Data science és AI képzések magyarul

Utolsó frissítés: 2026. szeptember

Magyarul ma négy úton lehet data science-t tanulni: egyetemi diplomás képzésen, néhány hónapos nyílt tanfolyamon, teljesen önállóan online anyagokból, vagy céges belső képzésen. Ez a lista azt gyűjti össze, mi érhető el valóban magyar nyelven, mennyi ideig tart és mennyibe kerül.

Azért írtuk meg, mert a Dmlab közel húsz éve oktat ezen a területen, és évek óta kapjuk a kérdést, hol érdemes elkezdeni. A saját nyílt képzésünk a Dataskool data science képzés, de ez a poszt nem arról szól: a piac többi szereplője is benne van, mert a jó döntéshez az egész kínálatot látni kell.

Két dolgot érdemes előre tudni. Az árak és az óraszámok a 2026. szeptemberi állapotot tükrözik, indulási dátumot szándékosan nem írtunk, mert az gyorsan elavul, tehát a konkrét időpontot mindig a szolgáltató oldalán nézd meg. A listák magyar nyelvű képzéseket gyűjtenek, de a diplomás képzések végén külön blokkban szerepelnek a magyar egyetemek angol nyelvű adatos és AI programjai is, mert ezek között van néhány, ami másképp nem érhető el. Az online önálló tanuláshoz ajánlott anyagok között is sok az angol nyelvű, ott ezt jelöljük.

Melyik útvonal a tied?

Egy dolgot mindegyik útvonalra érdemes előre tudni: a data science munka nem a modellezésnél kezdődik. A projektek nagy része leíró elemzés és összefüggés-feltárás, és csak egy részük jut el az előrejelzésig, ahogy a data science projektek négy típusa mutatja. Aki csak modelleket tanul, a munka kisebb felére készül fel.

A saját képzéseink

Dataskool data science képzés. Élő online, magyar nyelvű képzés, tizenkét alkalom hat hét alatt, összesen huszonnégy óra. Python alapokon, valós adatokon és valós üzleti problémákon. A tananyag tizenkét témakört fed le az adatelemzés alapjaitól a gépi tanuláson és a klaszterezésen át az értelmezhető AI-ig. A következő indulásról a dataskool.hu oldalon lehet feliratkozni az értesítési listára.

Cégre szabott képzés. Ha egy csapatot kell képezni, más a helyzet: ott a saját adataikon és a saját problémáikon tanulnak a kollégák, és a képzés végén nem egy tanúsítvány a legfontosabb eredmény, hanem egy elindult belső projekt. Erről a cégre szabott képzés oldalon van több információ.

Egyetemi és diplomás képzések magyar nyelven

Az elmúlt években itt történt a legnagyobb változás: öt éve még alig volt magyar nyelvű, kifejezetten adattudományi mesterszak, ma több egyetemen indul.

Adattudomány mesterszak

A Semmelweis képzése akkor érdekes, ha egészségügyi területen dolgozol, az ELTE survey szakja pedig akkor, ha a kérdőíves és társadalomtudományi adatok világából jössz.

Mesterséges intelligencia informatikus mesterszak

Ez a szak 2021 után jelent meg, és mára több helyen is indul magyarul.

A BME, a PPKE, a Szegedi Tudományegyetem és az ELTE is indít MI informatikus mesterszakot, de angol nyelven; ezek a lista végén, az angol nyelvű programok között szerepelnek.

Ami a Műegyetemen elérhető magyarul

A BME mérnökinformatikus mesterképzésén az adatos irány ma Adattudomány és mesterséges intelligencia főspecializáció néven fut. Ez a korábbi Adat- és médiainformatika mellékspecializáció helyére lépett, tehát ha valaki a régi nevet keresi, ezt találja meg helyette. A BME gazdaságinformatikus mesterképzése szintén elérhető magyarul, négy félév, 600 000 Ft félévenkénti önköltséggel, a Vállalatirányítási informatika specializáción (a Gazdasági elemző informatika specializáció angol nyelvű).

