ΕΡΩΤΗΜΑ 1 ΕΡΩΤΗΜΑ 2. ELONGATEDNESS <= 41 AND MAX.LENGTH ASPECT RATIO <= 7 AND COMPACTNESS > 95: bus (70.0/1.0)
|
|
- Σιμωνίδης Λιακόπουλος
- 6 χρόνια πριν
- Προβολές:
Transcript
1 ΕΡΩΤΗΜΑ 1 Κάνοντας Visualize all στο παρατηρούμε ότι όλα τα 20 attributes είναι σημαντικά στο train set και το output είναι nominal Cross validation με δοκιμή διάφορων αλγορίθμων για το train set επιλογή ανάλογα με το ποσοστό Correctly Classified Instances 1. Bagging->RepTree % 2. AdaBoostM % 3. Bagging -> J % 4. AttributeSelectedClassifier->J % Δοκιμάζοντας και κανόνες και δένδρα επιπλέον τα καλύτερα αποτελέσματα τα έδινε AttributeSelectedClassifier->J48. Ανεβάζω το test set στο Supply και κάνω το ίδιο. Τα αποτελέσματα είναι στο σχετικό αρχείο Lygkoni_Eirini.xls. Τα attributes που επιλέχθηκαν είναι: checking_status duration credit_history purpose credit_amount savings_status employment installment_commitment personal_status other_parties residence_since property_magnitude age other_payment_plans housing existing_credits job num_dependents own_telephone foreign_worker class ΕΡΩΤΗΜΑ 2 Υλοποιώντας τον αλγόριθμο PART προκύπτουν 29 κανόνες. Ο καθένας έχει την δική του ερμηνεία. Παρακάτω ακολουθούν όλοι οι κανόνες και για παράδειγμα θα ερμηνεύσουμε μερικούς. MAX.LENGTH ASPECT RATIO <= 7 AND COMPACTNESS > 95: bus (70.0/1.0)
2 Ο παραπάνω κανόνας μας λέει πως αν το αμάξι έχει ELONGATEDNESS μικρότερη ή ίση του 41 και ASPECT RATIO μικρότερο ή ίσο του 7 και COMPACTNESS μεγαλύτερο του 95 το αμάξι είναι λεωφορείο. Παρατηρούμε ότι από τα 70 υποδείγματα μόνο 1 είναι λάθος. Η αξιοπιστία του είναι πάρα πολύ καλή. SCALED VARIANCE_MINOR <= 721 AND HOLLOWS RATIO <= 195 AND MAX.LENGTH ASPECT RATIO > 8 AND KURTOSIS ABOUT_MINOR > 185: opel (23.0) SCALED VARIANCE_MINOR <= 721 AND COMPACTNESS <= 109 AND SKEWNESS ABOUT_MAJOR > 67 AND COMPACTNESS > 106: saab (24.0/1.0) SCALED VARIANCE_MINOR > 721: opel (23.0/1.0) COMPACTNESS > 109: saab (16.0) Αν ELONGATEDNESS μικρότερο ή ίσο του 41 και PR.AXIS ASPECT RATIO μικρότερο ή ίσο του 68 και COMPACTNESS μεγαλύτερη του 109το αμάξι είναι saab. Ισχύει μόνο για 16 υποδείγματα. PR.AXIS ASPECT RATIO <= 57 AND HOLLOWS RATIO > 197: opel (9.0) DISTANCE CIRCULARITY > 103 AND PR.AXIS RECTANGULARITY <= 24 AND ELONGATEDNESS > 30 AND PR.AXIS RECTANGULARITY > 22 AND COMPACTNESS > 97 AND PR.AXIS RECTANGULARITY > 23: saab (18.0/3.0)
3 SKEWNESS ABOUT_MINOR > 12 AND KURTOSIS ABOUT_MAJOR > 3 AND KURTOSIS ABOUT_MINOR <= 198: saab (16.0) SKEWNESS ABOUT_MINOR > 10 AND SKEWNESS ABOUT_MAJOR <= 69: opel (16.0/1.0) MAX.LENGTH ASPECT RATIO > 7: opel (132.0/65.0) Ο παραπάνω κανόνας δεν είναι πολύ καλός αφού από τα 132 υποδείγματα τα 65 είναι λάθος. MAX.LENGTH ASPECT RATIO > 8 AND HOLLOWS RATIO > 189 AND SKEWNESS ABOUT_MAJOR > 63: van (107.0/2.0) Η ερμηνεία του κανόνα είναι ότι αν το MAX.LENGTH ASPECT RATIO είναι μεγαλύτερο του 8 και το HOLLOWS RATIO είναι μεγαλύτερο του 189 και SKEWNESS ABOUT_MAJOR μεγαλύτερο του 63 τότε το αμάξι είναι van. Από τα 107 υποδείγματα που έχουν εξεταστεί τα 2 είναι μόνο λάθος. SCALED VARIANCE_MINOR > 309 AND DISTANCE CIRCULARITY <= 76 AND SKEWNESS ABOUT_MINOR <= 10 AND SKEWNESS ABOUT_MAJOR > 64 AND CIRCULARITY > 41: bus (107.0/1.0) PR.AXIS ASPECT RATIO > 63 AND ELONGATEDNESS <= 47 AND MAX.LENGTH ASPECT RATIO <= 7 AND KURTOSIS ABOUT_MAJOR <= 23 AND SCALED RADIUS OF GYRATION <= 185: bus (35.0) SCATTER RATIO > 144 AND PR.AXIS ASPECT RATIO <= 62 AND MAX.LENGTH ASPECT RATIO <= 8 AND PR.AXIS ASPECT RATIO <= 61: opel (60.0/29.0) SCALED VARIANCE_MAJOR <= 173 AND COMPACTNESS <= 82 AND COMPACTNESS <= 81 AND KURTOSIS ABOUT_MAJOR > 4: opel (12.0) SCALED VARIANCE_MAJOR <= 173 AND COMPACTNESS > 82 AND KURTOSIS ABOUT_MAJOR <= 19 AND SCATTER RATIO <= 142 AND
4 PR.AXIS RECTANGULARITY <= 17 AND SKEWNESS ABOUT_MINOR <= 18: van (30.0/1.0) SCALED VARIANCE_MAJOR > 173 AND PR.AXIS ASPECT RATIO <= 69 AND COMPACTNESS > 91: saab (8.0/1.0) SCALED VARIANCE_MAJOR <= 173 AND MAX.LENGTH RECTANGULARITY > 138 AND PR.AXIS RECTANGULARITY <= 18 AND ELONGATEDNESS > 47: van (33.0) PR.AXIS ASPECT RATIO > 65 AND PR.AXIS ASPECT RATIO <= 70: van (4.0) KURTOSIS ABOUT_MAJOR <= 17 AND PR.AXIS ASPECT RATIO > 58: van (12.0) ELONGATEDNESS > 46 AND MAX.LENGTH ASPECT RATIO > 4 AND SCALED RADIUS OF GYRATION <= 124 AND KURTOSIS ABOUT_MAJOR <= 28 AND MAX.LENGTH RECTANGULARITY > 124: van (9.0) MAX.LENGTH ASPECT RATIO <= 4: saab (7.0) RADIUS RATIO <= 120 AND CIRCULARITY <= 38: saab (6.0/1.0) RADIUS RATIO > 120 AND SCALED VARIANCE_MAJOR <= 163: opel (39.0/18.0) ELONGATEDNESS > 48: van (5.0) ELONGATEDNESS <= 44 AND COMPACTNESS > 89 AND PR.AXIS RECTANGULARITY > 19: saab (4.0/1.0) ELONGATEDNESS <= 44 AND PR.AXIS ASPECT RATIO <= 68: opel (5.0) SCALED VARIANCE_MAJOR <= 174: saab (12.0/3.0): bus (4.0)
5 Αποφύγαμε να ερμηνεύσουμε τους μεγάλους κανόνες. Οι κανόνες με το χρώμα κόκκινο δεν είναι αξιόπιστοι αντίθετα με τους πράσινους οι οποίοι είναι και αυτοί που επιλέγουμε. Όμοια τρέχουμε και τον αλγόριθμο JRIP. Προκύπτουν 17 κανόνες από αυτούς επιλέγουμε μόνο εκείνους με το χρώμα πράσινο. (ELONGATEDNESS >= 43) and (MAX.LENGTH ASPECT RATIO >= 9) and (DISTANCE CIRCULARITY >= 73) => Class=van (86.0/0.0) (SCALED VARIANCE_MINOR <= 309) and (MAX.LENGTH RECTANGULARITY >= 132) and (DISTANCE CIRCULARITY <= 64) and (SCALED RADIUS OF GYRATION <= 157) => Class=van (23.0/0.0) (PR.AXIS RECTANGULARITY <= 18) and (MAX.LENGTH RECTANGULARITY >= 128) and (SCALED RADIUS OF GYRATION <= 140) => Class=van (42.0/6.0) (SCALED VARIANCE_MINOR <= 309) and (MAX.LENGTH RECTANGULARITY >= 142) => Class=van (33.0/5.0) (ELONGATEDNESS >= 53) and (SCALED RADIUS OF GYRATION >= 137) => Class=van (15.0/5.0) (SCALED VARIANCE_MAJOR <= 177) and (MAX.LENGTH ASPECT RATIO >= 10) => Class=van (8.0/1.0) (MAX.LENGTH ASPECT RATIO >= 8) and (MAX.LENGTH RECTANGULARITY >= 173) => Class=opel (45.0/8.0) (MAX.LENGTH ASPECT RATIO >= 8) and (COMPACTNESS <= 103) and (ELONGATEDNESS <= 37) and (HOLLOWS RATIO <= 195) => Class=opel (14.0/0.0) (MAX.LENGTH ASPECT RATIO >= 8) and (HOLLOWS RATIO <= 198) and (KURTOSIS ABOUT_MINOR >= 189) => Class=opel (42.0/17.0) (SKEWNESS ABOUT_MAJOR <= 67) and (HOLLOWS RATIO <= 203) => Class=opel (66.0/30.0) (SCALED RADIUS OF GYRATION <= 142) and (HOLLOWS RATIO <= 194) and (DISTANCE CIRCULARITY >= 57) => Class=opel (17.0/2.0) (MAX.LENGTH ASPECT RATIO >= 9) and (DISTANCE CIRCULARITY >= 100) and (SCALED VARIANCE_MAJOR <= 231) => Class=saab (71.0/9.0) (MAX.LENGTH ASPECT RATIO >= 9) and (PR.AXIS ASPECT RATIO <= 61) => Class=saab (23.0/7.0) (SCALED VARIANCE_MAJOR <= 165) and (DISTANCE CIRCULARITY <= 66) => Class=saab (36.0/11.0)
6 (SKEWNESS ABOUT_MAJOR <= 72) and (PR.AXIS ASPECT RATIO <= 65) and (DISTANCE CIRCULARITY >= 81) and (SKEWNESS ABOUT_MAJOR >= 66) => Class=saab (27.0/7.0) (CIRCULARITY <= 40) and (RADIUS RATIO <= 144) => Class=saab (16.0/6.0) => Class=bus (282.0/69.0) θα μπορούσαμε να τρέξουμε και αλγόριθμους όπως δένδρα.
