Εφαρμογή αυτόματης κατάταξης γνώμης σε δεδομένα του Twitter

Μέγεθος: px
Εμφάνιση ξεκινά από τη σελίδα:

Download "Εφαρμογή αυτόματης κατάταξης γνώμης σε δεδομένα του Twitter"

Transcript

1 Εφαρμογή αυτόματης κατάταξης γνώμης σε δεδομένα του Twitter M. Μπιρμπίλη 1, Γ. Πασχάλης 2, Σ. Κωτσιαντής 3 1 Τελειόφοιτη Πληροφορικής ΕΑΠ 2 Υποψήφιος Διδάκτωρ ΤΗΜΤΥ Παν/μιο Πατρών 3 Λέκτορας Μαθηματικό Παν/μιο Πατρών Περίληψη Στην παρούσα εργασία παρουσιάζεται μια εφαρμογή εξόρυξης γνώμης που κατασκευάσαμε για να κατατάσσουμε σαν θετικές ή αρνητικές της γνώμες χρηστών του twitter. Για το σκοπό αυτό, αφού μελετήσαμε και αξιολογήσαμε αλγόριθμους μηχανικής Μάθησης που συνιστώνται για την εξόρυξη γνώμης, βρήκαμε αυτόν που δίνει τα καλύτερα αποτελέσματα και τον παραμετροποιήσαμε κατάλληλα ώστε να βελτιωθεί η απόδοσή του. Πιο συγκεκριμένα, συνδυάσαμε τον NaïveBayesMultinomial με τον αλγόριθμο για stemming της Lovins και τον tokenizer Ngram σε μια προσπάθεια να αντιμετωπίσουμε την υπόθεση του NaïveBayesMultinomial ότι κάθε μεταβλητή είναι ανεξάρτητη με οποιαδήποτε άλλη της δεδομένης κατηγορίας. Λέξεις κλειδιά: Εξόρυξη γνώμης, Twitter, Μηχανική Μάθηση, Naïve Bayes Multinomial, Εργαλείο για εξόρυξη γνώμης (ToolForOpinionMining). 1. Εισαγωγή Ο ερχομός και η ακμάζουσα δημοτικότητα των σε απευθείας σύνδεση κοινωνικών δικτύων (online social networks) όπως του Twitter και του Facebook έχει οδηγήσει σε μια τεράστια έκρηξη των δεδομένων με επίκεντρο το διαδίκτυο. Τα δεδομένα που υπάρχουν είναι αντικείμενο μελέτης πολλών πεδίων, όπως η κοινωνιολογία, οι επιχειρήσεις, η ψυχολογία, η διασκέδαση, η πολιτική κ.α. Κοινωνική δικτύωση είναι η δημιουργία μιας διαδικτυακής κοινότητας με κοινά ενδιαφέροντα, και η συγκέντρωση ή συμμετοχή των ατόμων σε συγκεκριμένες ομάδες, όπως για παράδειγμα οι φίλοι, οι συνεργάτες, οι αγροτικές κοινότητες, οι γειτονιές, οι χώροι εργασίας, τα πανεπιστήμια και τα σχολεία. Ο Χτούρης (2004) ορίζει ως κοινωνικά δίκτυα τα «πολυδιάστατα συστήματα επικοινωνίας και διαμόρφωσης της ανθρώπινης πρακτικής και της κοινωνικής ταυτότητας».

2 2 Conferrence on Informatics in Education 2013 Το Τwitter (https://twitter.com/) αν και σχετικά καινούριο (δημιουργήθηκε το 2006) έχει πάρα πολλούς χρήστες (554 εκατομμύρια συνολικά εγγεγραμμένους χρήστες από τους οποίους συνδέονται σε καθημερινή βάση και ανταλλάσσουν 58 εκατομμύρια μηνύματα σύμφωνα με το Twitter emarketer, Ιούνιος 2013) Μια βασική ανάγκη που δημιουργείται είναι να εκμεταλλευτούμε το ασύλληπτα μεγάλο ποσό δεδομένων που είναι διαθέσιµο και να ανακαλύψουμε γνώσεις που κρύβονται πίσω από αυτά. Η Εξόρυξη Γνώσης ή Ανακάλυψη Γνώσης από Βάσεις Δεδομένων ή Εξόρυξη Δεδομένων (Data Mining - DM) (Klosgen & Zytkow, 2002) είναι η εξεύρεση μιας ενδιαφέρουσας, αυτονόητης, μη προφανούς και πιθανόν χρήσιμης πληροφορίας ή προτύπων από μεγάλες βάσεις δεδομένων με χρήση αλγορίθμων ομαδοποίησης ή κατηγοριοποίησης και των αρχών της στατιστικής, της τεχνητής νοημοσύνης, της μηχανικής μάθησης και των συστημάτων βάσεων δεδομένων. Στόχος της εξόρυξης δεδομένων είναι η πληροφορία που θα εξαχθεί και τα πρότυπα που θα προκύψουν να έχουν δομή κατανοητή προς τον άνθρωπο έτσι ώστε να τον βοηθήσουν να πάρει τις κατάλληλες αποφάσεις. Μια υποκατηγορία της εξόρυξης γνώσης είναι η εξόρυξη κειμένου (Τext Mining - TM), η οποία ορίζεται σαν μια διαδικασία εξαγωγής με αυτόματο τρόπο νέας, έγκυρης, και χρήσιμης γνώσης από διαφορετικούς γραπτούς πόρους, καθώς επίσης και η όσο το δυνατόν καλύτερη οργάνωση αυτής της νέας γνώσης-πληροφορίας για την όποια μελλοντική αναφορά (Hearst Marti, 1999; Sehgal, 2004). Μια υποκατηγορία της εξόρυξης κειμένου είναι η εξόρυξη γνώμης (opinion mining -OM) ή ανάλυση συναισθήματος (sentimental analysis) η οποία στοχεύει να εξάγει γνωρίσματα και συστατικά ενός αντικειμένου που έχει σχολιαστεί και να καθορίσει αν το σχόλιο είναι θετικό, αρνητικό ή ουδέτερο (Liu, 2012). Εφαρμόζοντας τις τεχνικές εξόρυξης γνώσης στα Κοινωνικά Δίκτυα μπορούμε να ανακαλύψουμε ενδιαφέρουσες πλευρές της ανθρώπινης συμπεριφοράς και της ανθρώπινης αλληλεπίδρασης, να βελτιώσουμε την αντίληψη που έχουν οι άνθρωποι σχετικά µε ένα θέμα, να προσδιορίσουμε ομάδες ανθρώπων ανάμεσα στις μάζες του πληθυσμού, να μελετήσουμε ομάδες που αλλάζουν µε το χρόνο, να βρεθούν άνθρωποι µε επιρροή, ή ακόμα και να γίνει η σύσταση ενός προϊόντος ή μιας δραστηριότητας σε ένα άτομο. Επειδή τα ποσά δεδομένων είναι τεράστια, είναι απαραίτητο να εφαρμοστεί μια διαδικασία αυτόματης κατηγοριοποίησης των κειμένων (Α.Κ.Κ.). Μια τέτοια διαδικασία απεικονίζεται σχηματικά στην παρακάτω Εικόνα 1. Αρχικά συλλέγεται ένα σύνολο κειμένων, το οποίο κάποιος ειδικός ή μια ομάδα ανθρώπων έχουν

