorlásba az időt és az energiát, akkor sikeresen át tudod hidalni a kezdeti nehézségeket, amit az informatika új nyelvezete/fogalmai jelenthet.
FELVÉTELI KÖVETELMÉNYEK
Olyan osztatlan- és alapszakos, nappali munkarendű hallgatók jelentkezhetnek, akik a 60 kredites blokk felvételekor már rendelkeznek legalább 110 kredittel, a képzésük első két évét lényeges csúszás nélkül elvégezték. Jelentkezhetnek olyan nappali munkarendű, mesterszakos hallgatók, akik képzésük első évét elvégezték és már rendelkeznek legalább 55 kredittel. Az előbbi kreditértékek mindig az aktuálisan végzett szakra értendőek. A jelentkezők motivációs levéllel és a tanulmányi eredményeik bemutatásával pályázhatnak. A képzés fix csoportokban történik, a felvett hallgatókat az IK TH osztja be minden kurzusra, rögzített csoportba. A fix csoport azt jelenti, hogy a képzés tárgyait csak a képzésre felvett hallgatók vehetik fel. Olyan, mintha létrejönne egy 20 fős osztály, akik együtt végzik egy évig ezt a képzést.
Nappali munkarendű doktori hallgatók jelentkezését is várjuk. A jelentkezéshez csatolni kell a témavezető támogatását/engedélyét, mivel a kiegészítő képzés biztosan lassítani fogja a hallgató doktori tanulmányait, kutatását.
A pályázati anyag tartalma:
motivációs levél;
a Tanulmányi Hivatal igazolása a pályázat beadásáig teljesített kreditektől;
doktorandusz hallgatók esetén a témavezető engedélye;
az alábbi dokumentumtárban található nyilatkozatok (azért kell a kredit túlfutási nyilatkozat, mert a képzés elvégzésével túl fogod futni a megengedett kreditszámodat, és arra kapsz engedélyt ezzel a nyilatkozattal, hogy pluszban elvégezhessed a 60 kredites képzést)
FIGYELEM! A TTK hallgatóinak csak a „Hallgatói nyilatkozat TTK-s hallgatóknak” dokumentumot, a többieknek pedig a „Nyilatkozat-kredittúlfutás” és a „Hallgatói nyilatkozat” dokumentumokat kell kitölteniük és feltölteniük a jelentkezésükkor.
A pályázatok benyújtása ezen űrlap kitöltésével lehetséges. Az űrlap kitöltéséhez ELTE Microsoft 365 hozzáférés (IIG azonosító, student.elte.hu-s e-mail) szükséges. Az IIG azonosítóról bővebb információkat ITT találsz.
Jelentkezési határidő: 2026. augusztus 23.
Egyéb információk
A felvételt követően továbbra is hivatalosan a saját karod hallgatója maradsz, mindössze annyi változik, hogy az óráidat az Informatikai Karon végzed. A féléved aktív lesz, így továbbra is jogosult leszel kollégiumi férőhelyre, illetve tanulmányi/szociális ösztöndíjra.
A képzés két féléves kreditszáma 60 kredit, ami egy egyetemi képzés teljes évét jelenti. A képzés mögött az az elvárás, hogy erre az évre felfüggeszted az eredeti szakod tanulmányait, és csak az informatika 60 kreditjére koncentrálsz. Az egyedi, kivételes esetet a képzés mentorával beszéld meg, az engedélyt a saját karod Tanulmányi Hivatalától kell kérned.
A képzés csak nappali munkarendben indul, és kötelezően be kell járni az órákra, az előadásokra is (katalógus van). A számonkérés módja az adott kurzustól függ. Általában gyakorlati jegy a végső kimenet, ehhez házi feladatokat, beadandókat, zárthelyi dolgozatokat kell írni, esetleg prezentációt tartani. A számonkérések ideje, valamint a beadandók határideje átcsúszhat a vizsgaidőszakra is.
Amennyiben nem sikerül egy tárgy teljesítése, akkor a következő évben újra felveheted. Fontos, hogy az abszolutórium megszerzéséig teljesítened kell a 60 kreditet, amennyiben a saját karod kötelez erre (lásd fentebb a nyilatkozatokat). Az oktatás első hetében lehetőséged van „visszalépni” a képzéstől, amennyiben úgy ítéled meg, hogy nem tudod teljesíteni az elvárásokat.
Abszolutóriummal rendelkező hallgatók nem jelentkezhetnek, mivel már nincsen hallgatói jogviszonyuk az egyetemmel. Szükséges, hogy a képzés mindkét félévében rendelkezz aktív hallgatói jogviszonnyal.