Ζήτημα 1ο. Ζήτημα 2o. Τρέχουμε κάποιους αλγόριθμους. Ο OneR δίνει τους παρακάτω κανόνες
Ζήτημα 1ο Επιλογή χαρακτηριστικών (οπτικοί έλεγχοι, select attributes, Remove useless) Από το select attributes οι πιο σημαντικές μεταβλητές είναι οι (1, 2, 3, 6, 20) Με τους οπτικούς έλεγχους παρατηρώ
Διαβάστε περισσότεραΑΛΓΟΡΙΘΜΟΙ ΕΞΟΡΥΞΗΣ ΠΛΗΡΟΦΟΡΙΑΣ (Data Mining) Πανδή Αθηνά
ΑΛΓΟΡΙΘΜΟΙ ΕΞΟΡΥΞΗΣ ΠΛΗΡΟΦΟΡΙΑΣ (Data Mining) Πανδή Αθηνά Μάιος 2008 Τα δεδομένα που έχουμε προς επεξεργασία χωρίζονται σε τρία μέρη: 1. Τα δεδομένα εκπαίδευσης (training set) που αποτελούνται από 2528
Διαβάστε περισσότεραιατµηµατικό Μεταπτυχιακό Πρόγραµµα Σπουδών ΕΦΑΡΜΟΣΜΕΝΕΣ ΜΑΘΗΜΑΤΙΚΕΣ ΕΠΙΣΤΗΜΕΣ
ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΣΧΟΛΗ ΕΦΑΡΜΟΣΜΕΝΩΝ ΜΑΘΗΜΑΤΙΚΩΝ ΚΑΙ ΦΥΣΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ιατµηµατικό Μεταπτυχιακό Πρόγραµµα Σπουδών ΕΦΑΡΜΟΣΜΕΝΕΣ ΜΑΘΗΜΑΤΙΚΕΣ ΕΠΙΣΤΗΜΕΣ Τελική Εργασία στο µάθηµα Αλγόριθµοι Εξόρυξης
Διαβάστε περισσότεραΙ. Preprocessing (Επεξεργασία train.arff):
Ονοματεπώνυμο: Κατερίνα Αργύρη Δ.Π.Μ.Σ: Εφαρμοσμένες Μαθηματικές Επιστήμες Ακαδ. Έτος: 2008-2009 1 Για την παρούσα εργασία διατίθενται τρία σύνολα δεδομένων: Δεδομένα Εκπαίδευσης (train set αρχείο train.arff):
Διαβάστε περισσότεραΗΜΕΡΟΜΗΝΙΑ: 25/05/2009 TΕΛΙΚΗ ΕΡΓΑΣΙΑ ΝΙΚΗ ΜΟΣΧΟΥ
DATA MINING ΗΜΕΡΟΜΗΝΙΑ: 25/05/2009 TΕΛΙΚΗ ΕΡΓΑΣΙΑ ΝΙΚΗ ΜΟΣΧΟΥ 1 ΠΡΟΕΠΕΞΕΡΓΑΣΙΑ ΔΕΔΟΜΕΝΩΝ Αφού δεν γνωρίζουμε κάποιο τρόπο για να επιλέξουμε εκ των προτέρων την πιο κατάλληλη και αποδοτική μέθοδο μάθησης
Διαβάστε περισσότεραΣΧΟΛΗ ΕΦΑΡΜΟΣΜΕΝΩΝ ΜΑΘΗΜΑΤΙΚΩΝ ΚΑΙ ΦΥΣΙΚΩΝ ΕΠΙΣΤΗΜΩΝ
ΣΧΟΛΗ ΕΦΑΡΜΟΣΜΕΝΩΝ ΜΑΘΗΜΑΤΙΚΩΝ ΚΑΙ ΦΥΣΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΔΠΜΣ : ΕΦΑΡΜΟΣΜΕΝΕΣ ΜΑΘΗΜΑΤΙΚΕΣ ΕΠΙΣΤΗΜΕΣ ΡΟΗ ΠΙΘΑΝΟΝΤΗΤΕΣ ΚΑΙ ΣΤΑΤΙΣΤΙΚΗΣ ΕΡΓΑΣΙΑ 08: ΕΙΡΗΝΗ ΛΥΓΚΩΝΗ 1 Ο ΣΤΑΔΙΟ: Πριν εφαρμόσουμε οποιοδήποτε αλγόριθμο
Διαβάστε περισσότεραΑΛΓΟΡΙΘΜΟΙ ΕΞΟΡΥΞΗΣ ΠΛΗΡΟΦΟΡΙΑΣ
ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΣΧΟΛΗ ΕΦΑΡΜΟΣΜΕΝΩΝ ΜΑΘΗΜΑΤΙΚΩΝ ΚΑΙ ΦΥΣΙΚΩΝ ΕΠΙΣΤΗΜΩΝ Δ.Π.Μ.Σ. ΕΦΑΡΜΟΣΜΕΝΕΣ ΜΑΘΗΜΑΤΙΚΕΣ ΕΠΙΣΤΗΜΕΣ ΑΛΓΟΡΙΘΜΟΙ ΕΞΟΡΥΞΗΣ ΠΛΗΡΟΦΟΡΙΑΣ ΤΕΛΙΚΗ ΕΡΓΑΣΙΑ ΧΟΥΧΟΥΜΗΣ ΙΩΑΝΝΗΣ Το σύνολο των
Διαβάστε περισσότεραΑΝΔΡΟΥΛΑΚΗΣ ΜΑΝΟΣ A.M AΛΓΟΡΙΘΜΟΙ ΕΞΟΡΥΞΗΣ ΠΛΗΡΟΦΟΡΙΑΣ
ΑΝΔΡΟΥΛΑΚΗΣ ΜΑΝΟΣ A.M. 09470015 AΛΓΟΡΙΘΜΟΙ ΕΞΟΡΥΞΗΣ ΠΛΗΡΟΦΟΡΙΑΣ Διδάσκων: Γιώργος Τζιραλής ΔΠΜΣ ΕΦΑΡΜΟΣΜΕΝΕΣ ΜΑΘΗΜΑΤΙΚΕΣ ΕΠΙΣΤΗΜΕΣ Στάδιο 1 ο. Προεπισκόπηση-προεπεξεργασία δεδομένων: Δίδονται τα παρακάτω
Διαβάστε περισσότεραsquared error, Mean absolute error, Root mean squared error) µεγάλωσαν,
ΣΧΟΛΗ ΕΦΑΡΜΟΣΜΕΝΩΝ ΜΑΘΗΜΑΤΙΚΩΝ ΚΑΙ ΦΥΣΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΠΜΣ ΣΤΙΣ ΕΦΑΡΜΟΣΜΕΝΕΣ ΜΑΘΗΜΑΤΙΚΕΣ ΕΠΙΣΤΗΜΕΣ ΤΕΛΙΚΗ ΕΡΓΑΣΙΑ ΑΛΓΟΡΙΘΜΟΙ ΕΞΟΡΥΞΗΣ ΠΛΗΡΟΦΟΡΙΑΣ ΈΤΟΣ 2009 ΌΝΟΜΑ : ΚΑΤΣΑΒΡΙΑΣ ΕΥΑΓΓΕΛΟΣ Α.Μ. : 09480014 ΕΞΑΜΗΝΟ
Διαβάστε περισσότεραΔΠΜΣ: ΕΦΑΡΜΟΣΜΕΝΕΣ ΜΑΘΗΜΑΤΙΚΕΣ ΕΠΙΣΤΗΜΕΣ ΡΟΗ: ΣΤΑΤΙΣΤΙΚΗ-ΠΙΘΑΝΟΤΗΤΕΣ ΜΑΘΗΜΑ: ΑΛΓΟΡΙΘΜΟΙ ΕΞΟΡΥΞΗΣ ΠΛΗΡΟΦΟΡΙΑΣ ΤΕΛΙΚΗ ΕΡΓΑΣΙΑ ΔΗΜΗΤΡΑ ΤΑΤΣΙΟΥ