3 Πρακτικά 5 rth CIE σημασιοδοτήσει (labeled) σε σχέση με κάποιες κατηγορίες. Το σύνολο των κειμένων χωρίζεται σε ένα σύνολο εκπαίδευσης (training set), και ένα σύνολο ελέγχου (test set) το οποίο χρησιμοποιείται για επικύρωση (validation) της απόδοσης του αλγορίθμου κατηγοριοποίησης. Στο σύνολο εκπαίδευσης, το συνολικό κείμενο μετατρέπεται σε ξεχωριστές λέξεις. Όλες οι λέξεις που περιλαμβάνονται στα κείμενα μπαίνουν σε «σακούλα λέξεων» (bag-of-words). Παράλληλα, αγνοούνται όλοι οι μη αλφαριθμητικοί όροι, π.χ. αριθμοί, ημερομηνίες, σύμβολα όπως <, >, = κ.α. Στη συνέχεια οι λέξεις μετατρέπονται στη ρίζα τους (stemming). Έπειτα αφαιρούνται οι κοινές λέξεις (άρθρα, επιρρήματα, κτλ). Έχει παρατηρηθεί πως οι 10 συχνότερες λέξεις της αγγλικής γλώσσας αποτελούν το 20-30% των λεκτικών μονάδων σε ένα κείμενο (Francis, 1982). Ανάμεσά τους οι λέξεις {is, the, to, for, and, it } που συναντάμε σχεδόν σε κάθε πρόταση. Η ποσότητα των όρων που αποφασίζουμε πως δε μεταφέρουν πληροφορία επηρεάζει και την ποιότητα των δεδομένων που θα αναπαραστήσουμε. Εικόνα 1. Διαδικασία εκμάθησης που ακολουθείται σε προβλήματα Α.Κ.Κ. Έπειτα γίνεται διανυσματική αναπαράσταση του κειμένου (vector representation). Έτσι, κάθε αρχείο κειμένου από το σύνολο κειμένων που έχουμε είναι και ένα διάνυσμα όρων (term vector) στο οποίο κάθε όρος αποτελεί ένα μοναδικό ανεξάρτητο χαρακτηριστικό (feature). Κάθε στοιχείο σε αυτό το διάνυσμα έχει και μια τιμή η οποία αντιστοιχεί στην εμφάνιση του όρου μέσα στο κείμενο. Μια συχνά χρησιμοποιούμενη μέθοδος που δίνει πολύ καλά αποτελέσματα είναι η συνάρτηση TF-IDF (Term Frequency Inverse Document Frequency) (Sehgal, 2004). Τέλος χρησιμοποιώντας το σύνολο εκπαίδευσης, ένας επιβλεπόμενος αλγόριθμος εκμάθησης (supervised learning algorithm) προσπαθεί να διαμορφώσει το βέλτιστο ταξινομητή. 2. Σχετικές Εργασίες Στη βιβλιογραφία μπορεί κανείς να βρει πολλές ενδιαφέρουσες εργασίες που εστιάζουν στην εξόρυξη άποψης σε γνώμες διαφόρων ατόμων ώστε να αποφασίσουν αν ένα κομμάτι κειμένου (πρόταση, παράγραφος ή ολόκληρο έγγραφο) εκφράζει ένα θετικό ή αρνητικό συναίσθημα. Μερικές εργασίες παρουσιάζουν εξόρυξη γνώσης

4 4 Conferrence on Informatics in Education 2013 αναγνωρίζοντας το συναισθηματικό προσανατολισμό του συνολικού κειμένου (Sentiment Analysis), άλλες χρησιμοποιούν μεθόδους μηχανικής μάθησης, ενώ άλλες εστιάζουν στην αναγνώριση και εξαγωγή λέξεων που εκφράζουν τις απόψεις και το σημασιολογικό προσανατολισμό (semantic orientation) του κειμένου. Ενδεικτικά αναφέρουμε τις παρακάτω πολύ ενδιαφέρουσες προσεγγίσεις που αφορούν το twitter: Οι Agarwal etal (2011) και Kouloumpis etal (2011) εφαρμόζουν ένα συνδυασμό μηχανικής των χαρακτηριστικών (feature engineering), π.χ. χρησιμοποιώντας το βασισμένο στα χαρακτηριστικά και το βασισμένο στα δέντρα kernel μοντέλο για ταξινόμηση συναισθημάτων ή χρησιμοποιώντας τα χαρακτηριστικά των n-gram και των λεξικών (ngram and lexicon features), ή εφαρμόζοντας συνδυασμό τεχνικών μηχανικής μάθησης ώστε να βελτιώσουν στην ακρίβεια ταξινόμησης των μηνυμάτων του twitter. Oι Bifet & Eibe (2010) προτείνουν μια εφαρμογή της Kappa στατιστικής μεθόδου (sliding window Kappa statistic) για αξιολόγηση σε μεταβαλλόμενα με το χρόνο δεδομένα του twitter. Οι Cha et al (2010) δείχνουν ότι δημοφιλείς χρήστες του twitter που έχουν υψηλή κοινωνική θέση (high in-degree) δεν επηρεάζονται απαραίτητα από τις προωθήσεις μηνυμάτων ή τις αναφορές άλλων χρηστών του twitter, και αυτή η επιρροή κερδίζεται μόνο δια μέσω συντονισμένης προσπάθειας π.χ. περιορισμένων μηνυμάτων στο twitter σε ένα συγκεκριμένο θέμα. 3. Αλγόριθμοι Μηχανικής Μάθησης Η μηχανική μάθηση έχει σαν σκοπό τη δημιουργία μηχανών, ικανών να μαθαίνουν. Οι μηχανές αυτές, αξιοποιώντας προηγούμενη γνώση και εμπειρία μπορούν να μαθαίνουν και να βελτιώνουν την απόδοσή τους σε κάποιους τομείς. Υπάρχουν πάρα πολλοί αλγόριθμοι μηχανικής μάθησης που δίνουν ικανοποιητικά αποτελέσματα ανάλογα με το είδος της εφαρμογής που θα τους χρησιμοποιήσουμε. Στην περίπτωση της εξόρυξης γνώσης από κείμενο και πιο συγκεκριμένα στην εξόρυξη γνώμης και συναισθηματική ανάλυση κειμένου, την καλύτερη απόδοση έχουν οι αλγόριθμοι που ανήκουν στις κατηγορίες των Επαγωγικών Αλγορίθμων Μηχανικής Μάθησης, και ειδικότερα στις κατηγορίες των Μηχανών Διανυσματικής Υποστήριξης (SVMs) και των Bayesian μέθοδων (Aggarwal & Zhai, 2012; Liu, 2012). 3.1 Αλγόριθμος Στοχαστικής Κλίσης Κατάβασης (SGDText) Ο SGDText αλγόριθμος, όπως και όλοι οι αλγόριθμοι αυτής της κατηγορίας (SVMs) έχει σαν στόχο την επιλογή ενός μικρού αριθμού στιγμιότυπων εκπαίδευσης από κάθε κλάση,

5 Πρακτικά 5 rth CIE των διανυσμάτων υποστήριξης (Support Vectors), τα οποία συνορεύουν στο χώρο του προβλήματος με στιγμιότυπα άλλων κλάσεων (Bottou & Bousquet, 2008). Στο διπλανό σχήμα, με μπλε απεικονίζονται τα θετικά στιγμιότυπα (pos) και με κόκκινο χρώμα τα αρνητικά (neg). Τα στιγμιότυπα τα οποία βρίσκονται πάνω στις έντονες γραμμές αποτελούν τα διανύσματα στήριξης. Ο αλγόριθμος SGD βρίσκει το βέλτιστο υπερ-επίπεδο που διαχωρίζει τα θετικά με αρνητικά στιγμιότυπα. Τα βήματα του αλγορίθμου είναι τα εξής : Διάλεξε ένα αρχικό διάνυσμα παραμέτρων και βαθμού μάθησης. Επανέλαβε μέχρι ένα κατά προσέγγιση ελάχιστο να επιτευχθεί: o Ανάμειξε τυχαία τα παραδείγματα στο σύνολο εκπαίδευσης. o Για, κάνε: όπου είναι ένα μέγεθος βήματος (πολλές φορές λέγεται βαθμός μάθησης - learning rate) στη μηχανική μάθηση και είναι η τιμή της συνάρτησης απώλειας (loss function) στο -στο παράδειγμα και w o αριθμός των επαναλήψεων. 3.2 Naïve Bayes Multinomial αλγόριθμος Ο Naïve Bayes Multinomial αλγόριθμος λειτουργεί σε σύνολα κειμένων όπου κάθε στιγμιότυπο x αποτελείται από τις τιμές χαρακτηριστικών a1, a2,.. a i και η συνάρτηση στόχος f(x) μπορεί να πάρει οποιαδήποτε τιμή από ένα προκαθορισμένο πεπερασμένο σύνολο V v1, v2,... v j. Η ταξινόμηση αγνώστων στιγμιότυπων περιλαμβάνει τον υπολογισμό της πιο πιθανής τιμής στόχου v max και ορίζεται ως εξής (McCallum & Nigam, 1998): v max P v a a,... a max j 1, 2 vjv i (1) Χρησιμοποιώντας το θεώρημα του Bayes το v max μπορεί να ξαναγραφεί ως εξής: max 1, 2 vjv i j j v max P a a,... a v P v (2) υποθέτοντας ότι οι τιμές των γνωρισμάτων είναι ανεξάρτητες δοσμένης της τιμής στόχου (target value).

