Azonnal nézhető, ~60 perces videós oktatóanyag a Data Science Klub könyvtárában:

Adattisztítási példák valós projektekből

Ismerj fel és javíts 16 tipikus adattisztítási hibát, hogy megbízhatóbb elemzéseket és modelleket készíts Pythonban

előadó: Mester Tomi (Data36)
Több info...
Tovább a regisztrációhoz...

~60 perces előadás
(azonnal gyakorlatba ültethető tudás)

Az adattisztítás ritkán látványos, mégis gyakran ezen múlik, hogy egy elemzésből valóban használható következtetés szülessen. Az „Adattisztítási Példák Valós Projektekből” előadásban Mester Tomi (Data36) 16 tipikus hibán keresztül mutatja meg, hogyan érdemes felismerni, rendszerezni és javítani a problémás adatokat. A néző nemcsak példákat kap, hanem egy gyakorlatban is alkalmazható gondolkodásmódot is: hogyan találjon mintákat, mikor használjon sztenderd megoldást, és mikor kell kreatívan rekonstruálni hiányzó vagy hibás értékeket. Az előadás célja, hogy tisztább adatokkal dolgozz, megbízhatóbb elemzéseket készíts, és kevesebb idő menjen el elkerülhető adatminőségi hibákra.

Milyen főbb témákról van szó az előadásban?

  • Adatbeviteli hibák (emberi rögzítésből): elgépelések és „majdnem ugyanaz” szövegek kezelése (például városnevek) hasonlóságméréssel.
  • Adatbeviteli hibák: nem konzisztens kategórianevek (pl. F/N/M, male/female) egységesítése, és visszakövetkeztetés külső adatforrás bevonásával (például keresztnév alapján).
  • Adatbeviteli hibák: nem konzisztens adattípusok és hiányzó értékek (None vs. „none” vs. üres cella), valamint dátumformátumok tipikus csapdái.
  • Adatgyűjtési hibák (szkriptek, szenzorok, logolás): duplikátumok felismerése, amikor „ugyanaz” a mérés többször kerül be, akár minimális időeltéréssel.
  • Adatgyűjtési hibák: hiányzó mezők és hiányzó sorok kezelése: mi pótolható redundanciából, és mi az, ami végleg elveszett (például AB-teszt logolás kiesése).
  • Infrastruktúra / rendszertervezési hibák: visszafordíthatatlan vagy nehezen kezelhető transzformációk elkerülése (például kötőjelek eltávolítása URL-ekből).
  • Infrastruktúra / rendszertervezési hibák: nehezen olvasható logformátumok, rossz mezőelválasztók (vessző-probléma) és karakterkódolási gondok.
  • Infrastruktúra / rendszertervezési hibák: sémaváltozás miatti elcsúszások (például oszlopszám változik), és miért érdemes név szerint dolgozni.
Tovább a regisztrációhoz...

És ez csak egy a Data Science Klubban elérhető rengeteg előadásból...

Magyarország évtizedes tapasztalatú adatos szakembereit hívjuk meg hónapról hónapra, hogy gyakorlatias, bullshit-mentes előadásokban tanulhassunk tőlük.

Csatlakozásod után azonnal eléred az összes korábbi előadás felvételét és kiegészítő anyagát (a többségükhöz van extra videó, oktatóanyag, Q&A felvétele, letölthető kódbázis, saját gépen is futtatható Jupyter Notebook vagy más segédlet). Mindegyik előadás önmagában megéri a tagdíj többszörösét, mert piacképesebbé és mélyebbé teszi a data science tudásod.

A Klub teljes tartalmát 2 percnyi regisztráció után már eléred:

nemes orsolya data storytelling

Data Storytelling

ELŐADÓ: Nemes Orsolya (Senior Prezentációs Tréner @Spark Presentation)

Tovább a regisztrációhoz...

Tanulási utak

Tovább a regisztrációhoz...

Következő előadások:

VS code: hogyan használd az egyik legismertebb code editort?