ΔΠΜΣ: ΕΦΑΡΜΟΣΜΕΝΕΣ ΜΑΘΗΜΑΤΙΚΕΣ ΕΠΙΣΤΗΜΕΣ ΡΟΗ: ΣΤΑΤΙΣΤΙΚΗ-ΠΙΘΑΝΟΤΗΤΕΣ ΜΑΘΗΜΑ: ΑΛΓΟΡΙΘΜΟΙ ΕΞΟΡΥΞΗΣ ΠΛΗΡΟΦΟΡΙΑΣ ΤΕΛΙΚΗ ΕΡΓΑΣΙΑ ΔΗΜΗΤΡΑ ΤΑΤΣΙΟΥ ΠΡΟΕΠΙΣΚΟΠΗΣΗ ΚΑΙ ΕΞΕΡΕΥΝΗΣΗ ΤΩΝ ΔΕΔΟΜΕΝΩΝ Τα προς επεξεργασία
Διαβάστε περισσότεραΔΠΜΣ: ΕΦΑΡΜΟΣΜΕΝΕΣ ΜΑΘΗΜΑΤΙΚΕΣ ΕΠΙΣΤΗΜΕΣ ΑΛΓΟΡΙΘΜΟΙ ΕΞΟΡΥΞΗΣ ΠΛΗΡΟΦΟΡΙΑΣ ΤΕΛΙΚΗ ΕΡΓΑΣΙΑ
Ε Θ Ν Ι Κ Ο Μ Ε Τ Σ Ο Β Ι Ο Π Ο Λ Υ Τ Ε Χ Ν Ε Ι Ο ΣΧΟΛΗ ΕΦΑΡΜΟΣΜΕΝΩΝ ΜΑΘΗΜΑΤΙΚΩΝ & ΦΥΣΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΔΠΜΣ: ΕΦΑΡΜΟΣΜΕΝΕΣ ΜΑΘΗΜΑΤΙΚΕΣ ΕΠΙΣΤΗΜΕΣ ΑΛΓΟΡΙΘΜΟΙ ΕΞΟΡΥΞΗΣ ΠΛΗΡΟΦΟΡΙΑΣ ΤΕΛΙΚΗ ΕΡΓΑΣΙΑ ΟΝΟΜΑΤΕΠΩΝΥΜΟ:
Διαβάστε περισσότεραΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΣΧΟΛΗ ΕΦΑΡΜΟΣΜΕΝΩΝ ΜΑΘΗΜΑΤΙΚΩΝ ΚΑΙ ΦΥΣΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΠΛΗΡΟΦΟΡΙΑΣ ΠΑΡΟΥΣΙΑΣΗ ΤΕΛΙΚΗΣ ΕΡΓΑΣΙΑΣ ΛΙΝΑ ΜΑΣΣΟΥ
ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΣΧΟΛΗ ΕΦΑΡΜΟΣΜΕΝΩΝ ΜΑΘΗΜΑΤΙΚΩΝ ΚΑΙ ΦΥΣΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΑΛΓΟΡΙΘΜΟΙ ΕΞΟΡΥΞΗΣ ΠΛΗΡΟΦΟΡΙΑΣ ΠΑΡΟΥΣΙΑΣΗ ΤΕΛΙΚΗΣ ΕΡΓΑΣΙΑΣ ΛΙΝΑ ΜΑΣΣΟΥ Δ.Π.Μ.Σ: «Εφαρμοσμένες Μαθηματικές Επιστήμες» 2008
Διαβάστε περισσότεραΠεριγραφή των Δεδομένων
Τεχνικές Εξόρυξης Δεδομένων Μεγάλης Κλίμακας Χειμερινό Εξάμηνο 2017-2018 1η Άσκηση, Ημερομηνία παράδοσης: Έναρξη Εξεταστικής Χειμερινού Εξαμήνου Ομαδική Εργασία (2 Ατόμων) Σκοπός της εργασίας Σκοπός της
Διαβάστε περισσότεραΤΕΛΙΚΗ ΕΡΓΑΣΙΑ: ΕΠΙΛΟΓΗ ΒΕΛΤΙΣΤΟΥ ΑΛΓΟΡΙΘΜΟΥ
ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΣΧΟΛΗ ΕΦΑΡΜΟΣΜΕΝΩΝ ΜΑΘΗΜΑΤΙΚΩΝ ΚΑΙ ΦΥΣΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΟΜΕΑΣ ΜΑΘΗΜΑΤΙΚΩΝ ΕΡΓΑΣΙΑ ΣΤΑ ΠΛΑΙΣΙΑ ΤΟΥ ΜΕΤΑΠΤΥΧΙΑΚΟΥ ΜΑΘΗΜΑΤΟΣ ΑΛΓΟΡΙΘΜΟΙ ΕΞΟΡΥΞΗΣ ΠΛΗΡΟΦΟΡΙΑΣ ΜΕ ΤΙΤΛΟ: ΤΕΛΙΚΗ ΕΡΓΑΣΙΑ:
Διαβάστε περισσότεραΔιαγράμματα UML στην Ανάλυση. Μέρος Β Διαγράμματα Κλάσεων Διαγράμματα Αντικειμένων
Διαγράμματα UML στην Ανάλυση Μέρος Β Διαγράμματα Κλάσεων Διαγράμματα Αντικειμένων περιεχόμενα παρουσίασης Διαγράμματα κλάσεων Διαγράμματα αντικειμένων διαγράμματα κλάσεων Χρησιμοποιούνται στην ανάλυση
Διαβάστε περισσότεραΣημεία Προσοχής στην Παράγραφο Ε2.
Σημεία Προσοχής στην Παράγραφο Ε2. 1. Ίσα Σύνολα Δεν αρκεί δύο σύνολα να έχουν τον ίδιο αριθμό στοιχέιων για να είναι ίσα. Πρέπει να έχουν ακριβώς τα ίδια στοιχεία. ΠΑΡΑΔΕΙΓΜΑ Έχουμε τα σύνολα Α={1,α,5}
Διαβάστε περισσότεραΟΙΚΟΝΟΜΕΤΡΙΑ. Παπάνα Αγγελική
ΟΙΚΟΝΟΜΕΤΡΙΑ Ενότητα 4: Ανάλυση γραμμικού υποδείγματος Απλή παλινδρόμηση (3 ο μέρος) Παπάνα Αγγελική Μεταδιδακτορική ερευνήτρια, ΑΠΘ E-mail: angeliki.papana@gmail.com, agpapana@auth.gr Webpage: http://users.auth.gr/agpapana
Διαβάστε περισσότεραΤσάπελη Φανή ΑΜ: 2004030113. Ενισχυτική Μάθηση για το παιχνίδι dots. Τελική Αναφορά
Τσάπελη Φανή ΑΜ: 243113 Ενισχυτική Μάθηση για το παιχνίδι dots Τελική Αναφορά Περιγραφή του παιχνιδιού Το παιχνίδι dots παίζεται με δύο παίχτες. Έχουμε έναν πίνακα 4x4 με τελείες, και σκοπός του κάθε παίχτη
Διαβάστε περισσότεραΕργαστήριο στατιστικής Στατιστικό πακέτο S.P.S.S.