6 6 Conferrence on Informatics in Education 2013 Για τον Naïve Bayes Multinomial αλγόριθμο ισχύει : j i i vmax max P v P a v vjv όπου V είναι το αποτέλεσμα του ταξινομητή και οι i P ai v i και j υπολογιστούν με βάση τη συχνότητά τους στα δεδομένα προς εκπαίδευση. 4. Πειραματικά Αποτελέσματα 4.1 To λογισμικό WEKA (3) Pv μπορούν να Για να βρούμε το βέλτιστο αλγόριθμο που θα χρησιμοποιήσουμε στην εφαρμογή μας χρησιμοποιήσαμε το λογισμικό ανάπτυξης εφαρμογών μηχανικής μάθησης και εξόρυξης γνώσης από δεδομένα WEKA (Waikato Environment for Knowledge Analysis), το οποίο είναι ένα από τα πιο δημοφιλής εργαλεία εξόρυξης πληροφορίας κυρίως στον ακαδημαϊκό χώρο (Witten etal, 2011). Το WEKA είναι ελεύθερο λογισμικό / λογισμικό ανοικτού κώδικα γραμμένο σε java και διανέμεται με άδεια χρήσης GNU από το url: Η εφαρμογή περιλαμβάνει υλοποιήσεις διάφορων αλγόριθμων εξόρυξης πληροφορίας καθώς και τεχνικές προεπεξεργασίας, μοντελοποίησης αλλά και τεχνικές οπτικοποίησης των δεδομένων. Η εφαρμογή προϋποθέτει την ύπαρξη των δεδομένων σε ένα απλό αρχείο της μορφής CSV ή arff όπου τα γνωρίσματα (πεδία) κάθε εγγραφής (γραμμής) είναι χωρισμένα με κόμμα. 4.2 Προετοιμάζοντας τα δεδομένα Για να εισάγουμε τα δεδομένα του Τwitter στο Weka πρέπει να δημιουργήσουμε ένα αρχείο.arff το οποίο θα χρησιμοποιήσουμε σαν σύνολο εκπαίδευσης. Για τις ανάγκες της εργασίας μας χρησιμοποιήσαμε ένα έτοιμο αρχείο, twdata.arff (https://dl.dropboxusercontent.com/u/851910/twdata.arff) με στιγμιότυπα μηνυμάτων του twitter. Τα δεδομένα που χρησιμοποιήσαμε υπάρχουν ελεύθερα στο διαδίκτυο. Θα μπορούσαμε να δημιουργήσουμε μια εφαρμογή που θα τραβά αυτόματα δεδομένα από το twitter, αλλά θα ήταν πολύ χρονοβόρο να ταξινομήσουμε χειροκίνητα τα δεδομένα σε θετικά ή αρνητικά. Γι αυτό το αφήσαμε για μελλοντική εργασία. Στο παρακάτω σχήμα φαίνονται ενδεικτικά οι πρώτες 3 γραμμές του αρχείου twdata.arff που 'promise! you\'ve a treat to look forward to and happy chrismukkah!',pos

7 Πρακτικά 5 rth CIE 'Are you bringing the sun with you I hope? We\'ve got rain through Wednesday forecast ',neg 'she hates me ',neg 4.3 Επιλογή αλγορίθμων & μεθόδου ταξινόμησης Όπως προαναφέρθηκε σε προηγούμενη παράγραφο, στην εξόρυξη γνώμης οι πιο αποτελεσματικοί αλγόριθμοι είναι των Μηχανών Διανυσματικής Υποστήριξης (SVMs) και οι Bayesian μέθοδοι. Για τα πειράματά μας χρησιμοποιήθηκαν οι ευρέως γνωστοί SGDText ως εκπρόσωπος των SVMs και ο Naive Bayes Multinomial από την κατηγορία των Bayesian μεθόδων. Επιλέχθηκαν οι συγκεκριμένοι αλγόριθμοι, επειδή είναι ήδη υλοποιημένοι στο WEKA. Για την μέτρηση της απόδοσης της κατηγοριοποίησης επιλέγουμε τη μέθοδο Διασταυρωμένης επικύρωσης (k-fold Cross Validation) γιατί είναι η πιο αξιόπιστη (McLachlan etal, 2004). Σαν k επιλέγεται το 10 γιατί είναι το πιο διαδεδομένο. Σε αυτή τη μέθοδο το αρχικό σύνολο δεδομένων χωρίζεται σε 10 υποσύνολα. Από τα 10 υποσύνολα, ένα χρησιμοποιείται για επαλήθευση (test set) και τα υπόλοιπα (10-1=9) υποσύνολα χρησιμοποιούνται για την εκπαίδευση (training set). Η διαδικασία αυτή επαναλαμβάνεται 10 φορές (όσες και τα folds), όπου κάθε ένα από τα 10 υποσύνολα χρησιμοποιείται μία φορά σαν δεδομένα επαλήθευσης. Όπως βλέπουμε το πλεονέκτημα αυτής της μεθόδου είναι ότι όλες οι παρατηρήσεις του συνόλου δεδομένων - μέσω τυχαία επιλεγμένων υποσυνόλων δεδομένων - χρησιμοποιούνται και για εκπαίδευσης και για έλεγχο, και το τελικό αποτέλεσμα είναι ο μέσος όρος των παρατηρήσεων Αυτό έχει σαν αποτέλεσμα αυξημένη αξιοπιστία της μεθόδου ανεξάρτητα από το πόσο «καλό» είναι το σύνολο δεδομένων που έχουμε στη διάθεσή μας. Να σημειωθεί εδώ ότι αν επιλέγαμε στο WEKA τη μέθοδο χρησιμοποίησης του ίδιου συνόλου σαν σύνολο εκπαίδευσης και σύνολο δεδομένων (use training set) θα είχε σίγουρα καλύτερα (πιθανώς άριστα) αποτελέσματα, θα υστερούσε όμως φανερά σε αξιοπιστία Αποτελέσματα WEKA για το αρχείο twdata.arff Συγκρίνοντας τους δυο προηγούμενους αλγορίθμους, ο NaïveBayesMultinomial δίνει ελαφρώς καλύτερα αποτελέσματα (80,10% έναντι 79.61%) η οποία δεν είναι στατιστικά σημαντική διαφορά. Είναι όμως πολύ πιο γρήγορος, και γι αυτό τον επιλέγουμε για την εφαρμογή μας. Πίνακας 1. Αποτελέσματα NaïveBayesMultinomial και SGD Text στο WEKA Αλγόριθμος Ακρίβεια Naïve Bayes Multinomial 80,10% SGD Text 79,61%