A kiegészítő képzés végén külön záróvizsga nem lesz, az összes tárgy teljesítése és diplomád megszerzésével az oklevél mellékletedben a saját szakodnak megfelelő tárgyak mellett jelennek meg az elvégzett informatikai tárgyaid. Ez bizonyítja, hogy a képzés által nyújtott informatikai kompetenciákkal rendelkezel.
Felmerülő kérdéseket a pezsgo@inf.elte.hu címen Törley Gábor egyetemi docens, a képzés mentora várja.
TANTÁRGYAK
A 2 féléves tantervi háló, valamint a lentebb nem részletezett választható tárgyak megtalálhatóak a Tanulmányi Hivatal oldalán.
Adatfeldolgozás táblázatkezeléssel (4 kredit) – Törley Gábor
Táblázatkezelés alapjai: adattípusok, hivatkozások, Rendezés, Képletek és hivatkozások, Számformátumok (formátummaszk), Összesítő függvények, Diagramkészítés, Nézet- és oldalbeállítások, matematikai függvények, statisztikai függvények, feltételes összesítőfüggvények, szűrés ÉS feltétellel, logikai függvények, feltételes formázás, keresések, Kimutatás, Dátumfüggvények, szövegfüggvények, hibakezelés információs függvényekkel
Haladó táblázatkezelés: Szűrések VAGY feltétellel, adatbázis-függvények, adattáblák, lehetőségelemzés, célértkékkeresés, részösszeg, hatékonyságelemzés, pénzügyi függvények, tömbfüggvények használata, dinamikus számítások
Alkalmazásfejlesztés táblázatkezelővel (4 kredit) – Szalayné Tahy Zsuzsanna
Makro készítés felvétellel, abszolút és relatív hivatkozások. Rögzítés jellemzői egér kattintás, menü és billentyű használata esetén, rögzítés közben Excelből kilépve. Táblázat (adattábla, lista) tulajdonságai. Felvett makró módosítása, a rögzített beállítások, műveletek értelmezése, felhasználása kódsnipetként, makro (azaz eljárás) és függvény írása. Tesztelés, hibakeresés, dokumentáció (online források) használata kódoláshoz.
Névkezelő: cella, tartomány, lista/táblázat, objektumok elnevezése, név és változónév használata, objektumok néhány tulajdonsága, adatok típusa, értékadás (cellának, változónak). Eljárás, függvény, elágazások, ciklusok. Munkalap függvények, VBA függvények, saját függvények, Lambda függvények.
Jellemző makrósítható feladatok: sor beszúrás, hozzáfűzés, véletlen érték, szűrés, rendezés, nyomtatás, sor\tartomány\üressor törlés, formázás, ellenőrzött adatbevitel, adatok beolvasása fájlból, karakterkódolás javítása. Űrlapvezérlők használata, dinamikus diagramok (pl. változó adathalmaz, értéktartomány, változó paraméterek). Munkalap védelem, albak frissítés. Kapcsolat külső forrással - PowerQuery.
Probléma megoldás Táblázatkezelővel, egyéni projektfeladat. Megoldás tervezése (elrendezés, újraszámítást figyelembe véve a számítások/függvények, illetve eljárások meghatározása). Felhasználói felület kialakítása (gombok, üzenetek, hibakezelés), a fentiekből a megoldáshoz szükséges eszközök kiválasztása vagy interneten megoldás keresése. Tesztelés. Felhasználói és fejlesztői bemutatás.
Programozási alapok (7 kredit) – Törley Gábor
Algoritmikus gondolkodás elemei. A programkészítés folyamata, programozási fogalmak bevezetése. Egy programozási nyelv alapvető elemei (Python). Algoritmusminták típusfeladatok megoldására. Programok kipróbálása, tesztelése, tesztelést segítő eszközök. A program helyessége: egyszerű hibakeresési módszerek és eszközök. Algoritmusminták együttes alkalmazása típusfeladatok megoldására.
Kivételkezelés, fájlkezelés, algoritmusminták alkalmazása fájlok esetén (memóriahatékony módszer), táblázatok feldolgozása, sémaalgoritmusok használata magasabb szintű függvényként, lambda kalkulus, táblázat adatbázis-szerű feldolgozása.
Problémamegoldási stratégiák, adatszerkezetek (7 kredit) – Menyhárt László
Objektum-orientált programozás ismérvei, az objektum és az osztály fogalma, objektumok példányosítása, és másolása, öröklődés, overloading, adatszerkezetek megvalósítása OOP-vel.