Σημειώσεις για το μάθημα Εργαστήριο στατιστικής Στατιστικό πακέτο S.P.S.S. Παπάνα Αγγελική E mail: papanagel@yahoo.gr, agpapana@gen.auth.gr Α.Τ.Ε.Ι. Θεσσαλονίκης ΠΑΡΑΡΤΗΜΑ ΚΑΤΕΡΙΝΗΣ Τμήμα Τυποποίησης και
Διαβάστε περισσότεραΑναγνώριση Προτύπων Εργασία 1η Classification
ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΤΜΗΜΑ ΗΛΕΚΤΡΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ & ΜΗΧΑΝΙΚΩΝ ΥΠΟΛΟΓΙΣΤΩΝ Αναγνώριση Προτύπων Εργασία 1η Classification Κιντσάκης Αθανάσιος 6667 Μόσχογλου Στυλιανός 6978 30 Νοεμβρίου,
Διαβάστε περισσότεραοκιμασία και πλάνο δοκιμασίας
οκιμασία και πλάνο ς Γιάννης Σμαραγδάκης Η επιχειρεί να απαντήσει Κάνει το λογισμικό αυτό που υποτίθεται; Πότε μπορεί να έχει πρόβλημα; Πόσο γρήγορα τρέχει; Πόσο ακριβή είναι τα αποτελέσματα; Όταν έχει
Διαβάστε περισσότεραΕξόρυξη Γνώσης από Βιολογικά εδομένα
Παρουσίαση Διπλωματικής Εργασίας Εξόρυξη Γνώσης από Βιολογικά εδομένα Καρυπίδης Γεώργιος (Μ27/03) Επιβλέπων Καθηγητής: Ιωάννης Βλαχάβας MIS Πανεπιστήμιο Μακεδονίας Φεβρουάριος 2005 Εξόρυξη Γνώσης από Βιολογικά
Διαβάστε περισσότεραΔημιουργία μιας εφαρμογής Java με το NetBeans
Δημιουργία μιας εφαρμογής Java με το NetBeans Για να δημιουργήσετε μια εφαρμογή Java πρέπει να ακολουθήσετε τα εξής βήματα : Αρχικά πρέπει να δημιουργηθεί ένα project το οποίο θα περιέχει όλα τα αρχεία
Διαβάστε περισσότεραThe G C School of Careers
The G C School of Careers ΔΕΙΓΜΑ ΕΞΕΤΑΣΤΙΚΟΥ ΔΟΚΙΜΙΟΥ ΜΑΘΗΜΑΤΙΚΑ ΕΙΣΑΓΩΓΗ ΣΤΗ Στ ΤΑΞΗ Χρόνος: 1 ώρα Αυτό το γραπτό αποτελείται από 15 ασκήσεις. Να απαντήσεις σε ΟΛΕΣ τις ερωτήσεις, στον χώρο που σου δίνεται
Διαβάστε περισσότεραThe G C School of Careers
The G C School of Careers ΔΕΙΓΜΑ ΕΞΕΤΑΣΤΙΚΟΥ ΔΟΚΙΜΙΟΥ ΜΑΘΗΜΑΤΙΚΑ ΕΙΣΑΓΩΓΗ ΣΤΗ Στ ΤΑΞΗ Χρόνος: 1 ώρα Αυτό το γραπτό αποτελείται από 15 ασκήσεις. Να απαντήσεις σε ΟΛΕΣ τις ερωτήσεις, στον χώρο που σου δίνεται
Διαβάστε περισσότεραΕΜΠ ΔΠΜΣ Εφαρμοσμένες Μαθηματικές Επιστήμες Αλγόριθμοι Εξόρυξης Πληροφορίας. Διάλεξη02 ΣυνιστώσεςΔεδομένων Οπτικοποίηση&Εξερεύνηση
ΕΜΠ ΔΠΜΣ Εφαρμοσμένες Μαθηματικές Επιστήμες Αλγόριθμοι Εξόρυξης Πληροφορίας Διάλεξη02 ΣυνιστώσεςΔεδομένων Οπτικοποίηση&Εξερεύνηση Η μορφή των δεδομένων και η σημασία της Δεδομένα input Αλγόριθμοι Εξόρυξης
Διαβάστε περισσότεραΚατηγοριοποίηση. Εξόρυξη Δεδομένων και Αλγόριθμοι Μάθησης. 2 ο Φροντιστήριο. Σκούρα Αγγελική
Κατηγοριοποίηση Εξόρυξη Δεδομένων και Αλγόριθμοι Μάθησης 2 ο Φροντιστήριο Σκούρα Αγγελική skoura@ceid.upatras.gr Μηχανική Μάθηση Η μηχανική μάθηση είναι μια περιοχή της τεχνητής νοημοσύνης η οποία αφορά
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΠΑΤΡΩΝ ΤΜΗΜΑ ΧΗΜΙΚΩΝ ΜΗΧΑΝΙΚΩΝ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΜΟΡΙΑΚΗ ΠΡΟΣΟΜΟΙΩΣΗ ΔΙΠΛΟΣΤΟΙΒΑΔΩΝ ΛΙΠΑΡΩΝ ΟΞΕΩΝ: Η ΠΕΡΙΠΤΩΣΗ ΤΟΥ ΠΑΛΜΙΤΙΚΟΥ ΟΞΕΟΣ
ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΑΤΡΩΝ ΤΜΗΜΑ ΧΗΜΙΚΩΝ ΜΗΧΑΝΙΚΩΝ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΜΟΡΙΑΚΗ ΠΡΟΣΟΜΟΙΩΣΗ ΔΙΠΛΟΣΤΟΙΒΑΔΩΝ ΛΙΠΑΡΩΝ ΟΞΕΩΝ: Η ΠΕΡΙΠΤΩΣΗ ΤΟΥ ΠΑΛΜΙΤΙΚΟΥ ΟΞΕΟΣ Διπλωματική Εργασία ΓΕΩΡΓΙΛΑΣ ΒΑΣΙΛΗΣ ΛΙΟΝΤΑ ΕΥΑΝΘΙΑ Πάτρα
Διαβάστε περισσότεραΑποθήκες και Εξόρυξη Δεδομένων
ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΙΡΑΙΩΣ ΤΜΗΜΑ ΨΗΦΙΑΚΩΝ ΣΥΣΤΗΜΑΤΩΝ Αποθήκες και Εξόρυξη Δεδομένων 2 Ο Εργαστήριο WEKA (CLASSIFICATION) Στουγιάννου Ελευθερία estoug@unipi.gr -2- Κατηγοριοποίηση Αποτελεί μια από τις βασικές
Διαβάστε περισσότεραΟικονομικό Πανεπιστήμιο Αθηνών. Διπλωματική Εργασία Μεταπτυχιακού Διπλώματος Ειδίκευσης. Άρης Κοσμόπουλος
Οικονομικό Πανεπιστήμιο Αθηνών Διπλωματική Εργασία Μεταπτυχιακού Διπλώματος Ειδίκευσης Άρης Κοσμόπουλος Πρόβλημα ανεπιθύμητων μηνυμάτων Περισσότερα από το 60% των ηλεκτρονικών μηνυμάτων είναι ανεπιθύμητα
Διαβάστε περισσότερα-Δεν υπάρχουν.java αρχεία στο φάκελο.μόνο.class και το text file -Δεν γίνεται έλεγχος για Ν<0
Τελευταία 4 ψηφία αρ. ταυτότητος ΕΡΓΑΣΙΑ 0 ΕΡΓΑΣΙΑ 1 ΕΡΓΑΣΙΑ 2 ΕΡΓΑΣΙΑ 3 ΕΡΓΑΣΙΑ 4 Σχόλια (εργ. 4) Σχόλια (εργ. 3) 8380 95 100 28 97 0 Δεν παρέδωσε 2410 90 95 97 98 0 -Δεν υπάρχουν.java αρχεία στο φάκελο.μόνο.class
Διαβάστε περισσότεραΑσκήσεις1 Πολυώνυμα. x x c. με το. b. Να βρεθούν όλες οι τιμές των a, Να βρεθεί ο μκδ και το εκπ τους
Aσκήσεις1 1 Βασικά σημεία Ευκλείδεια διαίρεση πολυωνύμων Ορισμός και ιδιότητες μκδ και εκπ Ιδιότητες σχετικών πρώτων πολυωνύμων Τα ανάγωγα πολυώνυμα στο [ ] και [ ] Ασκήσεις1 Πολυώνυμα Ανάλυση πολυωνύμου
Διαβάστε περισσότερα2o μέρος εργασίας (Αρχείο cpu)
2o μέρος εργασίας (Αρχείο cpu) Στο dataset cpu, υπάρχουν 209 instances που αντιστοιχούν σε διαφορετικά configurations ενός υπολογιστή. Εξετάζεται το κατά πόσο επηρεάζεται η απόδοση του υπολογιστή από τις
Διαβάστε περισσότεραΕύρεση ν-στού πρώτου αριθμού
Εύρεση ν-στού πρώτου αριθμού Ορισμός Πρώτος αριθμός λέγεται κάθε φυσικός αριθμός (εκτός της μονάδας) που έχει φυσικούς διαιρέτες μόνο τον εαυτό του και τη μονάδα. Ερώτημα: Να υπολογιστεί ο ν-στός πρώτος
Διαβάστε περισσότεραΜέθοδοι Μηχανών Μάθησης για Ευφυή Αναγνώριση και ιάγνωση Ιατρικών εδοµένων
Μέθοδοι Μηχανών Μάθησης για Ευφυή Αναγνώριση και ιάγνωση Ιατρικών εδοµένων Εισηγητής: ρ Ηλίας Ζαφειρόπουλος Εισαγωγή Ιατρικά δεδοµένα: Συλλογή Οργάνωση Αξιοποίηση Data Mining ιαχείριση εδοµένων Εκπαίδευση
Διαβάστε περισσότεραΕργαστήριο Βιομηχανικής Πληροφορικής Τμήμα Πληροφορικής και Επικοινωνιών, ΤΕΙ Σερρών
ΑΣΚΗΣΗ 1 Έστω ένας εργοστασιακός φούρνος. Το αν οι αντιστάσεις του φούρνου λειτουργούν ή όχι, εξαρτάται από μια μεταβλητή C η οποία παίρνει τιμές από 0 μέχρι και 10. Με μηδέν σημαίνει ότι δεν περνάει καθόλου
Διαβάστε περισσότεραΤο κύκλωμα σε breadboard
Φύλλο εργασίας 8 - Ανιχνευτής απόστασης Σε αυτήν τη δραστηριότητα θα κατασκευάσουμε έναν ανιχνευτή απόστασης. Θα χρησιμοποιήσουμε τον αισθητήρα υπερήχων (ή απόστασης) HC-SR04 για τον υπολογισμό της απόστασης.
