Συστήματα OLAP. Πασχάλης Θρήσκος, PhD Λάρισα
|
|
- Προκόπιος Μέλιοι
- 7 χρόνια πριν
- Προβολές:
Transcript
1 Συστήματα OLAP Πασχάλης Θρήσκος, PhD Λάρισα
2 «Τα συστήματα άμεσης αναλυτικής επεξεργασίας (OLTP) χρησιμοποιούνται για να απαντηθούν ερωτήματα πάνω σε πολυδιάστατα δεδομένα πολύ γρήγορα» Wikipedia
3 Στην στατιστική, τα πολυδιάστατα δεδομένα έχουν δύο χαρακτηριστικά: Ιδιότητες Μετρήσεις Τα συστήματα OLAP παρέχουν εργαλεία για να βοηθήσουν τον χρήστη να αναλύσει τα δεδομένα Τα συστήματα OLAP είναι ΒΔ, με διαφορετική αρχιτεκτονική και οργάνωση
4 Παραδείγματα ερωτήσεων OLAP Ποιος ο συντελεστής συσχέτισης μεταξύ ζημιών του τελευταίου χρόνου και της αύξησης τιμών του σιδηρομεταλλεύματος τα 5 τελευταία χρόνια; Ποια ήταν τα δέκα πρώτα καταστήματα σε πωλήσεις πλυντηρίων AEG; Ποιό ήταν το σύνολο των πωλήσεων ανά περιοχή και κατηγορία προϊόντος το έτος 2015; Τι ποσοστό από τους πελάτες που μπύρες AMSTEL αγοράζουν και πάνες μωρών; 4
5 Τα Συστήματα OLAP επιτρέπουν Πρόσβαση σε μεγάλο όγκο δεδομένων > 1ΤΒ Συμμετοχή αθροιστικών και ιστορικών δεδομένων σε πολύπλοκες ερωτήσεις Μεταβολή της «οπτικής γωνίας» (perspective) παρουσίασης των δεδομένων (π.χ., από ζημιές ανά περιοχή -> ζημιές ανά τμήμα κλπ.) Δυνατότητα ενσωμάτωσης πολύπλοκων υπολογισμών (π.χ. μέσης τιμή, τυπικό σφάλμα, min,max) Πολύ γρήγορη απόκριση για τεθεί ένα ερώτημα Εξόρυξη γνώσεις με την ανακάλυψη προτύπων μέσα από ένα τεράστιο όγκο δεδομένων
6 Γιατί OLAP αντί για OLTP Η οργάνωση είναι συνήθως σε κανονικοποιημένη μορφή (3NF), το οποίο για επιχειρησιακά ερωτήματα είναι δυσνόητο σε εννοιολογικό επίπεδο (πχ πελάτης, λογαριασμός) Η ανάλυση των δεδομένων δεν είναι εύκολο να γίνει με τη χρήση της SQL, αν και έχουν αναπτυχθεί επεκτάσεις του συντακτικού που βοηθούν Η οργάνωση σε φυσικό (B-Trees) δεν ενδείκνυται όσο αφορά τους χρόνους απόκρισης σε επιχειρησιακά ερωτήματα
7 Κύβοι Οι άξονες ενός κύβου αναπαριστούν ιδιότητες ή χαρακτηριστικά εγγραφών Συνήθως είναι διακριτά δεδομένα, όπως κατηγορίες, λίστες τιμών πχ. χρώμα, μήνας, περιοχή Ονομάζονται διαστάσεις (dimensions) Τα κελία περιέχουν μετρήσεις πχ. σύνολο πωλήσεων, αριθμός αυτοκινήτων που πουλήθηκαν Ονομάζονται γεγονότα Συνήθως έχουν πολύ περισσότερες των 3 διαστάσεων
8 Κύβος πωλήσεων αυτοκινήτων Κύβος Πωλήσεων Αυτοκινήτων Κόκκινα Μπλε Γκρι Ιουλ Αυγ Σεπ Ήπειρος Θεσσαλία
9 Προϊόν Ιεραρχίες Διαστάσεων Εάν μια διάσταση παίρνει τιμές από διαφορετικά επίπεδα, τότε το μετρήσιμο μπορεί να εκφραστεί σε διαφορετικά επίπεδα λεπτομέρειας Διαστάσεις: Προϊόν, Περιοχή, Χρόνος Βιομηχανία Κατηγορία Προϊόν Ιεραρχίες διαστάσεων Χώρα Περιφέρεια Νομός Πόλη Κατάστημα Έτος Τετράμηνο Μήνας Εβδομάδα Ημέρα 9 Χρόνος Κύβος ΠΩΛΗΣΕΩΝ Μέτρηση: Αριθμός Πωλήσεων για τις συγκεκριμένες διαστάσεις (Περιοχή, Προϊόν, Χρόνος)
10 Συχνά ο n-d κύβος λέγεται βασικός κυβοειδής (base cuboid). Περιέχει τον μεγαλύτερο βαθμός λεπτομέρειας. π.χ. Για κύβο με τέσσερεις διαστάσεις (Προϊόν, Χρόνος, Κατάστημα, Τοποθεσία ) έχουμε 4-D βασικό κυβοειδή O 0-D κύβος περιέχει το μεγαλύτερο επίπεδο περίληψης (apex cuboid). Το πλέγμα όλων των κυβοειδών ονομάζεται κύβος δεδομένων.
11 Πλέγμα Κυβοειδών Κύβος δεδομένων Σύνολο 0-D (apex) cuboid Χρόνος Προϊόν Θέση Προμηθευτής 1-D cuboids Χρόνος, Προϊόν Χρόνος, Θέση Προϊόν, Θέση Θέση, Προμηθευτής Χρόνος, Προμηθευτής Προϊόν, Προμηθευτής 2-D cuboids Χρόνος, Προϊόν, Θέση Χρόνος, Θέση, Προϊόν Χρόνος, Προϊόν, Προμηθευτής Προϊόν, Θέση, Προμηθευτής 3-D cuboids 4-D (base) cuboid Χρόνος, Προϊόν, Θέση, Προμηθευτής
12 Πράξεις OLAP Συναθροιστική Άνοδος (Roll UP) Παράγεται κύβος μειωμένων διαστάσεων όταν : Επιλέγουμε ανώτερο επίπεδο ιεραρχίας Αφαιρούμε διαστάσεις Αναλυτική κάθοδος (Drill Down) Παράγεται κύβος με αυξημένο αριθμό διαστάσεων όταν : Επιλέγουμε κατώτερο επίπεδο ιεραρχίας Προσθέτουμε διαστάσεις Οριζόντιος τεμαχισμός (Slice) Παράγεται εκφυλισμένος κύβος (τετράγωνο) εφαρμόζοντας επιλογή σε μια μόνο διάσταση
13 Πράξεις OLAP Κάθετος τεμαχισμός (Dice) Παράγεται κύβος εφαρμόζοντας επιλογή σε μια περισσότερες από μία διαστάσεις Περιστροφή (Pivot) Παράγεται κύβος με άλλη διάταξη (περιστροφή) των διαστάσεων με αποτέλεσμα την αναδιάταξη του κύβου στην οθόνη
14 Πράξεις OLAP
15 Πράξη Συναθροιστικής ανόδου Roll-up Η συναθροιστική άνοδος περιλαμβάνει τον υπολογισμό μίας συνολικής τιμής για μία θέση στην ιεραρχία μίας διάστασης δεδομένων. Για παράδειγμα, με μια συναθροιστική άνοδος, οι πωλήσεις σε επίπεδο Καταστημάτων δίνουν τις συνολικές πωλήσεις σε επίπεδο Πόλης και αυτές με τη σειρά τους με μία ακόμα συναθροιστική άνοδο παράγουν τις πωλήσεις σε επίπεδο Νομού. Χώρα Έτος Περιφέρεια Βιομηχανία Τετράμηνο Νομός Κατηγορία Μήνας Πόλη Προϊόν Εβδομάδα Κατάστημα Ημέρα
16 Συναθροιστική Άνοδος Πλυντήρια που χάλασαν Μακεδονία Ήπειρος Θεσσαλία Σύνολο Ιουλ Αυγ Σεπ Σύνολο Άνοδος ανά Μήνα Πλυντήρια που χάλασαν Θεσσαλία Ήπειρος Μακεδονία Σύνολο
17 Πράξη Αναλυτική Κάθοδος (Drill-Down) Ο χρήστης περνά από ένα ανώτερο επίπεδο μίας διάστασης που έχει συγκεντρωτικά δεδομένα σε ένα χαμηλότερο επίπεδο με πιο λεπτομερή δεδομένα. Πρόκειται για την αντίστροφη πράξη της συναθροιστικής ανόδου. Για παράδειγμα, κατά την αναλυτική κάθοδο, ξεκινάμε από τις πωλήσεις ανά Νομό και παίρνουμε τις αναλυτικές πωλήσεις ανά Πόλη και μετά τις πωλήσεις ανά Κατάστημα. Έτος Χώρα Βιομηχανία Τετράμηνο Νομός Κατηγορία Μήνας Πόλη Προϊόν Εβδομάδα Κατάστημα Ημέρα
18 Αναλυτική Κάθοδος Πλυντήρια που χάλασαν Μακεδονία Ήπειρος Θεσσαλία Σύνολο Κάθοδος ανά χρώμα Πλυντήρια που χάλασαν Θεσσαλία Ήπειρος Μακεδονία Σύνολο Κόκκινο Μπλε Γκρι Σύνολο
19 Οριζόντιος Τεμαχισμός Κόκκινα Κόκκινα Μπλε Γρι Ήπειρος Μπλε Γκρι Ήπειρος Ιουλ Αυγ Σεπ Ιουλ Αυγ Σεπ