Előadó: Ujhelyi Tamás (analytics engineer, data scientist)

Időpont: 2026. 03. 11. (szerda) 18:00-19:30

ÉRDEKEL »

Data Science Esettanulmány: Médiaoldalak Elemezése

Előadó: Antal Bálint

Időpont: 2026. 04. 15. (szerda) 18:00-19:00

ÉRDEKEL »

Machine Learning a Divatiparban (Data Science Esettanulmány)

Előadó: Kisistók Judit, PhD

Időpont: 2026. 05. 13. (szerda) 18:00-19:00

ÉRDEKEL »

Saját Tudásbázis + LLM: RAG Lépésről Lépésre

Előadó: Hodvogner Szilvia (Data Scientist, AI fejlesztő @Siemens)

Időpont: 2026. 06. 10. (szerda) 18:00-19:00

ÉRDEKEL »
Tovább a regisztrációhoz...

A tagdíj 5,76x-osát azonnal megkapod ajándékként csak azért, hogy mondj a Klubra egy „talánt”

A csatlakozásodkor nemcsak az összes korábbi előadás felvételéhez férsz hozzá (30+ anyag)…

…hanem 3 ajándékot is kapsz.

Ezeket akkor is megtarthatod, ha lemondod az előfizetésed. 

📚 Erdőssy Gellért: Cápatörvények
(e-könyv piaci ára 5490 Ft, neked ajándék).

Az álláskereséssel és karrierépítéssel kapcsolatos rengeteg kérdésedre 10+ évnyi tapasztalatban gyökerező pontos és hasznos választ ad ez a könyv. Bónusz, hogy olvasmányos a stílusa.

Erdőssy Gellért Cápatörvények Könyv

📚 Fajszi-Cser-Fehér: Üzleti haszon az adatok mélyén (angol verzió)
(e-könyv piaci ára 6602 Ft, neked ajándék).

Szerintem kinézted már magadnak ezt a szakmai köreinkben legendás 414 oldalas könyvet… Egy magyar adatbányászműhely szakértői sok hazai esettanulmánnyal mutatják meg azokat a módszereket, ahogyan az értő kezek profitot sajtolnak az adatból.

Data Source
(online kurzus piaci ára 97 USD + ÁFA, neked ajándék)
Hogyan szerezz adatokat egy-egy üzleti vagy hobbiprojektedhez? 5 modulon és sok-sok példán keresztül ezt a kihívást egyszer és mindenkorra megoldjuk.

data_source_online_course_cover_dataklub

Piaci áron (és ÁFÁ-val számolva) mindez 57 551 Ft – te mindhármat megkapod a csatlakozásod után azonnal. (Ezek olyan anyagok, amiket egyébként is szoktam ajánlani data scientisteknek.)

100%-os garanciával védem az elégedettséged!

A tagdíj 9990 Ft havonta (az ÁFA-t már tartalmazza), de az első hónapban elég, ha egy „talánt” mondasz a Klubra. Ha úgy látod, a Klub „nem talált el téged” bármilyen okból, szólj nekem és visszakapod a teljes tagdíjadat.

Te csak nyerni tudsz: vagy tetszik a Klub, vagy ingyen volt a próba.

Az ajándékok mindegyike akkor is a tied marad, ha lemondod a tagságot.

Tovább a regisztrációhoz...

[EXTRA] projektek és portfólióépítés

Klubtagoknak szervezett kihívásokban és versenyekben gyakorolhatsz – és építhetsz versenyképes portfóliót

Nemcsak elméletileg kell értened a data science-hez – hanem gyakorlatilag is.

Az imposztorszindróma hatékony ellenszere az, ha projektről projektre látod a fejlődésedet.

A Klubban részt vehetsz:

  1. versenyeken, ahol szakmai zsűri értékeli a megoldásokat (és az a data scientist nyer, aki a legtöbb üzleti értéket tudja egy dataset-ből kinyerni)
  2. kihívásokban, ahol 5-10 óra kódolással megoldhatsz egy egyszerűbb adatos feladatot

Mindkettővel mélyül a tudásod és bővül a portfóliód.