8 8 Conferrence on Informatics in Education 2013 Για να τον κάνουμε ακόμα πιο αποτελεσματικό τον επιλεγμένο αλγόριθμο, συνδυάσαμε τον NaïveBayesMultinomial με τον αλγόριθμο για stemming της Lovins και τον tokenizer NGram σε μια προσπάθεια να αντιμετωπίσουμε την υπόθεση του NaïveBayesMultinomial ότι κάθε μεταβλητή είναι ανεξάρτητη της άλλης, δεδομένης της κατηγορίας. O αλγόριθμος stemming της Lovins επηρεάστηκε από το τεχνικό λεξικό που ανέπτυξε η Lovins και έχει 294 τελειώματα (endings), 29 καταστάσεις (conditions) και 35 κανόνες μετασχηματισμού (transformation rules). Κάθε τελείωμα σχετίζεται με μια από τις καταστάσεις. Στο πρώτο βήμα, βρίσκεται το μακρύτερο τελείωμα (longest ending) το οποίο ικανοποιεί την συσχετιζόμενη με αυτό κατάσταση και απομακρύνεται. Στο δεύτερο βήμα εφαρμόζονται οι 35 κανόνες μετασχηματισμού για να μετασχηματίσουν το τελείωμα (ending) (Lovins, 1968). Ο tokenizer Ν-Gram διαβάζει το πεδίο κειμένου και δημιουργεί n-gram tokens στο δοθέν εύρος. Το Ν σημαίνει πόσοι όροι εξετάζονται: έχουμε unigrams στην περίπτωση του ενός όρου, biograms στην περίπτωση 2 όρων και trigrams στην περίπτωση 3 όρων (Finke etal, 1999). H ακρίβεια του αλγορίθμου μετά την εφαρμογή του παραπάνω συνδυασμού γίνεται 83.15%, που είναι στατιστικά σημαντική διαφορά (αύξηση 3%). 4.4 H εφαρμογή «Εργαλείο για Εξόρυξη Γνώμης» Δημιουργήσαμε την εφαρμογή «Εργαλείο για εξόρυξη Γνώμης (ToolForOpinionMining-TFOM)» χρησιμοποιώντας τον τροποποιημένο Naïve Bayes Multinomial αλγόριθμο, στην οποία θα μπορούμε, όταν εισάγουμε μια νέα πρόταση από δεδομένα του twitter, να την ταξινομεί αυτόματα σαν θετική ή αρνητική. Η εφαρμογή είναι γραμμένη σε Java και οι κύριες συναρτήσεις της υλοποιήθηκαν παίρνοντας τον κώδικα του τροποποιημένου Naïve Bayes Multinomial Αλγορίθμου από το API του Weka. Τρέχουμε το αρχείο ToolOpMining.jar (https://dl.dropboxusercontent.com/u/851910/toolopmining.jar) και ανοίγει η εφαρμογή ΤFOM (Εικόνα 2). Εικόνα 2. Η εφαρμογή ΤFOM

9 Πρακτικά 5 rth CIE Φορτώνουμε πατώντας το κουμπί Load Train Set το αρχείο twdata.arff. Τώρα ο ταξινομητής μας είναι έτοιμος και περιμένει να εισάγουμε μια νέα πρόταση για να κάνει την ανάλυση κειμένου και να την κατατάξει αυτόματα σε θετική ή αρνητική. Βάζουμε την πρόταση Ι am happy. Πατώντας το κουμπί Classify την κατατάσσει αυτόματα ως pos (positive θετική, Εικόνα 3). Αν δοκιμάσουμε μια πρόταση με άρνηση π.χ. «I am not satisfied with this product», το σύστημα την κατατάσσει αυτόματα ως αρνητική. Εδώ να σημειώσουμε ότι η εφαρμογή μας μπορεί να χρησιμοποιηθεί για ταξινόμηση κειμένου στα ελληνικά, αρκεί το σύνολο εκπαίδευσης που θα δώσουμε να έχει δεδομένα στα ελληνικά. Μόνο που στην περίπτωση αυτή δεν θα λειτουργεί ο αλγόριθμος stemming της Lovins και κατά συνέπεια θα έχουμε μικρότερη απόδοση. Επίσης μπορεί να χρησιμοποιηθεί και για ταξινόμηση και άλλων κειμένων (εκτός από κείμενα του Twitter), αρκεί να δώσουμε το κατάλληλο σύνολο εκπαίδευσης. Εικόνα 3. Θετική (pos) αξιολόγηση από τον ταξινομητή ΤFOM. 5. Συμπεράσματα - Μελλοντικές Κατευθύνσεις Στην παρούσα εργασία θέλοντας να εκμεταλλευτούμε τον τεράστιο όγκο δεδομένων που υπάρχει στο twitter και να ανακαλύψουμε χρήσιμες πληροφορίες που βρίσκονται πίσω από αυτόν, χρησιμοποιήσαμε αλγορίθμους μηχανικής μάθησης και κατασκευάσαμε μια εφαρμογή η οποία δέχεται σαν είσοδο ένα κείμενο του twitter, εξορίσει τη γνώμη που κρύβεται μέσα σε αυτό και την κατατάσσει αυτόματα σαν θετική ή αρνητική. Επεκτείνοντας την εφαρμογή μας, κατ αρχήν θα μπορούσαμε να προσθέσουμε μια ακόμη κατηγορία ταξινόμησης κειμένου, την ουδέτερη (neutral) για δύσκολες περιπτώσεις μηνυμάτων, τα οποία δεν μπορούν να θεωρηθούν ούτε θετικά, ούτε αρνητικά. Το μόνο που χρειάζεται γι αυτό είναι η χειροκίνητη ταξινόμηση των μηνυμάτων στο αρχείο.arff να γίνεται σε 3 κατηγορίες (pos, neu, neg). Επίσης θα μπορούσαμε να κινηθούμε προς την κατεύθυνση άλλων έτοιμων συστημάτων

10 10 Conferrence on Informatics in Education 2013 διαχείρισης διαδικτυακής Φήμης (πχ google Alerts, Trackur κτλ) και να ενσωματώσουμε κάποιες δυνατότητές τους. Τέλος η εφαρμογή TFOM που περιγράψαμε παραπάνω θα μπορούσε να ενσωματωθεί σε ένα ενιαίο ολοκληρωμένο περιβάλλον που θα δουλεύει ως εξής: Θα τραβάει με αυτόματο τρόπο σε καθημερινή βάση δεδομένα από το twitter πάνω σε ένα θέμα που θα καθορίζουμε χειροκίνητα εμείς, για ένα συγκεκριμένο χρονικό διάστημα. Τις γνώμες που περιέχουν τα δεδομένα μιας ημέρας θα τις ταξινομήσουμε χειροκίνητα εμείς σε θετικές, αρνητικές και ουδέτερες και θα τις χρησιμοποιήσουμε σαν σύνολο εκπαίδευσης για το σύστημα. Στα συγκεντρωτικά δεδομένα για το προς μελέτη χρονικό διάστημα, θα εφαρμόζεται ο κώδικας της εφαρμογής TFOM για να προσδίδει σε κάθε κείμενο του twitter το χαρακτηρισμό θετικό ή αρνητικό. Το σύστημα θα βγάζει το συνολικό ποσοστό των θετικών/αρνητικών γνωμών πάνω στο συγκεκριμένο θέμα ανά τακτά χρονικά διαστήματα. Ένα τέτοιο σύστημα θα μπορούσε να βρει άμεση εφαρμογή σε πολλά πεδία: π.χ. θα μπορούσε να βγαίνει αυτόματα κάθε μήνα μια δημοσκόπηση βασισμένη στα σχόλια του twitter για τις γνώμες των Ελλήνων πολιτών για τους πολιτικούς. Αναφορές Agarwal, A., Xie B., Vovsha I., Rambow O., and Passonneau R. (2011). Sentiment Analysis of Twitter Data, Proc. ACL 2011 Workshop on Languages in Social Media, pp Aggarwal C., Zhai ChengXiang (2012). A Survey of text classification Algorithms, Mining Text Data Βοοκ, pp , ISBN e-isbn Springer. Bifet A. & Eibe F. (2010). Sentiment knowledge discovery in Twitter streaming dat, In Proc 13th International Conference on Discovery Science, Canberra, Australia, Springer, pp Bottou L. & Bousquet, O. (2008). The Tradeoffs of Large Scale Learning. Advances in Neural Information Processing Systems 20. pp

11 Πρακτικά 5 rth CIE Cha M., Haddadi H., Benevenuto F., and Gummadi K. P. (2010). Measuring User Inuence in Twitter: The Million Follower Fallacy, In Proceedings of the 4th International AAAI Conference on Weblogs and Social Media, pp Finke M., Fritsch J., Koll D., and Waibel A. (1999). Modeling and efficient decoding of large vocabulary conversational speech, in proceedings Eurospeech 99, Budapest, Hungary, pp Francis W. (1982). Frequency Analysis of English Usage: Lexicon and Grammar, Houghton Mifflin. Hearst Marti A. (1999). Untangling Text Data Mining, Proceedings of ACL 99: the 37th Annual Meeting of the Association for computational Linguistics, University of Maryland, June Klosgen W., Zytkow J. (2002). Handbook of data mining and knowledge discovery, Oxford University Press, New York. Kouloumpis, E., Wilson T., and Moore J. (2011). Twitter Sentiment Analysis: The Good the Bad and the OMG!, Proc. ICWSM. McLachlan, G., Do Kim-Anh, Ambroise C. (2004). Analyzing microarray gene expression data, Wiley. Liu B. (2012). Sentiment Analysis and Opinion Mining, Morgan & Claypool Publishers, May 2012 (165 pages). Lovins Julie Beth (1968). Development of a stemming algorithm, Mechanical Translation and Computational Linguistics. 11:22-31,. McCallum A. and Nigam K. (1998). A Comparison of Event Models for Naive Bayes Text Classification. In AAAI/ICML-98 Workshop on Learning for Text Categorization, pp Sehgal A.K. (2004). Text Mining: The Search for Novelty in Text, Ph.D. Comprehensive Examination Report, Dept. of Computer Science, The University of Iowa.