20 Κάθετος Τεμαχισμός Μπλε Ήπειρος Κόκκινα Ιουλ Αυγ Σεπ Μπλε Γρι Ήπειρος Ιουλ Αυγ Σεπ Μπλε Σύνολο Ιουλ Αυγ Σεπ
21 Πράξη Περιστροφής (Pivot) Εναλλαγή των γραμμών και των στηλών του κύβου, όπως αυτός παρουσιάζεται στην οθόνη Δεν απαιτείται κανένας νέος υπολογισμός ή συνάθροιση
22 Q2 Κατ 2 Q1 Κατ 1 Παράδειγμα Πράξης Pivot Σύνολο πωλήσεων Σύνολο πωλήσεων Προϊόντα Κατ 1 Κατ 2 Καταθέσεις Επενδύσεις Δάνεια Κάρτες Καταθέσεις Επενδύσεις Δάνεια Κάρτες 5,2 1,9 2,3 1,1 8,9 0,75 4,6 1,5 5,6 1,4 2,6 1,1 7,2 0,4 4,6 0,5 Εναλλαγή γραμμών και στηλών Προϊόντα Q1 Q2 Καταθέσεις Επενδύσεις Δάνεια Κάρτες Καταθέσεις Επενδύσεις Δάνεια Κάρτες 5,2 1,9 2,3 1,1 5,6 1,4 2,6 1,1 8,9 0,75 4,6 1,5 7,2 0,4 4,6 0,5
23 Προϊόν Περιφέρεια 23 Παράδειγμα Πράξης Περιστροφής Χυμός Γ Α Β 10 Αναψυκτικό Γάλα Σαμπουάν Οδοντόπαστα Σαπούνι Μήνας Προϊόν
24 Προϊόν 24 Παράδειγμα Πράξης Κάθετου Τεμαχισμού Χυμός Αναψυκτικό Γάλα Σαμπουάν Οδοντόπαστα Σαπούνι Γ Α Β Μήνας
25 Προϊόν 25 Παράδειγμα Πράξης Αναλυτικής Καθόδου W S N Χυμός Αναψυκτικό Γάλα Σαμπουάν Οδοντόπαστα Σαπούνι Μήνας
26 Προϊόν 26 Παράδειγμα Πράξης Αθροιστικής Ανόδου W S N Τρόφιμα 80 Είδη υγιεινής Μήνας
27 Ερωτήματα που κάνουμε σε κύβους Μετρήσιμα Για ποια γεγονότα θα πρέπει να κάνουμε αναφορές Φίλτρα Ποιός (ποιοί) οριζόντιος τεμαχισμός του κύβου πρέπει να γίνει; Ομαδοποιήσεις Ποιος κάθετος τεμαχισμός πρέπει να γίνει; Κάθε διάσταση είναι : ομαδοποίησης Συνάθροισης Ν διαστάσεις 2 Ν σύνολα ομαδοποίησης Συνάθροιση = προβολή σε ένα υποχώρο μικρότερων διαστάσεων από τον αρχικό (βλ. SQL SELECT)
28 Κύβοι με μερικά σύνολα Προ-υπολογισμένες συναθροίσεις Γρήγορες απαντήσεις σε ερωτήματα OLAP Σε μια ιδεατή κατάσταση, προ-υπολογίζουμε όλα τα 2 Ν μερικά σύνολα Συνήθως, υπολογίζουμε τις συναθροίσεις όταν τις χρειαζόμαστε Συναθροίσεις ψηλά στην ιεραρχία μιας διαστάσεις μπορούν να υπολογιστούν από χαμηλότερες ιεραρχικά συναθροίσεις Το αντίστροφο δεν μπορεί να συμβεί
29 Πλέγμα ενός κύβου Περιφέρεια Χρώμα Χρόνος Αναλυτική Κάθοδος Περιφέρεια Χρόνος Περιφέρεια, Χρώμα Χρόνος, Χρώμα Περιφέρεια Χρόνος Χρώμα Συναθροιστική Άνοδος Σύνολο
30 Χώρα Παράδειγμα Συναθροίσεων TV PC VCR Σύνολο Χρόνος 1Qtr 2Qtr 3Qtr 4Qtr Σύνολο Ετήσιος τζίρος πωλήσεων TV στην Ελλάδα. Ελλάδα Ισπανία Ιταλία Ετήσιος τζίρος πωλήσεων of TV in All countries Σύνολο πωλήσεων
31 Σύγκριση MOLAP με ROLAP MOLAP = Πολυδιάστατο OLAP Η αποθήκευση των κύβων γίνεται με την μορφή πολυδιάστατου πίνακα (βλ. γλώσσα C) (Συνήθως) προ-υπολογίζονται όλες οι συναθροίσεις για καλύτερη απόκριση στα ερωτήματα Πλεονεκτήματα : Πολύ αποδοτική από άποψη χώρου και χρόνου η απόκριση σε ερωτήματα Μειονεκτήματα: Η κλιμάκωση δε μεγάλες διαστάσει δεν είναι εύκολη Χρειάζεται ειδικού τύπου αποθηκευτικά μέσα σε επίπεδο λογισμικού και υλικού
32 Αραίωση (Sparsity) Έστω για παράδειγμα ένα DW μιας Τράπεζας. Υποθέτουμε ότι έχουμε τις διαστάσεις: Πελάτης, Τραπεζικός Λογαριασμός, Τραπεζικό Κατάστημα, Ιστορικό Εάν η τράπεζα έχει πελάτες, Τραπεζικούς Λογαριασμούς, Τραπεζικά Καταστήματα, and Ιστορικό για days ο κύβος έχει cells! Ευτυχώς, τα περισσότερα κελιά του κύβου είναι άδεια. Οι πολυδιάστατοι πίνακες δεν είναι ο καλύτερος τρόπος αποθήκευσης αραιών (sparse) δεδομένα.
33 Σύγκριση MOLAP με ROLAP ROLAP = Σχεσιακό OLAP Αποθήκευση των κύβων σε ΣΣΒΔ Η επερωτήσεις OLAP γίνονται με SQL Πλεονεκτήματα : Εύκολη κλιμάκωση σε πολλές διαστάσει Εύκολη κλιμάκωση σε μεγάλα σύνολα δεδομένων Sparsity is not a problem Χρησιμοποιεί γνωστή και ώριμη τεχνολογία Μειονεκτήματα : Η απόκριση των ερωτημάτων είναι αρκετά πιο αργή σε σχέση με ένα σύστημα MOLAP Χρειάζεται να κατασκευαστούν δείκτες στους πίνακες που χρησιμοποιούνται για τους κύβους
34 Διαπινάκωση (cross-tabulation) Είναι μια αναφορά με ομαδοποιημένα δεδομένα σε 2 διαστάσεις Γίνεται συνάθροιση ανά διάσταση Περιέχει μερικά σύνολα Ενέργειες που μπορούν να γίνουν Αριθμητική άνοδος (περεταίρω συνάθροιση) Αριθμητική κάθοδος (λιγότερη συνάθροιση)
35 Διαπινάκωση (cross-tabulation) Πλυντήρια που χάλασαν Θεσσαλία Ήπειρος Μακεδονία Σύνολο Κόκκινο Μπλε Γκρι Σύνολο
36 Δημιουργία διαπινάκωσης (crosstabulation) με SQL Χαρακτηριστικά Ομαδοποίησης Μετρήσεις SELECT Περιφέρεια, Μήνας, SUM(Ποσότητα) FROM ΠΩΛΗΣΕΙΣ GROUP BY Περιφέρεια, Μήνας WHERE Χρώμα = Κόκκινο' Φίλτρα
37 Σύνολα ; Η συνάθροιση με SQL χρησιμοποιώντας τη GROUP BY δεν υπολογίζει τα μερικά σύνολα και γενικά Η διαπινάκωση δεν είναι πλήρης. Number of Autos Sold Θεσσαλία Ήπειρος Μακεδονία Σύνολο Κόκκινο ; Μπλε ; Γκρι ; Σύνολο ; ; ; ; Περιφέρια Μήνας SUM Θεσσαλία Ιουλ 45 Θεσσαλία Αυγ 50 Θεσσαλία Sep 38 Ήπειρος Ιουλ 33 Ήπειρος Αυγ 36 Ήπειρος Sep 31 Μακεδονία Ιουλ 30 Μακεδονία Αυγ 42 Μακεδονία Σεπ 40
38 Λύση: χρήση του UNION ALL Αρχικό ερώτημα Μερικό σύνολο ανά Νομό Μερικό σύνολο ανά Μήνα Γενικό σύνολο SELECT Νομός, Μήνας, SUM(Ποσότητα) FROM ΠΩΛΗΣΕΙΣ GROUP Νομός, Μήνας WHERE Χρώμα= Κόκκινο UNION ALL SELECT Νομός, "ALL", SUM(Ποσότητα) FROM ΠΩΛΗΣΕΙΣ GROUP BY Νομός WHERE Χρώμα= Κόκκινο' UNION ALL SELECT "ALL", Μήνας, SUM(Ποσότητα) FROM ΠΩΛΗΣΕΙΣ GROUP BY Μήνας WHERE Χρώμα= Κόκκινο UNION ALL SELECT "ALL", "ALL", SUM(Ποσότητα) FROM ΠΩΛΗΣΕΙΣ WHERE WHERE Χρώμα= Κόκκινο'
39 Μια καλύτερη λύση Η λύση με το UNION ALL γίνεται αρκετά πολύπλοκη εάν έχουμε παραπάνω από 2 αθροιζόμενα χαρακτηριστικά Με Ν αθροιζόμενα χαρακτηριστικά 2 n διαφορετικά UNION ALL (βλ. θεωρία συνόλων) Οι επεκτάσεις OLAP που προστέθηκαν στο συντακτικό της SQL 99 είναι πιο κατάλληλες για τέτοια ερωτήματα Επεκτάσεις CUBE, ROLLUP SELECT Περιφέρια, Μήνας, SUM(Ποσότητα) FROM ΠΩΛΗΣΕΙΣ GROUP BY CUBE(Περιφέρεια, Μήνας) WHERE Χρώμα= Κόκκινο'