Jobb állásokat tudsz megpályázni, ha tudsz referenciákat felmutatni – és ami talán ennél is fontosabb: a gyakorlattól magabiztosabbá válsz, ami csodálatos érzés.

szabados hunor data scientist

“[…]
Ezt követte [az állásinterjún] elég hamar a második kör, két napra rá, ez már az utolsó volt, az igazgatóval. Ez sokkal nehezebb volt mint az első kör
[…]
A nyári data kihívás, a diverzifikált portfólió elemzés, mint “hobby projekt” adta magát, hogy bedobjam, ennek eléggé nagy sikere lett. Mind az első interjún, mind a másodikon. Szóval tényleg jó hogy van az embernek hobby projektje és az is fontos szerintem hogy több területről legyen egy-egy projekt, mert az adott cég esetleg jobban értékelheti.”

Szabados Hunor László

[EXTRA] introvertáltbarát kapcsolatépítés

A Data Science Klub 5 funkciója segít abban, hogy ne csak a tudásod és a gyakorlatod, de a kapcsolati hálód is folyamatosan nőjön:

  1. „Random network”. Ha opt-inelsz, akkor havi 1x véletlenszerűen összeköt a szoftver egy másik taggal. Beszélgettek kicsit, aztán vagy „megvan a kémia”, vagy nincs.
  2. Taglista LinkedIn-adatlappal, Slack linkkel, portfólióval. Megjelenhetsz a belsős taglistánkon (ha bepipálod ezt a funkciót) és te is látod a többieket. Ha valaki szimpatikus, írj rá, és a meetupra már ismerősként érkezzetek.
  3. Slack fórum. A meetup-on ismerősként üdvözölhetsz sokakat, ha itt aktív vagy.
  4. Élő találkozók, meetup-ok. Évente többször is találkozunk egymással személyesen, Budapest belvárosában.
  5. DataShots. Egy külön funkciónk van arra, hogy klubtagok is előadhassák egy-egy mini-prezentáció keretein belül a saját projektjeiket a klubban. (És hát tudod, az előadót mindenki ismeri!)
nagy roland data scientist kep

“Kellemes csalódás volt a közösség ereje, a tudat, hogy mindig van kihez fordulni. Számomra korábban ez kevésbé tűnt fontosnak, azonban ma már hatalmas segítség, hogy bármilyen szakmai kérdésben van kihez fordulnom.”

Nagy Roland

“Másfél éve vagyok Data Science Klubtag. Karrierváltó, junior adatelemző. Itt a közösség építő ereje mellett a legfontosabb és legnagyobb érték számomra a folyamatosan bővülő elméleti és gyakorlati tudástár. A Klub nagyon nagy hangsúlyt fektet a minőségi tudás megosztására.”

Tukszárné Dudás Andi

Svastits Géza data scientist klub

“Mint sokan, én is más területről érkezem a ds világába, egy kapcsolati háló felépítését el sem tudom képzelni a klub nélkül. 

Az eltelt bő év alatt a klub maximálisan beváltotta a hozzá fűzött reményeimet. A Slackkel kicsit szkeptikus voltam (egy újabb üzenetküldő app), de megszoktam, és az új verzióval élővé is vált :-)”

Svastits Géza

“Nagyon jó volt a pénteki rendezvény, nem tűnt fel, hogy elment a három óra :-)”

Illés Andrea

“Szerintem érezhetően más volt a dinamika mint egy meetupon. Én ugye most voltam itt először, és most láttam élőben működni a közösséget. Rögtön volt pár arc akit ismertem a random networkből, ami egyből gyűrűzött is tovább azokra, akiket ők ismertek.