Problémamegoldási stratégiák (rekurzió, mohó stratégia, oszd meg és uralkodj, dinamikus programozás, visszalépéses keresés) számítógéppel és számítógép nélkül. Feladathoz adatmodell rendelése, adatszerkezetek alkalmazásai. Halmazok, sorozatok, hierarchikus és hálós adatszerkezetek.
Webes tartalomfejlesztés és akadálymentes publikálás (4 kredit) – Abonyi-Tóth Andor
A tárgy célja, hogy a hallgatók megismerjék a webes tartalomfejlesztés, a CMS-alapú webhelyépítés, az egyszerű statikus weboldalkészítés és az akadálymentes publikálás alapelveit, továbbá képesek legyenek szakmai, kutatási, oktatási vagy ismeretterjesztő célú webes produktumok létrehozására, ellenőrzésére és felelős közzétételére. A tárgy keretében a hallgatók CMS-rendszerben kidolgozott webhelyet, valamint HTML, CSS és valamely elterjedt CSS-keretrendszer vagy komponenskönyvtár, például Bootstrap használatával egyszerű, reszponzív statikus oldalt készítenek.
Alkalmazások fejlesztése webtechnológiákkal (4 kredit) – Horváth Győző
A tárgy a webes tartalomfejlesztés, a HTML/CSS-alapú statikus oldalkészítés és a webes publikálás alapjaira építve vezeti be a hallgatókat az egyszerű kliens- és szerveroldali webalkalmazások fejlesztésébe.
Adatbázisrendszerek (4 kredit) – Hajas Csilla
A tantárgy célkitűzése, hogy a nem-informatikus hallgatók képessé váljanak tudományterületük objektumait adatokkal leírni, azokat strukturálni, és az adatokból releváns információt kinyerni. A félév során a hangsúly a kreatív problémamegoldáson és a gyakorlati felhasználáson van.
Statisztikai programcsomagok (6 kredit) – Bóka Dávid
A tantárgy alapvető célkitűzése, hogy a hallgatók megismerkedjenek alapvető statisztikai módszerekkel és olyan programokkal (SPSS/R/MatLab), amelyekben ezeket az elméleti módszereket a gyakorlatban is hasznosítani tudják. A tárgy elsősorban a gyakorlati feladatok megoldására és a gyakorlati alkalmazás kérdéseire helyezi a hangsúlyt a szükséges elméleti ismeretek átadása mellett. A félév során a hallgatók a alapvető statisztikai és valószínűségszámítási alapismeretek mellett megismerhetik a különböző mintavételi eljárásokat, betekintést kapnak a becsléselméletből és a hipotézisvizsgálatból, valamint megtanulják, hogy a gyakorlatban felmerülő kérdéseiket milyen statisztikai módszerekkel/próbákkal tudják megválaszolni. A félév során a többek között szó lesz a következő statisztikai módszerekről és ezek SPSS-beli/R-beli megvalósításáról: maximum-liklelihood becslés, normalitásvizsgálat (Kolmogorov-Szmirnov próba), függetlenség vizsgálat (khi^2-próba), illeszkedésvizsgálat, várható érték vizsgálata (U-próba, T-próba), varianciaanalízis, korrelációszámítás, kereszttábla-elemzés, legkisebb négyzetek módszere, (lineáris) regresszió, klaszteranalízis.
Mesterséges intelligencia alapjai (4 kredit) – Botzheim János
A mesterséges intelligencia fogalma, célja, története, kutatási területei. Problématér, útkeresési problémák, gráf-reprezentáció. Állapottér reprezentáció. Lokális keresések: hegymászó keresés, a tabu keresés, a szimulált hűtés. Visszalépéses keresés. Tudás és következtetés. Következtetés az első rendű logikában: rezolúció és szabály alapú következtetés. Fuzzy következtetés.
Gépi tanulás. Felügyelt tanulás és néhány példa (k-legközelebbi szomszéd módszere, döntési fák, lineáris és logisztikus regresszió). Felügyelet nélküli tanulás és néhány példa (k-közép algoritmus, főkomponens analízis). Megerősítéses tanulás.
Mesterséges neuronhálók: Perceptron. A nemlinearitás fajtái, (szigmoid, ReLU, stb), általános hálózatok és rétegelt hálózatok, előrecsatolt és visszacsatolt hálózatok. Backpropagation algoritmus. A mélytanulás alapjai. Konvolúciós hálózatok. Autoenkóder. Túltanulás elleni eljárások. Enkóder-dekóder hálózatok.
