Προγραμματιστικά Εργαλεία και Τεχνολογίες για Επιστήμη Δεδομένων
|
|
- Άλκηστις Μεσσηνέζης
- 5 χρόνια πριν
- Προβολές:
Transcript
1 Προγραμματιστικά Εργαλεία και Τεχνολογίες για Επιστήμη Δεδομένων Παράδοση 31/1/2019, Νίκος Παπασπύρου. SciPy Το SciPy είναι ένα open-source οικοσύστημα της Python για μαθηματικά, επιστημονικούς υπολογισμούς και τους κλάδους των μηχανικών. Μερικά από τα συστατικά που το αποτελούν είναι τα εξής: NumPy, αποδοτικοί μαθηματικοί υπολογισμοί σε N-διάστατους χώρους. Το καλύψαμε λίγο στην προηγούμενη παράδοση. Βιβλιοθήκη SciPy, βασική βιβλιοθήκη επιστημονικών υπολογισμών. Με αυτό θα ασχοληθούμε λίγο τώρα. Matplotlib, βιβλιοθήκη για διδιάστατη απεικόνιση. Με αυτό θα ασχοληθούμε λίγο στη σημερινή παράδοση. IPython, μια εύχρηστη διαδραστική κονσόλα για την Python. Sympy, βιβλιοθήκη συμβολικών μαθηματικών υπολογισμών. pandas, βιβλιοθήκη δομών δεδομένων και ανάλυσης δεδομένων. Με αυτό θα ασχοληθούμε στη σημερινή παράδοση. Απλή επεξεργασία εικόνων με το SciPy 1. Στη συνέχεια θα δούμε λίγα παραδείγματα επεξεργασίας εικόνων με χρήση της βιβλιοθήκης SciPy. Θα χρησιμοποιήσουμε τη βιβλιοθήκη imageio για το διάβασμα και την αποθήκευση των εικόνων. >>> import imageio >>> cat = imageio.imread(' Η συνάρτηση imread διαβάζει ένα αρχείο εικόνας, που όπως βλέπετε μπορεί να δίνεται τοπικά ή σε κάποιο URL. Ο τύπος του αντικειμένου cat μοιάζει με τον τύπο των arrays του NumPy. >>> type(cat) <class 'imageio.core.util.array'> >>> print(cat.dtype) uint8 >>> print(cat.shape) (400, 248, 3) >>> print(cat) [[[ ]... [ ]] [[ ]... [ ]]... [[ ]... [ ]]] Ο πίνακας για μία έγχρωμη εικόνα έχει τρεις διαστάσεις. Οι δύο είναι χωρικές ενώ η τρίτη αντιστοιχεί στα τρία συστατικά χρώματος (RGB red, green, blue) που συνθέτουν το χρώμα του αντίστοιχου pixel. (Βλ. Σχήμα 1.) 2. Έστω ότι θέλουμε να μικρύνουμε την εικόνα cat και να φτιάξουμε ένα thumbnail του οποίου η μεγαλύτερη διάσταση να είναι 60 pixels. Ξεκινάμε γράφοντας μία συνάρτηση που επιστρέφει μία τριάδα zoom factors : συντελεστών με τους οποίους θα πολλαπλασιάσουμε τις διαστάσεις της αρχικής εικόνας ώστε να γίνουν ίσες με αυτές που θέλουμε. Φροντίζουμε να έχουμε τον ίδιο συντελεστή για τις δύο χωρικές διαστάσεις, ώστε να μην παραμορφωθεί η εικόνα, και να μην αλλοιώσουμε την τρίτη διάσταση (το χρώμα): >>> def zoom_factors(img, m=60):... x, y, _ = img.shape... z = m / max(x, y)... return (z, z, 1)... >>> zoom_factors(cat) (0.15, 0.15, 1) 1
2 Σχήμα 1: Η αρχική εικόνα cat.jpg. Στη συνέχεια, χρησιμοποιούμε τη συνάρτηση zoom του πακέτου scipy.ndimage για να μικρύνουμε την εικόνα: >>> import scipy.ndimage >>> cat_thumb = scipy.ndimage.zoom(cat, zoom_factors(cat)) >>> cat_thumb.shape (60, 37, 3) Βλέπουμε ότι η εικόνα που προέκυψε είναι όντως έχει την ίδια αναλογία με την αρχική και η μεγαλύτερη διάσταση είναι 60 pixels (όσο η default παράμετρος της zoom_factors). Τώρα μπορούμε να αποθηκεύσουμε τη νέα εικόνα και μάλιστα σε δύο αρχεία με διαφορετικό format, ανάλογα με την κατάληξη του αρχείου: >>> imageio.imwrite('cat-thumbnail.jpg', cat_thumb) >>> imageio.imwrite('cat-thumbnail.png', cat_thumb) Το αποτέλεσμα φαίνεται στο Σχήμα 2. (Ίσως προσέξετε ότι το αποτέλεσμα δεν είναι καλό, μάλλον λόγω κακής λειτουργίας της συνάρτησης ndimage.zoom.) Σχήμα 2: Το thumbnail cat-thumbnail.png. 3. Απλή επεξεργασία χρωμάτων. Με χρήση του πολλαπλασιασμού με το διάνυσμα [0.5, 1, 0.75] (και του broadcasting του NumPy), μετασχηματίζουμε τις χρωματικές συντεταγμένες της αρχικής εικόνας πολλαπλασιάζοντας το κόκκινο και το μπλε αντίστοιχα με 0.5 και >>> cat_funny = cat * [0.5, 1, 0.75] >>> imageio.imwrite('funny.png', cat_funny) WARNING:root:Lossy conversion from float64 to uint8. Range [1.5, 255.0]. Convert image to uint8 prior to saving to suppress this warning. Βλέπουμε όμως ότι κατά την αποθήκευση του αρχείου, το πακέτο imageio διαμαρτύρεται. Παρατηρούμε ότι ο τύπος δεδομένων της εικόνας έχει αλλάξει από uint8 σε float64 >>> print(cat_funny.dtype) float64 Αυτό συμβαίνει γιατί ο πολλαπλασιασμός πινάκων στο NumPy προκαλεί τη μετατροπή του τύπου δεδομένων. Για να το διορθώσουμε, μπορούμε να μετατρέψουμε την εικόνα πάλι σε τύπο δεδομένων uint8: >>> import numpy as np 2
3 >>> cat_funny = np.uint8(cat_funny) >>> imageio.imwrite('funny.png', cat_funny) Τώρα το αποτέλεσμα είναι αυτό του Σχήματος 3. Σχήμα 3: Με αλλαγμένα τα χρώματα funny.png. 4. Εξίσου εύκολα μπορούμε να δημιουργήσουμε το αρνητικό της εικόνας, αφαιρώντας από το 255 κάθε τιμή χρώματος (πάλι με broadcasting): >>> cat_funnier = cat_funny >>> imageio.imwrite('funnier.png', np.uint8(cat_funnier)) Το αρνητικό είναι αυτό του Σχήματος 4. Σχήμα 4: Με αλλαγμένα τα χρώματα funnier.png. 5. Τώρα θα προσπαθήσουμε να φτιάξουμε μία εικόνα από το μηδέν. Για αλλαγή, θα χρησιμοποιήσουμε πραγματικούς αριθμούς για τα συστατικά των χρωμάτων (0=μαύρο, 1=άσπρο). Ξεκινάμε με μία κενή εικόνα με μηδενικά (δηλαδή μαύρη) και στη συνέχεια γεμίζουμε με άσσους (δηλαδή άσπρο) ένα μικρότερο τετράγωνο στο κέντρο της: 3
4 >>> square = np.zeros((256, 256, 3)) >>> square[64:-64, 64:-64] = 1 >>> print(square.dtype) float64 >>> print(type(square)) <class 'numpy.ndarray'> Βλέπουμε όμως ότι ο τύπος αυτής της εικόνας δεν είναι imageio.core.util.array όπως ήταν πριν η cat, αλλά ένας πίνακας του NumPy. Αυτό είναι λογικό, αφού χρησιμοποιήσαμε την np.zeros για να τη φτιάξουμε. Δε θα είναι πρόβλημα: η συνάρτηση imageio.imwrite δουλεύει σωστά και με πίνακες του NumPy. >>> imageio.imwrite('square.png', np.uint8(square*255)) Το αποτέλεσμα είναι στο Σχήμα 5. Προσέξτε ότι χρειάστηκε να πολλαπλασιάσουμε με 255 πριν μετατρέψουμε σε uint8 για να αποθηκευθούν τα χρώματα σωστά. Σχήμα 5: Ένα άσπρο τετράγωνο square.png. 6. Περιστρέφουμε την εικόνα κατά 15 μοίρες αριστερόστροφα. >>> square = scipy.ndimage.rotate(square, 15, order=1) >>> imageio.imwrite('square.png', np.uint8(square*255)) Το αποτέλεσμα είναι στο Σχήμα 6. Σχήμα 6: Το άσπρο τετράγωνο μετά την περιστροφή square.png. 7. Εφαρμόζουμε ένα φίλτρο Gauss για να θολώσουμε την εικόνα. >>> square = scipy.ndimage.gaussian_filter(square, 8) >>> imageio.imwrite('square.png', np.uint8(square*255)) Το αποτέλεσμα είναι στο Σχήμα Τέλος, εφαρμόζουμε ένα φίλτρο Sobel για να βρούμε τις ακμές στην εικόνα που προέκυψε: >>> sx = scipy.ndimage.sobel(square, axis=0, mode='constant') >>> sy = scipy.ndimage.sobel(square, axis=1, mode='constant') >>> edges = np.hypot(sx, sy) 4