[…]

Nekem most állt össze, hogy milyen kis ökoszisztéma lett ide építve, és milyen sok kapcsolódási pontot raktál az emberek közé. Nem tudom, hogy te hányszor hallottad az este során, de nekem többen is mondták, hogy hú ez az első meetup ahol emberekkel beszélgetek :D Úgyhogy mindenki élményekkel, és értékes szakmai kapcsolatokkal távozott. “

DS Klubtag (kérte, hogy ne írjuk ki ide a nevét, amit tiszteletben tartunk)

Tovább a regisztrációhoz...

A Data Science Klub egy „intellektuális edzőterem” adattudósoknak -- ezért van rá havi előfizetés

Te is a lifelong learning híve vagy, igaz?

A Data Science Klubot ennek szellemében építem.

Ez nem „1 db könyv” vagy „1 db tréning”.

Itt „azt veszed meg”, hogy egy hónapban többször tanulsz, kapcsolatot építesz, portfóliót raksz össze és folyamatosan jobb adatos szakemberré válsz.

Mint a streaming-előfizetés vagy egy edzőtermi bérlet – a DS Klub azt feltételezi, hogy folyamatosan tanulsz és fejlődsz.

Neked való a klub?

Akkor fogod a legtöbb értéket kivenni a Klubból (és a legjobban érezni magad), ha ez a 2 pont igaz rád:

(1) Legalább junior szint (körüli) data science tudásod van

  • tudsz Pythonban kódolni (legalább alapszinten)
  • tudsz SQL lekérdezést írni (legalább alapszinten) 
  • van már egy-két gyakorlóprojekt a hátad mögött
  • ismered az alapfogalmakat (machine learning, prediktív analitika, felhőtechnológiák, adatelemzési technikák). Nem gond, ha ezekben nincs gyakorlati tudásod (ezt megkapod a Klubban), de jó, ha tudod, miről van szó.
  • nyitott vagy az üzleti gondolkodásra (és érdekel, hogyan lesz az adatból profit)

Ha elvégezted a Junior Data Scientist Akadémiát (vagy egy hasonló tudást adó bootcamp-et), esetleg munkából vagy hobbiprojektekből hozol magaddal tapasztalatot, akkor ez PIPA.

(2) Szeretnél folyamatosan tanulni

A data science nehéz, de megtanulható és izgalmas terület. 

Mindent meg tudunk tanítani (én, más mentorok, más képzések), de a kíváncsiság, a tudásszomj és a hozzáállás szerintem nem tanítható.

Ha minden hónapban szeretnél legalább egy kicsit foglalkozni a data science-szel, akkor ez is PIPA.

Felső határ nincs: a data science legjobbjai pont azért a legjobbak, mert 10+ év tapasztalattal is kíváncsiak és tanulnak.

Hogyan csatlakozz a Data Science Klubhoz...

...és férj hozzá ehhez az előadáshoz: "Adattisztítási példák valós projektekből" -- plusz további 50+ extrém gyakorlatias adatos oktató anyaghoz.

Csatlakozás: Évente párszor egy-egy hétre nyitjuk meg a csatlakozási lehetőséget a data science klubba. Ha jelenleg nem vagy tag, akkor iratkozz fel a Data36 hírlevélre, hogy értesülj a következő ilyen kampányidőszakról: https://data36.hu

Lemondás: Akármikor. Ha úgy döntesz, hogy nem akarsz többé feliratkozó/tag lenni, csak belépsz a fiókodba és egy kattintással azonnal megszüntetheted a tagságodat. (Ha nem megy, írj egy email-t a tomi [kukac] data36 [pont] com-ra és segítek!)

Tagdíj: 9.990 Ft / hó

Pro tipp: Ha tudod, érdemes lehet a munkáltatódnál/cégednél rákérdezni és megpróbálni képzési keretből elszámoltatni a tagdíjat.

100%-os garanciával védem az elégedettséged!

A tagdíj 9990 Ft havonta (az ÁFA-t már tartalmazza), de az első hónapban elég, ha egy „talánt” mondasz a Klubra. Ha úgy látod, a Klub „nem talált el téged” bármilyen okból, szólj nekem és visszakapod a teljes tagdíjadat.