NLP alapok és reprezentációk: szöveg reprezentáció: bag-of-words, TF-IDF; szóembeddingek: Word2Vec, GloVe; tokenizálás; kontextuális embeddingek alapötlete; egyszerű NLP feladatok (osztályozás, NER, sentiment). Attention és Transformer: sequence modellek korlátai (RNN röviden); attention mechanizmus alapötlete; self-attention; transformer architektúra (encoder–decoder); példák (BERT, GPT – high level). Nagy nyelvi modellek (LLM-ek): mi az LLM, hogyan tanul (pretraining + finetuning); prompting alapok; zero-shot / few-shot learning; tipikus use-case-ek (chatbot, kódgenerálás, dokumentumfeldolgozás). Generatív AI és gyakorlati használat: generatív modellek áttekintése (szöveg, kép – diffusion említés); RAG alapötlet; hallucination probléma; etikai és gyakorlati kérdések; egyszerű demo / alkalmazási példa; Ágensek.
Bioinpirált mesterséges intelligencia: Evolúciós algoritmusok: általános algoritmusséma, kódolás és a rátermettségi függvény szerepe, evolúciós operátorok jellemzése. Rajintelligencia. Spiking neurális hálózatok.
Adattudomány alapjai (4 kredit) – Koren István
Az adattudomány és az adattechnológia alapfogalmai. Az adatvezérelt problémamegoldás folyamata a CRISP-DM módszertan példáján keresztül. Adatforrások és adattípusok. Adatgyűjtés, adattisztítás, adattárolás és adatfeldolgozás. Adatok elemzése és vizualizációja. Bevezetés a gépi tanulás és a mesterséges intelligencia alapjaiba. Adatvezérelt alkalmazások és gyakorlati példák különböző szakterületekről.
Választható tárgyak, részben szakspecifikusan (12 kredit):
A fentieken túl szaktól, érdeklődéstől függően további választható tárgyakat ajánlunk.
Térinformatika alapismeretek (4 kredit) – Ungvári Zsuzsanna
A térinformatika tárgya, a térkép és a méretarány fogalma. Térképek csoportosítása, fajtái. Generalizálás. Hagyományos és számítógépes térképszerkesztés, rétegtechnika. Nyomtatási előkészítés (dpi), PDF, CTP. Térképészetben használatos betűtípusok. A pont, vonal, felület. Attribútumok. Topológia, tesszelláció. Legfontosabb formátumok ismertetése: gpkg, shp, kml, geojson, dxf, gpx. Centroid és befoglaló téglalap.
Vektoros rétegek kezelése. Összetett réteg stílusok beállítása. Attribútumok. Névmegjelenítés. Ábrázolási módszerek elmélete, és gyakorlata térinformatikai szoftverekben. Kategorizálás. Szabály alapú stílusok. Vektoros elemzés (pufferzóna, metszés stb.). Cím, méretarány, kolofon, PDF-export.
Excel beolvasása, diagramok. Alap- és képfelület, valódi sík, henger és kúpvetületek. Képzetes vetületek. Az EOV vetület. Az EPSG szám, vetületek térinformatikai programokban.
Pixel, felbontás. Színmodellek (RGB, HSV, CMYK). Legfontosabb formátumok: JPG, GIF, PNG, GeoTIFF. Műholdak ismertetése és műholdképek kezelése, hisztogramkiegyenlítés, osztályozás-klaszterezés. Magyar topográfiai és kataszteri térképek. Georeferálás. Landsat-képek. Digitalizálás. Jelenleg használatos műholdrendszerek felépítése, működési elve, korlátai. Legfontosabb rendszerek (GPS, Glonassz, Galileo). A GPS felmérés alapjai. Okostelefonos alkalmazások.
3D alkalmazások. Domborzatmodellek (színezés, árnyékolás, kitettség, szintvonal, 3D). Bővítmények. Google Earth. Pont, vonal felület, raszter, körutazás, Időadatok kezelése, GPS-track, fotólefedés.
Információs társadalom alapismeretek (4 kredit) – Törley Gábor
Információs és kommunikációs technológiák a társadalomban. E-ügyintézés, e-közigazgatás, elektronikus aláírás. A fogyasztói viselkedést befolyásoló módszerek megfigyelése és azonosítása. Adatbiztonság, személyes adatok védelme. Egészséges munkakörnyezet. Jogi, etikai, pszichológiai és szociológiai vonatkozások. Az informatika veszélyei, bűnözés. Digitális esélyegyenlőség.