Ehhez a képzéshez személyes közünk is van. A Dmlab oktatói húsz éven át tanítottak a Műegyetemen adatelemzési tárgyakat, többek között Adatelemzési platformok és Alkalmazott adatelemzés néven. Ezeket ma már nem mi tartjuk, a csapatunk szakmai gyökere viszont innen származik, és az, ahogyan ma projektet építünk, sokat köszönhet ennek a két évtizednek.

Szakirányú továbbképzés és szakmérnöki képzés

Ez a legpraktikusabb útvonal annak, akinek már van diplomája és mellette dolgozik: két vagy három félév, jellemzően levelező munkarendben.

A BME kognitív és viselkedéses adattudomány képzése a cikk írásakor még nem indult el, keresztféléves kezdéssel tervezik, tehát ott érdemes külön rákérdezni.

Alapképzés

Ha még a diploma előtt vagy, két magyar nyelvű irány kínálkozik adatelemzés felé: a Miskolci Egyetem közgazdasági adatelemzés alapszakja (hat félév, nappali és levelező munkarendben is), valamint a gazdaságinformatikus és mérnökinformatikus alapképzések adatelemzési és mesterséges intelligencia specializációi, például a Pécsi Tudományegyetem Közgazdaságtudományi Karán és a Neumann János Egyetem GAMF Karán.

Angol nyelvű programok magyar egyetemeken

Ezek nem magyar nyelvűek, mégis érdemes tudni róluk: néhány irány csak így érhető el, és a nemzetközi karriert tervezőknek gyakran ez a jobb választás. Angol nyelvvizsga jellemzően bemeneti követelmény.

Két megjegyzés. Az ELTE matematikai hangsúlyú programja azoknak szól, akik a valószínűségszámítás, a lineáris algebra és az optimalizálás oldaláról közelítenek, nem az alkalmazás oldaláról. Az IBS képzése pedig a munka melletti tanulásra épül, mert az órák a hétköznap délutáni sávban vannak.

Nyílt tanfolyamok magyarul

Itt nem diploma a cél, hanem használható tudás néhány hét vagy hónap alatt.

Data science és adatelemzés

A KÜRT Akadémia data science képzését évekkel ezelőtt a Dmlab indította el, ma viszont már nem mi tartjuk, a program a KÜRT saját oktatóival fut.

A Data36 Junior Data Scientist Akadémiája, ami korábban a legismertebb magyar nyelvű belépő volt, megszűnt. Mester Tomi helyette Data Science Klub néven működtet előfizetéses formát (dataklub.hu), havi élő előadásokkal, körülbelül 10 000 Ft havi díjért. A jelentkezés csak évente néhányszor nyílik meg.

Power BI és üzleti intelligencia

Ebből a legnagyobb a magyar kínálat, mert a legtöbb cégnél ez az első adatos lépés. Egynapos alapozó tanfolyamot 85 000 és 120 000 Ft között tart a Training360, a Számalk, a Masterfield és az IQSOFT, a KÜRT Akadémia pedig négy alkalmas, 16 órás adatvizualizáció és Power BI képzést kínál 360 000 Ft + áfáért. Mélyebb, fejlesztői szintre a BI Consulting Data Masterclass sorozata megy (ide került a korábbi BI Akadémia online kínálata), a Laba pedig tízalkalmas, élő online Power BI kurzust futtat. Saját tempójú, olcsó belépőt a Webuni ad, alig 30 000 Ft-ért.

Ha a cél nem a riportkészítés, hanem az elemzés, akkor a Power BI önmagában nem lesz elég, de jó belépő: a legtöbb ember itt találkozik először azzal, hogy egy adathalmaz milyen kérdésekre nem tud válaszolni.