5 Σχήμα 7: Το άσπρο τετράγωνο μετά το θόλωμα square.png. >>> imageio.imwrite('edges.png', np.uint8(edges*255)) Το αποτέλεσμα είναι στο Σχήμα 8. Σχήμα 8: Εύρεση ακμών edges.png. 9. Περισσότερες πληροφορίες για την επεξεργασία εικόνων με χρήση του SciPy. Pandas 0. Ξεκινάμε φορτώνοντας δύο βασικά modules: το NumPy και το pandas. >>> import numpy as np >>> import pandas as pd 1. Βασικό είδος δεδομένων του pandas είναι το Series: ένα είδος μονοδιάστατου array τα στοιχεία του οποίου φέρουν ετικέτες (labels) και μπορούν να περιέχουν οποιονδήποτε τύπο δεδομένων (ακέραιους, πραγματικούς, συμβολοσειρές, αντικείμενα Python, κ.λπ.). Εδώ κατασκευάζουμε ένα τέτοιο Series με πέντε τυχαίους αριθμούς: >>> s = pd.series(np.random.randn(5)) >>> print(type(s)) <class 'pandas.core.series.series'> Τα στοιχεία αυτού του Series δεικτοδοτούνται με τους αριθμούς 0 έως και 4, όπως και αν είχαμε χρησιμοποιήσει ένα NumPy array για τον ίδιο σκοπό. 5
6 >>> print(s[2]) Όμως, μπορούμε να κατασκευάσουμε ένα ίδιο Series που να δεικτοδοτείται με ό,τι άλλες ετικέτες θέλουμε (εδώ τα γράμματα 'a' έως και 'e'): >>> s = pd.series(np.random.randn(5), index=['a', 'b', 'c', 'd', 'e']) a b c d e >>> s.index Index(['a', 'b', 'c', 'd', 'e'], dtype='object') >>> print(s['a']) >>> print(s['0']) Τα Series είναι mutable: >>> s['a'] = 42 >>> print(s['a']) Μπορούμε να κατασκευάσουμε ένα Series από ένα λεξικό σε αυτή την περίπτωση οι ετικέτες είναι τα κλειδιά του λεξικού: >>> s = pd.series({'a': 1, 'b': 2, 'c': 3}) a 1 b 2 c 3 dtype: int64 5. Επίσης, μπορούμε να κατασκευάσουμε ένα Series με broadcasting εδώ όλα τα στοιχεία θα έχουν την ίδια τιμή: >>> s = pd.series(42, index=['a', 'b', 'c', 'd', 'e']) a 42 b 42 c 42 d 42 e 42 dtype: int64 6. Φέτες σε Series: Λειτουργούν όπως περίπου και στο NumPy: >>> s = pd.series(np.random.randn(5), index=['a', 'b', 'c', 'd', 'e']) a b c d e >>> print(s[:3]) a b c Όπως επίσης και τα boolean slices: 6
7 >>> print(s.median()) >>> print(s[s > s.median()]) c e Υπολογισμοί με Series: >>> print(s*2 + 10) a b c d e Τα Series συμπεριφέρονται όπως οι μονοδιάσταστοι πίνακες του NumPy, με εξαίρεση τη δυνατότητα χρήσης ετικετών. Ας δούμε όμως τώρα και πώς διαφέρουν. Ορίζουμε το εξής Series: >>> s = pd.series(np.arange(5), index=['a', 'b', 'c', 'd', 'e']) a 0 b 1 c 2 d 3 e 4 dtype: int64 και απομονώνουμε δύο φέτες του: >>> print(s[1:]) b 1 c 2 d 3 e 4 dtype: int64 >>> print(s[:-1]) a 0 b 1 c 2 d 3 dtype: int64 Αν αυτές ήταν πίνακες του NumPy και τις προσθέταμε, τότε τα στοιχεία τους θα προστίθεντο κατά μέλη: το 1ο με το 1ο, το 2ο με το 2ο, κ.ο.κ. Στο pandas αντίθετα: >>> print(s[1:] + s[:-1]) a NaN b 2.0 c 4.0 d 6.0 e NaN προστίθενται τα στοιχεία που έχουν την ίδια ετικέτα. Αν απουσιάζει μία ετικέτα από κάποιον προσθετέο (όπως εδώ συμβαίνει με την ετικέτα 'a' του πρώτου και την ετικέτα 'e' του δεύτερου), τότε το αποτέλεσμα είναι np.nan (που εμφανίζεται σαν NaN not a number). Η τιμή αυτή αντιστοιχεί σε κενά στοιχεία ενός πίνακα. Μπορούμε να τη χρησιμοποιήσουμε και επί τούτου: >>> s = pd.series([1, 3, 5, np.nan, 6, 8]) NaN 7
8 Το πιο συχνά χρησιμοποιούμενο είδος δεδομένων του pandas είναι το DataFrame: ένα είδος διδιάστατου array τα στοιχεία του οποίου φέρουν ετικέτες (labels) τόσο στις γραμμές όσο και στις στήλες και που κάθε στήλη μπορεί να περιέχει διαφορετικό τύπο δεδομένων. Τα DataFrames είναι σαν τα λογιστικά φύλλα του Excel ή σαν τους πίνακες στην SQL μπορούμε επίσης να τα σκεφτόμαστε σαν λεξικά με τιμές τύπου Series. Μπορούμε να κατασκευάσουμε ένα DataFrame προσδιορίζοντας τα Series που το απαρτίζουν: >>> s = pd.series(np.arange(5), index=['a', 'b', 'c', 'd', 'e']) >>> t = pd.series(np.random.randn(5), index=['b', 'c', 'd', 'e', 'f']) a 0 b 1 c 2 d 3 e 4 dtype: int64 >>> print(t) b c d e f και τώρα βάζοντας αυτά μαζί σε ένα λεξικό, από το οποίο κατασκευάζουμε το DataFrame: >>> df = pd.dataframe({'one': s, 'two': t}) >>> print(df) one two a 0.0 NaN b c d e f NaN Οι ετικέτες των γραμμών και των στηλών: >>> print(df.index) Index(['a', 'b', 'c', 'd', 'e', 'f'], dtype='object') >>> print(df.columns) Index(['one', 'two'], dtype='object') 11. Η δεικτοδότηση ενός DataFrame μπορεί να γίνει με τις ετικέτες των στηλών του, παίρνοντας έτσι τα αντίστοιχα Series: >>> print(df['one']) a 0.0 b 1.0 c 2.0 d 3.0 e 4.0 f NaN Name: one, >>> print(type(df['one'])) <class 'pandas.core.series.series'> Στη συνέχεια μπορεί κανείς να δεικτοδοτήσει με τις ετικέτες των γραμμών, παίρνοντας τα επί μέρους στοιχεία: >>> print(df['one']['b']) 1.0 Πιο κάτω θα δούμε ότι η δεικτοδότηση μπορεί να γίνει και με πολλούς άλλους τρόπους. 8
9 12. Τα DataFrames είναι mutable: >>> df['one']['b'] = 42 >>> print(df) one two a 0.0 NaN b c d e f NaN Νέα DataFrames μπορούν να κατασκευαστούν αντιγράφοντας τμήματα άλλων DataFrames: >>> print(pd.dataframe(df, index=['d', 'a'])) one two d a 0.0 NaN >>> print(pd.dataframe(df, index=['d', 'a'], columns=['two'])) two d a NaN >>> print(pd.dataframe(df, index=['d', 'a'], columns=['two', 'three'])) two three d NaN a NaN NaN 14. Παρακάτω χρησιμοποιούμε broadcasting για να κάνουμε όλα τα στοιχεία της στήλης 'two' ίσα με 42: >>> df['two'] = 42 >>> print(df) one two a b c d e f NaN 42 >>> print(df.dtypes) one float64 two int64 dtype: object Παρατηρούμε επίσης ότι οι τύποι δεδομένων των δύο στηλών είναι τώρα διαφορετικοί. 15. Το ανάστροφο ενός DataFrame, όπου οι στήλες έχουν γίνει γραμμές και αντίστροφα. >>> print(df.t) a b c d e f one NaN two Μπορούμε να χρησιμοποιήσουμε ένα range ημερομηνιών για ετικέτες: >>> dates = pd.date_range(' ', periods=7) >>> print(dates) DatetimeIndex([' ', ' ', ' ', ' ', ' ', ' ', ' '], dtype='datetime64[ns]', freq='d') και στη συνέχεια να φτιάξουμε ένα DataFrame με αυτές τις ετικέτες για τις γραμμές του. >>> df = pd.dataframe(np.random.randn(7, 4), index=dates, columns=list('abcd')) >>> print(df)