Te csak nyerni tudsz: vagy tetszik a Klub, vagy ingyen volt a próba.

Az ajándékok mindegyike akkor is a tied marad, ha lemondod a tagságot.

Itt regisztrálj a Data Science Klubba

Lezártuk a jelentkezést. Most egy darabig nem tudsz csatlakozni a DS klubhoz, de ha elsőként szeretnél hallani arról, hogy mikor nyitunk újra, akkor iratkozz fel a Data36 Data Science hírlevélre itt: https://data36.hu

Gyakori kérdések

Ha regisztrálok, csak a “Adattisztítási példák valós projektekből” című anyaghoz férek majd hozzá?
Nem! Természetesen az egész Data Science Klubhoz tagságot kapsz. Tehát elérsz 50+ gyakorlatias adatos oktató anyagot hazánk legjobb senior szakembereitől. Továbbá hozzáférést kapsz a portfólióépítő projektekhez és az összes kapcsolatépítő funkcióhoz is.

Problémám akadt a fizetés/regisztráció/lemondás alatt… Kinek írjak?

A tomimester@data36.com email címre írj, és segítek! (Biztos-ami-biztos alapon CC-zheted a tomi [kukac] data36 [pont] com email címet is.)

Fizetheti a munkaadóm is a tagdíjat céges képzési keretből?

Naná! Tök jó ötlet! Amennyiben a céged tud bankkártyával fizetni, ennek semmi technikai akadálya nincs — a számlát automatikusan fogod kapni email-ben, ami teljesen céges-könyvelés-kompatibilis és mivel Kft. állítja ki, akár az ÁFÁ-t is le tudja írni a céged.

Mikor lehet csatlakozni?

Évente párszor egy-egy hétre nyitjuk meg a csatlakozási lehetőséget a data science klubba. Ha jelenleg nem vagy tag, akkor iratkozz fel a Data36 hírlevélre, hogy értesülj a következő ilyen kampányidőszakról: https://data36.hu

Még semmit nem tudok a data science-ről… Nekem is érdemes csatlakoznom?

Igen!

Eredetileg gyakorló data scientist-eknek szántuk a klubot, de a nagy érdeklődés az idő során ez átalakult. Most már nagy hangsúlyt fektetünk arra, hogy teljesen kezdőknek szóló anyagok is kerüljenek fel!

Kapok számlát?

Igen. A magyar törvények szerint mindenki kap számlát minden fizetése után, havi rendszerességgel. A számlát az Adattenger Kft. állítja ki automatikusan.

Külföldi cégként szeretnék regisztrálni? Mi a helyzet az ÁFA-val?

Külföldi cégként is regisztrálhatsz. Ebben az esetben kérlek küldj egy email-t nekem — mert itt az EU-s ÁFA-törvény kompatibilitás miatt egy másik felületen kell majd regisztrálnod.

Mi van, ha nem tetszenek a Data Science Klubban található anyagok?

A Data Science Klub egy kiemelt projektem és rengeteg dolgozok azon, hogy sok értéket adjon a résztvevőknek. 100%-ig hiszek benne, hogy hasznos és szükség van rá, de ezzel együtt tudom, hogy nem biztos, hogy mindenkinek ez a megfelelő formátum a tanulásra. Éppen ezért teljes garanciát vállalok rá. Ha feliratkozol és nem vagy elégedett, csak írj egy e-mail-t, írd le, hogy mi nem tetszett és a visszatérítem a havidíjadat!

Hogyan tudom lemondani az előfizetésemet?

Hogy ebből véletlen se legyen probléma, csináltam egy lépésről-lépésre útmutatót arról, hogy hogyan tudod lemondani az előfizetésedet/tagságodat. Íme: https://dataklub.hu/lemondas – ha még ezután is problémába futsz, írj egy email-t nekem a tomimester@data36.com-ra, és segítek! (Biztos-ami-biztos alapon CC-zheted a tomi [kukac] data36 [pont] com email címet is.)

Vissza a regisztrációhoz...