12 12 Conferrence on Informatics in Education 2013 Witten I., Frank E., Hall M. (2011). Data Mining: Practical Machine Learning Tools and Techniques, Third Edition (The Morgan Kaufmann Series in Data Management Systems). Χτούρης Σ. (2004). Ορθολογικά Συμβολικά Δίκτυα. Αθήνα: Νήσος, Retrieved 30 January 2013 from Abstract In this paper we deal with the use of machine learning techniques to implement an Opinion Mining java application. The application takes as entrance a twitter message, mines the opinion hiding in it and classifies it as positive or negative. We tested the state of the art opinion mining algorithms using WEKA application, we found the one with the best results, we modified it to improve the given results and finally we implement the proposed modified algorithm. In detail, we combined NaïveBayesMultinomial with stemming algorithm of Lovins and the tokenizer NGram in an attempt to handle the hypothesis of NaïveBayesMultinomial that every variable is independent of each other given the class. Keywords: Opinion Mining, Twitter, Machine Learning, Naïve Bayes Multinomial, Tool For Opinion Mining -TFOM)

Εξόρυξη γνώμης πολιτών από ελεύθερο κείμενο

Εξόρυξη γνώμης πολιτών από ελεύθερο κείμενο Δίκαρος Νίκος Δ/νση Μηχανογράνωσης κ Η.Ε.Σ. Υπουργείο Εσωτερικών. Τελική εργασία Κ Εκπαιδευτικής Σειράς Ε.Σ.Δ.Δ. Επιβλέπων: Ηρακλής Βαρλάμης Εξόρυξη γνώμης πολιτών από ελεύθερο κείμενο Κεντρική ιδέα Προβληματισμοί

Διαβάστε περισσότερα

ΚΕΦΑΛΑΙΟ 18. 18 Μηχανική Μάθηση

ΚΕΦΑΛΑΙΟ 18. 18 Μηχανική Μάθηση ΚΕΦΑΛΑΙΟ 18 18 Μηχανική Μάθηση Ένα φυσικό ή τεχνητό σύστηµα επεξεργασίας πληροφορίας συµπεριλαµβανοµένων εκείνων µε δυνατότητες αντίληψης, µάθησης, συλλογισµού, λήψης απόφασης, επικοινωνίας και δράσης

Διαβάστε περισσότερα

ΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ

ΕΛΛΗΝΙΚΟ 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 περισσότερα

ΑΠΟΓΡΑΦΙΚΟ ΔΕΛΤΙΟ ΔΙΔΑΚΤΟΡΙΚΗΣ ΔΙΑΤΡΙΒΗΣ ΤΙΤΛΟΣ Συμπληρώστε τον πρωτότυπο τίτλο της Διδακτορικής διατριβής ΑΡ. ΣΕΛΙΔΩΝ ΕΙΚΟΝΟΓΡΑΦΗΜΕΝΗ

ΑΠΟΓΡΑΦΙΚΟ ΔΕΛΤΙΟ ΔΙΔΑΚΤΟΡΙΚΗΣ ΔΙΑΤΡΙΒΗΣ ΤΙΤΛΟΣ Συμπληρώστε τον πρωτότυπο τίτλο της Διδακτορικής διατριβής ΑΡ. ΣΕΛΙΔΩΝ ΕΙΚΟΝΟΓΡΑΦΗΜΕΝΗ ΕΘΝΙΚΟ & ΚΑΠΟΔΙΣΤΡΙΑΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΚΑΙ ΤΗΛΕΠΙΚΟΙΝΩΝΙΩΝ ΑΝΑΓΝΩΣΤΗΡΙΟ Πανεπιστημιούπολη, Κτήρια Πληροφορικής & Τηλεπικοινωνιών 15784 ΑΘΗΝΑ Τηλ.: 210 727 5190, email: library@di.uoa.gr,

Διαβάστε περισσότερα

Ποσοτικές ερευνητικές προσεγγίσεις

Ποσοτικές ερευνητικές προσεγγίσεις ΓΕΝΙΚΟ ΛΥΚΕΙΟ ΕΡΕΥΝΗΤΙΚΗ ΕΡΓΑΣΙΑ (PROJECT) Ποσοτικές ερευνητικές προσεγγίσεις (Quantitative Approaches to Research) Δρ ΚΟΡΡΕΣ ΚΩΝΣΤΑΝΤΙΝΟΣ ΑΘΗΝΑ 2013 Ποσοτικές ερευνητικές προσεγγίσεις (Quantitative Research

Διαβάστε περισσότερα

Ευφυείς Τεχνικές για Εφαρμογές Αποθετηρίων

Ευφυείς Τεχνικές για Εφαρμογές Αποθετηρίων Ευφυείς Τεχνικές για Εφαρμογές Αποθετηρίων Α.-Γ. Σταφυλοπάτης Ερευνητικό Πανεπιστημιακό Ινστιτούτο Συστημάτων Επικοινωνιών και Υπολογιστών Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών Εθνικό

Διαβάστε περισσότερα

Ερευνητική+Ομάδα+Τεχνολογιών+ Διαδικτύου+

Ερευνητική+Ομάδα+Τεχνολογιών+ Διαδικτύου+ Ερευνητική+Ομάδα+Τεχνολογιών+ Διαδικτύου+ Ερευνητικές,Δραστηριότητες,και, Ενδιαφέροντα,, Τμήμα,Μηχανικών,Η/Υ,&,Πληροφορικής, Τομέας,Λογικού,των,Υπολογιστών, Εργαστήριο,Γραφικών,,Πολυμέσων,και,Γεωγραφικών,

Διαβάστε περισσότερα

ΔΙΟΙΚΗΣΗΣ MANAGEMENT INFORMATION SYSTEMS (M.I.S.)

ΔΙΟΙΚΗΣΗΣ MANAGEMENT INFORMATION SYSTEMS (M.I.S.) ΔΙΟΙΚΗΣΗΣ MANAGEMENT INFORMATION SYSTEMS (M.I.S.) 2.1 Κωνσταντίνος Ταραμπάνης Καθηγητής Τμήμα Οργάνωσης και Διοίκησης Επιχειρήσεων Πανεπιστήμιο Μακεδονίας Γρ. 307 2310-891-578 kat@uom.gr ΤΑΞΙΝΟΜΗΣΗ ΤΩΝ

Διαβάστε περισσότερα

Αναγνώριση Προτύπων (Pattern Recognition) Μπεϋζιανή Θεωρία Αποφάσεων (Bayesian Decision Theory) Π. Τσακαλίδης

Αναγνώριση Προτύπων (Pattern Recognition) Μπεϋζιανή Θεωρία Αποφάσεων (Bayesian Decision Theory) Π. Τσακαλίδης Αναγνώριση Προτύπων (Pattern Recognton Μπεϋζιανή Θεωρία Αποφάσεων (Bayesan Decson Theory Π. Τσακαλίδης ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ ΤΜΗΜΑ ΕΠΙΣΤΗΜΗΣ ΥΠΟΛΟΓΙΣΤΩΝ Μπεϋζιανή Θεωρία Αποφάσεων (Bayes Decson theory Στατιστικά