10 Μπορούμε να ταξινομήσουμε τις στήλες κατά φθίνουσα σειρά ετικέτας: >>> print(df.sort_index(axis=1, ascending=false)) D C B A Χρησιμότερο όμως είναι να ταξινομήσουμε βάσει των περιεχόμενων ενός DataFrame και όχι βάσει των ετικετών του. Εδώ οι γραμμές ταξινομούνται βάσει της τιμής της στήλης 'B': >>> print(df.sort_values(by='b')) Επιλέγουμε μερικές στήλες: >>> print(df[['a', 'B']]) Επιλέγουμε μερικές γραμμές: >>> print(df[0:3]) A B Επιλέγουμε μία γραμμή βάσει της ετικέτας της. Προσέξτε ότι το αποτέλεσμα είναι ένα Series που αντιστοιχεί στη γραμμή: >>> df.loc[" "] A B C D Name: :00:00, 22. Επιλέγουμε ένα range γραμμών βάσει των ετικετών τους και δύο στήλες: >>> print(df.loc[' ':' ', ['A', 'B']]) A B 10
11 Επιλέγουμε ένα μεμονωμένο στοιχείο βάσει των ετικετών γραμμής και στήλης: >>> print(df.loc[' ', 'A']) Το ίδιο μπορεί να γίνει πιο αποδοτικά με το at, στο οποίο όμως πρέπει να δώσουμε την ακριβή ετικέτα της γραμμής και της στήλης. Προσέξτε ότι στο παραπάνω παράδειγμα, η ετικέτα της γραμμής είναι η ημερομηνία dates[1] και όχι η συμβολοσειρά ' ': >>> dates[1] Timestamp(' :00:00', freq='d') >>> df.at[dates[1], 'A'] Αντίστοιχα, τα iloc και iat κάνουν το ίδιο αλλά με αριθμητικούς δείκτες αντί ετικετών: >>> print(df.iloc[3]) A B C D Name: :00:00, >>> print(df.iloc[3:5, 0:2]) >>> print(df.iat[1, 1]) Επιλέγουμε με boolean indices: >>> print(df[df.a > 0]) A B >>> print(df[df > 0]) NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN Τέλος μπορούμε να αποθηκεύσουμε το αποτέλεσμα σε ένα αρχείο CSV: >>> df.to_csv("pandas.csv") και στη συνέχεια να το ανοίξουμε π.χ. με το Excel ή κάποια άλλη αντίστοιχη εφαρμογή. (Βλ. Σχήμα 9.) 27. Επίσης μπορούμε να αποθηκεύσουμε το αποτέλεσμα σε ένα αρχείο Excel. (Βλ. Σχήμα 10. Πιθανώς θα χρειαστεί να εγκαταστήσετε το πακέτο xlsxwriter.) >>> df.to_excel('pandas.xlsx', sheet_name='date Example') 28. Διάβασμα από αρχείο CSV. >>> print(pd.read_csv("pandas.csv")) Unnamed:
12 Σχήμα 9: Αποθήκευση σε αρχείο CSV pandas.csv. Σχήμα 10: Αποθήκευση σε αρχείο Excel pandas.xlsx. 12
13 Προσέξτε ότι οι ετικέτες των γραμμών είναι οι αριθμοί 0 έως και 6, αντί των ημερομηνιών. Αν θέλουμε να επαναφέρουμε ως ετικέτες τις ημερομηνίες θα πρέπει να προσδιορίσουμε ότι η πρώτη στήλη περιέχει τις ετικέτες των γραμμών: >>> print(pd.read_csv("pandas.csv", index_col=0)) Διάβασμα από αρχείο Excel. (Πιθανώς θα χρειαστεί να εγκαταστήσετε το πακέτο xlrd.) >>> print(pd.read_excel('pandas.xlsx', 'Date Example', index_col=0))
Advances in Digital Imaging and Computer Vision
Advances in Digital Imaging and Computer Vision Lecture and Lab XXX Introduction to Python Κώστας Μαριάς Αναπληρωτής Καθηγητής Επεξεργασίας Εικόνας 21/2/2017 1 Image Processing and Computer Vision with
Διαβάστε περισσότεραΠρογραμματιστικά Εργαλεία και Τεχνολογίες για Επιστήμη Δεδομένων
Προγραμματιστικά Εργαλεία και Τεχνολογίες για Επιστήμη Δεδομένων Παράδοση 4/1/019, Νίκος Παπασπύρου. Εξερεύνηση χώρου καταστάσεων (συνέχεια) 1. Συνεχίζουμε το γρίφο του λύκου, της κατσίκας και του λάχανου
Διαβάστε περισσότεραΑΣΚΗΣΗ 2 ΒΑΣΙΚΑ ΚΑΙ ΣΥΝΘΕΤΑ ΣΗΜΑΤΑ ΔΥΟ ΔΙΑΣΤΑΣΕΩΝ - ΕΙΚΟΝΑΣ
ΑΣΚΗΣΗ 2 ΒΑΣΙΚΑ ΚΑΙ ΣΥΝΘΕΤΑ ΣΗΜΑΤΑ ΔΥΟ ΔΙΑΣΤΑΣΕΩΝ - ΕΙΚΟΝΑΣ Αντικείμενο: Κατανόηση και αναπαράσταση των βασικών σημάτων δύο διαστάσεων και απεικόνισης αυτών σε εικόνα. Δημιουργία και επεξεργασία των διαφόρων
Διαβάστε περισσότερα3 ο Εργαστήριο Μεταβλητές, Τελεστές
3 ο Εργαστήριο Μεταβλητές, Τελεστές Μια μεταβλητή έχει ένα όνομα και ουσιαστικά είναι ένας δείκτης σε μια συγκεκριμένη θέση στη μνήμη του υπολογιστή. Στη θέση μνήμης στην οποία δείχνει μια μεταβλητή αποθηκεύονται
Διαβάστε περισσότεραΑ. Θα καλεί υποπρόγραμμα INPUT που θα διαβάζει τις τιμές του πίνακα MAP.
Διαγώνισμα νάπτυξης Εφαρμογών Γ Λυκείου Θέμα Το GIS είναι ένα υπολογιστικό σύστημα το οποίο χρησιμοποιείται για την συλλογή, αποθήκευση και ανάλυση δεδομένων και πληροφοριών με γεωγραφική διάσταση. Ένα
Διαβάστε περισσότεραΓράψτε ένα πρόγραμμα που θα προσομοιώνει τη ρίψη ενός νομίσματος και θα εμφανίζει στην οθόνη Κορώνα» ή «Γράμματα».
Εισαγωγικές Δραστηριότητες Δραστηριότητα 1 (Υ) Υπολογίστε την τιμή των παρακάτω αριθμητικών εκφράσεων. Στη συνέχεια επαληθεύστε τα αποτελέσματα που βρήκατε στην κονσόλα της Python. A. 2 + 3 ** 3 * 2 B.
Διαβάστε περισσότεραΑΝΑΠΤΥΞΗ ΕΦΑΡΜΟΓΩΝ ΣΕ ΠΡΟΓΡΑΜΜΑΤΙΣΤΙΚΟ ΠΕΡΙΒΑΛΛΟΝ
ΑΝΑΠΤΥΞΗ ΕΦΑΡΜΟΓΩΝ ΣΕ ΠΡΟΓΡΑΜΜΑΤΙΣΤΙΚΟ ΠΕΡΙΒΑΛΛΟΝ Εξετάσεις Προσομοίωσης 06/04/2015 Θέμα Α Α1. Να γράψετε στο τετράδιο σας τον αριθμό κάθε πρότασης και δίπλα τη λέξη ΣΩΣΤΟ, αν είναι σωστή και ΛΑΘΟΣ αν
Διαβάστε περισσότεραΘεωρία Πληροφορίας - Κώδικες. Γιαννακόπουλος Θεόδωρος
Θεωρία Πληροφορίας - Κώδικες Γιαννακόπουλος Θεόδωρος 1 Θεωρία Πληροφορίας - Κώδικες Εργαστήριο 2 Numpy, matplotlib και παραδείγματα 2 Numpy (1) - Γενικά - numpy: numerical python - η βασική βιβλιοθήκη
Διαβάστε περισσότεραΜΑΘΗΜΑΤΙΚΑ Α ΓΥΜΝΑΣΙΟΥ
ΜΑΘΗΜΑΤΙΚΑ Α ΓΥΜΝΑΣΙΟΥ Πίνακας περιεχομένων Κεφάλαιο 1 - ΟΙ ΦΥΣΙΚΟΙ ΑΡΙΘΜΟΙ... 2 Κεφάλαιο 2 ο - ΤΑ ΚΛΑΣΜΑΤΑ... 6 Κεφάλαιο 3 ο - ΔΕΚΑΔΙΚΟΙ ΑΡΙΘΜΟΙ... 10 ΣΩΤΗΡΟΠΟΥΛΟΣ ΝΙΚΟΣ 1 Κεφάλαιο 1 - ΟΙ ΦΥΣΙΚΟΙ ΑΡΙΘΜΟΙ
Διαβάστε περισσότεραΚεφάλαιο 11: Οι πίνακες ως δομή δεδομένων
Κεφάλαιο 11: Οι πίνακες ως δομή δεδομένων Οι πίνακες (arrays) είναι μία πολύτιμη δομή δεδομένων, ένα πολύ χρήσιμο εργαλείο το οποίο συναντά κανείς σε οποιαδήποτε γλώσσα προγραμματισμού έχει νόημα να το
Διαβάστε περισσότερα1 ο Εργαστήριο Συντεταγμένες, Χρώματα, Σχήματα
1 ο Εργαστήριο Συντεταγμένες, Χρώματα, Σχήματα 1. Σύστημα Συντεταγμένων Το σύστημα συντεταγμένων που έχουμε συνηθίσει από το σχολείο τοποθετούσε το σημείο (0,0) στο σημείο τομής των δυο αξόνων Χ και Υ.