40 Αποτελέσματα του CUBE ερωτήματος Παρατηρήσετε την εμφάνιση τουnotice NULL Στα Μερικά σύνολα σε όλα τα επίπεδα Περιφέρεια Χρόνος SUM(Ποσότητα) Θεσσαλία Ιουλ 45 Θεσσαλία Αυγ 50 Θεσσαλία Σεπ 38 Θεσσαλία NULL 133 Ήπειρος Ιουλ 33 Ήπειρος Αυγ 36 Ήπειρος Σεπ 31 Ήπειρος NULL 100 Μακεδονία Ιουλ 30 Μακεδονία Αυγ 42 Μακεδονία Σεπ 40 Μακεδονία NULL 112 NULL Ιουλ 108 NULL Αυγ 128 NULL Σεπ 109 NULL NULL 345
41 ROLLUP vs. CUBE Ο κύβος υπολογίζει όλο το πλέγμα Η συναθροιστική άνοδος υπολογίζει μια μόνο διαδρομή μέσα από το πλέγμα Order of GROUP BY list matters Groups by all prefixes of the GROUP BY list GROUP BY ROLLUP(A,B,C) A,B,C (A,B) Μερικό σύνολο (A) Μερικό σύνολο Γενικό σύνολο GROUP BY CUBE(A,B,C) A,B,C Μερικά σύνολα για τα: (A,B), (A,C), (B,C), (A), (B), (C) Γενικό σύνολο
42 Παράδειγμα ROLLUP SELECT Χρώμα, Μήνα, Περιφέρεια, SUM(Ποσότητα) FROM ΠΩΛΗΣΕΙΣ GROUP BY ROLLUP(Χρώμα, Μήνα, Περιφέρεια) Περιφέρεια Χρόνος Περιφέρεια Χρώμα Χρόνος Περιφέρεια, Χρώμα Χρόνος, Χρώμα Περιφέρεια Χρόνος Χρώμα Σύνολο
Άμεση Αναλυτική Επεξεργασία (OLAP)
1 Άμεση Αναλυτική Επεξεργασία (OLAP) 2 Περιεχόμενα Εφαρμογές στις Αποθήκες Δεδομένων Άμεση Αναλυτική Επεξεργασία (OLAP) Γεγονότα και Διαστάσεις Κύβοι και Ιεραρχίες διαστάσεων Πράξεις OLAP Αρχιτεκτονικές
Διαβάστε περισσότεραΆμεση Αναλυτική Επεξεργασία (OLAP)
Άμεση Αναλυτική Επεξεργασία (OLAP) Άμεση Αναλυτική Επεξεργασία (OLAP) Άμεση Αναλυτική Επεξεργασία (Online Analytical Processing - OLAP) Ανάλυση βασισμένη σε ένα κύβο OLAP Κύβος OLAP (OLAP Cube) Μια πολυδιάστατη
Διαβάστε περισσότεραData Cube. Μ.Χατζόπουλος 1
Data Cube Μ.Χατζόπουλος Μ.Χατζόπουλος 1 Ανάλυση εδοµένων Εξαγωγή συναθροιστικών δεδοµένων από µια βάση δεδοµένων Οπτικοποίηση των αποτελεσµάτων Μπορούνοιπαραδοσιακέςεπίπεδεςβάσειςδεδοµένων; Οι σχεσιακές
Διαβάστε περισσότεραΑποθήκες Δεδομένων & Πολυδιάστατη Ανάλυση
Αποθήκες Δεδομένων & Πολυδιάστατη Ανάλυση Γιάννης Θεοδωρίδης InfoLab, Τμήμα Πληροφορικής, Πανεπιστήμιο Πειραιά http://infolab.cs.unipi.gr version: Nov.2009 Πηγές Το κύριο μέρος των διαφανειών προέρχεται
Διαβάστε περισσότεραΛΕΞΕΙΣ ΚΛΕΙΔΙΑ: Λήψη απόφασης, Συστήματα Υποστήριξης Αποφάσεων, OLAP Ανάλυση, Περιβαλλοντική Εκπαίδευση ΕΙΣΑΓΩΓΗ
Η Αναλυτική Επεξεργασία Δεδομένων (On Line Analytical Processing) στην Υποστήριξη Αποφάσεων των Υπευθύνων Περιβαλλοντικής Εκπαίδευσης των Διευθύνσεων Εκπαίδευσης Γιώργος Ραβασόπουλος 1, Ιωάννα Παπαιωάννου
Διαβάστε περισσότεραΥποστήριξη Αποφάσεων. Γεώργιος Ευαγγελίδης. (βασισμένο στο κεφ. 23 του βιβλίου «Συστήματα Διαχείρισης Βάσεων Δεδομένων»)
Υποστήριξη Αποφάσεων Γεώργιος Ευαγγελίδης (βασισμένο στο κεφ. 23 του βιβλίου «Συστήματα Διαχείρισης Βάσεων Δεδομένων») Εισαγωγικά Οι επιχειρήσεις θέλουν να μπορούν να αναλύουν τα δεδομένα τους. Γιατί;
Διαβάστε περισσότεραΑΛΕΞΑΝΔΡΕΙΟ Τ.Ε.Ι ΘΕΣΣΑΛΟΝΙΚΗΣ ΣΧΟΛΗ ΤΕΧΝΟΛΟΓΙΚΩΝ ΕΦΑΡΜΟΓΩΝ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ
ΑΛΕΞΑΝΔΡΕΙΟ Τ.Ε.Ι ΘΕΣΣΑΛΟΝΙΚΗΣ ΣΧΟΛΗ ΤΕΧΝΟΛΟΓΙΚΩΝ ΕΦΑΡΜΟΓΩΝ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ Πτυχιακή Εργασία Οι τεχνολογίες OLAP και Data warehousing Του φοιτητή: Δαραβίγκα Δημήτριου Αρ. Μητρώου: 05/2933 Επιβλέπων
Διαβάστε περισσότερα4 Πολυδιάστατη Ανάλυση και Αποθήκες Δεδομένων
4 Πολυδιάστατη Ανάλυση και Αποθήκες Δεδομένων Σύνοψη Οι σύγχρονες επιχειρήσεις κατακλύζονται από ένα πακτωλό δεδομένων, τα οποία προέρχονται από εσωτερικές και εξωτερικές πηγές. Τα δεδομένα αυτά, αν και
Διαβάστε περισσότεραΕισαγωγή στις Αποθήκες εδομένων
Εισαγωγή στις Αποθήκες εδομένων ιαφάνειες βασισμένες σε σχετικές διαφάνειες του Πάνου Βασιλειάδη Εξόρυξη Δεδομένων: Ακ. Έτος 2008-2009 Αποθήκες Δεδομένων 1 Εισαγωγή: OLTP Παραδοσιακή ιαχείριση εδομένων
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΠΑΤΡΩΝ - ΤΜΗΥΠ ΒΑΣΕΙΣ ΔΕΔΟΜΕΝΩΝ Ι
ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΑΤΡΩΝ - ΤΜΗΥΠ ΒΑΣΕΙΣ ΔΕΔΟΜΕΝΩΝ Ι Β. Μεγαλοοικονόμου, Δ. Χριστοδουλάκης Query by Example QBE Ακ.Έτος 2008-09 (μεβάσητιςσημειώσειςτωνsilberchatz, Korth και Sudarshan και του C. Faloutsos CMU)
Διαβάστε περισσότεραPROJECT ΕΡΓΑΣΤΗΡΙΩΝ ΒΑΣΕΩΝ ΔΕΔΟΜΕΝΩΝ Ι. Τμήμα Μηχανικών Πληροφορικής Τ.Ε.
Παραδοτέα 1. Το αρχείο.mdb της βάσης δεδομένων σας σε ACCESS 2. Ένα CD που θα αναγράφει το ονοματεπώνυμο του σπουδαστή και το ΑΕΜ και θα περιέχει το αρχείο.mdb της βάσης δεδομένων καθώς και το εγχειρίδιο
Διαβάστε περισσότεραΕξόρυξη Γνώσης από εδοµένα (Data Mining)
ΠΜΣ Πληροφορικής Πανεπιστηµίου Πειραιά Εξόρυξη Γνώσης από εδοµένα (Data Mining) Αποθήκες εδοµένων Γιάννης Θεοδωρίδης Τµήµα Πληροφορικής, Πανεπιστήµιο Πειραιά http://isl.cs.unipi.gr/db/courses/dm "Πυραµίδα"
Διαβάστε περισσότεραΠανεπιστήµιο Πειραιώς Τµήµα Πληροφορικής. Αποθήκες εδοµένων και Εξόρυξη Γνώσης. (Data Warehousing & Data Mining) Γιάννης Θεοδωρίδης, Νίκος Πελέκης
Πανεπιστήµιο Πειραιώς Τµήµα Πληροφορικής Αποθήκες εδοµένων και Εξόρυξη Γνώσης (Data Warehousing & Data Mining) Αποθήκες εδοµένων Γιάννης Θεοδωρίδης, Νίκος Πελέκης Εργαστήριο Πληροφοριακών Συστηµάτων http://infolab.cs.unipi.gr
Διαβάστε περισσότεραA ΕΠΑ.Λ ΕΦΑΡΜΟΓΕΣ ΠΛΗΡΟΦΟΡΙΚΗΣ 5 η ΕΝΟΤΗΤΑ: ΒΑΣΕΙΣ ΔΕΔΟΜΕΝΩΝ. Εκπαιδευτικοί: ΓΑΛΑΝΟΣ ΓΕΩΡΓΙΟΣ ΜΠΟΥΣΟΥΝΗΣ ΚΩΝΣΤΑΝΤΙΝΟΣ
A ΕΠΑ.Λ ΕΦΑΡΜΟΓΕΣ ΠΛΗΡΟΦΟΡΙΚΗΣ 5 η ΕΝΟΤΗΤΑ: ΒΑΣΕΙΣ ΔΕΔΟΜΕΝΩΝ Εκπαιδευτικοί: ΓΑΛΑΝΟΣ ΓΕΩΡΓΙΟΣ ΜΠΟΥΣΟΥΝΗΣ ΚΩΝΣΤΑΝΤΙΝΟΣ 1 Βάση Δεδομένων: Με το όρο Βάση Δεδομένων εννοούμε ένα σύνολο δεδομένων που είναι οργανωμένο
Διαβάστε περισσότεραSQL Data Manipulation Language
SQL Data Manipulation Language Τελεστής union συνδυάζει subselects τα οποία παράγουν συμβατές σχέσεις γενική μορφή: subselect {union [all] subselect} περιορισμός: τα subselects δεν μπορούν να περιέχουν
Διαβάστε περισσότεραGROUP BY, HAVING, COUNT, MIN, MAX, SUM, AVG, ROLLUP.