Διαβάστε περισσότερα

Πως μπορούν να χρησιμοποιηθούν ιστορικά δεδομένα για την κατασκευή

Πως μπορούν να χρησιμοποιηθούν ιστορικά δεδομένα για την κατασκευή ΜΕΡΟΣ Α ΕΙΣΑΓΩΓΗ ΚΕΦΑΛΑΙΟ 1 Εξόρυξη Δεδομένων 22 Η επανάσταση του ΚΡΙΟΥ 1.1 Εισαγωγή Το Data Mining αποτελεί μια νέα ερευνητική περιοχή, ραγδαία εξελισσόμενη, που είναι η τομή πολλών θεωριών και επιστημών,

Διαβάστε περισσότερα

Περιεχόμενο του μαθήματος

Περιεχόμενο του μαθήματος ΤΕΧΝΟΛΟΓΙΑ ΛΟΓΙΣΜΙΚΟΥ Απαιτήσεις Λογισμικού Περιπτώσεις χρήσης Δρ Βαγγελιώ Καβακλή Τμήμα Πολιτισμικής Τεχνολογίας και Επικοινωνίας Πανεπιστήμιο Αιγαίου Εαρινό Εξάμηνο 2012-2013 1 Περιεχόμενο του μαθήματος

Διαβάστε περισσότερα

A Project Management D SS based on a GIS Platform. Ένα χωρικό σύστημα υποστήριξης αποφάσεων για την διαχείριση έργων

A Project Management D SS based on a GIS Platform. Ένα χωρικό σύστημα υποστήριξης αποφάσεων για την διαχείριση έργων A Project Management D SS based on a GIS Platform Lazaros Kotsikas Civil Engineer, PhD lkotsikas@gmail.com Abstract In this paper we present a spatial decision support system for project management. The

Διαβάστε περισσότερα

AM5 Βάσεις Δεδομένων Προχωρημένο Επίπεδο Εξεταστέα Ύλη (Syllabus) Εκδοση 1.0

AM5 Βάσεις Δεδομένων Προχωρημένο Επίπεδο Εξεταστέα Ύλη (Syllabus) Εκδοση 1.0 AM5 Βάσεις Δεδομένων Προχωρημένο Επίπεδο Εξεταστέα Ύλη (Syllabus) Εκδοση 1.0 ΑΠΟΚΗΡΥΞΗ Παρ όλα τα μέτρα που έχουν ληφθεί από το Ίδρυμα ECDL για την προετοιμασία αυτής της έκδοσης, καμία εγγύηση δεν παρέχεται

Διαβάστε περισσότερα

Managing Information. Lecturer: N. Kyritsis, MBA, Ph.D. Candidate Athens University of Economics and Business. e-mail: kyritsis@ist.edu.

Managing Information. Lecturer: N. Kyritsis, MBA, Ph.D. Candidate Athens University of Economics and Business. e-mail: kyritsis@ist.edu. Managing Information Lecturer: N. Kyritsis, MBA, Ph.D. Candidate Athens University of Economics and Business e-mail: kyritsis@ist.edu.gr Διαχείριση Γνώσης Knowledge Management Learning Objectives Ποιοί

Διαβάστε περισσότερα

ΕΓΧΕΙΡΙΔΙΟ ΟΡΘΩΝ ΠΡΑΚΤΙΚΩΝ ΠΑΡΟΥΣΙΑ ΣΤΟΝ ΠΑΓΚΟΣΜΙΟ ΙΣΤΟ ΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙΔΕΥΤΙΚΟ ΙΔΡΥΜΑ ΜΕΣΟΛΟΓΓΙΟΥ

ΕΓΧΕΙΡΙΔΙΟ ΟΡΘΩΝ ΠΡΑΚΤΙΚΩΝ ΠΑΡΟΥΣΙΑ ΣΤΟΝ ΠΑΓΚΟΣΜΙΟ ΙΣΤΟ ΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙΔΕΥΤΙΚΟ ΙΔΡΥΜΑ ΜΕΣΟΛΟΓΓΙΟΥ ΕΓΧΕΙΡΙΔΙΟ ΟΡΘΩΝ ΠΡΑΚΤΙΚΩΝ ΠΑΡΟΥΣΙΑ ΣΤΟΝ ΠΑΓΚΟΣΜΙΟ ΙΣΤΟ ΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙΔΕΥΤΙΚΟ ΙΔΡΥΜΑ ΜΕΣΟΛΟΓΓΙΟΥ σελ. 1 Από πού ξεκινάω; Σύνδεση στο Διαδίκτυο Για να ξεκινήσετε να ασχολείστε με το Διαδίκτυο (Internet)

Διαβάστε περισσότερα

Π ΤΥΧΙΑΚΗ/ Δ ΙΠΛΩΜΑΤΙΚΗ Ε ΡΓΑΣΙΑ

Π ΤΥΧΙΑΚΗ/ Δ ΙΠΛΩΜΑΤΙΚΗ Ε ΡΓΑΣΙΑ Α ΡΙΣΤΟΤΕΛΕΙΟ Π ΑΝΕΠΙΣΤΗΜΙΟ Θ ΕΣΣΑΛΟΝΙΚΗΣ ΣΧΟΛΗ ΘΕΤΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ Π ΤΥΧΙΑΚΗ/ Δ ΙΠΛΩΜΑΤΙΚΗ Ε ΡΓΑΣΙΑ ΣΤΑΤΙΣΤΙΚΗ ΑΝΑΛΥΣΗ ΚΑΙ ΠΡΟΒΛΕΨΗ ΑΠΟΤΕΛΕΣΜΑΤΩΝ ΑΓΩΝΩΝ ΠΟΔΟΣΦΑΙΡΟΥ ΠΑΥΛΟΣ ΠΟΛΙΑΝΙΔΗΣ

Διαβάστε περισσότερα

Στρατηγική επίλυσης προβλημάτων: Διερεύνηση περιμέτρου κι εμβαδού με τη βοήθεια του Ms Excel.

Στρατηγική επίλυσης προβλημάτων: Διερεύνηση περιμέτρου κι εμβαδού με τη βοήθεια του Ms Excel. Στρατηγική επίλυσης προβλημάτων: Διερεύνηση περιμέτρου κι εμβαδού με τη βοήθεια του Ms Excel. Έντυπο Α Φύλλα εργασίας Μαθητή Διαμαντής Κώστας Τερζίδης Σωτήρης 31/1/2008 Φύλλο εργασίας 1. Ομάδα: Ημερομηνία:

Διαβάστε περισσότερα

Αντώνης Βεντούρης. Επίκουρος Καθηγητής Διδακτικής των Γλωσσών Τμήμα Ιταλικής Γλώσσας και Φιλολογίας Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης

Αντώνης Βεντούρης. Επίκουρος Καθηγητής Διδακτικής των Γλωσσών Τμήμα Ιταλικής Γλώσσας και Φιλολογίας Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης Αντώνης Βεντούρης Επίκουρος Καθηγητής Διδακτικής των Γλωσσών Τμήμα Ιταλικής Γλώσσας και Φιλολογίας Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης Δυσκολία κειμένων Δυσκολία ερωτημάτων (items) Ίση βαρύτητα πιστοποιητικών

Διαβάστε περισσότερα

Εκδήλωση ενδιαφέροντος για τη χορήγηση υποτροφίας για την εκπόνηση διδακτορικής διατριβής

Εκδήλωση ενδιαφέροντος για τη χορήγηση υποτροφίας για την εκπόνηση διδακτορικής διατριβής Εκδήλωση ενδιαφέροντος για τη χορήγηση υποτροφίας για την εκπόνηση διδακτορικής διατριβής Το Ινστιτούτο Πληροφορικής και Τηλεπικοινωνιών (Ι.Π.&Τ.) του ΕΚΕΦΕ «Δημόκριτος» ανακοινώνει εκδήλωση ενδιαφέροντος

Διαβάστε περισσότερα

Survey 123 User Manual

Survey 123 User Manual Survey 123 User Manual 1. Γενικά για το πρόγραμμα 2. Έναρξη προγράμματος 3. Ορισμός χρηστών εφαρμογής 4. Επιλογή - Άνοιγμα έρευνας 5. Δημιουργία νέας έρευνας 6. Δημιουργία έρευνας με βάση το ερωτηματολόγιο

Διαβάστε περισσότερα

Enhancing the Teaching and Learning of Early Statistical Reasoning in European Schools

Enhancing the Teaching and Learning of Early Statistical Reasoning in European Schools Enhancing the Teaching and Learning of Early Statistical Reasoning in European Schools SOCRATES-COMENIUS Action Project 226573-CP-1-2005-1-CY-COMENIUS-C21 Διδακτικό Σενάριο 7 Συγγραφική Ομάδα: Cyprus College,

Διαβάστε περισσότερα

Ηµερίδα: Γεωπληροφορική και Εκπαίδευση Η Ελληνική Πραγµατικότητα Χαροκόπειο Πανεπιστήµιο ευτέρα και Τρίτη, 21-22 Maΐου 2007. Γεώργιος Ν.