Διαβάστε περισσότεραΗ πρώτη παράμετρος είναι ένα αλφαριθμητικό μορφοποίησης
Η συνάρτηση printf() Η συνάρτηση printf() χρησιμοποιείται για την εμφάνιση δεδομένων στο αρχείο εξόδου stdout (standard output stream), το οποίο εξ ορισμού συνδέεται με την οθόνη Η συνάρτηση printf() δέχεται
Διαβάστε περισσότεραΑ.Τ.Ε.Ι. Ηρακλείου Ψηφιακή Επεξεργασία Εικόνας ιδάσκων: Βασίλειος Γαργανουράκης. Ανθρώπινη Όραση - Χρωµατικά Μοντέλα
Ανθρώπινη Όραση - Χρωµατικά Μοντέλα 1 Τι απαιτείται για την όραση Φωτισµός: κάποια πηγή φωτός Αντικείµενα: που θα ανακλούν (ή διαθλούν) το φως Μάτι: σύλληψη του φωτός σαν εικόνα Τρόποι µετάδοσης φωτός
Διαβάστε περισσότεραΠληρουορική Γ Γσμμασίοσ
Πληρουορική Γ Γσμμασίοσ Προγραμματισμός και Αλγόριθμοι Από το και τημ Χελώμα στημ Ευριπίδης Βραχνός http://evripides.mysch.gr/ 2014 2015 1 Προγραμματισμός Ζάννειο Πρότυπο Πειραματικό Γυμνάσιο Πειραιά Ενότητα:
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΙΑΣ ΣΧΟΛΗ ΘΕΤΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ
ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΙΑΣ ΣΧΟΛΗ ΘΕΤΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΑΝΑΠΤΥΞΗ ΚΑΙ ΣΧΕΔΙΑΣΗ ΛΟΓΙΣΜΙΚΟΥ Η γλώσσα προγραμματισμού C ΕΡΓΑΣΤΗΡΙΟ 3: Πίνακες, βρόχοι, συναρτήσεις 1 Ιουνίου 2017 Το σημερινό εργαστήριο
Διαβάστε περισσότεραΑντικειμενοστρεφής Προγραμματισμός Διάλεξη 6 : ΠΙΝΑΚΕΣ
Αντικειμενοστρεφής Προγραμματισμός Διάλεξη 6 : ΠΙΝΑΚΕΣ Κων. Κόκκινος ΠΙΝΑΚΕΣ (ARRAYS) Είναι χώροι της μνήμης για προσωρινή αποθήκευση δεδομένων του ίδιου τύπου. Οι πίνακες είναι δομές δεδομένων που τις
Διαβάστε περισσότεραGroup (JPEG) το 1992.
Μέθοδοι Συμπίεσης Εικόνας Πρωτόκολλο JPEG Συμπίεση Εικόνας: Μείωση αποθηκευτικού χώρου Ευκολία στη μεταφορά αρχείων Δημιουργήθηκε από την ομάδα Joint Photographic Experts Group (JPEG) το 1992. Ονομάστηκε
Διαβάστε περισσότερα4 ο Εργαστήριο Τυχαίοι Αριθμοί, Μεταβλητές Συστήματος
4 ο Εργαστήριο Τυχαίοι Αριθμοί, Μεταβλητές Συστήματος Μεταβλητές Συστήματος Η Processing χρησιμοποιεί κάποιες μεταβλητές συστήματος, όπως τις ονομάζουμε, για να μπορούμε να παίρνουμε πληροφορίες από το
Διαβάστε περισσότερα7 ο Εργαστήριο Θόρυβος 2Δ, Μετακίνηση, Περιστροφή
7 ο Εργαστήριο Θόρυβος 2Δ, Μετακίνηση, Περιστροφή O θόρυβος 2Δ μας δίνει τη δυνατότητα να δημιουργίας υφής 2Δ. Στο παρακάτω παράδειγμα, γίνεται σχεδίαση γραμμών σε πλέγμα 300x300 με μεταβαλόμενη τιμή αδιαφάνειας
Διαβάστε περισσότεραΑνάλυση Δεδομένων και Έλεγχος Υποθέσεων με τεχνολογία Python/pandas
ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ Ανάλυση Δεδομένων και Έλεγχος Υποθέσεων με τεχνολογία Python/pandas Σταύρος Δημητριάδης Αν. Καθ., Τμήμα Πληροφορικής, ΑΠΘ sdemetri@csd.auth.gr http://mlab.csd.auth.gr/sdemetri
Διαβάστε περισσότεραΔιάλεξη 2. Μεταβλητές - Δομές Δεδομένων - Eίσοδος δεδομένων - Έξοδος: Μορφοποίηση - Συναρτήσεις. Διοργάνωση : ΚΕΛ ΣΑΤΜ
Διάλεξη 2 Μεταβλητές - Δομές Δεδομένων - Eίσοδος δεδομένων - Έξοδος: Μορφοποίηση - Συναρτήσεις Διοργάνωση : ΚΕΛ ΣΑΤΜ Διαφάνειες: Skaros, MadAGu Παρουσίαση: MadAGu Άδεια: Creative Commons 3.0 2 Internal
Διαβάστε περισσότεραΜετατροπή δισδιάστατου σε μονοδιάσταστο και αντίστροφα Να γράψετε πρόγραμμα που: α. Να διαβάζει τα στοιχεία ενός πίνακα ακεραίων Α[40,25], με τον
Μετατροπή δισδιάστατου σε μονοδιάσταστο και αντίστροφα Να γράψετε πρόγραμμα που: α. Να διαβάζει τα στοιχεία ενός πίνακα ακεραίων Α[40,25], με τον περιορισμό πως ο πίνακας μπορεί να δεχθεί μέχρι 50 μη μηδενικούς
Διαβάστε περισσότεραΕΡΓΑΣΤΗΡΙΑΚΗ ΑΣΚΗΣΗ 1
ΕΡΓΑΣΤΗΡΙΑΚΗ ΑΣΚΗΣΗ 1 ΒΑΣΙΚΟΙ ΧΕΙΡΙΣΜΟΙ ΕΙΚΟΝΑΣ Αντικείμενο: Εισαγωγή στις βασικές αρχές της ψηφιακής επεξεργασίας εικόνας χρησιμοποιώντας το MATLAB και το πακέτο Επεξεργασίας Εικόνας. Περιγραφή και αναπαράσταση
Διαβάστε περισσότεραΕΙΣΑΓΩΓΗ ΣΤΗΝ ΕΠΕΞΕΡΓΑΣΙΑ ΕΙΚΟΝΑΣ
ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΚΑΙ ΤΗΛΕΠΙΚΟΙΝΩΝΙΩΝ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΕΠΕΞΕΡΓΑΣΙΑ ΕΙΚΟΝΑΣ ΠΑΡΑΔΕΙΓΜΑΤΑ ΜΕ ΧΡΗΣΗ MATLAB ΑΘΑΝΑΣΙΑ ΚΟΛΟΒΟΥ (Ε.Τ.Ε.Π.) 2012 ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΕΠΕΞΕΡΓΑΣΙΑ ΕΙΚΟΝΑΣ Ο σκοπός αυτού
Διαβάστε περισσότεραΕγκατάσταση Python και των απαραίτητων πακέτων
Εγκατάσταση Python και των απαραίτητων πακέτων Παρακάτω δίνονται οδηγίες για την εγκατάσταση της python και των απαραίτητων πακέτων (βιβλιοθηκών) ώστε να μπορείτε να εκτελέσετε την εργασίας. Εγκατάσταση
Διαβάστε περισσότεραΕργαστήρια Αριθμητικής Ανάλυσης Ι. 7 ο Εργαστήριο. Διανύσματα-Πίνακες 2 ο Μέρος
Εργαστήρια Αριθμητικής Ανάλυσης Ι 7 ο Εργαστήριο Διανύσματα-Πίνακες 2 ο Μέρος 2017 Εντολή size Σε προηγούμενο εργαστήριο είχαμε κάνει αναφορά στην συνάρτηση length, και την χρησιμότητα της όταν δουλεύουμε
Διαβάστε περισσότεραΠρόγραμμα όρασης. Στη συνέχεια θα περιγράψουμε πώς δουλεύει το ρομπότ.