SQL: Ερωτήματα ομαδοποίησης και συνάθροισης GROUP BY, HAVING, COUNT, MIN, MAX, SUM, AVG, ROLLUP Αθανάσιος Σταυρακούδης http://stavrakoudis.econ.uoi.gr Άνοιξη 2016 1 / 56 Περιεχόμενα 1 Εισαγωγή, γενικές
Διαβάστε περισσότεραΗλεκτρονικοί Υπολογιστές II
ΠΑΝΕΠΙΣΤΗΜΙΟ ΙΩΑΝΝΙΝΩΝ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ Ηλεκτρονικοί Υπολογιστές II SQL Ερωτήματα ομαδοποίησης και συνάθροισης Διδάσκων: Επίκουρος Καθηγητής Αθανάσιος Σταυρακούδης Άδειες Χρήσης Το παρόν εκπαιδευτικό
Διαβάστε περισσότεραΟλοκληρωµένη λύση επιλεκτικής συγκέντρωσης, αναδιοργάνωσης δεδοµένων και παραγωγής πληροφορίας
e.nfo Ολοκληρωµένη λύση επιλεκτικής συγκέντρωσης, αναδιοργάνωσης δεδοµένων και παραγωγής πληροφορίας Εξασφάλιση της εξειδικευµένης λύσης business intelligence για κάθε επιχείρηση πελάτης Τράπεζα Πειραιώς
Διαβάστε περισσότεραΕξόρυξη Γνώσης από εδοµένα (Data Mining)
Πανεπιστήµιο Πειραιώς Τµήµα Πληροφορικής Εξόρυξη Γνώσης από εδοµένα (Data Mining) Αποθήκες εδοµένων Γιάννης Θεοδωρίδης, Νίκος Πελέκης Οµάδα ιαχείρισης εδοµένων Εργαστήριο Πληροφοριακών Συστηµάτων http://isl.cs.unipi.gr/db
Διαβάστε περισσότεραOpen Office Calc. Ακαδημαϊκό έτος 2013-2014 εαρινό εξάμηνο ΟΝΟΜΑΤΕΠΩΝΥΜΟ : ΑΡΙΘΜΟΣ ΜΗΤΡΩΟΥ:
Σχολή Διοίκησης και Οικονομίας (ΣΔΟ) Τμήμα Λογιστικής και Χρηματοοικονομικής Διδάσκων: Δρ. Γκόγκος Χρήστος Μάθημα: Πληροφορική ΙI (εργαστήριο) Ακαδημαϊκό έτος 2013-2014 εαρινό εξάμηνο ΟΝΟΜΑΤΕΠΩΝΥΜΟ : ΑΡΙΘΜΟΣ
Διαβάστε περισσότεραΕισαγωγή στις Αποθήκες εδομένων
Εξόρυξη Δεδομένων: Ακ. Έτος 2007-2008 Αποθήκες Δεδομένων 1 Εισαγωγή: OLTP Παραδοσιακή ιαχείριση εδομένων με Σ Β Σύστημα Επεξεργασίας οσοληψιών On-Line Transaction Processing (OLTP) Εισαγωγή στις Αποθήκες
Διαβάστε περισσότεραΑποθήκες Δεδομένων και Εξόρυξη Δεδομένων
ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ Αποθήκες Δεδομένων και Εξόρυξη Δεδομένων Ενότητα 3: Αποθήκες Δεδομένων Μέρος Α Αναστάσιος Γούναρης, Επίκουρος Καθηγητής Άδειες Χρήσης
Διαβάστε περισσότεραΠανεπιστήμιο Πειραιώς, Τμήμα Πληροφορικής
Πανεπιστήμιο Πειραιώς, Τμήμα Πληροφορικής Ακαδημαϊκό έτος 2009-10 ΣΥΓΦΡΟΝΑ ΘΔΜΑΤΑ ΒΑΣΔΩΝ ΓΔΓΟΜΔΝΩΝ 1 η ΔΡΓΑΣΙΑ ΔΞΑΜΗΝΟΥ ομάδες των 2-3 ατόμων Εισαγωγή Έστω η βάση δεδομένων μιας επιχείρησης (θα μπορούσε
Διαβάστε περισσότεραΗ SQL αποτελείται από δύο υποσύνολα, τη DDL και τη DML.
Κεφάλαιο 5 Η γλώσσα SQL 5.1 Εισαγωγή Η γλώσσα SQL (Structured Query Language) είναι η πιο διαδεδομένη διαλογική γλώσσα ερωταπαντήσεων που χρησιμοποιείται για την επικοινωνία του χρήστη με σχεσιακές ΒΔ.
Διαβάστε περισσότεραΤμήμα Πληροφορικής ΑΠΘ
Βάσεις Δεδομένων Εργαστήριο ΙΙ Τμήμα Πληροφορικής ΑΠΘ 2013-2014 2 Σκοπός του 2 ου εργαστηρίου Σκοπός αυτού του εργαστηρίου είναι: Η μελέτη ερωτημάτων σε μία μόνο σχέση. Εξετάζουμε τους τελεστές επιλογής
Διαβάστε περισσότεραΑρχεία και Βάσεις Δεδομένων
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Αρχεία και Βάσεις Δεδομένων Διάλεξη 10η: SQL Μέρος 3ο Δημήτρης Πλεξουσάκης Τμήμα Επιστήμης Υπολογιστών SQL Data Manipulation Language Τελεστής union συνδυάζει subselects
Διαβάστε περισσότεραΥποερωτήματα στην SQL Αθανάσιος Σταυρακούδης http://stavrakoudis.econ.uoi.gr 1 / 31 Η ανάγκη για υποερώτημα Ποιος υπάλληλος παίρνει το μεγαλύτερο μισθό; Αν ξέραμε το μεγαλύτερο μισθό, πχ 2000, θα γράφαμε:
Διαβάστε περισσότερα5. ΠΟΛΥΔΙΑΣΤΑΤΗ ΑΝΑΛΥΣΗ ΔΕΔΟΜΕΝΩΝ
5. ΠΟΛΥΔΙΑΣΤΑΤΗ ΑΝΑΛΥΣΗ ΔΕΔΟΜΕΝΩΝ Το μοντέλο που δημιουργήσαμε στο προηγούμενο εργαστήριο έχει βελτιωθεί εν μέρει ώστε να συμπεριλάβει και κάποιες δυνατότητες οι οποίες απαιτούν σχετικά εξειδικευμένες
Διαβάστε περισσότεραΕπιχειρηματική Ευφυΐα (Business Intelligence - BI)
Επιχειρηματική Ευφυΐα (Business Intelligence - BI) Πασχάλης Θρήσκος, PhD Λάρισα 2016-2017 Τι είναι Έκδοση αναφορών Διεκπεραίωση αναλύσεων Πολυκαναλικός διαμερισμός αναφορών και αναλύσεων Εντοπισμός σχέσεων
Διαβάστε περισσότεραΣχεδίαση και Ανάπτυξη Απ ποθηκών Δεδομένωνν
ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΣΧΟΛΗ ΘΕΤΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ Σχεδίαση και Ανάπτυξη Αποθηκών Δεδομένων Διπλωματική Εργασία του Ζαγκαρέτου Λεωνίδα (ΑΕΜ: 139) Επιβλέπων Καθηγητής: Νανόπουλος
Διαβάστε περισσότεραΕισαγωγή στις Αποθήκες εδοµένων
Εισαγωγή στις Αποθήκες εδοµένων ιαφάνειες βασισµένες σε σχετικές διαφάνειες του Πάνου Βασιλειάδη Αποθήκες εδοµένων 1 Εισαγωγή: OLTP Παραδοσιακή ιαχείριση εδοµένων µε Σ Β Σύστηµα Επεξεργασίας οσοληψιών
Διαβάστε περισσότερα4. ΔΗΜΙΟΥΡΓΙΑ ΜΟΝΤΕΛΟΥ ΠΟΛΥΔΙΑΣΤΑΤΗΣ ΑΝΑΛΥΣΗΣ
4. ΔΗΜΙΟΥΡΓΙΑ ΜΟΝΤΕΛΟΥ ΠΟΛΥΔΙΑΣΤΑΤΗΣ ΑΝΑΛΥΣΗΣ Στο προηγούμενο εργαστήριο είδαμε πώς μπορούμε να αντλήσουμε πληροφορίες από μια σχεσιακή βάση δεδομένων με τη βοήθεια των ερωτημάτων (queries). Το μειονέκτημα
Διαβάστε περισσότεραΗΥ-360 Αρχεία και Βάσεις Δεδομένων Διδάσκων: Δ. Πλεξουσάκης. Φροντιστήριο SQL Examples ΙΙ Ξένου Ρουμπίνη
ΗΥ-360 Αρχεία και Βάσεις Δεδομένων Διδάσκων: Δ. Πλεξουσάκης Φροντιστήριο SQL Examples ΙΙ Ξένου Ρουμπίνη 1 SQL(DML) - Query Example 1 Query:1 Βρείτε τα ονόματα των έργων που δεν αφορούν το τμήμα research
Διαβάστε περισσότεραΤίτλος Πακέτου Certified Computer Expert-ACTA
Κωδικός Πακέτου ACTA - CCE - 002 Τίτλος Πακέτου Certified Computer Expert-ACTA Εκπαιδευτικές Ενότητες Επεξεργασία Κειμένου - Word Δημιουργία Εγγράφου Προχωρημένες τεχνικές επεξεργασίας κειμένου & αρχείων
Διαβάστε περισσότεραCopyright 2007 Ramez Elmasri and Shamkant B. Navathe, Ελληνική Έκδοση, ίαυλος ιαφάνεια 29-1
ιαφάνεια 29-1 Εφαρµογές Βάσεων εδοµένων ΠΜΣ 510 ευτέρα 6-9 Αίθουσα Α Ώρες Γραφείου ευτέρα 5-6 (και οποιαδήποτε άλλη ώρα είµαι στο γραφείο ικτυακός τόπος www.di.uoa.gr/~pms510 Ύλη Αποθήκες δεδοµένων Εξόρυξη
Διαβάστε περισσότεραΒΑΣΕΙΣ ΔΕΔΟΜΕΝΩΝ ασκήσεις και ερωτήσεις
ΒΑΣΕΙΣ ΔΕΔΟΜΕΝΩΝ ασκήσεις και ερωτήσεις 1) Ερωτήσεις Σωστού/Λάθους (ΣΛ) Το πακέτο λογισμικού Excel της Microsoft είναι λογισμικό διαχείρισης ΒΔ (ΣΛ) Το πακέτο λογισμικού Access της Microsoft είναι λογισμικό
Διαβάστε περισσότεραΗ SQL ως γλώσσα ερωτημάτων. Υπενθυμίζουμε: Σχέση = Πίνακας Πλειάδα = Εγγραφή = Γραμμή (Πίνακα) Πεδίο = Γνώρισμα (Σχέσης) = Στήλη (Πίνακα)
Η SQL ως γλώσσα ερωτημάτων Υπενθυμίζουμε: Σχέση = Πίνακας Πλειάδα = Εγγραφή = Γραμμή (Πίνακα) Πεδίο = Γνώρισμα (Σχέσης) = Στήλη (Πίνακα) Η γλώσσα SQL Η SQL αποτελείται από: DDL (Data Definition Language)
Διαβάστε περισσότεραΜΑΘΗΜΑ: Διαχείριση Εφοδιαστικών Αλυσίδων. Φίλιππος Ι. Καρυπίδης Καθηγητής. Τμήμα: Τεχνολόγων Γεωπόνων Αγροτικής Οικονομίας
ΜΑΘΗΜΑ: Διαχείριση Εφοδιαστικών Αλυσίδων Διδάσκων: Φίλιππος Ι. Καρυπίδης Καθηγητής Τμήμα: Τεχνολόγων Γεωπόνων Αγροτικής Οικονομίας Σειρά Διαλέξεων μαθήματος ΔΙΑΛΛΕΞΗ: Παγκόσμια κανάλια διανομής προϊόντων
Διαβάστε περισσότεραΟΝΟΜΑΤΕΠΩΝΥΜΟ : Αντικείμενα: Βάσεις δεδομένων, σχέσεις μεταξύ πινάκων, ερωτήματα, φόρμες και αναφορές.