Ηµερίδα: Γεωπληροφορική και Εκπαίδευση Η Ελληνική Πραγµατικότητα Χαροκόπειο Πανεπιστήµιο ευτέρα και Τρίτη, 21-22 Maΐου 2007. Γεώργιος Ν. Ηµερίδα: Γεωπληροφορική και Εκπαίδευση Η Ελληνική Πραγµατικότητα Χαροκόπειο Πανεπιστήµιο ευτέρα και Τρίτη, 21-22 Maΐου 2007 Γεώργιος Ν. Φώτης Geoinformatics Geoinformatics is a science which develops and

Διαβάστε περισσότερα

Listening to the customers voice through social network analytics

Listening to the customers voice through social network analytics Listening to the customers voice through social network analytics Χρήστος Κουνάβης & Δρ. Διονύσιος Σωτηρόπουλος 15 ο Συνέδριο InfoCom World 30/10/2013 The services Social Network Analytics Listen to the

Διαβάστε περισσότερα

Κατασκευή βάσης δεδομένων ελληνικών ακρωνυμίων σε ελληνικά νομικά κείμενα

Κατασκευή βάσης δεδομένων ελληνικών ακρωνυμίων σε ελληνικά νομικά κείμενα 9ο Συνέδριο «Ελληνική Γλώσσα και Ορολογία», Αθήνα, 7-9 Νοεμβρίου 2013 Κατασκευή βάσης δεδομένων ελληνικών ακρωνυμίων σε ελληνικά νομικά κείμενα Τσιμπούρης Χαράλαμπος Υπ. Διδάκτορας Εργαστήριο Ενσύρματης

Διαβάστε περισσότερα

ΔΙΑΔΙΚΤΥΑΚΟ ΣΥΣΤΗΜΑ ΒΕΛΤΙΣΤΗΣ ΔΙΑΧΕΙΡΙΣΗΣ ΕΝΕΡΓΕΙΑΚΩΝ ΠΟΡΩΝ E.M.I.R. - Energy Management & Intelligent Reporting

ΔΙΑΔΙΚΤΥΑΚΟ ΣΥΣΤΗΜΑ ΒΕΛΤΙΣΤΗΣ ΔΙΑΧΕΙΡΙΣΗΣ ΕΝΕΡΓΕΙΑΚΩΝ ΠΟΡΩΝ E.M.I.R. - Energy Management & Intelligent Reporting ΔΙΑΔΙΚΤΥΑΚΟ ΣΥΣΤΗΜΑ ΒΕΛΤΙΣΤΗΣ ΔΙΑΧΕΙΡΙΣΗΣ ΕΝΕΡΓΕΙΑΚΩΝ ΠΟΡΩΝ E.M.I.R. - Energy Management & Intelligent Reporting Διαδικτυακό OLAP Σύστημα Λήψης Αποφάσεων και δημιουργίας έξυπνων προσαρμοστικών γραφημάτων

Διαβάστε περισσότερα

Green Marketing. στον Αγροδιατροφικό κλάδο. Δρ. Β. Γρούγιου Δρ. Φ. Αναστασιάδης Μεταδιδακτορικοί Ερευνητές GREEN-AgriChains

Green Marketing. στον Αγροδιατροφικό κλάδο. Δρ. Β. Γρούγιου Δρ. Φ. Αναστασιάδης Μεταδιδακτορικοί Ερευνητές GREEN-AgriChains Green Marketing στον Αγροδιατροφικό κλάδο Δρ. Β. Γρούγιου Δρ. Φ. Αναστασιάδης Μεταδιδακτορικοί Ερευνητές GREEN-AgriChains Green-AgriChains Info Day Θεσσαλονίκη 29 Οκτωβρίου 2013 Agenda Εισαγωγή Τι είναι

Διαβάστε περισσότερα

Liveschool Marketing Services

Liveschool Marketing Services Liveschool Marketing Services Περιεχόμενα Βελτιστοποίηση website SEO... 3 Social media design & creation... 4 Social media management... 4 Διαγωνισμοί Facebook... 5 Google Adwords... 5 Facebook Ads...

Διαβάστε περισσότερα

ΓΛΩΣΣΙΚΗ ΤΕΧΝΟΛΟΓΙΑ. Μάθημα 1 ο : Εισαγωγή στην γλωσσική τεχνολογία. Γεώργιος Πετάσης. Ακαδημαϊκό Έτος: 2012 2013

ΓΛΩΣΣΙΚΗ ΤΕΧΝΟΛΟΓΙΑ. Μάθημα 1 ο : Εισαγωγή στην γλωσσική τεχνολογία. Γεώργιος Πετάσης. Ακαδημαϊκό Έτος: 2012 2013 ΓΛΩΣΣΙΚΗ ΤΕΧΝΟΛΟΓΙΑ Μάθημα 1 ο : Εισαγωγή στην γλωσσική τεχνολογία Γεώργιος Πετάσης Ακαδημαϊκό Έτος: 2012 2013 ΤMHMA MHXANIKΩΝ Η/Υ & ΠΛΗΡΟΦΟΡΙΚΗΣ, Πανεπιστήμιο Πατρών, 2012 2013 Τι είναι η γλωσσική τεχνολογία;

Διαβάστε περισσότερα

Έρευνα Stedima: Η χρησιμοποίηση των εργαλείων κοινωνικής δικτύωσης (social networks) από στελέχη επιχειρήσεων

Έρευνα Stedima: Η χρησιμοποίηση των εργαλείων κοινωνικής δικτύωσης (social networks) από στελέχη επιχειρήσεων Έρευνα Stedima: Η χρησιμοποίηση των εργαλείων κοινωνικής δικτύωσης (social networks) από στελέχη επιχειρήσεων Εισαγωγή Γιώργος Ντάκος, Πρόεδρος & Διευθύνων Σύμβουλος, Χαρχαντής Αθανάσιος STEDIMA S.A. www.stedima.gr

Διαβάστε περισσότερα

PServer. Θεωρία & Εφαρμογές. Δημήτριος Βογιατζής, dimitrv@iit.demokritos.gr Γεώργιος Παλιούρας, paliourg@iit.demokritos.gr

PServer. Θεωρία & Εφαρμογές. Δημήτριος Βογιατζής, dimitrv@iit.demokritos.gr Γεώργιος Παλιούρας, paliourg@iit.demokritos.gr PServer Θεωρία & Εφαρμογές Δημήτριος Βογιατζής, dimitrv@iit.demokritos.gr Γεώργιος Παλιούρας, paliourg@iit.demokritos.gr Δομή Εφαρμογές PServer σε ηλεκτρονικό εμπόριο ξενάγηση σε μουσεία ενημέρωση πλοήγηση

Διαβάστε περισσότερα

Το Open Eclass ως Σύστημα Διαχείρισης Μάθησης

Το Open Eclass ως Σύστημα Διαχείρισης Μάθησης Θερινό Σχολείο, 14 20 Ιουλίου 2014 Το Open Eclass ως Σύστημα Διαχείρισης Μάθησης Βάλια Τριπερίνα Γιώργος Φουρτούνης Μονάδα Αριστείας ΕΛ/ΛΑΚ ΤΕΙ Αθήνας Περιγραφή 2 Συστήματα διαχείρισης μάθησης Open eclass