Πρόγραμμα όρασης Υλοποιείτε ένα πρόγραμμα όρασης για ένα ρομπότ. Κάθε φορά που η κάμερα του ρομπότ βγάζει μία φωτογραφία, αυτή αποθηκεύεται στη μνήμη του ρομπότ ως μία ασπρόμαυρη εικόνα. Κάθε εικόνα είναι
Διαβάστε περισσότεραΕργαλεία Προγραμματισμού Ψηφιακής Επεξεργασίας Εικόνας: Το Matlab Image Processing Toolbox
ΚΕΣ 03 Αναγνώριση προτύπων και ανάλυση εικόνας Εργαλεία Προγραμματισμού Ψηφιακής Επεξεργασίας Εικόνας: Το Matlab Image Processing Toolbox Τμήμα Επιστήμης και Τεχνολογίας Τηλεπικοινωνιών Πανεπιστήμιο Πελοποννήσου
Διαβάστε περισσότεραΣημειωματάριο Τετάρτης 4 Οκτ. 2017
Σημειωματάριο Τετάρτης 4 Οκτ. 2017 Strings (λέξεις) Ένας από τους κύριους τύπους δεδομένων στην Python είναι τα strings (κείμενα, λέξεις). Όταν γράφουμε ένα κείμενο σε απλά ή διπλά εισαγωγικά τότε αυτό
Διαβάστε περισσότεραΓραφικά υπολογιστών Εργαστήριο 4 Εισαγωγή στις λίστες
Γραφικά υπολογιστών Εργαστήριο 4 Εισαγωγή στις λίστες Σκοπός της 3ης άσκησης είναι να μάθουμε να φτιάχνουμε και να προσπελαύνουμε λίστες, να δούμε τι διαφορά έχουν από τα tuples και επίσης πώς μπορούμε
Διαβάστε περισσότεραΔιαδικασιακός Προγραμματισμός
Τμήμα ΜΗΧΑΝΙΚΩΝ ΠΛΗΡΟΦΟΡΙΚΗΣ ΤΕ ΤΕΙ ΔΥΤΙΚΗΣ ΕΛΛΑΔΑΣ Διαδικασιακός Προγραμματισμός Διάλεξη 7 η Πίνακες Οι διαλέξεις βασίζονται στο βιβλίο των Τσελίκη και Τσελίκα C: Από τη Θεωρία στην Εφαρμογή Σωτήρης Χριστοδούλου
Διαβάστε περισσότεραΕισαγωγή στον Προγραμματισμό Python Μάθημα 4: Συναρτήσεις (functions) και δομοστοιχεία (modules) στην Python
Εισαγωγή στον Προγραμματισμό Python Μάθημα 4: Συναρτήσεις (functions) και δομοστοιχεία (modules) στην Python Νοέμβριος 2014 Χ. Αλεξανδράκη, Γ. Δημητρακάκης Συναρτήσεις (Functions) Στον προγραμματισμό,
Διαβάστε περισσότεραΣημειώσεις. Ο αριθμός των στοιχείων μίας λίστας μπορεί να βρεθεί με χρήση της συνάρτησης len:
Προηγούμενο Σημειώσεις Επόμενο Λίστες Σειρά στοιχείων Μία σειρά στοιχείων (αριθμών, συμβολοσειρών κλπ) μπορούν να οργανωθούν σε μία δομή η οποία ονομάζεται λίστα. Η σειρά των στοιχείων ορίζεται από ορθογώνιες
Διαβάστε περισσότεραΠίνακες. 1 Πίνακες. 30 Μαρτίου 2014
Πίνακες 0 Μαρτίου 014 1 Πίνακες Είδαμε ότι δηλώνοντας μία μεταβλητή κάποιου συγκεκριμένου τύπου δεσμεύουμε μνήμη κατάλληλη για να αποθηκευτεί μία οντότητα του συγκεκριμένου τύπου. Στην περίπτωση που θέλουμε
Διαβάστε περισσότεραΠρογραμματιστικά Εργαλεία και Τεχνολογίες για Επιστήμη Δεδομένων
Προγραμματιστικά Εργαλεία και Τεχνολογίες για Επιστήμη Δεδομένων Παράδοση 1/1/2019, Νίκος Παπασπύρου. Εργαστηριακή εξέταση, πρόβλημα bigpair Δίνονται δύο ακολουθίες a(1),..., a(n) και b(1),..., b(m), αποτελούμενες
Διαβάστε περισσότεραΕισαγωγή στην Αριθμητική Ανάλυση
Εισαγωγή στην Αριθμητική Ανάλυση Εισαγωγή στη MATLAB ΔΙΔΑΣΚΩΝ: ΓΕΩΡΓΙΟΣ ΑΚΡΙΒΗΣ ΒΟΗΘΟΙ: ΔΗΜΗΤΡΙΑΔΗΣ ΣΩΚΡΑΤΗΣ, ΣΚΟΡΔΑ ΕΛΕΝΗ E-MAIL: SDIMITRIADIS@CS.UOI.GR, ESKORDA@CS.UOI.GR Τι είναι Matlab Είναι ένα περιβάλλον
Διαβάστε περισσότεραΠεριεχόμενα. Προλεγόμενα... ix Κεφάλαιο 1 Εισαγωγή Κεφάλαιο 2 Δεδομένα και εκφράσεις Κεφάλαιο 3 Λογικές συνθήκες και δομές ελέγχου...
Προλεγόμενα... ix Κεφάλαιο 1 Εισαγωγή... 1 1.1 Εισαγωγικά στοιχεία για τους υπολογιστές 2 1.2 Αλγόριθμοι, προγράμματα, προγραμματισμός 16 1.3 Η Python 25 1.4 Ο διερμηνευτής της Python 28 1.5 Το περιβάλλον
Διαβάστε περισσότεραΓ ΓΥΜΝΑΣΙΟΥ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ ΜΕ ΤΗ ΓΛΩΣΣΑ MicroWorlds Pro
Για να μπορέσουμε να εισάγουμε δεδομένα από το πληκτρολόγιο αλλά και για να εξάγουμε εμφανίσουμε αποτελέσματα στην οθόνη του υπολογιστή χρησιμοποιούμε τις εντολές Εισόδου και Εξόδου αντίστοιχα. Σύνταξη
Διαβάστε περισσότεραΠΛΗΡΟΦΟΡΙΚΗ Ι JAVA Τμήμα θεωρίας με Α.Μ. σε 3, 7, 8 & 9 25/10/07
ΠΛΗΡΟΦΟΡΙΚΗ Ι JAVA Τμήμα θεωρίας με Α.Μ. σε 3, 7, 8 & 9 25/10/07 Αριθμητική στο δυαδικό σύστημα (γενικά) Συμπληρωματικά για δυαδικό σύστημα Η πρόσθεση στηρίζεται στους κανόνες: 0 + 0 = 0, 0 + 1 = 1, 1
Διαβάστε περισσότεραΕπεξεργασία εικόνας. Μιχάλης ρακόπουλος. Υπολογιστική Επιστήµη & Τεχνολογία, #08
Επεξεργασία εικόνας Μιχάλης ρακόπουλος Υπολογιστική Επιστήµη & Τεχνολογία, #08 1 Επεξεργασία εικόνας Βασικό ανάγνωσµα: Η ενότητα 12.4 από το ϐιβλίο των Van Loan και Fan. Επεξεργασία εικόνας Μ. ρακόπουλος
Διαβάστε περισσότεραΕΡΩΤΗΣΕΙΣ ΘΕΩΡΙΑΣ ΜΑΘΗΜΑΤΙΚΑ Β ΓΥΜΝΑΣΙΟΥ. ΜΕΡΟΣ 1ο ΑΛΓΕΒΡΑ
1. Τι καλείται μεταβλητή; ΕΡΩΤΗΣΕΙΣ ΘΕΩΡΙΑΣ ΜΑΘΗΜΑΤΙΑ Β ΓΥΜΝΑΣΙΟΥ ΜΕΡΟΣ 1ο ΑΛΓΕΒΡΑ Μεταβλητή είναι ένα γράμμα (π.χ., y, t, ) που το χρησιμοποιούμε για να παραστήσουμε ένα οποιοδήποτε στοιχείο ενός συνόλου..
Διαβάστε περισσότεραΠρογραμματισμός Υπολογιστών με C++
Προγραμματισμός Υπολογιστών με C++ 3 η Εργασία Ακαδημαϊκό Έτος 206-7 Ημερομηνία Παράδοσης Εργασίας: 5 Ιανουαρίου 207. Εκφώνηση Να χρησιμοποιηθεί ο κώδικας που αναπτύξατε στις 2 προηγούμενες εργασίες για
Διαβάστε περισσότεραΙατρική Πληροφορική. Δρ. Π. ΑΣΒΕΣΤΑΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΒΙΟΪΑΤΡΙΚΗΣ ΤΕΧΝΟΛΟΓΙΑΣ Τ.Ε.
Ιατρική Πληροφορική Δρ. Π. ΑΣΒΕΣΤΑΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΒΙΟΪΑΤΡΙΚΗΣ ΤΕΧΝΟΛΟΓΙΑΣ Τ.Ε. Οι διάφορες τεχνικές απεικόνισης (imaging modalities) της ανθρώπινης ανατομίας περιγράφονται κατά DICOM ως συντομογραφία
Διαβάστε περισσότεραΣΤΕΡΕΟΣΚΟΠΙΚΕΣ ΕΙΚΟΝΕΣ
ΣΤΕΡΕΟΣΚΟΠΙΚΕΣ ΕΙΚΟΝΕΣ Η προοπτική εικόνα, είναι, όπως είναι γνωστό, η προβολή ενός χωρικού αντικειμένου, σε ένα επίπεδο, με κέντρο προβολής, το μάτι του παρατηρητή. Η εικόνα αυτή, θεωρούμε ότι αντιστοιχεί
Διαβάστε περισσότεραΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ Η/Υ Ακαδημαϊκό έτος 2001-2002 ΤΕΤΡΑΔΙΟ ΕΡΓΑΣΤΗΡΙΟΥ #4
ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ Η/Υ Ακαδημαϊκό έτος 2001-2002 ΤΕΤΡΑΔΙΟ ΕΡΓΑΣΤΗΡΙΟΥ #4 «Προγραμματισμός Η/Υ» - Τετράδιο Εργαστηρίου #4 2 Γενικά Στο Τετράδιο #4 του Εργαστηρίου θα αναφερθούμε σε θέματα διαχείρισης πινάκων
Διαβάστε περισσότεραΜαθηματικά Γ Γυμνασίου
Α λ γ ε β ρ ι κ έ ς π α ρ α σ τ ά σ ε ι ς 1.1 Πράξεις με πραγματικούς αριθμούς (επαναλήψεις συμπληρώσεις) A. Οι πραγματικοί αριθμοί και οι πράξεις τους Διδακτικοί στόχοι Θυμάμαι ποιοι αριθμοί λέγονται
Διαβάστε περισσότεραΓΡΑΦΙΚΕΣ ΠΑΡΑΣΤΑΣΕΙΣ ΜΕ ΕXCEL
ΓΡΑΦΙΚΕΣ ΠΑΡΑΣΤΑΣΕΙΣ ΜΕ ΕXCEL 1. Εισαγωγή δεδομένων σε φύλλο εργασίας του Microsoft Excel Για να τοποθετήσουμε τις μετρήσεις μας σε ένα φύλλο Excel, κάνουμε κλικ στο κελί στο οποίο θέλουμε να τοποθετήσουμε
Διαβάστε περισσότεραΠρογραμματισμός Ι. Δυναμική Διαχείριση Μνήμης. Δημήτρης Μιχαήλ. Ακ. Έτος 2011-2012. Τμήμα Πληροφορικής και Τηλεματικής Χαροκόπειο Πανεπιστήμιο
Προγραμματισμός Ι Δυναμική Διαχείριση Μνήμης Δημήτρης Μιχαήλ Τμήμα Πληροφορικής και Τηλεματικής Χαροκόπειο Πανεπιστήμιο Ακ. Έτος 2011-2012 Ανάγκη για Δυναμική Μνήμη Στατική Μνήμη Μέχρι τώρα χρησιμοποιούσαμε
Διαβάστε περισσότεραΚΕΦΑΛΑΙΟ 3. Εκφράσεις, τελεστές, σχόλια. 3.1 Εισαγωγή
ΚΕΦΑΛΑΙΟ 3 Εκφράσεις, τελεστές, σχόλια Σύνοψη Στο κεφάλαιο αυτό εισάγουμε τον τρόπο τέλεσης πράξεων μεταξύ μεταβλητών και σταθερών, εκφράσεις μεταξύ αυτών καθώς και το σχολιασμό της λογικής ενός προγράμματος.