Σχολή Διοίκησης και Οικονομίας (ΣΔΟ) Τμήμα Λογιστικής και Χρηματοοικονομικής Διδάσκων: Δρ. Γκόγκος Χρήστος Μάθημα: Πληροφορική ΙI (εργαστήριο) Ακαδημαϊκό έτος 2013-2014 εαρινό εξάμηνο ΟΝΟΜΑΤΕΠΩΝΥΜΟ : ΑΡΙΘΜΟΣ
Διαβάστε περισσότεραΒάσεις Δεδομένων. Εργαστήριο ΙV. Τμήμα Πληροφορικής ΑΠΘ 2014-2015
Βάσεις Δεδομένων Εργαστήριο ΙV Τμήμα Πληροφορικής ΑΠΘ 2014-2015 2 Σκοπός του 4 ου εργαστηρίου Σκοπός αυτού του εργαστηρίου είναι: η μελέτη ερωτημάτων σύνδεσης η μελέτη ερωτημάτων συνάθροισης 3 Εκφράσεις
Διαβάστε περισσότεραΕργαλείοΠληροφόρησης καιανάπτυξης
ΕργαλείοΠληροφόρησης καιανάπτυξης Εισαγωγή Η συνεχής ανάπτυξη είναι βασικό στοιχείο του DNA των επιχειρήσεων του 21ου αιώνα. Κάθε µέρα αναρωτιόµαστε για την επιχείρηση µας: Πως πήγαµε σε σχέση µε το προηγούµενο
Διαβάστε περισσότεραΜοντέλο Διαστάσεων Αρχιτεκτονική Αποθηκών Δεδομένων. Πασχάλης Θρήσκος, PhD Λάρισα
Μοντέλο Διαστάσεων Αρχιτεκτονική Αποθηκών Δεδομένων Πασχάλης Θρήσκος, PhD Λάρισα 2016-2017 Βασικά βήματα διαχείρισης ενός DW έργου The DW Lifecycle Toolkit Μοντέλο διαστάσεων (Dimensional Modelling) Τεχνική
Διαβάστε περισσότεραΜάθημα: Συστήματα Διαχείρισης Βάσεων Δεδομένων Αναλυτικό Διάγραμμα Μελέτης
Μάθημα: Συστήματα Διαχείρισης Βάσεων Δεδομένων Αναλυτικό Διάγραμμα Μελέτης Χρονοδιάγραμμα Μελέτης- Διάθρωση της Ύλης 1η Εβδομάδα 2η Εβδομάδα 3η Εβδομάδα Παραδοσιακά Συστήματα που Βασίζονται σε Αρχεία Συστήματα
Διαβάστε περισσότεραΑνάλυση Δεδομένων (Data Analysis) Άμεση Αναλυτική Επεξεργασία (OLAP) Λειτουργίες Συνάθροισης στην SQL (windowing, ranking)
ΒΔ για Λήψη Αποφάσεων Ανάλυση Δεδομένων (Data Analysis) Άμεση Αναλυτική Επεξεργασία (OLAP) Λειτουργίες Συνάθροισης στην SQL (windowing, ranking) Οργάνωση ιστορικής πληροφορίας σε Αποθήκες Δεδομένων (Data
Διαβάστε περισσότεραΣΤΡΑΤΗΓΙΚΟ MANAGEMENT KAI EΠΙΧΕΙΡHΜΑΤΙΚΗ ΕΥΦΥΙΑ. Παρουσίαση 2 ο μέρος:
ΣΤΡΑΤΗΓΙΚΟ MANAGEMENT KAI EΠΙΧΕΙΡHΜΑΤΙΚΗ ΕΥΦΥΙΑ Παρουσίαση 2 ο μέρος: Λήψη αποφάσεων Η λήψη αποφάσεων αποτελεί κεντρική δραστηριότητα σε όλα τα επίπεδα λειτουργίας μιας επιχείρησης, από τον σχεδιασμό δράσεων,
Διαβάστε περισσότεραΒάσεις Δεδομένων. Τ.Ε.Ι. Ιονίων Νήσων Σχολή Διοίκησης και Οικονομίας - Λευκάδα
Βάσεις Δεδομένων Τ.Ε.Ι. Ιονίων Νήσων Σχολή Διοίκησης και Οικονομίας - Λευκάδα Στέργιος Παλαμάς, Υλικό Μαθήματος «Βάσεις Δεδομένων», 2015-2016 Κεφάλαιο 2: Περιβάλλον Βάσεων Δεδομένων Μοντέλα Δεδομένων 2.1
Διαβάστε περισσότεραΒΑΣΕΙΣ ΔΕΔΟΜΕΝΩΝ Ι. Ενότητα 6: SQL (Συζεύξεις, Εμφώλευση, Ομαδοποίηση) Ευαγγελίδης Γεώργιος. Τμήμα Εφαρμοσμένης Πληροφορικής ΒΑΣΕΙΣ ΔΕΔΟΜΕΝΩΝ Ι
Ενότητα 6: SQL (Συζεύξεις, Εμφώλευση, Ομαδοποίηση) Ευαγγελίδης Γεώργιος Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons. Για εκπαιδευτικό υλικό, όπως εικόνες, που
Διαβάστε περισσότεραEBS Version Entersoft Business Suite Entersoft CRM
EBS Version 4.4.4.1 Entersoft Business Suite Entersoft CRM Νέα χαρακτηριστικά και επεκτάσεις Περιεχόμενα Συνοπτική περιγραφή περιεχομένων έκδοσης 3 Entersoft ERP... 3 Οριζόντια χαρακτηριστικά... 3 Entersoft
Διαβάστε περισσότεραΣχεδιασμός Βάσεων Δεδομένων
Πανεπιστήμιο Πειραιώς Τμήμα Ψηφιακών Συστημάτων Σχεδιασμός Βάσεων Δεδομένων Εργαστήριο 4 Δρ. Βασιλική Κούφη Περιεχόμενα Υλοποίηση Βάσεως Δεδομένων Εκτέλεση ερωτημάτων SQL στην Βάση Δεδομένων BHMA 1. Σχεδιασμός
Διαβάστε περισσότεραΣχεδίαση με Ηλεκτρονικούς Υπολογιστές
ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΑΝΟΙΧΤΑ ΑΚΑΔΗΜΑΙΚΑ ΜΑΘΗΜΑΤΑ Σχεδίαση με Ηλεκτρονικούς Υπολογιστές Ενότητα # 8: Οθόνες CRT Καθηγητής Ιωάννης Γ. Παρασχάκης Τμήμα Αγρονόμων & Τοπογράφων Μηχανικών Άδειες
Διαβάστε περισσότεραΈλεγχος (ποσοτικός ποιοτικός) (Από) Παλετοποίηση. «Παραγωγή εσωτερικού κωδικού» Ετικετοκόληση
Διαδικασίες Αποθήκευσης Διαδικασίες Αποθήκευσης Διαδικασία Παραλαβής Έλεγχος (ποσοτικός ποιοτικός) (Από) Παλετοποίηση «Παραγωγή εσωτερικού κωδικού» Ετικετοκόληση (Από) παλετοποίηση Η μονάδα μεταφοράς από
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΠΑΤΡΩΝ - ΤΜΗΥΠ ΒΑΣΕΙΣ ΔΕΔΟΜΕΝΩΝ Ι
ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΑΤΡΩΝ - ΤΜΗΥΠ ΒΑΣΕΙΣ ΔΕΔΟΜΕΝΩΝ Ι Β. Μεγαλοοικονόμου, Δ. Χριστοδουλάκης Σχεσιακό Μοντέλο SQLΜέρος Α Ακ.Έτος 2008-09 (μεβάσητιςσημειώσειςτωνsilberchatz, Korth και Sudarshan και του C. Faloutsos
Διαβάστε περισσότεραΠληροφορική 2. Βάσεις Δεδομένων (Databases)
Πληροφορική 2 Βάσεις Δεδομένων (Databases) 1 2 Επίπεδα αρχεία (flat files) Επίπεδο αρχείο είναι ένα αρχείο που αποτελείται από ένα σταθερό, μικρό αριθμό πεδίων. Οι εγγραφές του αρχείου μπορεί να μην ακολουθούν
Διαβάστε περισσότεραΑπό τα Δεδομένα στην Πληροφορία: Διδακτικό Σενάριο για Εισαγωγή στη Γλώσσα SQL. Σ. Φίλου Β. Βασιλάκης