AI képzések magyarul

Ez a blokk öt éve még nem létezett volna. Ma viszont annyi AI-képzés van, hogy inkább a válogatás a nehéz, egy kivétellel: ingyenes, magyar nyelvű alapkurzusból továbbra is alig van.

Ingyenes és térítésmentes lehetőségek

A legjelentősebb ingyenes magyar nyelvű alapkurzus a MI Jövünk! (Gábor Dénes Egyetem Mesterséges Intelligencia Tanszéke és az STRT Holding), ami körülbelül háromórás, online, saját tempójú, és mikrotanúsítványt is ad. Van folytatása is, a mesterséges intelligencia az irodában témában.

A BME és az ELTE AI EDIH térítésmentes képzéseket kínál, például nagy nyelvi modellek testreszabása, deep learning alapok, prompt engineering, valamint MI jogi és etikai témában. Ezek viszont nem nyílt kurzusok: kkv-k és közintézmények munkatársai vehetik igénybe, de minimis támogatás keretében.

A Microsoft Learn magyar nyelvű tanulási útvonalakat ad az Azure AI-eszközeihez, ingyenesen, bár a felület gépi fordítású. A Google.org támogatásával futó Skool négyalkalmas ingyenes magyar AI-képzése is valódi lehetőség, ott viszont rendszeresen betelnek a csoportok.

Érdemes megemlíteni, ami nincs: a nemzetközileg legismertebb ingyenes AI alapkurzusnak, az Elements of AI-nak nincs magyar változata. Huszonöt fölötti nyelven elérhető, köztük szlovákul, szlovénül, horvátul, románul, csehül és lengyelül, magyarul viszont nem. Aki tud angolul, annak ez továbbra is a legjobb ingyenes belépő.

Generatív AI és promptolás

Itt túlkínálat van: tíznél több szolgáltató kínál lényegében hasonló, négy és tizenhat óra közötti ChatGPT, Copilot vagy promptolás workshopot. Az áras szolgáltatóknál egy négyórás workshop 19 500 és 125 000 Ft között, egy nyolcórás 69 500 és 159 000 Ft között, egy tizenhat órás 104 500 és 199 500 Ft között van. A prémium pozíciójú szereplők (robot_dreams, Laba, Stylers Academy, részben a KÜRT) nem tesznek ki árat.

A kínálat gerince: a Masterfield tucatnyi AI-kurzussal a legszélesebb (promptolás, Claude és ChatGPT gyakorlat, egyedi GPT-k, AI ügynökök, no-code automatizálás), a Training360 generatív AI alapkurzust tart, a Cubix hathetes, mentorált generatív AI és prompt engineering képzést, a Számalk pedig szerepkörre szabott rövid kurzusokat (HR, értékesítés, projektmenedzsment). A PwC's Academy promptolás mesterkurzust kínál, a KÜRT Akadémia pedig egy négyórás AI Jogosítvány e-learninget.

AI vezetőknek és döntéshozóknak

AI fejlesztőknek: LLM, RAG, ügynökök

Ez a legszűkebb, de szakmailag legmélyebb kör. Érdemi magyar nyelvű tananyag gyakorlatilag két helyen van.

A Masterfield összefüggő sorozatot épített: LLM-alapú fejlesztés és prompt engineering (24 óra), LLM és RAG rendszerek vektor adatbázisokkal (16 óra), haladó RAG-optimalizáció, valamint AI-eszközök a szoftverfejlesztési folyamatban. Az árak 149 500 és 199 500 Ft + áfa között vannak, a RAG-os kurzusoknál Python-alapok az előfeltétel.

A Cubix nyolchetes AI Engineering képzést tart LLM API-kkal és RAG-gal, 290 000 Ft-ért, és tízhetes ML Engineering képzést gépi tanulási modellek fejlesztéséről, 390 000 Ft-ért. Emellett a robot_dreams AI-ágensfejlesztési kurzusa (haladó TypeScript vagy JavaScript előfeltétellel), a Codecool AI Native Developer képzése tapasztalt fejlesztőknek, a Training360 open source és lokális AI napja, valamint a KÜRT Akadémia 84 órás AI Technológia programja jön szóba.