Διαβάστε περισσότεραΑπαλλαγή από τον Άνθρακα
Παγκόσμια Ολυμπιάδα Ρομποτικής 2017 Κατηγορία Regular Junior Περιγραφή Δοκιμασίας, Κανόνες και Βαθμολογία Sustainabots [Ρομπότ για τη βιωσιμότητα] Απαλλαγή από τον Άνθρακα Έκδοση: Τελική Έκδοση 15 Ιανουρίου
Διαβάστε περισσότεραΦύλλο Εργασίας 3. Μια γρήγορη επανάληψη από τα προηγούμενα
3 Φύλλο Εργασίας 3 Στο φύλλο εργασιών 3 θα ασχοληθούμε με τις λίστες μια δομή της γλώσσας python που έχει την δομή ενός πίνακα. Θα χρησιμοποιήσουμε τις βασικές εντολές από τις λίστες και θα κατασκευάσουμε
Διαβάστε περισσότεραΕνδεικτική πολυ-εργασία 1 - εφαρμογή στην υπολογιστική όραση
Ενδεικτική πολυ-εργασία 1 - εφαρμογή στην υπολογιστική όραση Εντοπισμός ενός σήματος STOP σε μια εικόνα. Περιγράψτε τη διαδικασία με την οποία μπορώ να εντοπίσω απλά σε μια εικόνα την ύπαρξη του παρακάτω
Διαβάστε περισσότεραΕΝΟΤΗΤΑ 5 ΜΟΤΙΒΑ ΠΟΛΛΑΠΛΑΣΙΑΣΜΟΥ, ΚΛΑΣΜΑΤΑ ΕΜΒΑΔΟΝ ΚΑΙ ΠΕΡΙΜΕΤΡΟΣ ΟΡΘΟΓΩΝΙΟΥ ΔΕΙΚΤΕΣ ΕΠΙΤΥΧΙΑΣ
ΜΟΤΙΒΑ ΠΟΛΛΑΠΛΑΣΙΑΣΜΟΥ, ΚΛΑΣΜΑΤΑ ΕΜΒΑΔΟΝ ΚΑΙ ΠΕΡΙΜΕΤΡΟΣ ΟΡΘΟΓΩΝΙΟΥ ΔΕΙΚΤΕΣ ΕΠΙΤΥΧΙΑΣ ΑΡΙΘΜΟΙ Διερεύνηση αριθμών Αρ2.5 Αναπαριστούν, συγκρίνουν και σειροθετούν ομώνυμα κλάσματα και δεκαδικούς αριθμούς,
Διαβάστε περισσότεραΤεχνολογία και Προγραμματισμός Υπολογιστών. Η γλώσσα προγραμματισμού C
Τεχνολογία και Προγραμματισμός Υπολογιστών Η γλώσσα προγραμματισμού C Με μια ματιά Τύπος Πίνακα Μεταβλητές με ενδείκτη Αλφαριθμητικά - Πίνακες Δισδιάστατος Πολυδιάστατος Πίνακας 2 2 Τύπος Πίνακα Σύνθετος
Διαβάστε περισσότεραΕργαστήρια Αριθμητικής Ανάλυσης Ι. 4 ο Εργαστήριο. Διανύσματα-Πίνακες 1 ο Μέρος
Εργαστήρια Αριθμητικής Ανάλυσης Ι 4 ο Εργαστήριο Διανύσματα-Πίνακες 1 ο Μέρος 2017 Εισαγωγή Όπως έχουμε προαναφέρει σε προηγούμενα εργαστήρια. Ο βασικός τύπος δεδομένων στο Matlab είναι οι πίνακες. Ένα
Διαβάστε περισσότεραΗ ΜΕΘΟΔΟΣ PCA (Principle Component Analysis)
Η ΜΕΘΟΔΟΣ PCA (Principle Component Analysis) Η μέθοδος PCA (Ανάλυση Κύριων Συνιστωσών), αποτελεί μία γραμμική μέθοδο συμπίεσης Δεδομένων η οποία συνίσταται από τον επαναπροσδιορισμό των συντεταγμένων ενός
Διαβάστε περισσότεραΕισαγωγή στην Επιστήμη της Πληροφορικής Εργαστήριο. Microsoft Excel Μέρος 1
Πανεπιστήμιο Κύπρου Τμήμα Πληροφορικής Εισαγωγή στην Επιστήμη της Πληροφορικής Εργαστήριο ΕΠΛ001 Εισαγωγή στην Επιστήμη της Πληροφορικής Εργαστήριο Microsoft Excel Μέρος 1 Παναγιώτης Χατζηχριστοδούλου
Διαβάστε περισσότεραΕισαγωγή στον Προγραμματισμό
Εισαγωγή στον Προγραμματισμό Πίνακες Δημήτρης Μιχαήλ Τμήμα Πληροφορικής και Τηλεματικής Χαροκόπειο Πανεπιστήμιο Ακ. Έτος 2012-2013 Πίνακες Πολλές φορές θέλουμε να κρατήσουμε στην μνήμη πολλά αντικείμενα
Διαβάστε περισσότεραΣΤΗΛΗ Β ΑΠΟΤΕΛΕΣΜΑ 1. float(10) α pow(2,3) β abs(-10) γ int(5.6) δ. 10 ε. 5.6 Μονάδες 8 ΣΤΗΛΗ Α ΣΥΝΑΡΤΗΣΗ
ΑΡΧΗ 1ΗΣ ΣΕΛΙ ΑΣ ΕΠΑΝΑΛΗΠΤΙΚΕΣ ΠΑΝΕΛΛΑ ΙΚΕΣ ΕΞΕΤΑΣΕΙΣ HMEΡΗΣΙΩΝ KAI ΕΣΠΕΡΙΝΩΝ ΕΠΑΓΓΕΛΜΑΤΙΚΩΝ ΛΥΚΕΙΩΝ ΠΕΜΠΤΗ 26 ΣΕΠΤΕΜΒΡΙΟΥ 2019 ΕΞΕΤΑΖΟΜΕΝΟ ΜΑΘΗΜΑ: ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ ΥΠΟΛΟΓΙΣΤΩΝ ΣΥΝΟΛΟ ΣΕΛΙ ΩΝ: ΕΠΤΑ (7)
Διαβάστε περισσότεραΑντικειμενοστρεφής Προγραμματισμός -Python. Κ.Π. Γιαλούρης
Κ.Π. Γιαλούρης Στόχοι του σημερινού μαθήματος Εξοικείωση με τα περιβάλλοντα της Python Κατανόηση βασικών εννοιών & τεχνικών Τύπος δεδομένων Μεταβλητή Εντολή ανάθεση τιμής / εντολή αντικατάστασης Εισαγωγή
Διαβάστε περισσότεραΕισαγωγή στην Επιστήμη της Πληροφορικής Εργαστήριο. Microsoft Excel Μέρος 1
Πανεπιστήμιο Κύπρου Τμήμα Πληροφορικής Εισαγωγή στην Επιστήμη της Πληροφορικής και Πληροφοριακά Συστήματα Εργαστήριο - ΕΠΛ003 Εισαγωγή στην Επιστήμη της Πληροφορικής Εργαστήριο Microsoft Excel Μέρος 1
Διαβάστε περισσότεραΕισαγωγή στο SAGE. Νίκος Νοδαράκης. 31 Οκτωβρίου 2010
Εισαγωγή στο Νίκος Νοδαράκης 31 Οκτωβρίου 2010 Τι είναι το ; Περιγραφή του Ορισµός Το είναι ένα δωρεάν σύστηµα λογισµικού µαθηµατικών ανοιχτού κώδικα κάτω από την άδεια GPL. Συνδυάζει τις δυνατότητες πολλών
Διαβάστε περισσότερα2.2.1. Ανοίξτε την εικόνα Hel_MDSGEO και δημιουργήστε δύο έγχρωμα σύνθετα ένα σε πραγματικό χρώμα (True color) και ένα σε ψευδοέχρωμο υπέρυθρο (CIR)
ΕΡΓΑΣΤΗΡΙΟ 2 ο : Φασματικές υπογραφές 2.1. Επανάληψη από τα προηγούμενα 2.2.1. Ανοίξτε την εικόνα Hel_MDSGEO και δημιουργήστε δύο έγχρωμα σύνθετα ένα σε πραγματικό χρώμα (True color) και ένα σε ψευδοέχρωμο
Διαβάστε περισσότερα3) το παράθυρο Πίνακας τιμών όπου εμφανίζονται οι τιμές που παίρνουν οι παράμετροι
Ο Δ Η Γ Ι Ε Σ Γ Ι Α Τ Ο M O D E L L U S 0.0 4. 0 5 Για να κατεβάσουμε το πρόγραμμα Επιλέγουμε Download στη διεύθυνση: http://modellus.co/index.php/en/download. Στη συνέχεια εκτελούμε το ModellusX_windows_0_4_05.exe
Διαβάστε περισσότεραΣημειωματάριο Τετάρτης 25 Οκτ. 2017
Σημειωματάριο Τετάρτης 25 Οκτ. 2017 Ένα πρόγραμμα που παίζει κρεμάλα Σήμερα φτιάξαμε ένα πρόγραμμα που παίζει "κρεμάλα" με το χρήστη. Το πρόγραμμα hangman.py link (http://fourier.math.uoc.gr/~mk/prog1718/files/hangman.py))
Διαβάστε περισσότεραΣημειωματάριο Δευτέρας 9 Οκτ. 2017
Σημειωματάριο Δευτέρας 9 Οκτ. 2017 Η δομή ελέγχου if... else... elif Βλέπουμε τώρα πώς μπορούμε να γράψουμε προγράμματα που η εκτέλεσή τους ακολουθεί διαφορετική πορεία ανάλογα με τα δεδομένα. Χωρίς τέτοιες
Διαβάστε περισσότεραΗ αφετηρία είναι η συσκευή στην οποία η μπάλα βρίσκεται αρχικά. Έχει μόνο μία έξοδο. Ο σειριακός αριθμός της είναι.
