Yahoo Search Búsqueda en la Web

Resultado de búsqueda

  1. Planet Budapest Corvinus Étlap. Melegétkezési lehetőséggel bővült a C épület büféjének kínálata. A szolgáltatás minden hétköznap 11:45 – 14:00 között vehető igénybe. Az étel elvitelre és helyben fogyasztásra is kérhető, utóbbihoz plusz asztalokat is elhelyeztek a büfé előtt. A napi kínálat levest, háromféle ...

  2. Head of Institute. Dr. Váradi Kata kata.varadi@uni-corvinus.hu Rektori Szervezet / Pénzügy Intézet / Vállalati Pénzügyek. Intézetvezető, Egyetemi docens / Head of Institute, Associate Professor. E épület, 279. Phone: +36 1 482 5156 • Ext: 5156.

  3. Vice-Rector for Educational Affairs. Dr. Vas Réka Franciska reka.vas@uni-corvinus.hu Rektori Szervezet / Oktatási rektorhelyettes – Oktatásmenedzsment. Egyetemi docens / Associate Professor. E épület, 209. Phone: +36 1 482 5440 • Ext: 5440. CV.

  4. Az Informatikai Szolgáltató Központ (ISZK) fő feladata az egyetem informatikai szolgáltatásainak ellátása.Fontosabb szolgáltatásaink közé tartozik az egyetemi levelezés, WiFi, VPN, a központi adminisztrációs rendszer (Cusman), informatikai biztonság nyújtása. Kérdése, problémája van? Forduljon hozzánk bizalommal e-mailben vagy személyesen a Sóház fszt. 15-ben ...

  5. Course structure at Corvinus Based on the type of sessions there are four different „types” of courses: 1. Some courses have theoretical and practical sessions:If you see both theoretical (E) and practical session (s) (G), available in Neptun you have to select (put a tick for) both the theoretical course (only one per course!) AND for.

  6. Programme name: Communication and Media Science. Programme award: Bachelor, BA. ECTS: 180. Duration: 6 semesters (3 years) Teaching hours: approx. 12 -16 hours/week. Includes internship: Compulsory (80 hours) Start date: September 2024. Tuition fees (EEA): 800 000 HUF per semester.

  7. Year 3. 1. Data science in supply chain management, Corporate finance, Data analysis of financial markets (project subject), Decision techniques. 2. Statistical methods of time series analysis, Panel modeling. 3. Big data architecture, Machine learning in Practice, Text mining, 4. Data warehouses and business analytics.