A leghosszabb és szakmailag legmélyebb magyar nyelvű program ebben a körben a KÜRT Akadémia AI Technológia képzése: tíz plusz egy alkalom, összesen 84 óra, péntekenként, jelenléti formában, Szabados Levente vezetésével, 1 490 000 Ft + áfáért. Ez nem promptolási workshop, hanem klasszikus gépi tanulási és deep learning tananyag négy modulban. Az első a gépi tanulás alapjait veszi végig a klaszterezéstől és az outlier-detektálástól az osztályozáson, a regresszión és az idősorelemzésen át a dimenziócsökkentésig és az ensemble módszerekig. A második a neurális hálókról szól, a perceptrontól a backpropagationön és a regularizáción át az optimalizálásig. A harmadik a népszerű architektúrákat veszi sorra, konvolúciós és rekurrens hálókat, valamint a természetesnyelv-feldolgozást, a negyedik pedig az aktuális trendeket. A vizsga egyéni projektmunka bemutatása, tehát nem elég végigülni.

Előfeltétel az alapszintű Python és adatmodellezési tudás, és a képzés IT szakembereknek és fejlesztőknek szól, elsősorban olyan cégeknél, ahol sok adat termelődik. Ez a program pont azt a réteget adja meg, amit a rövid LLM-es kurzusok kihagynak: aki nyelvi modellekre épülő rendszert üzemeltet, annak előbb-utóbb meg kell tudnia mondani, miért viselkedik a rendszer úgy, ahogy, és ehhez a modellek alatti szint ismerete kell.

Online anyagok, amiket a csapatunk ajánl

Online kurzusból, videóból és könyvből nagyságrendekkel több van, mint amennyit egy ilyen lista értelmesen fel tudna sorolni, és a teljességre törekvés itt csak zajt szülne. Ezért nem is próbálkozunk vele: az alábbiak azok az anyagok, amikre a saját csapatunkon belül érkezett ajánlás, tehát valaki nálunk végigcsinálta és jónak találta. Szemezgetés, nem katalógus.

Az ajánlások a korábbi, online képzésekről szóló posztunkból kerültek ide, de minden tételt újra megnéztünk, és ahol az anyag azóta elavult vagy megszűnt, ott odaírtuk, mi van helyette. Nagyrészt angol nyelvű anyagokról van szó, ezért külön jelöljük, ami magyarul is megy.

Programozás alapok

Al Sweigart: Automate the Boring Stuff with Python. Feri szerint ez az abszolút első számú könyv kezdőknek, és a vélemény azóta sem változott. Online ingyen olvasható, 2025 áprilisában megjelent a harmadik kiadás, és az első tizenöt kurzusvideó a YouTube-on szabadon elérhető. Angol.

Magyarul, ingyen: a MEK-ben elérhető Swinnen-könyv (Tanuljunk meg programozni Python nyelven) sokáig a legjobb magyar belépő volt, de Python 2-re épül, ezért ma már félrevezető. Helyette a Hogyan gondolkozz úgy, mint egy informatikus magyar fordítása használható, ami Python 3-ra készült, és szintén ingyenes.

Haladóknak. A Fluent Pythonnak 2022-ben megjelent a második kiadása, ez ma a legjobb választás. A Python Cookbook harmadik kiadása 2013-as, tehát inkább referenciaként érdemes hozzá nyúlni. Feri Udemy-ajánlása, Dmitri Nesteruk Design Patterns in Python kurzusa még elérhető, de 2020 óta nem frissült, ugyanerre a témára ma a refactoring.guru könyve a jobb.