doll Mechanical Doll Η μηχανική κούκλα είναι μια κούκλα που αυτόματα επαναλαμβάνει μία συγκεκριμένη ακολουθία κινήσεων. Στην Ιαπωνία, μηχανικές κούκλες κατασκευάζονται από πολύ παλιά. Οι κινήσεις της μηχανικής
Διαβάστε περισσότεραΕισαγωγικές έννοιες. Κατηγορίες προβλημάτων (σε μια διάσταση) Προβλήματα εύρεσης μεγίστου. Συμβολισμοί
Κατηγορίες προβλημάτων (σε μια διάσταση) Εισαγωγικές έννοιες Δ. Γ. Παπαγεωργίου Τμήμα Μηχανικών Επιστήμης Υλικών Πανεπιστήμιο Ιωαννίνων dpapageo@cc.uoi.gr http://pc164.materials.uoi.gr/dpapageo Το πρόβλημα
Διαβάστε περισσότερα2.0 ΒΑΣΙΚΕΣ ΓΝΩΣΕΙΣ-ΟΡΟΛΟΓΙΕΣ
2.0 ΒΑΣΙΚΕΣ ΓΝΩΣΕΙΣ-ΟΡΟΛΟΓΙΕΣ Η σάρωση ενός εγγράφου εισάγει στον υπολογιστή μια εικόνα, ενώ η εκτύπωση μεταφέρει στο χαρτί μια εικόνα από αυτόν. Για να αντιληφθούμε επομένως τα χαρακτηριστικά των σαρωτών
Διαβάστε περισσότεραΔισδιάστατη ανάλυση. Για παράδειγμα, έστω ότι 11 άτομα δήλωσαν ότι είναι άγαμοι (Α), 26 έγγαμοι (Ε), 12 χήροι (Χ) και 9 διαζευγμένοι (Δ).
Δισδιάστατη ανάλυση Πίνακες διπλής εισόδου Σε πολλές περιπτώσεις μελετάμε περισσότερες από μία μεταβλητές ταυτόχρονα. Π.χ. μία έρευνα που έγινε σε ένα δείγμα 58 ατόμων περιείχε τις ερωτήσεις «ποια είναι
Διαβάστε περισσότεραΣχεδίαση Βάσεων Δεδομένων
Οδηγίες Μέρος 1: Απαντήστε κάθε ερώτηση. 1. Ποια είναι τα πλεονεκτήματα που παρέχει το Περιβάλλον Βάσεων Δεδομένων της Oracle για τις επιχειρήσεις; Το σύστημα διαχείρισης βάσεων δεδομένων της Oracle δίνει
Διαβάστε περισσότεραδιανύσματα - Πίνακες - Struct Στατικό διάνυσμα Είσοδος Έξοδος δεδομένων Συναρτήσεις Χειρισμός σφαλμάτων ΤΕΤΑΡΤΗ ΔΙΑΛΕΞΗ
ΤΕΤΑΡΤΗ ΔΙΑΛΕΞΗ Σύνολο στοιχείων ίδιου τύπου (1/2) Ένα σύνολο στοιχείων ίδιου τύπου διακρίνεται σε δύο κατηγορίες με βάση τη διάσταση: Μονοδιάστατο Αν μπορούμε να θεωρούμε ότι τα στοιχεία είναι συνεχόμενα
Διαβάστε περισσότεραint array[10]; double arr[5]; char pin[20]; Προγραµµατισµός Ι
Εισαγωγή Στον Προγραµµατισµό «C» Πίνακες Πανεπιστήµιο Πελοποννήσου Τµήµα Πληροφορικής & Τηλεπικοινωνιών Νικόλαος Δ. Τσελίκας Νικόλαος Προγραµµατισµός Δ. Τσελίκας Ι Πίνακες στη C Ένας πίνακας στη C είναι
Διαβάστε περισσότεραPERL. Δήμος Παύλου Δημήτρης Κουζαπάς
PERL Δήμος Παύλου Δημήτρης Κουζαπάς Perl Η Perl είναι μια διερμηνευομένη δυναμική γλώσσα προγραμματισμού. Συνδυάζει χαρακτηριστικά από διάφορες γλώσσες. (C/C++, Awk, Lisp κλπ) Διαδόθηκε λόγω της μεγάλης
Διαβάστε περισσότερα21. ΦΥΛΛΟ ΕΡΓΑΣΙΑΣ 4 - ΔΗΜΙΟΥΡΓΩΝΤΑΣ ΜΕ ΤΟ BYOB BYOB. Αλγόριθμος Διαδικασία Παράμετροι
21. ΦΥΛΛΟ ΕΡΓΑΣΙΑΣ 4 - ΔΗΜΙΟΥΡΓΩΝΤΑΣ ΜΕ ΤΟ BYOB BYOB Αλγόριθμος Διαδικασία Παράμετροι Τι είναι Αλγόριθμος; Οι οδηγίες που δίνουμε με λογική σειρά, ώστε να εκτελέσουμε μια διαδικασία ή να επιλύσουμε ένα
Διαβάστε περισσότεραΣημειωματάριο Δευτέρας 4 Δεκ. 2017
Σημειωματάριο Δευτέρας 4 Δεκ. 2017 Ο αλγόριθμος Floyd-Warshall για την έυρεση όλων των αποστάσεων σε ένα γράφημα με βάρη στις ακμές Συνεχίσαμε σήμερα το θέμα της προηγούμενης Τετάρτης. Έχουμε ένα γράφημα
Διαβάστε περισσότεραΘέση και Προσανατολισμός
Κεφάλαιο 2 Θέση και Προσανατολισμός 2-1 Εισαγωγή Προκειμένου να μπορεί ένα ρομπότ να εκτελέσει κάποιο έργο, πρέπει να διαθέτει τρόπο να περιγράφει τα εξής: Τη θέση και προσανατολισμό του τελικού στοιχείου
Διαβάστε περισσότεραΕισαγωγή στον Προγραµµατισµό. Πανεπιστήµιο Θεσσαλίας Τµήµα Ηλεκτρολόγων Μηχανικών και Μηχανικών Η/Υ
Εισαγωγή στον Προγραµµατισµό Πανεπιστήµιο Θεσσαλίας Τµήµα Ηλεκτρολόγων Μηχανικών και Μηχανικών Η/Υ Συναρτήσεις 19.11.16 Β. Ντουφεξή 2 Προβλήματα: Οσο μεγαλώνουν τα προγράμματα, γίνονται πιο πολύπλοκα.
Διαβάστε περισσότεραΟδηγίες για το Geogebra Μωυσιάδης Πολυχρόνης Δόρτσιος Κώστας
Οδηγίες για το Geogebra Μωυσιάδης Πολυχρόνης Δόρτσιος Κώστας Η πρώτη οθόνη μετά την εκτέλεση του προγράμματος διαφέρει κάπως από τα προηγούμενα λογισμικά, αν και έχει αρκετά κοινά στοιχεία. Αποτελείται
Διαβάστε περισσότεραΔΟΜΕΣ ΔΕΔΟΜΕΝΩΝ. Στοιχειώδεις Δοµές Δεδοµένων Δοµικά Στοιχεία και Πίνακες Κεφάλαιο 3 (3.1 και 3.2) Ε. Μαρκάκης Επικ. Καθηγητής
ΔΟΜΕΣ ΔΕΔΟΜΕΝΩΝ Στοιχειώδεις Δοµές Δεδοµένων Δοµικά Στοιχεία και Πίνακες Κεφάλαιο 3 (3.1 και 3.2) Ε. Μαρκάκης Επικ. Καθηγητής Περίληψη Δοµικά στοιχεία Πίνακες Το κόσκινο του Ερατοσθένη Αντιγραφή πινάκων
Διαβάστε περισσότεραΈγχρωµο και Ασπρόµαυρο Φως
Έγχρωµο και Ασπρόµαυρο Φως Χρώµα: κλάδος φυσικής, φυσιολογίας, ψυχολογίας, τέχνης. Αφορά άµεσα τον προγραµµατιστή των γραφικών. Αν αφαιρέσουµε χρωµατικά χαρακτηριστικά, λαµβάνουµε ασπρόµαυρο φως. Μόνο
Διαβάστε περισσότεραΕνότητα: Δυαδική Αναζήτηση Σχέδιο Δραστηριότητας: Παιχνίδι: Βρες τον αριθμό
Ενότητα: Δυαδική Αναζήτηση Σχέδιο Δραστηριότητας: Παιχνίδι: Βρες τον αριθμό 1 Εισαγωγή Σκεφτείτε έναν αριθμό από το 1 έως το 1000 και απαντήστε στην ερώτηση: Ο αριθμός που σκεφτήκατε είναι μεγαλύτερος
Διαβάστε περισσότεραισδιάστατοι μετασχηματισμοί ΚΕΦΑΛΑΙΟ 4: ισδιάστατοι γεωμετρικοί μετασχηματισμοί
ΚΕΦΑΛΑΙΟ 4: ισδιάστατοι γεωμετρικοί μετασχηματισμοί Πολλά προβλήματα λύνονται μέσω δισδιάστατων απεικονίσεων ενός μοντέλου. Μεταξύ αυτών και τα προβλήματα κίνησης, όπως η κίνηση ενός συρόμενου μηχανισμού.