Από τα Δεδομένα στην Πληροφορία: Διδακτικό Σενάριο για Εισαγωγή στη Γλώσσα SQL Σ. Φίλου Β. Βασιλάκης Ένταξη στο Πρόγραμμα Σπουδών Εντάσσεται στο μάθημα «Βάσεις Δεδομένων με εφαρμογές στο Διαδίκτυο» της
Διαβάστε περισσότεραΒάσεις δεδομένων. (7 ο μάθημα) Ηρακλής Βαρλάμης
Βάσεις δεδομένων (7 ο μάθημα) Ηρακλής Βαρλάμης varlamis@hua.gr Περιεχόμενα SQL Βασικές πράξεις Πράξεις συνόλων Συνενώσεις Συναθροιστικές συναρτήσεις Ομαδοποιήσεις 10/4/2014 Βάσεις Δεδομένων 2 Η γλώσσα
Διαβάστε περισσότερα11.1. Θεωρητικό υπόβαθρο για τους κύβους δεδομένων και την πολυδιάστατη ανάλυση
Κεφάλαιο 11. Αποθήκες και κύβοι δεδομένων Σύνοψη Σ αυτό το κεφάλαιο θα παρουσιάσουμε τη δημιουργία μιας αποθήκης δεδομένων ή, αλλιώς, ενός κύβου δεδομένων. Ο κύβος είναι μια πολυδιάστατη δομή δεδομένων
Διαβάστε περισσότεραField Service Management ΕΓΧΕΙΡΙΔΙΟ ΧΡΗΣΗΣ
Field Service Management ΕΓΧΕΙΡΙΔΙΟ ΧΡΗΣΗΣ 1 ΠΕΡΙΕΧΟΜΕΝΑ 1. ΑΝΑΛΥΣΗ ΜΕΝΟΥ ΕΦΑΡΜΟΓΗΣ... 4 2. ΕΠΕΞΗΓΗΣΗ ΚΕΝΤΡΙΚΟΥ ΜΕΝΟΥ ΚΑΡΤΕΛΑΣ... 5 3. ΔΗΜΙΟΥΡΓΙΑ ΠΕΛΑΤΗ... 6 4. ΑΝΑΖΗΤΗΣΗ ΠΕΛΑΤΗ... 6 5. ΕΠΕΞΕΡΓΑΣΙΑ/ΔΙΑΓΡΑΦΗ
Διαβάστε περισσότεραΒάσεις Δεδομένων (Databases)
Βάσεις Δεδομένων (Databases) ΕΠΛ 342 Χειμερινό Εξάμηνο 2011 Διδάσκοντες Καθηγητές Γιώργος Σαμάρας (ΧΩΔ01 109) Δομημένη Γλώσσα Ερωτήσεων SQL DML Σχεσιακοί Τελεστές Τελεστές Συνόλων Ανάκτηση με NULLs Συνδέσεις-Συνενώσεις
Διαβάστε περισσότεραΕΝΟΤΗΤΑ 10 ΠΟΛΛΑΠΛΑΣΙΑΣΜΟΣ ΚΑΙ ΔΙΑΙΡΕΣΗ
ΠΟΛΛΑΠΛΑΣΙΑΣΜΟΣ ΚΑΙ ΔΙΑΙΡΕΣΗ ΔΕΙΚΤΕΣ ΕΠΙΤΥΧΙΑΣ ΑΡΙΘΜΟΙ Υπολογισμοί και εκτίμηση Αρ1.15 Αναπτύσσουν την έννοια του πολλαπλασιασμού ως αθροιστικής επανάληψης ίσων προσθετέων και διαισθητικά την έννοια της
Διαβάστε περισσότεραΤμήμα Πληροφορικής ΑΠΘ 2013-2014
Βάσεις Δεδομένων Εργαστήριο V Τμήμα Πληροφορικής ΑΠΘ 2013-2014 2 Σκοπός του 5 ου εργαστηρίου Σκοπός αυτού του εργαστηρίου είναι: η μελέτη ερωτημάτων τροποποίησης δομής / δεδομένων η μελέτη σύνθετων ερωτημάτων
Διαβάστε περισσότεραData Warehouse Refreshment via ETL tools. Panos Vassiliadis
Data Warehouse Refreshment via ETL tools Panos Vassiliadis Data Warehouse Environment 2 Extract-Transform-Load (ETL) Extract Transform & Clean Load Sources DSA DW 3 Importance ETL market has a steady increase
Διαβάστε περισσότεραΒΑΣΕΙΣ ΔΕΔΟΜΕΝΩΝ ΤΜΗΜΑ ΠΟΛΙΤΙΣΜΙΚΗΣ ΤΕΧΝΟΛΟΓΙΑΣ ΚΑΙ ΕΠΙΚΟΙΝΩΝΙΑΣ. Επιλέγει όλες τις πλειάδες, από μια σχέση R, που ικανοποιούν τη συνθήκη επιλογής.
ΒΑΣΕΙΣ ΔΕΔΟΜΕΝΩΝ Χειμερινό Εξάμηνο 2012 SQL Structured Query Language Δρ. Βαγγελιώ Καβακλή ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ, ΤΜΗΜΑ ΠΟΛΙΤΙΣΜΙΚΗΣ ΤΕΧΝΟΛΟΓΙΑΣ ΚΑΙ ΕΠΙΚΟΙΝΩΝΙΑΣ 1 Πράξεις της σχεσιακής άλγεβρας ΠΡΑΞΗ ΣΚΟΠΟΣ
Διαβάστε περισσότεραΥποερωτήματα SQL Παραδείγματα και εφαρμογές από τη βάση δεδομένων company Αθανάσιος Σταυρακούδης http://stavrakoudis.econ.uoi.gr astavrak@uoi.gr @AStavrakoudis Άνοιξη 2016 1 / 55 Περιεχόμενα 1 Απλά υποερωτήματα
Διαβάστε περισσότεραΠΛΗΡΟΦΟΡΙΑΚΑ ΣΥΣΤΗΜΑΤΑ. Συστήματα Διαχείρισης Βάσεων Δεδομένων
ΠΛΗΡΟΦΟΡΙΑΚΑ ΣΥΣΤΗΜΑΤΑ ΠΛΗΡΟΦΟΡΙΑΚΑ ΣΥΣΤΗΜΑΤΑ Συστήματα Διαχείρισης Βάσεων Δεδομένων 1 ΕΙΣΑΓΩΓΗ Η τεχνολογία των Βάσεων Δεδομένων (ΒΔ) (Databases - DB) και των Συστημάτων Διαχείρισης Βάσεων Δεδομένων (ΣΔΒΔ)
Διαβάστε περισσότερα5.1.1 Περιγραφή των συστατικών τμημάτων ενός γραφήματος
5. Γραφήματα 5.1 Εισαγωγή 5.1.1 Περιγραφή των συστατικών τμημάτων ενός γραφήματος Το Discoverer παρέχει μεγάλες δυνατότητες στη δημιουργία γραφημάτων, καθιστώντας δυνατή τη διαμόρφωση κάθε συστατικού μέρους
Διαβάστε περισσότεραΗλεκτρονικοί Υπολογιστές II
ΠΑΝΕΠΙΣΤΗΜΙΟ ΙΩΑΝΝΙΝΩΝ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ Ηλεκτρονικοί Υπολογιστές II Όψεις (views) στην SQL Διδάσκων: Επίκουρος Καθηγητής Αθανάσιος Σταυρακούδης Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται
Διαβάστε περισσότεραΠολυδιάστατη Ανάλυση Δεδομένων
Πολυδιάστατη Ανάλυση Δεδομένων Άντληση δεδομένων από τη βάση Το πρώτο βήμα είναι η δημιουργία της πολυδιάστατης βάσης δεδομένων (OLAP On Line Analytical Processing) η οποία απευθύνεται στους καταναλωτές
Διαβάστε περισσότεραKεφ.2: Σχεσιακό Μοντέλο (επανάληψη) Κεφ.6.1: Σχεσιακή Άλγεβρα
Kεφ.2: Σχεσιακό Μοντέλο (επανάληψη) Κεφ.6.1: Σχεσιακή Άλγεβρα Database System Concepts, 6 th Ed. Silberschatz, Korth and Sudarshan See www.db-book.com for conditions on re-use Παράδειγμα Σχέσης attributes
Διαβάστε περισσότεραΟΝΟΜΑΤΕΠΩΝΥΜΟ : Αντικείμενα: περιγραφική στατιστική, γραφήματα, συναρτήσεις βάσεων δεδομένων, συγκεντρωτικοί πίνακες
Σχολή Διοίκησης και Οικονομίας (ΣΔΟ) Τμήμα Λογιστικής και Χρηματοοικονομικής Διδάσκων: Δρ. Γκόγκος Χρήστος Μάθημα: Πληροφορική ΙI (εργαστήριο) Ακαδημαϊκό έτος 2013-2014 εαρινό εξάμηνο ΟΝΟΜΑΤΕΠΩΝΥΜΟ : ΑΡΙΘΜΟΣ