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 περισσότεραΠροδιαγραφές Εντύπων Μηχανογραφημένων Τιμολογίων για αποστολή στο σύστημα ηλεκτρονικής τιμολόγησης
Προδιαγραφές Εντύπων Μηχανογραφημένων Τιμολογίων για αποστολή στο σύστημα ηλεκτρονικής τιμολόγησης Page 1 of 13 Περιεχόμενα 1. ΤΙΜΟΛΟΓΗΣΗ ΕΟΠΥΥ ΑΠΟ ΤΑ ΦΑΡΜΑΚΕΙΑ... 3 1.1 Τιμολόγηση ΕΟΠΥΥ από τα Φαρμακεία
Διαβάστε περισσότεραΗ ποιότητα των μετρήσεων κατανάλωσης ενέργειας ως παράγοντας του επιχειρηματικού κινδύνου
Η ποιότητα των μετρήσεων κατανάλωσης ενέργειας ως παράγοντας του επιχειρηματικού κινδύνου Γεώργιος Ν. Παπαδάκος Δρ Μηχανολόγος Μηχανικός ΕΜΠ Σύμβουλος Μετρολογίας Προοπτικές ανάπτυξης και οφέλη των επιχειρήσεων
Διαβάστε περισσότεραΜΑΘΗΜΑΤΙΚΑ Ε ΔΗΜΟΤΙΚΟΥ ΤΕΤΡΑΔΙΟ ΕΡΓΑΣΙΩΝ
ΜΑΘΗΜΑΤΙΚΑ Ε ΔΗΜΟΤΙΚΟΥ ΤΕΤΡΑΔΙΟ ΕΡΓΑΣΙΩΝ Πιθανότητες 24 Πιθανότητες 24 η Άσκηση Η Δανάη περιστρέφει τον δείκτη στον διπλανό τροχό. α. Να εκφράσεις με κλάσμα την πιθανότητα:. Ο δείκτης να σταματήσει σε
Διαβάστε περισσότεραΕργαστήριο Μελέτης και Σχεδίασης με Χρήση Η/Υ Εγχειρίδιο για την χρήση του SIEMENS NX ΣΤΑΥΡΟΣ ΙΩΑΝΝΗΣ ΓΟΡΑΝΙΤΗΣ
Εργαστήριο Μελέτης και Σχεδίασης με Χρήση Η/Υ Εγχειρίδιο για την χρήση του SIEMENS NX 11.0 ΣΤΑΥΡΟΣ ΙΩΑΝΝΗΣ ΓΟΡΑΝΙΤΗΣ (sgor@hotmail.gr) ΧΑΝΙΑ 2017 3 ο ΜΕΡΟΣ ΟΔΗΓΙΕΣ ΓΙΑ TΟ ASSEMBLY ΚΑΙ ΕΚΠΑΙΔΕΥΣΗ ΣΤΙΣ ΒΑΣΙΚΕΣ
Διαβάστε περισσότεραΑΛΓΟΡΙΘΜΟΙ ΕΞΟΡΤΞΗ ΠΛΗΡΟΦΟΡΙΑ
ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ χολι Εφαρμοςμζνων Μακθματικϊν και Φυςικϊν Επιςτθμϊν ΔΠΜΣ: Εφαρμοςμζνεσ Μακθματικζσ Επιςτιμεσ ΑΛΓΟΡΙΘΜΟΙ ΕΞΟΡΤΞΗ ΠΛΗΡΟΦΟΡΙΑ Θεϊνθ Αγάκου, ΑΜ: 09480006 Διδάςκων: Γιϊργοσ Τηιραλισ
Διαβάστε περισσότεραΤΕΙ ΔΥΤΙΚΗΣ ΜΑΚΕΔΟΝΙΑΣ Μεταπτυχιακό Τραπεζικής & Χρηματοοικονομικής
ΤΕΙ ΔΥΤΙΚΗΣ ΜΑΚΕΔΟΝΙΑΣ Μεταπτυχιακό Τραπεζικής & Χρηματοοικονομικής Υποθέσεις του Απλού γραμμικού υποδείγματος της Παλινδρόμησης Η μεταβλητή ε t (διαταρακτικός όρος) είναι τυχαία μεταβλητή με μέσο όρο
Διαβάστε περισσότεραΑντικειμενοστρεφής προγραμματισμός Object Oriented Programming (OOP) Σπάχος Κυριάκος Καθηγητής Πληροφορικής ΠΕ19
Αντικειμενοστρεφής προγραμματισμός Object Oriented Programming (OOP) Σπάχος Κυριάκος Καθηγητής Πληροφορικής ΠΕ19 Διαδικασιακός προγραμματισμός Ο Διαδικασιακός προγραμματισμός δίνει έμφαση στις ενέργειες/διεργασίες/εντολές
Διαβάστε περισσότεραΤεχνολογίες Υλοποίησης Αλγορίθµων
Τεχνολογίες Υλοποίησης Αλγορίθµων Χρήστος Ζαρολιάγκης Καθηγητής Τµήµα Μηχ/κων Η/Υ & Πληροφορικής Πανεπιστήµιο Πατρών email: zaro@ceid.upatras.gr Ενότητα 3 1 / 25 Ενότητα 3 οκιµή Προγραµµάτων (Program Testing)
Διαβάστε περισσότεραΣχεδιασμός και κατασκευή εφαρμογής ταξινόμησης αντικειμένων σε γραμμή μεταφοράς προϊόντων με χρήση όρασης μηχανής
Πανεπιστήμιο Δυτικής Μακεδονίας Τμήμα Μηχανικών Πληροφορικής και Τηλεπικοινωνιών Σχεδιασμός και κατασκευή εφαρμογής ταξινόμησης αντικειμένων σε γραμμή μεταφοράς προϊόντων με χρήση όρασης μηχανής Λοΐζου
Διαβάστε περισσότεραΗΥ-100: Εισαγωγή στην Επιστήμη Υπολογιστών 3η σειρά ασκήσεων
ΗΥ-100: Εισαγωγή στην Επιστήμη Υπολογιστών η σειρά ασκήσεων Οδηγίες Για τη μεταγλώττιση των προγραμμάτων που ζητούνται θα πρέπει να χρησιμοποιήσετε το gcc με τις παρακάτω παραμέτρους: gcc -ansi -pedantic
Διαβάστε περισσότεραΒιοστατιστική ΒΙΟ-309
Βιοστατιστική ΒΙΟ-309 Χειμερινό Εξάμηνο Ακαδ. Έτος 2015-2016 Ντίνα Λύκα lika@biology.uoc.gr 1. Εισαγωγή Εισαγωγικές έννοιες Μεταβλητότητα : ύπαρξη διαφορών μεταξύ ομοειδών μετρήσεων Μεταβλητή: ένα χαρακτηριστικό
Διαβάστε περισσότεραΔιάλεξη 07: Αλγόριθμοι εκμάθησης ΜέροςΓ Συναρτήσεις & μετα-μαθησιακοί Αλγόριθμοι
ΕΜΠ ΔΠΜΣ Εφαρμοσμένες Μαθηματικές Επιστήμες Αλγόριθμοι Εξόρυξης Πληροφορίας Διάλεξη 07: Αλγόριθμοι εκμάθησης ΜέροςΓ Συναρτήσεις & μετα-μαθησιακοί Αλγόριθμοι Αλγόριθμοι Δεδομένα input Αλγόριθμοι Εξόρυξης
Διαβάστε περισσότεραΤεχνητή Νοημοσύνη. 21η διάλεξη ( ) Ίων Ανδρουτσόπουλος.