Data science és gépi tanulás

Josh Starmer: StatQuest. Változatlanul a legjobb ingyenes belépő a statisztikába és a gépi tanulásba, barátságos, rövid videókkal. A csatorna azóta a transformereket, az attention mechanizmust és az RLHF-et is végigvette, 2025-ben pedig könyv is megjelent hozzá. Angol, ingyenes.

Jose Portilla: Python for Data Science and Machine Learning Bootcamp. Noémi és mások is ezt ajánlották, mert nagyon gyakorlatias. Fontos viszont tudni, hogy 2020 óta nem frissítették, tehát az alapok jók, az eszközök viszont régiek. Ha valaki ma egy naprakész, hasonlóan gyakorlatias kurzust keres, a Lazy Programmer (szintén a régi ajánlásaink egyike) idén frissített TensorFlow-kurzusa jobb választás. Angol.

fast.ai: Practical Deep Learning for Coders. A régi listában Nando de Freitas oxfordi előadásai szerepeltek, de azok 2014-2015-esek. Mély tanuláshoz ma a fast.ai ingyenes kurzusa a jó belépő, modern eszközökkel. Angol.

SQL. Nóri ajánlása, a Data36 SQL for Aspiring Data Scientists kurzusa ma is fut, PostgreSQL-lel és negyvennél több feladattal, 97 dolláros egyszeri díjért. Angol nyelvű, magyar oktatótól.

DataCamp. Noémi véleménye annak idején kettős volt: a Python-kurzusokat lassúnak és felaprózottnak találta, a Power BI és a seaborn kurzust viszont hasznosnak, mert virtuális környezetben lehet gyakorolni. Mindkettő ma is elérhető, a platform prémium előfizetése havi 28 dollár éves fizetéssel, az ingyenes szinten pedig minden kurzus első fejezete megnyitható.

Matematika

3Blue1Brown. Grant Sanderson csatornája továbbra is aktív, és változatlanul elképesztő könnyedséggel magyaráz. A lineáris algebra, a calculus és a neurális hálók sorozat mind megvan, és ha valaki csak egyetlen dolgot néz meg ebből a listából, az ez legyen. Angol, ingyenes.

Brilliant.org. Feri ajánlása volt valószínűségszámításra, lineáris algebrára és computer science témákra. Ma is fut, van benne adatelemzési blokk (adatvizualizáció, valószínűség, klaszterezés, regresszió) és neurális hálós bevezető is. Előfizetéses, angol.

Nagy nyelvi modellek mint tanulóeszköz

Ez a lehetőség pár évvel ezelőtt még nem létezett, ma viszont érdemes tudatosan használni. Egy nyelvi modell kiváló magyarázó: bármikor újrakérdezhető, türelmes, kibont egy fogalmat akárhányszor, kódot magyaráz soronként, és nem kell hozzá időpontot egyeztetni.

Három korlátja van, és mindhárom megkerülhető.

Nem tudja, mit nem tudsz. Egy nyelvi modell arra válaszol, amit kérdezel, tehát csak abban a körben mozogsz, amit már ismersz. Éppen ezért érdemes egy képzés tematikáját kiindulópontnak használni, akkor is, ha nem jelentkezel be rá: egy tanterv vagy egy kurzusleírás megmutatja, milyen témák tartoznak a szakmához, és milyen sorrendben épülnek egymásra. A saját képzésünk tizenkét témaköre, egy adattudomány mesterszak tanterve vagy akár egy nyílt tanfolyam moduljainak listája mind jó térkép ehhez. A modelltől aztán témakörönként kérhetsz magyarázatot, és azt is, hogy jelezze, ha egy fogalom megértéséhez előbb mást kell tudni.

A kód, amit ő ír, nem a te tudásod. Ez a legnagyobb csapda. Ha a modell megoldja a feladatot, a megértés élménye megvan, a készség nincs. Ezért a gyakorlati feladatok megoldása nem kiváltható. Néhány dolog, ami működik: kérj feladatot megoldás helyett, és csak akkor kérj segítséget, ha elakadtál; kérd meg, hogy kérdezzen vissza, és javítsa, amit elmagyaráztál neki; kérd, hogy a saját kódodat kritizálja, ne írja újra; és dolgozz valódi, zajos adaton, ne tankönyvi adathalmazon.