Διαβάστε περισσότεραΕΝΟΤΗΤΑ 14 ΑΡΙΘΜΟΙ ΜΕΧΡΙ ΤΟ 100 ΠΡΑΞΕΙΣ ΜΕ ΠΟΛΛΑΠΛΑΣΙΑ ΤΟΥ 10 ΚΑΙ ΕΝΤΟΣ ΤΗΣ ΔΕΚΑΔΑΣ
ΕΝΟΤΗΤΑ 14 ΑΡΙΘΜΟΙ ΜΕΧΡΙ ΤΟ 100 ΠΡΑΞΕΙΣ ΜΕ ΠΟΛΛΑΠΛΑΣΙΑ ΤΟΥ 10 ΚΑΙ ΕΝΤΟΣ ΤΗΣ ΔΕΚΑΔΑΣ ΔΕΙΚΤΕΣ ΕΠΙΤΥΧΙΑΣ ΑΡΙΘΜΟΙ Διερεύνηση αριθμών Αρ1.1 Απαγγέλλουν, διαβάζουν, γράφουν και αναγνωρίζουν ποσότητες αριθμών
Διαβάστε περισσότεραΑποθήκες Δεδομένων και Εξόρυξη Δεδομένων
ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ Αποθήκες Δεδομένων και Εξόρυξη Δεδομένων Ενότητα 4: Αποθήκες Δεδομένων Μέρος Β Αναστάσιος Γούναρης, Επίκουρος Καθηγητής Άδειες Χρήσης
Διαβάστε περισσότεραΕΙΣΑΓΩΓΗ ΣΤΗΝ ΠΛΗΡΟΦΟΡΙΚΗ
ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΠΛΗΡΟΦΟΡΙΚΗ Ενότητα: 11Η ΕΡΓΑΣΤΗΡΙΑΚΗ ΑΣΚΗΣΗ Δρ. ΠΑΝΤΕΛΗΣ ΑΓΓΕΛΙΔΗΣ Τμήμα Μηχανικών Πληροφορικής και Τηλεπικοινωνιών Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative
Διαβάστε περισσότεραΟψεις (VIEWS) στην SQL Η εντολή CREATE VIEW Αθανάσιος Σταυρακούδης http://stavrakoudis.econ.uoi.gr Άνοιξη 2014 1 / 55 Περιεχόμενα 1 Εισαγωγικά για τις όψεις 2 Οψεις και συζεύξεις 3 Επιπλέον χρήση των όψεων
Διαβάστε περισσότεραSQL: Αιτήματα. Κεφάλαιο 5. Database Management Systems, R. Ramakrishnan and J. Gehrke
SQL: Αιτήματα Κεφάλαιο 5 Database Management Systems, R. Ramakrishnan and J. Gehrke Στιγμιότυπα Στιγμιότυπα των σχέσεων Sailors Reserves και Boats. Αν στο κλειδί της σχέσης Reserved δε συμμετείχε το γνώρισμα
Διαβάστε περισσότεραΟμαδοποίηση ΙΙ (Clustering)
Ομαδοποίηση ΙΙ (Clustering) Πασχάλης Θρήσκος PhD Λάρισα 2016-2017 pthriskos@mnec.gr Αλγόριθμοι ομαδοποίησης Επίπεδοι αλγόριθμοι Αρχίζουμε με μια τυχαία ομαδοποίηση Βελτιώνουμε επαναληπτικά KMeans Ομαδοποίηση
Διαβάστε περισσότεραΗΥ562 Προχωρημένα Θέματα Βάσεων Δεδομένων Efficient Query Evaluation over Temporally Correlated Probabilistic Streams
ΗΥ562 Προχωρημένα Θέματα Βάσεων Δεδομένων Efficient Query Evaluation over Temporally Correlated Probabilistic Streams Αλέκα Σεληνιωτάκη Ηράκλειο, 26/06/12 aseliniotaki@csd.uoc.gr ΑΜ: 703 1. Περίληψη Συνεισφοράς
Διαβάστε περισσότεραΜάθημα 3. Θεμέλια Επιχειρηματικής Ευφυΐας: Διαχείριση Βάσεων Δεδομένων και πληροφοριών
Μάθημα 3. Θεμέλια Επιχειρηματικής Ευφυΐας: Διαχείριση Βάσεων Δεδομένων και πληροφοριών Περιεχόμενα μαθήματος Πώς οργανώνει τα δεδομένα μια σχεσιακή βάση δεδομένων και σε τι διαφέρει από μια αντικειμενοστρεφή
Διαβάστε περισσότεραΒάσεις δεδομένων. (4 ο μάθημα) Ηρακλής Βαρλάμης
Βάσεις δεδομένων (4 ο μάθημα) Ηρακλής Βαρλάμης varlamis@hua.gr Περιεχόμενα Επέκταση του μοντέλου ΟΣ Κληρονομικότητα Εξειδίκευση/Γενίκευση Περιορισμοί Ιεραρχίες και πλέγματα Συνάθροιση Συνέχεια στο σχεσιακό
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 περισσότεραCYPDIS BI Platform. ών Υπηρεσιών
CYPDIS BI Platform Η επιχειρηματική νοημοσύνη (BI) του συστήματος βασίζεται στην πλατφόρμα Pentaho. Πρόκειται για μια πλατφόρμα λογισμικού που αποτελείται από το πλαίσιο (framework), τα εργαλεία (ΒΙ Components),
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΠΑΤΡΩΝ - ΤΜΗΥΠ ΒΑΣΕΙΣ ΔΕΔΟΜΕΝΩΝ ΙI
ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΑΤΡΩΝ - ΤΜΗΥΠ ΒΑΣΕΙΣ ΔΕΔΟΜΕΝΩΝ ΙI Β. Μεγαλοοικονόμου Κατανεμημένες Βάσεις Δεδομένων (παρουσίαση βασισμένη εν μέρη σε σημειώσεις των Silberchatz, Korth και Sudarshan και του C. Faloutsos)
Διαβάστε περισσότεραΒάσεις Δεδομένων Προχωρημένα Ερωτήματα SQL
Βάσεις Δεδομένων Προχωρημένα Ερωτήματα SQL Παύλος Εφραιμίδης Βάσεις Δεδομένων SQL - Μέρος Τρίτο 1 Περιεχόμενα Προχωρημένα Ερωτήματα SQL Συνένωση Συναθροιστικές Συναρτήσεις Ομαδοποίηση Βάσεις Δεδομένων
Διαβάστε περισσότεραΤεχνολογία Πολιτισμικού Λογισμικού
Ανοικτά Ακαδημαϊκά Μαθήματα στο ΤΕΙ Ιονίων Νήσων Τεχνολογία Πολιτισμικού Λογισμικού Ενότητα 10: Γλώσσα Ερωτημάτων SQL Το περιεχόμενο του μαθήματος διατίθεται με άδεια Creative Commons εκτός και αν αναφέρεται
Διαβάστε περισσότεραÈÛ ÁˆÁ ÛÙÈ μ ÛÂÈ Â ÔÌ ÓˆÓ
ΕΝΟΤΗΤΑ 1.1 ÈÛ ÁˆÁ ÛÙÈ μ ÛÂÈ Â ÔÌ ÓˆÓ ΔΙΔΑΚΤΙΚΟI ΣΤOΧΟΙ Στο τέλος της ενότητας αυτής πρέπει να μπορείτε: να επεξηγείτε τις έννοιες «βάση δεδομένων» και «σύστημα διαχείρισης βάσεων δεδομένων» να αναλύετε
Διαβάστε περισσότεραΒΑΣΕΙΣ ΔΕΔΟΜΕΝΩΝ Ι. Ενότητα 7α: SQL (NULL, Διαίρεση) Ευαγγελίδης Γεώργιος. Τμήμα Εφαρμοσμένης Πληροφορικής ΒΑΣΕΙΣ ΔΕΔΟΜΕΝΩΝ Ι
Ενότητα 7α: SQL (NULL, Διαίρεση) Ευαγγελίδης Γεώργιος Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons. Για εκπαιδευτικό υλικό, όπως εικόνες, που υπόκειται σε άλλου
Διαβάστε περισσότεραΠληροφοριακού Συστήματος Ενημέρωσης Καιρικών Συνθηκών