Διαβάστε περισσότεραΣημειώσεις. Ο αριθμός των στοιχείων μίας λίστας μπορεί να βρεθεί με χρήση της συνάρτησης len:
Προηγούμενο Σημειώσεις Επόμενο Λίστες Σειρά στοιχείων Μία σειρά στοιχείων (αριθμών, συμβολοσειρών κλπ) μπορούν να οργανωθούν σε μία δομή η οποία ονομάζεται λίστα. Η σειρά των στοιχείων ορίζεται από ορθογώνιες
Διαβάστε περισσότεραΣχήµα 3.1: Εισαγωγή shift register σε βρόγχο for-loop.
Η δοµή «Shift register» 1. Η δοµή «Shift register» εισάγεται στο βρόγχο for-loop αλλά και σε άλλους βρόγχους που θα δούµε στη συνέχεια, όπως ο βρόγχος «While loop». Ο τρόπος εισαγωγής και λειτουργίας της
Διαβάστε περισσότεραΚλάσεις στην Python. Δημιουργία κλάσεων
Κλάσεις στην Python Στον προγραμματισμό γενικά προσπαθούμε να αποφεύγουμε τις επαναληπτικές εργασίες. Προσπαθούμε να γράφουμε κώδικα μία φορά και να τον χρησιμοποιούμε ξανά. Η αποφυγή της επανάληψης κώδικα
Διαβάστε περισσότεραKTurtle. KTurtle του KDE. KTurtle (καμβάς), Επεξεργαστής Κώδικα και Επιθεωρητής (Εικόνα 2.1). Στην Κονσόλα (Εκτελεστής) Επιφάνεια Εργασίας (καμβάς)
Το πρόγραμμα KTurtle είναι διαθέσιμο για όλες τις μεγάλες διανομές Linux καθώς και για Windows: http://windows.kde.org/ Μπορείτε να το κατεβάσετε και να το εγκαταστήσετε στον υπολογιστή σας εντελώς δωρεάν
Διαβάστε περισσότερα5ο Μάθημα Αλγόριθμοι Σχεδίασης Βασικών Σχημάτων
5ο Μάθημα Αλγόριθμοι Σχεδίασης Βασικών Σχημάτων Γραφικα Τμήμα Πληροφορικής Πανεπιστήμιο Θεσσαλίας Ακ Έτος 2016-17 Εισαγωγή Ευθεία Κύκλος Έλλειψη Σύνοψη του σημερινού μαθήματος 1 Εισαγωγή 2 Ευθεία 3 Κύκλος
Διαβάστε περισσότεραΠρογραμματισμός Η/Υ (ΤΛ2007 )
Τμήμα Ηλεκτρονικών Μηχανικών Τ.Ε.Ι. Κρήτης Προγραμματισμός Η/Υ (ΤΛ2007 ) Δρ. Μηχ. Νικόλαος Πετράκης (npet@chania.teicrete.gr) Ιστοσελίδα Μαθήματος: https://eclass.chania.teicrete.gr/ Εξάμηνο: Εαρινό 2015-16
Διαβάστε περισσότεραΒασικές Ασκήσεις από τα Εργαστήρια της Python. Πέμπτη Εργ. 3 17:15 και 19:15
Βασικές Ασκήσεις από τα Εργαστήρια της Python Πέμπτη Εργ. 3 17:15 και 19:15 Αντί να χρησιμοποιούμε πολλές ομοειδείς μεταβλητές του ίδιου τύπου, όπως παραδείγματος χάριν, οι 7 μέσες θερμοκρασίες μίας εβδομάδας,
Διαβάστε περισσότεραΌταν οι αριθμοί είναι ομόσημοι Βάζουμε το κοινό πρόσημο και προσθέτουμε
Κανόνες των προσήμων Στην πρόσθεση Όταν οι αριθμοί είναι ομόσημοι Βάζουμε το κοινό πρόσημο και προσθέτουμε (+) και (+) κάνει (+) + + 3 = +5 (-) και (-) κάνει (-) - - 3 = -5 Όταν οι αριθμοί είναι ετερόσημοι
Διαβάστε περισσότεραΓραφικά με υπολογιστές. Διδάσκων: Φοίβος Μυλωνάς. Διαλέξεις #11-#12
Ιόνιο Πανεπιστήμιο Τμήμα Πληροφορικής Χειμερινό εξάμηνο Γραφικά με υπολογιστές Διδάσκων: Φοίβος Μυλωνάς fmlonas@ionio.gr Διαλέξεις #-# Σύνθεση Δ Μετασχηματισμών Ομογενείς Συντεταγμένες Παραδείγματα Μετασχηματισμών
Διαβάστε περισσότεραΕφαρμοσμένα Μαθηματικά ΙΙ 9ο Σετ Ασκήσεων (Λύσεις) Διανυσματικοί Χώροι
Εφαρμοσμένα Μαθηματικά ΙΙ 9ο Σετ Ασκήσεων (Λύσεις) Διανυσματικοί Χώροι Επιμέλεια: Ι. Λυχναρόπουλος. Δείξτε ότι ο V R εφοδιασμένος με τις ακόλουθες πράξεις (, a b) + (, d) ( a+, b+ d) και k ( ab, ) ( kakb,
Διαβάστε περισσότεραΓΛΩΣΣΙΚΗ ΤΕΧΝΟΛΟΓΙΑ. Python & NLTK: Εισαγωγή
ΓΛΩΣΣΙΚΗ ΤΕΧΝΟΛΟΓΙΑ Python & NLTK: Εισαγωγή Εισαγωγή Γιατί Python? Παρουσίαση NLTK Πηγές και χρήσιμα εργαλεία Φροντιστήριο σε Python Στο φροντιστήριο: Εισαγωγή στην Python Ζητήματα προγραμματισμού για
Διαβάστε περισσότεραΕργαστήριο 6 ο 7 ο / Ερωτήματα Ι
Εργαστήριο 6 ο 7 ο / Ερωτήματα Ι Απλά ερωτήματα Επιλογής Ερωτήματα με Ενώσεις πινάκων Ερωτήματα με Παραμετρικά Κριτήρια Ερωτήματα με Υπολογιζόμενα πεδία Απλά ερωτήματα Επιλογής Τα Ερωτήματα μας επιτρέπουν
Διαβάστε περισσότεραΚεφάλαιο ΙV: Δείκτες και πίνακες. 4.1 Δείκτες.
Κεφάλαιο ΙV: Δείκτες και πίνακες. 4.1 Δείκτες. Η C, όπως έχουμε αναφέρει, είναι μια γλώσσα προγραμματισμού υψηλού επιπέδου η οποία αναπτύχθηκε για πρώτη φορά το 1972 από τον Dennis Ritchie στα AT&T Bell
Διαβάστε περισσότεραΔομημένος Προγραμματισμός. Τμήμα Επιχειρηματικού Σχεδιασμού και Πληροφοριακών Συστημάτων
Δομημένος Προγραμματισμός Τμήμα Επιχειρηματικού Σχεδιασμού και Πληροφοριακών Συστημάτων www.bpis.teicrete.gr Τμήμα Επιχειρηματικού Σχεδιασμού και Πληροφοριακών Συστημάτων www.bpis.teicrete.gr 2 Ορισμός
Διαβάστε περισσότεραCreate Sprite at Runtime
Create Sprite at Runtime (with ActionScript 3.0) Free Flash Demos Tested on Adobe CS4 Το σενάριο: Να φτιάξεις ένα sprite (που στον «μουσαμά» του να υπάρχει μια ζωγραφιά, π.χ. ένα τετράγωνο). Αυτό να το
Διαβάστε περισσότερα2ο ΓΕΛ ΑΓ.ΔΗΜΗΤΡΙΟΥ ΑΕΠΠ ΘΕΟΔΟΣΙΟΥ ΔΙΟΝ ΠΡΟΣΟΧΗ ΣΤΑ ΠΑΡΑΚΑΤΩ
ΠΡΟΣΟΧΗ ΣΤΑ ΠΑΡΑΚΑΤΩ ΣΤΑΘΕΡΕΣ είναι τα μεγέθη που δεν μεταβάλλονται κατά την εκτέλεση ενός αλγόριθμου. Εκτός από τις αριθμητικές σταθερές (7, 4, 3.5, 100 κλπ), τις λογικές σταθερές (αληθής και ψευδής)
Διαβάστε περισσότεραD3 Tips and Tricks. Το HTML μέρος του κώδικα
D3 Tips and Tricks Το HTML μέρος του κώδικα Τα δύο τμήματα που πρέπει να συμπληρωθούν για να κατασκευαστεί μία οπτικοποίηση με D3 είναι το CSS κομμάτι και ο κώδικας D3 με JavaScript. Θα κατασκευάσουμε
Διαβάστε περισσότερα