Τεχνητή Νοημοσύνη 21η διάλεξη (2016-17) Ίων Ανδρουτσόπουλος http://www.aueb.gr/users/ion/ 1 Οι διαφάνειες αυτής της διάλεξης βασίζονται στα βιβλία: «Artificial Intelligence A Modern Approach» των. Russel
Διαβάστε περισσότεραΔιπλωματική εργασία Θέμα: «Δημιουργία ευφυούς συστήματος για τη διαχείριση και διαλογή των ασθενών Τμήματος Επειγόντων Περιστατικών
Διπλωματική εργασία Θέμα: «Δημιουργία ευφυούς συστήματος για τη διαχείριση και διαλογή των ασθενών Τμήματος Επειγόντων Περιστατικών Μεταπτυχιακός φοιτητής: Γεώργιος Κηπουργός Νοσηλευτής Τ.Ε Επιβλέπων καθηγητής:
Διαβάστε περισσότεραΒιοστατιστική ΒΙΟ-309
Βιοστατιστική ΒΙΟ-309 Χειμερινό Εξάμηνο Ακαδ. Έτος 2017-2018 Ντίνα Λύκα lika@biology.uoc.gr 1. Εισαγωγή Εισαγωγικές έννοιες Μεταβλητότητα : ύπαρξη διαφορών μεταξύ ομοειδών μετρήσεων Μεταβλητή: ένα χαρακτηριστικό
Διαβάστε περισσότεραΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ
ΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ Πρόγραμμα Σπουδών: ΔΙΟΙΚΗΣΗ ΕΠΙΧΕΙΡΗΣΕΩΝ και ΟΡΓΑΝΙΣΜΩΝ Θεματική Ενότητα: ΔΕΟ-13 Ποσοτικές Μέθοδοι Ακαδημαϊκό Έτος: 2010-11 Τρίτη Γραπτή Εργασία στη Στατιστική Γενικές οδηγίες
Διαβάστε περισσότεραΑπλή Δομή Επιλογής. Ο κώδικας. //με χρήση μεταβλητών. delay (3000);
Απλή Δομή Επιλογής Να κατασκευάσετε το κύκλωμα το οποίο θα υλοποιεί τα φανάρια. Στη συνέχεια να αναπτύξετε τον κατάλληλο κώδικα ώστε όταν ανάβει το κόκκινο θα ανάβει και το άσπρο, όταν θα σβήνει το κόκκινο
Διαβάστε περισσότερα> μεγαλύτερο <= μικρότερο ή ίσο < μικρότερο == ισότητα >= μεγαλύτερο ή ίσο!= διαφορετικό
5 ο Εργαστήριο Λογικοί Τελεστές, Δομές Ελέγχου Λογικοί Τελεστές > μεγαλύτερο = μεγαλύτερο ή ίσο!= διαφορετικό Οι λογικοί τελεστές χρησιμοποιούνται για να ελέγξουμε
Διαβάστε περισσότεραΤΡΑΠΕΖΑ ΘΕΜΑΤΩΝ ΤΗΣ ΑΛΓΕΒΡΑΣ A ΛΥΚΕΙΟΥ ΕΠΑΛ
ΤΡΑΠΕΖΑ ΘΕΜΑΤΩΝ ΤΗΣ ΑΛΓΕΒΡΑΣ A ΛΥΚΕΙΟΥ ΕΠΑΛ www.askisopolis.gr 3 4 .5381 Ένα κουτί περιέχει άσπρες, κόκκινες και πράσινες μπάλες. Οι άσπρες είναι 0, οι κόκκινες είναι 7, ενώ όλες οι μπάλες μαζί είναι
Διαβάστε περισσότεραΠΛΗΡΟΦΟΡΙΚΗ Ι JAVA Τμήμα θεωρίας με Α.Μ. σε 3, 7, 8 & 9 22/11/07
Ακαδ έτος 2007-2008 ΠΛΗΡΟΦΟΡΙΚΗ Ι Φερεντίνος 22/11/07 ΠΛΗΡΟΦΟΡΙΚΗ Ι JAVA Τμήμα θεωρίας με ΑΜ σε 3, 7, 8 & 9 22/11/07 Παράδειγμα με if/else if και user input: import javautil*; public class Grades public
Διαβάστε περισσότεραΔομές Δεδομένων και Αλγόριθμοι
Δομές Δεδομένων και Αλγόριθμοι Χρήστος Γκόγκος ΤΕΙ Ηπείρου Χειμερινό Εξάμηνο 2014-2015 Παρουσίαση 18 Dijkstra s Shortest Path Algorithm 1 / 12 Ο αλγόριθμος εύρεσης της συντομότερης διαδρομής του Dijkstra
Διαβάστε περισσότεραΔιπλωματική Εργασία. Διαχείριση Γνώσης και Ασφάλεια Πληροφοριών
Πανεπιστήμιο Πειραιώς Τμήμα Οργάνωσης και Διοίκησης Επιχειρήσεων Ευρωπαικό Μεταπτυχιακό Πρόγραμμα στη Διοίκηση Επιχειρήσεων Διοίκηση Ολικής Ποιότητας Διπλωματική Εργασία Διαχείριση Γνώσης και Ασφάλεια
Διαβάστε περισσότεραΑλγόριθμοι και πολυπλοκότητα Διαίρει και Κυρίευε
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Αλγόριθμοι και πολυπλοκότητα Διαίρει και Κυρίευε Ιωάννης Τόλλης Τμήμα Επιστήμης Υπολογιστών Διαίρει και Κυρίευε 7 9 4 4 7 9 7 7 9 4 4 9 7 7 9 9 4 4 Διαίρει και Κυρίευε
Διαβάστε περισσότεραΤεχνητή Νοημοσύνη. 16η διάλεξη ( ) Ίων Ανδρουτσόπουλος.
Τεχνητή Νοημοσύνη 16η διάλεξη (2016-17) Ίων Ανδρουτσόπουλος http://www.aueb.gr/users/ion/ 1 Οι διαφάνειες αυτής της διάλεξης βασίζονται σε ύλη του βιβλίου Artificial Intelligence A Modern Approach των
Διαβάστε περισσότεραΠΡΟΓΡΑΜΜΑ ΠΡΟΕΤΟΙΜΑΣΙΑΣ ΔΙΑΙΤΗΤΩΝ ΚΑΙ ΒΟΗΘΩΝ
ΠΡΟΓΡΑΜΜΑ ΠΡΟΕΤΟΙΜΑΣΙΑΣ ΔΙΑΙΤΗΤΩΝ ΚΑΙ ΒΟΗΘΩΝ ΕΒΔΟΜΑΔΑ 1η ΠΡ 1 ΖΕΣΤΑΜΑ 20 ΔΙΑΤΑΣΕΙΣ 8 ΣΤΟ 80% (155 165 ΣΦΥΓΜΟΥΣ) ΔΙΑΛΕΙΜΜΑ ΤΖΟΚΙΝΓΚ 4 6 ΣΤΟ 80% ΔΙΑΛΕΙΜΜΑ ΤΖΟΚΙΝΓΚ 3 4 ΣΤΟ 80% ΔΙΑΛΕΙΜΜΑ ΤΖΟΚΙΝΓΚ 2 2 ΣΤΟ
Διαβάστε περισσότερα5. Σε ορθογώνιο σύστημα αξόνων να σχεδιαστούν οι ευθείες που έχουν εξισώσεις τις: β. y = 4 δ. x = y
. Δύο φίλοι, ο Μάρκος και ο Βασίλης, έχουν άθροισμα ηλικιών 7 χρόνια, και ο Μάρκος είναι μεγαλύτερος από το Βασίλη. Μπορείτε να υπολογίσετε την ηλικία του καθενός; Να δικαιολογήσετε την απάντησή σας. β.