Τι είναι Πληροφοριακό Σύστημα και Βάση Δεδομένων Πληροφοριακό σύστημα Είναι το σύστημα, που επεξεργάζεται εισόδους, συντηρεί αρχεία και παράγει πληροφορίες κάθε μορφής. Είναι ο συνεκτικός κρίκος των υποσυστημάτων
Διαβάστε περισσότερα8. ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΣ ΔΕΔΟΜΕΝΩΝ
8. ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΣ ΔΕΔΟΜΕΝΩΝ Στόχος του εργαστηρίου αυτού είναι να δείξει πώς τα εργαστήρια με τα δεδομένα της ICAP μπορούν να υλοποιηθούν χωρίς τη χρήση SQL Server, χρησιμοποιώντας μόνον Excel και Rapid
Διαβάστε περισσότεραΔιαδικασία Διαχείρισης Παγίου Ενεργητικού
Διαδικασία Διαχείρισης Παγίου Ενεργητικού 1 Περίληψη Το συγκεκριμένο εγχειρίδιο δημιουργήθηκε για να βοηθήσει την κατανόηση της διαδικασίας διαχείρισης Παγίου Ενεργητικού. Η διαδικασία περιλαμβάνει αναλυτική
Διαβάστε περισσότεραΤμήμα Πληροφορικής ΑΠΘ
Βάσεις Δεδομένων Εργαστήριο ΙΙI Τμήμα Πληροφορικής ΑΠΘ 2013-2014 2 Σκοπός του 3 ου εργαστηρίου Σκοπός αυτού του εργαστηρίου είναι: η μελέτη ερωτημάτων επιλογής, προβολής και απλών συνδέσεων σε δύο ή περισσότερες
Διαβάστε περισσότεραΥΠΟΥΡΓΕΙΟ ΠΑΙΔΕΙΑΣ ΚΑΙ ΠΟΛΙΤΙΣΜΟΥ ΥΠΗΡΕΣΙΑ ΕΞΕΤΑΣΕΩΝ ΠΑΓΚΥΠΡΙΕΣ ΕΞΕΤΑΣΕΙΣ 2018 ΤΕΧΝΟΛΟΓΙΑ ΙΙ ΤΕΧΝΙΚΩΝ ΣΧΟΛΩΝ ΠΡΑΚΤΙΚΗΣ ΚΑΤΕΥΘΥΝΣΗΣ
ΥΠΟΥΡΓΕΙΟ ΠΑΙΔΕΙΑΣ ΚΑΙ ΠΟΛΙΤΙΣΜΟΥ ΥΠΗΡΕΣΙΑ ΕΞΕΤΑΣΕΩΝ ΠΑΓΚΥΠΡΙΕΣ ΕΞΕΤΑΣΕΙΣ 2018 ΤΕΧΝΟΛΟΓΙΑ ΙΙ ΤΕΧΝΙΚΩΝ ΣΧΟΛΩΝ ΠΡΑΚΤΙΚΗΣ ΚΑΤΕΥΘΥΝΣΗΣ Μάθημα: ΤΕΧΝΙΚΗ ΠΩΛΗΣΕΩΝ Ημερομηνία και ώρα εξέτασης: Τρίτη 5 Ιουνίου
Διαβάστε περισσότεραΕΝΟΤΗΤΑ 9 ΑΡΙΘΜΟΙ ΜΕΧΡΙ ΤΟ 100. Απαγγέλλουν, διαβάζουν, γράφουν και αναγνωρίζουν ποσότητες αριθμών μέχρι το 100. Αρ1.2
1 ΕΝΟΤΗΤΑ 9 ΑΡΙΘΜΟΙ ΜΕΧΡΙ ΤΟ 100 ΔΕΙΚΤΕΣ ΕΠΙΤΥΧΙΑΣ ΑΡΙΘΜΟΙ Διερεύνηση αριθμών Αρ1.1 Απαγγέλλουν, διαβάζουν, γράφουν και αναγνωρίζουν ποσότητες αριθμών μέχρι το 100. Αρ1.2 Συγκρίνουν και διατάσσουν τους
Διαβάστε περισσότεραΕΓΧΕΙΡΙΔΙΟ ΧΡΗΣΗΣ ΟΛΟΚΛΗΡΩΜΕΝΟΥ ΠΛΗΡΟΦΟΡΙΑΚΟΥ ΣΥΣΤΗΜΑΤΟΣ (ΟΠΣ) ΓΙΑ ΤΗΝ ΠΡΟΓΡΑΜΜΑΤΙΚΗ ΠΕΡΙΟΔΟ ΣΕΣ
ΕΓΧΕΙΡΙΔΙΟ ΧΡΗΣΗΣ ΟΛΟΚΛΗΡΩΜΕΝΟΥ ΠΛΗΡΟΦΟΡΙΑΚΟΥ ΣΥΣΤΗΜΑΤΟΣ (ΟΠΣ) ΓΙΑ ΤΗΝ ΠΡΟΓΡΑΜΜΑΤΙΚΗ ΠΕΡΙΟΔΟ ΣΕΣ 2014-2020 ΕΝΟΤΗΤΑ «ΔΙΑΧΕΙΡΙΣΗ ΠΡΟΣΚΛΗΣΕΩΝ ΕΡΓΩΝ ΣΧΕΔΙΩΝ ΧΟΡΗΓΙΩΝ» 1η Έκδοση: 2015 ΠΕΡΙΕΧΟΜΕΝΑ 1. ΕΙΣΑΓΩΓΗ...3
Διαβάστε περισσότεραΕΓΧΕΙΡΙΔΙΟ ΧΡΗΣΗΣ ΟΛΟΚΛΗΡΩΜΕΝΟΥ ΠΛΗΡΟΦΟΡΙΑΚΟΥ ΣΥΣΤΗΜΑΤΟΣ (ΟΠΣ) ΓΙΑ ΤΗΝ ΠΡΟΓΡΑΜΜΑΤΙΚΗ ΠΕΡΙΟΔΟ ΣΕΣ
ΕΓΧΕΙΡΙΔΙΟ ΧΡΗΣΗΣ ΟΛΟΚΛΗΡΩΜΕΝΟΥ ΠΛΗΡΟΦΟΡΙΑΚΟΥ ΣΥΣΤΗΜΑΤΟΣ (ΟΠΣ) ΓΙΑ ΤΗΝ ΠΡΟΓΡΑΜΜΑΤΙΚΗ ΠΕΡΙΟΔΟ ΣΕΣ 2014-2020 ΕΝΟΤΗΤΑ «ΔΕΛΤΙΑ ΠΑΡΑΚΟΛΟΥΘΗΣΗΣ ΥΠΟΨΗΦΙΩΝ ΈΡΓΩΝ ΔΣ» 1η Έκδοση: 2016 ΠΕΡΙΕΧΟΜΕΝΑ 1. ΕΙΣΑΓΩΓΗ...3
Διαβάστε περισσότεραFROM TESTOTA.REGISTRY
ΟΤΑ Επιχειρησιακή Νοηµοσύνη Ενότητα: Βc1.1.3 Επιχειρησιακή Νοηµοσύνη και Τεχνολογίες της Πληροφορικής και των Επικοινωνιών (BI & IT) Πρακτική Άσκηση (επίπεδο 1): Στόχος της άσκησης είναι η εµβάθυνση στην
Διαβάστε περισσότεραΠεριεχόμενα. Βάσεις Δεδομένων Προχωρημένα Ερωτήματα SQL. Συνένωση Σχέσεων στην SQL2 (3) Συνένωση Σχέσεων στην SQL2. (Join Relations Feature in SQL)
Περιεχόμενα Βάσεις Δεδομένων Προχωρημένα Ερωτήματα SQL Παύλος Εφραιμίδης Προχωρημένα Ερωτήματα SQL Συνένωση Συναθροιστικές Συναρτήσεις Ομαδοποίηση Βάσεις Δεδομένων SQL - Μέρος Τρίτο 1 Βάσεις Δεδομένων
Διαβάστε περισσότεραΕΓΧΕΙΡΙΔΙΟ ΧΡΗΣΗΣ ΟΛΟΚΛΗΡΩΜΕΝΟΥ ΠΛΗΡΟΦΟΡΙΑΚΟΥ ΣΥΣΤΗΜΑΤΟΣ (ΟΠΣ) ΓΙΑ ΤΗΝ ΠΡΟΓΡΑΜΜΑΤΙΚΗ ΠΕΡΙΟΔΟ ΣΕΣ
ΕΓΧΕΙΡΙΔΙΟ ΧΡΗΣΗΣ ΟΛΟΚΛΗΡΩΜΕΝΟΥ ΠΛΗΡΟΦΟΡΙΑΚΟΥ ΣΥΣΤΗΜΑΤΟΣ (ΟΠΣ) ΓΙΑ ΤΗΝ ΠΡΟΓΡΑΜΜΑΤΙΚΗ ΠΕΡΙΟΔΟ ΣΕΣ 2014-2020 ΕΝΟΤΗΤΑ «ΔΕΛΤΙΑ ΠΑΡΑΚΟΛΟΥΘΗΣΗΣ ΥΠΟΨΗΦΙΩΝ ΣΧΕΔΙΩΝ ΧΟΡΗΓΙΩΝ» 1η Έκδοση: 2016 ΠΕΡΙΕΧΟΜΕΝΑ 1. ΕΙΣΑΓΩΓΗ...3
Διαβάστε περισσότεραΕΞΕΤΑΣΤΕΑ ΥΛΗ (SYLLABUS) Ενότητα Advanced Βάσεις Δεδομένων, Προχωρημένο Επίπεδο. Copyright 2013 ECDL Foundation Ref: SL_AM3_Syl2.
ΕΞΕΤΑΣΤΕΑ ΥΛΗ (SYLLABUS) Ενότητα Advanced Βάσεις Δεδομένων, Προχωρημένο Επίπεδο Copyright 2013 ECDL Foundation Ref: SL_AM3_Syl2.0_v1 Page 17 of 29 Βάσεις Δεδομένων, Προχωρημένο Επίπεδο Ακολουθεί η Εξεταστέα
Διαβάστε περισσότεραΈννοιες Διαχείρισης Βάσεων Δεδομένων και Αρχιτεκτονική
Έννοιες Διαχείρισης Βάσεων Δεδομένων και Αρχιτεκτονική Αρχιτεκτονική ANSI-SPARC, Επίπεδα Αρχιτεκτονικής (Εξωτερικό, Εννοιολογικό, Εσωτερικό), Παραδοσιακή Προσέγγιση (Μειονεκτήματα, Παράδειγμα), Προσέγγιση
Διαβάστε περισσότεραCertified Computer Expert (CCE)
Certified Computer Expert (CCE) Εξεταστέα Ύλη (Syllabus) Πνευµατικά ικαιώµατα Το παρόν είναι πνευµατική ιδιοκτησία της ACTA Α.Ε. και προστατεύεται από την Ελληνική και Ευρωπαϊκή νοµοθεσία που αφορά τα
Διαβάστε περισσότεραΗ λ ε κ τ ρ ο ν ι κ ό κ α τ ά σ τ η μ α. Γενικά χαρακτηριστικά της εφαρμογής για κατασκευή eshop
WEB AGENCY ALBATROS Διαφημιστικές Υπηρεσίες & Σχεδιασμός ιστοσελίδων www.webagencyalbatros.com Τηλ 6939052115 Η λ ε κ τ ρ ο ν ι κ ό κ α τ ά σ τ η μ α Γενικά χαρακτηριστικά της εφαρμογής για κατασκευή eshop
Διαβάστε περισσότερα