A szakmai tudás nagy része nem technikai. A data science munkában a modellezés a kisebb rész. A nagyobb rész az, hogy a megrendelővel együtt megfogalmazod, mi is a valódi kérdés; eldöntöd, hogy a rendelkezésre álló adat egyáltalán alkalmas-e rá; megítéled, mikor elég jó egy eredmény ahhoz, hogy döntést lehessen rá alapozni; és elmagyarázod annak, aki dönt. Ehhez tartozik az is, hogy az eredményt értelmezhetően kell tudni bemutatni, ami átvezet a magyarázható mesterséges intelligencia kérdéseihez.

Ez a tudás visszacsatolásból épül, valódi tét mellett. Egy nyelvi modell el tud játszani egy megrendelőt, és ez jobb, mint a semmi, de nem fog rád szólni, hogy rossz kérdést tettél fel, mert nincs semmi, ami elbukhat. Ezért érdemes gyakorlati feladatokkal, saját projekttel vagy olyan képzéssel dolgozni, ahol valós adatokon és valós üzleti problémán keresztül tanulsz, és valaki visszajelzést ad arra, amit csináltál.

Gyakori kérdések

Lehet magyarul data science-t tanulni? Igen. Ma több egyetemen indul magyar nyelvű adattudomány vagy mesterséges intelligencia informatikus mesterszak, több szakirányú továbbképzés fut, és tucatnyi nyílt tanfolyam választható. Az önálló online tanuláshoz viszont az angol nyelvű anyagok adják a legtöbbet.

Mennyibe kerül egy data science képzés Magyarországon? A nyílt tanfolyamok 290 000 és 950 000 Ft között vannak, a hosszuk 24 és 300 óra között. Az egyetemi mesterszakok önköltsége félévenként 500 000 és 800 000 Ft körül alakul, a szakirányú továbbképzések 400 000 és 1 000 000 Ft között félévenként. Az ingyenes online anyagokkal 0 Ft-tal is lehet kezdeni.

Kell matematika a data science-hez? Kell, de nem annyi, amennyitől a legtöbben tartanak. A napi munkához a leíró statisztika, a valószínűségszámítás alapjai és a lineáris algebra szemlélete elég, a mélyebb elmélet akkor jön be, ha modelleket fejlesztesz, nem ha alkalmazol. A 3Blue1Brown sorozatai és a Brilliant kurzusai pontosan erre a szintre jók.

Elég egy tanfolyam ahhoz, hogy adatelemzőként elhelyezkedjek? Önmagában általában nem. A tanfolyam megadja az eszközöket és a szókincset, de a felvételinél jellemzően azt kérdezik, min dolgoztál. Ezért érdemes a képzés alatt vagy után legalább egy saját projektet végigvinni valódi adaton, és leírni, mit kérdeztél, mit találtál és mi lett a döntés.

Mesterséges intelligenciát tanulni ugyanaz, mint data science-t? Nagy az átfedés, de nem ugyanaz. A data science az üzleti kérdésből indul, és az adaton keresztül jut válaszhoz. Az AI-képzések nagy része ma az eszközhasználatról szól, tehát arról, hogyan használd hatékonyan a nyelvi modelleket. Mindkettő hasznos, de ha a cél az adatokból származó üzleti érték, a data science alapok nem hagyhatók ki.

A Dmlabnál dolgozni milyen tudást igényel? A nyitott pozíciók elvárásai a nyitott pozícióink oldalon vannak. Általában igaz, hogy a technológiai tudás mellett legalább annyit számít az, hogy valaki képes-e egy üzleti problémát adatos kérdéssé fordítani.