Διαβάστε περισσότερα1.8 Paul Mother Wavelet Real Part Imaginary Part Magnitude.6.4 Amplitude.2.2.4.6.8 1 8 6 4 2 2 4 6 8 1 t .8.6 Real Part of Three Scaled Wavelets a = 1 a = 5 a = 1 1.2 1 Imaginary Part of Three Scaled Wavelets
Διαβάστε περισσότεραΕισαγωγή στη Ρομποτική και τον Προγραμματισμό με τη χρήση του ρομπότ Thymio & του λογισμικού Aseba
5 ο Πανελλήνιο Επιστημονικό Συνέδριο Ένταξη και Χρήση των ΤΠΕ στην Εκπαιδευτική Διαδικασία Εισαγωγή στη Ρομποτική και τον Προγραμματισμό με τη χρήση του ρομπότ Thymio & του λογισμικού Aseba Κόμης Βασίλης
Διαβάστε περισσότεραΕΙΣΑΓΩΓΗ ΣΤΗΝ ΣΤΑΤΙΣΤΙΚΗ ΤΩΝ ΕΠΙΧΕΙΡΗΣΕΩΝ. Κεφάλαιο 5 Συλλογή Δεδομένων & Δειγματοληψία
ΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙΔΕΥΤΙΚΟ ΙΔΡΥΜΑ ΔΥΤΙΚΗΣ ΕΛΛΑΔΑΣ ΤΜΗΜΑ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΠΑΤΡΑΣ Εργαστήριο Λήψης Αποφάσεων & Επιχειρησιακού Προγραμματισμού Καθηγητής Ι. Μητρόπουλος ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΣΤΑΤΙΣΤΙΚΗ ΤΩΝ ΕΠΙΧΕΙΡΗΣΕΩΝ
Διαβάστε περισσότεραΑναγνώριση Προτύπων Εργασία 2η Clustering
ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΤΜΗΜΑ ΗΛΕΚΤΡΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ & ΜΗΧΑΝΙΚΩΝ ΥΠΟΛΟΓΙΣΤΩΝ Αναγνώριση Προτύπων Εργασία 2η Clustering Κιντσάκης Αθανάσιος 6667 Μόσχογλου Στυλιανός 6978 18 Ιανουαρίου, 2013
Διαβάστε περισσότεραΑΝΑΓΝΩΡΙΣΗ ΠΡΟΤΥΠΩΝ. Κατηγοριοποίηση. Αριστείδης Γ. Βραχάτης, Dipl-Ing, M.Sc, PhD
Τμήμα Πληροφορικής με Εφαρμογές στη Βιοϊατρική Σχολή Θετικών Επιστημών Πανεπιστήμιο Θεσσαλίας ΑΝΑΓΝΩΡΙΣΗ ΠΡΟΤΥΠΩΝ Κατηγοριοποίηση Αριστείδης Γ. Βραχάτης, Dipl-Ing, M.Sc, PhD Κατηγοριοποιητής K πλησιέστερων
Διαβάστε περισσότεραΟΙΚΟΝΟΜΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ. Δοµές Δεδοµένων
ΟΝΟΜΑΤΕΠΩΝΥΜΟ: ΟΙΚΟΝΟΜΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ AM: Δοµές Δεδοµένων Εξεταστική Ιανουαρίου 2014 Διδάσκων : Ευάγγελος Μαρκάκης 20.01.2014 ΥΠΟΓΡΑΦΗ ΕΠΟΠΤΗ: Διάρκεια εξέτασης : 2 ώρες και
Διαβάστε περισσότεραΚΕΦΑΛΑΙΟ 5. Matlab GUI για FWSVM και Global SVM
ΚΕΦΑΛΑΙΟ 5 Matlab GUI για FWSVM και Global SVM Προκειμένου να γίνουν οι πειραματικές προσομοιώσεις του κεφαλαίου 4, αναπτύξαμε ένα γραφικό περιβάλλον (Graphical User Interface) που εξασφαλίζει την εύκολη
Διαβάστε περισσότερα1 Εισαγωγή στις Συνδυαστικές Δημοπρασίες - Combinatorial Auctions
ΟΙΚΟΝΟΜΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ - ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ Θεωρία Παιγνίων και Αποφάσεων Διδάσκων: Ε. Μαρκάκης, Εαρινό εξάμηνο 2015 Συμπληρωματικές σημειώσεις για τον μηχανισμό VCG 1 Εισαγωγή στις Συνδυαστικές
Διαβάστε περισσότεραΜια απλή και ευέλικτη λύση για τη σχεδίαση σύγχρονων φωτεινών γραμμών σε επαγγελματικούς χώρους και καταστήματα
Lighting Μια απλή και ευέλικτη λύση για τη σχεδίαση σύγχρονων φωτεινών γραμμών σε επαγγελματικούς χώρους και καταστήματα Οι λύσεις για φωτεινές γραμμές είναι πάντα στη μόδα. Συνεπώς, γνωρίζουμε ότι η δυνατότητα
Διαβάστε περισσότεραΖαν Πιαζέ
http://hallofpeople.com/gr/ Ζαν Πιαζέ Περίοδοι ανάπτυξης της σκέψης σύμφωνα με τη θεωρία του Jean Piaget 1. Αισθησιοκινητική (από τη γέννηση έως 2 ετών) Διαφοροποιεί τον εαυτό του από τους άλλους. Αναγνωρίζει
Διαβάστε περισσότερα4.4 Βάσεις Δεδομένων με πολλές Μεταβλητές
4.4 Βάσεις Δεδομένων με πολλές Μεταβλητές Σε αυτή την ενότητα θα παρουσιάσουμε μερικά παραδείγματα με βάσεις δεδομένων που έχουν μονοδιάστατη έξοδο και πολυδιάστατη είσοδο. Οι βάσεις δεδομένων προέρχονται
Διαβάστε περισσότεραΟδηγός Εισαγωγή Χρηστών σε LDAP Server με χρήση. LdapAdmin TEMPLATE
Οδηγός Εισαγωγή Χρηστών σε LDAP Server με χρήση LdapAdmin TEMPLATE Version 1 23/6/2017 Περιεχόμενα Ldap Admin... 2 Σύνδεση στον Ldap Server με την χρήση του Ldap Admin... 2 Εισαγωγή Χρήστη τύπου Employee-Affiliate
Διαβάστε περισσότεραΣυνοπτικό εγχειρίδιο χρήσης του Microsoft Visual Studio 2010
Τμήμα Πληροφορικής & Τηλ/νιών Τομέας Προγ/σμού & Τεχνολογίας Λογισμικού Συνοπτικό εγχειρίδιο χρήσης του Microsoft Visual Studio 2010 Δρ. Νικόλαος Θ. Λιόλιος Καθηγητής Φεβρουάριος 2012 1. Εισαγωγή Το Visual
Διαβάστε περισσότεραΔιδάσκουσα: Χάλκου Χαρά,
Διδάσκουσα: Χάλκου Χαρά, Διπλωματούχος Ηλεκτρολόγος Μηχανικός & Τεχνολογίας Η/Υ, MSc e-mail: chalkou@upatras.gr Επιβλεπόμενοι Μη Επιβλεπόμενοι Ομάδα Κατηγορία Κανονικοποίηση Δεδομένων Συμπλήρωση Ελλιπών
Διαβάστε περισσότεραΚΕΦΑΛΑΙΟ 7 ο. Στο εργαστήρι πληροφορικής. Στο κεφάλαιο αυτό, θα προσπαθήσουµε να επιτύχουµε τους εξής στόχους:
ΚΕΦΑΛΑΙΟ 7 ο εκαδικά κλάσµατα δεκαδικοί αριθµοί Στο εργαστήρι πληροφορικής Στο κεφάλαιο αυτό, θα προσπαθήσουµε να επιτύχουµε τους εξής στόχους: Να διαβάζουµε, να γράφουµε και να συγκρίνουµε δεκαδικούς
Διαβάστε περισσότεραΠανεπιστήμιο Θεσσαλίας Πολυτεχνική Σχολή Τμήμα Μηχανικών Χωροταξίας, Πολεοδομίας & Περιφερειακής Ανάπτυξης
Πανεπιστήμιο Θεσσαλίας Πολυτεχνική Σχολή Τμήμα Μηχανικών Χωροταξίας, Πολεοδομίας & Περιφερειακής Ανάπτυξης ΜΑΘΗΜΑ ΕΠΙΛΟΓΗΣ: ΟΙΚΟΝΟΜΕΤΡΙΑ Οι παραβιάσεις των σημαντικότερων υποθέσεων των γραμμικών υποδειγμάτων
Διαβάστε περισσότεραΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ
Θ.Ε. ΠΛΗ31 (2004-5) ΓΡΑΠΤΗ ΕΡΓΑΣΙΑ #3 Στόχος Στόχος αυτής της εργασίας είναι η απόκτηση δεξιοτήτων σε θέματα που αφορούν τα Τεχνητά Νευρωνικά Δίκτυα και ποιο συγκεκριμένα θέματα εκπαίδευσης και υλοποίησης.
Διαβάστε περισσότεραΔείγμα πριν τις διορθώσεις
Εισαγωγή Α ΜΕΡΟΣ ΠΕΡΙΓΡΑΦΙΚΗ ΣΤΑΤΙΣΤΙΚΗ 1 ΕΙΣΑΓΩΓΗ ΣΤΗ ΣΤΑΤΙΣΤΙΚΗ 1.1 Εισαγωγή 1.1.1 Περιγραφική Στατιστική (Descriptive Statistics) 1.1.2 Επαγωγική ή Αναλυτική Στατιστική (Inferential or Αnalytical Statistics)
Διαβάστε περισσότεραΕντολές επιλογής Επαναλήψεις (if, switch, while)
Εντολές επιλογής Επαναλήψεις (if, switch, while) Οι σημειώσεις αυτές έχουν σαν στόχο την μάθηση εντολών επιλογής (if, switch, while) που ελέγχουν τη ροή εκτέλεσης ενός προγράμματος. Πρώτα όμως, είναι αναγκαίο
Διαβάστε περισσότεραυποδείγματος για την αξιολόγηση αυτοκινήτων με τεχνικές Data Mining.»
ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ ΕΙΔΙΚΕΥΣΗΣ ΤΜΗΜΑΤΟΣ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ Διπλωματική εργασία με θέμα: «Ανάπτυξη υποδείγματος για την αξιολόγηση αυτοκινήτων με
Διαβάστε περισσότεραΠΡΟΓΡΑΜΜΑ ΑΠΟΜΑΚΡΥΣΜΕΝΗΣ ΕΙΣΑΓΩΓΗΣ ΒΑΘΜΟΛΟΓΙΩΝ ΑΠΟ ΔΙΔΑΣΚΟΝΤΕΣ
ΠΡΟΓΡΑΜΜΑ ΑΠΟΜΑΚΡΥΣΜΕΝΗΣ ΕΙΣΑΓΩΓΗΣ ΒΑΘΜΟΛΟΓΙΩΝ ΑΠΟ ΔΙΔΑΣΚΟΝΤΕΣ 1. ΓΕΝΙΚΑ Εκδοση 1.0, 26/08/2009 Η εγκατάσταση του προγράμματος απομακρυσμένης εισαγωγής βαθμολογιών απαιτεί περιβάλλον windows (Windows 2000,
Διαβάστε περισσότεραΔομές Δεδομένων ΑΣΚΗΣΗ 3Η Αναλυτική Βαθμολογία. Λειτουργικότητα. Κυρίως Πρόγραμμα (είσοδος με Random. Evr Αναζήτηση Δεδομένων από αρχείο
Δομές Δεδομένων 2016-17 ΑΣΚΗΣΗ 3Η Αναλυτική Βαθμολογία Τελικός Βαθμός Αξιολογητής Σχόλια Α.Μ. Φοιτητή 100 5 10 5 15 5 20 5 5 5 10 10 5 1115200800065 1115201400005 1115201100020 1115201600001 1115200900254
Διαβάστε περισσότεραΑκαδημαϊκό Έτος , Χειμερινό Εξάμηνο Διδάσκων Καθ.: Νίκος Τσαπατσούλης
ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΛΟΠΟΝΝΗΣΟΥ, ΤΜΗΜΑ ΤΕΧΝΟΛΟΓΙΑΣ ΤΗΛΕΠΙΚΟΙΝΩΝΙΩΝ ΚΕΣ 3: ΑΝΑΓΝΩΡΙΣΗ ΠΡΟΤΥΠΩΝ ΚΑΙ ΑΝΑΛΥΣΗ ΕΙΚΟΝΑΣ Ακαδημαϊκό Έτος 7 8, Χειμερινό Εξάμηνο Καθ.: Νίκος Τσαπατσούλης ΕΡΩΤΗΣΕΙΣ ΕΠΑΝΑΛΗΨΗΣ Το παρόν
Διαβάστε περισσότεραΠροσοχή: Για κάθε λανθασµένη απάντηση δεν θα λαµβάνεται υπόψη µία σωστή
Σειρά Α σ1 Επώνυµο Όνοµα Αρ. Μητρώου Ζήτηµα 1 ο (3 µονάδες) Εξετάσεις Φεβρουαρίου (2011/12) στο Μάθηµα: Στατιστική Θεσσαλονίκη: 03/03/2012 Προσοχή: Για κάθε λανθασµένη απάντηση δεν θα λαµβάνεται υπόψη
Διαβάστε περισσότεραΑΓΙΑΣ ΒΑΡΒΑΡΑΣ 21 & ΠΕΡΙΚΛΕΟΥΣ, Π. ΦΑΛΗΡΟ
Φ Ρ Ο Ν Τ Ι Σ Τ Η Ρ Ι Α ΑΓΙΑΣ ΒΑΡΒΑΡΑΣ 21 & ΠΕΡΙΚΛΕΟΥΣ, Π. ΦΑΛΗΡΟ ΤΗΛ-FAX: 210 9851164, www.neapaideia.edu.gr, Ε-mail: info@neapaideia.edu.gr ΣΥΝΤΟΜΗ ΠΑΡΟΥΣΙΑΣΗ ΝΕΟΥ ΣΥΣΤΗΜΑΤΟΣ ΕΙΣΑΓΩΓΗΣ ΣΤΗΝ ΤΡΙΤΟΒΑΘΜΙΑ
Διαβάστε περισσότεραΠλακίδια του Wang C πεπερασμένο σύνολο χρωμάτων.
30 Νοεμβρίου 2016 Πλακίδια του Wang C πεπερασμένο σύνολο χρωμάτων. Πλακίδια του Wang C πεπερασμένο σύνολο χρωμάτων. t = (c Α, c Π, c Δ, c Κ ) C 4 πλακίδιο του Wang. Πλακίδια του Wang C πεπερασμένο σύνολο
Διαβάστε περισσότεραΤΣΑΛΤΑ ΜΑΡΙΑ Α.Μ: 1946 ΠΑΥΛΕΛΛΗ ΛΟΥΙΖΑ Α.Μ: 2342 ΤΣΑΪΛΑΚΗ ΦΑΝΗ Α.Μ: Οικονομετρικά. Εργαστήριο 15/05/11
ΤΣΑΛΤΑ ΜΑΡΙΑ Α.Μ: 1946 ΠΑΥΛΕΛΛΗ ΛΟΥΙΖΑ Α.Μ: 34 ΤΣΑΪΛΑΚΗ ΦΑΝΗ Α.Μ: 17 Οικονομετρικά Εργαστήριο 15/5/11 ΟΙΚΟΝΟΜΕΤΡΙΚΑ ΠΡΟΤΥΠΑ ΜΑΘΗΜΑ 7 ΕΡΓΑΣΤΗΡΙΟ ΜΗ ΓΡΑΜΜΙΚΑ ΜΟΝΤΕΛΑ Σκοπός του παρόντος µαθήµατος είναι η
Διαβάστε περισσότεραΆσκηση υποδικτύωσης (Subnetting)
Άσκηση υποδικτύωσης (Subnetting) Σας δίνεται το υποδίκτυο 172.16.0.0 με μάσκα υποδικτύου 255.255.0.0 (172.16.0.0/16). Να δημιουργηθούν με την σειρά τα παρακάτω υποδίκτυα. Υποδίκτυο Α: 4000 υπολογιστές
Διαβάστε περισσότεραΣΧΕΔΙΟ ΜΑΘΗΜΑΤΟΣ 1. ΜΑΘΗΜΑ: ΑΝΑΠΤΥΞΗ ΕΦΑΡΜΟΓΩΝ ΣΕ ΠΡΟΓΡΑΜΜΑΤΙΣΤΙΚΟ ΠΕΡΙΒΑΛΛΟΝ ΚΕΦ.
ΣΧΕΔΙΟ ΜΑΘΗΜΑΤΟΣ Καράκιζα Τσαμπίκα 1. ΜΑΘΗΜΑ: ΑΝΑΠΤΥΞΗ ΕΦΑΡΜΟΓΩΝ ΣΕ ΠΡΟΓΡΑΜΜΑΤΙΣΤΙΚΟ ΠΕΡΙΒΑΛΛΟΝ ΚΕΦ. 2ο-8ο:ΔΟΜΗ ΕΠΑΝΑΛΗΨΗΣ Εισαγωγή στην εντολή «για» (2.4.5, 8.2.3) 2. ΤΑΞΗ: Γ Γενικού Λυκείου (τεχνολογική
Διαβάστε περισσότεραΠΛΗ 513-Αυτόνομοι Πράκτορες Χειμερινό εξάμηνο 2012 Εφαρμογή αλγορίθμων ενισχυτικής μάθησης στο παιχνίδι Βlackjack. Χλης Νικόλαος-Κοσμάς
ΠΛΗ 513-Αυτόνομοι Πράκτορες Χειμερινό εξάμηνο 2012 Εφαρμογή αλγορίθμων ενισχυτικής μάθησης στο παιχνίδι Βlackjack Χλης Νικόλαος-Κοσμάς Περιγραφή παιχνιδιού Βlackjack: Σκοπός του παιχνιδιού είναι ο παίκτης
Διαβάστε περισσότεραΙΚΤΥΑ ΕΠΙΚΟΙΝΩΝΙΩΝ Εργαστηριακή Άσκηση 7 ρομολόγηση ιανύσματος Αποστάσεων
ΙΚΤΥΑ ΕΠΙΚΟΙΝΩΝΙΩΝ Εργαστηριακή Άσκηση 7 ρομολόγηση ιανύσματος Αποστάσεων 1. Eισαγωγή Σε αυτή την άσκηση θα μελετηθεί η επίδοση του πρωτοκόλλου δρομολόγησης διανύσματος αποστάσεων (distance vector - DV).
Διαβάστε περισσότεραΤεχνολογία λογισμικού στην πράξη
Τεχνολογία λογισμικού στην πράξη Έλεγχος λογισμικού Διομήδης Σπινέλλης Τμήμα Διοικητικής Επιστήμης και Τεχνολογίας Οικονομικό Πανεπιστήμιο Αθηνών dds@aueb.gr http://www.dmst.aueb.gr/dds @CoolSWEng 2016-06-27
Διαβάστε περισσότεραΟδηγίες Χρήσεως ταξιμέτρου DIGITAX F1 PLUS S. DIGITAX(DIGITAX PRINTER F1 Plus S ) V 2.1
Οδηγίες Χρήσεως ταξιμέτρου DIGITAX F1 PLUS S DIGITAX(DIGITAX PRINTER F1 Plus S ) V 2.1 10/2016 Προδιαγραφές Τροφοδοσία (Vcc): Εύρος Λειτουργίας: 9-16 V Φάσμα της σταθεράς της συσκευής: k = 500 km ¹ έως
Διαβάστε περισσότεραΠεριφερειακή Διεύθυνσης Π.Ε. & Δ.Ε. Αττικής. Εκτίμηση Διευθυντών Σχολικών Μονάδων ΕΑΕΠ Αττικής για την πορεία του ΕΑΕΠ το σχολικό έτος
Περιφερειακή Διεύθυνσης Π.Ε. & Δ.Ε. Αττικής Τμήμα Επιστημονικής Παιδαγωγικής Καθοδήγησης Πρωτοβάθμιας Εκπαίδευσης Εκτίμηση Διευθυντών Σχολικών Μονάδων ΕΑΕΠ Αττικής για την πορεία του ΕΑΕΠ το σχολικό έτος
Διαβάστε περισσότεραScreened electronic cable LiYCY
Screened electronic cable LiYCY Conductor material: bare copper Conductor class: class 5 = fine stranded Insulation: PVC Screen: copper braid, tinned Screen coverage: 70 % Sheathing material: PVC Flame-retardant:
Διαβάστε περισσότερα