Διαβάστε περισσότερα

GobiExport: Millennium Orders Γ Ρ Α Φ Ε Ι Ο Δ Ι Α Χ Ε Ι Ρ Ι Σ Η Σ Υ Λ Ι Κ Ο Υ - Τ Μ Η Μ Α Π Α Ρ Α Γ Γ Ε Λ Ι Ω Ν Ε Ν Τ Υ Π Ο Υ Υ Λ Ι Κ Ο Υ

GobiExport: Millennium Orders Γ Ρ Α Φ Ε Ι Ο Δ Ι Α Χ Ε Ι Ρ Ι Σ Η Σ Υ Λ Ι Κ Ο Υ - Τ Μ Η Μ Α Π Α Ρ Α Γ Γ Ε Λ Ι Ω Ν Ε Ν Τ Υ Π Ο Υ Υ Λ Ι Κ Ο Υ GobiExport: Millennium Orders 1 Τι είναι το GOBI3; Το GOBI3 (Global Online Bibliographic Information) είναι ένα διαδικτυακό εργαλείο του YBP (Baker & Taylor) που χρησιμοποιείται από ακαδημαϊκούς, ερευνητές

Διαβάστε περισσότερα

"Αθηνά" - Ερευνητικό Κέντρο Καινοτομίας στις Τεχνολογίες της Πληροφορίας, των Επικοινωνιών και της Γνώσης

Αθηνά - Ερευνητικό Κέντρο Καινοτομίας στις Τεχνολογίες της Πληροφορίας, των Επικοινωνιών και της Γνώσης "Αθηνά" - Ερευνητικό Κέντρο Καινοτομίας στις Τεχνολογίες της Πληροφορίας, των Επικοινωνιών και της Γνώσης ΙΝΣΤΙΤΟΥΤΟ ΠΛΗΡΟΦΟΡΙΑΚΩΝ ΣΥΣΤΗΜΑΤΩΝ ΠΡΟΣΚΛΗΣΗ ΕΚΔΗΛΩΣΗΣ ΕΝΔΙΑΦΕΡΟΝΤΟΣ Ημ/νία ανάρτησης στον ιστότοπο

Διαβάστε περισσότερα

GoDigital.Store E-Commerce Platform

GoDigital.Store E-Commerce Platform GoDigital.Store E-Commerce Platform Πλήρης διαχείριση καταλόγου και καταστήματος banet Α.Ε. Βαλαωρίτου 20 54625 Θεσσαλονίκη Τ.2310253999 F.2310253998 www.banet.gr info@banet.gr GoDigital.Store Γενική περιγραφή

Διαβάστε περισσότερα

e-εκπαιδευτησ gakis_kostas@yahoo.gr, arispaliouras@yahoo.gr Περίληψη Η παρούσα εισήγηση αφορά την παρουσίαση του εκπαιδευτικού λογισμικού με τίτλο

e-εκπαιδευτησ gakis_kostas@yahoo.gr, arispaliouras@yahoo.gr Περίληψη Η παρούσα εισήγηση αφορά την παρουσίαση του εκπαιδευτικού λογισμικού με τίτλο e-εκπαιδευτησ K. Γάκης 1 και Α. Παλιούρας 2 1 3ο ΣΕΚ Ανατ. Αττικής 2 Γενικό Λύκειο Αρτέμιδος gakis_kostas@yahoo.gr, arispaliouras@yahoo.gr Περίληψη Η παρούσα εισήγηση αφορά την παρουσίαση του εκπαιδευτικού

Διαβάστε περισσότερα

Μελέτη κατηγοριοποίησης δεδομένων με Μηχανές Διανυσμάτων Υποστήριξης (Support Vector Machines) και υλοποίηση εφαρμογής.

Μελέτη κατηγοριοποίησης δεδομένων με Μηχανές Διανυσμάτων Υποστήριξης (Support Vector Machines) και υλοποίηση εφαρμογής. ΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙΔΕΥΤΙΚΟ ΙΔΡΥΜΑ ΣΕΡΡΩΝ ΣΧΟΛΗ ΤΕΧΝΟΛΟΓΙΚΩΝ ΕΦΑΡΜΟΓΩΝ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ & ΕΠΙΚΟΙΝΩΝΙΩΝ Μελέτη κατηγοριοποίησης δεδομένων με Μηχανές Διανυσμάτων Υποστήριξης (Support Vector Machines) και

Διαβάστε περισσότερα

Εκπαίδευση στις Ηλεκτρονικές Υπηρεσίες Υγείας Καθηγητής Ιωάννης Μαντάς Εργαστήριο Πληροφορικής της Υγείας Πανεπιστήµιο Αθηνών Γιατί είναι σηµαντική η Εκπαίδευση στην Ιατρική Πληροφορική; 1. Η ιατρική γνώση

Διαβάστε περισσότερα

ΛΕΞΕΙΣ ΚΛΕΙΔΙΑ: Λήψη απόφασης, Συστήματα Υποστήριξης Αποφάσεων, OLAP Ανάλυση, Περιβαλλοντική Εκπαίδευση ΕΙΣΑΓΩΓΗ

ΛΕΞΕΙΣ 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 περισσότερα

Εκµάθηση προµαθηµατικών εννοιών για ΑµεΑ στο φάσµα του Αυτισµού µε το λογισµικό LT125-ThinkingMind

Εκµάθηση προµαθηµατικών εννοιών για ΑµεΑ στο φάσµα του Αυτισµού µε το λογισµικό LT125-ThinkingMind Εκµάθηση προµαθηµατικών εννοιών για ΑµεΑ στο φάσµα του Αυτισµού µε το λογισµικό LT125-ThinkingMind Λαδιάς Αναστάσιος, Σχολικός Σύµβουλος Πληροφορικής Β Αθήνας Μπέλλου Ιωάννα, Σχολικός Σύµβουλος Πληροφορικής

Διαβάστε περισσότερα

ΠΡΟΓΡΑΜΜΑ ΚΑΡΑΘΕΟΔΩΡΗΣ 2008

ΠΡΟΓΡΑΜΜΑ ΚΑΡΑΘΕΟΔΩΡΗΣ 2008 ΠΡΟΓΡΑΜΜΑ ΚΑΡΑΘΕΟΔΩΡΗΣ 2008 ΤΙΤΛΟΣ ΕΡΓΟΥ: "Μελέτη της χρηματοοικονομικής αποτύπωσης περιβαλλοντικών πληροφοριών, της περιβαλλοντικής διαχείρισης, επίδοσης και αποτελεσματικότητας των ελληνικών επιχειρήσεων"

Διαβάστε περισσότερα

5 ο ΚΕΦΑΛΑΙΟ: ΠΡΑΚΤΙΚΟ ΚΟΜΜΑΤΙ

5 ο ΚΕΦΑΛΑΙΟ: ΠΡΑΚΤΙΚΟ ΚΟΜΜΑΤΙ 5 ο ΚΕΦΑΛΑΙΟ: ΠΡΑΚΤΙΚΟ ΚΟΜΜΑΤΙ 5.1 Εισαγωγή Το πρακτικό κομμάτι της πτυχιακής μας εργασίας αφορά την δημιουργία μιας λειτουργικής ιστοσελίδας με την χρήση της πλατφόρμας του Weebly, που αποτελεί μια σύγχρονη

Διαβάστε περισσότερα

«Μηχανή Αναζήτησης Αρχείων» Ημερομηνία Παράδοσης: 30/04/2015, 09:00 π.μ.

«Μηχανή Αναζήτησης Αρχείων» Ημερομηνία Παράδοσης: 30/04/2015, 09:00 π.μ. ΕΡΓΑΣΙΑ 4 «Μηχανή Αναζήτησης Αρχείων» Ημερομηνία Παράδοσης: 30/04/2015, 09:00 π.μ. Στόχος Στόχος της Εργασίας 4 είναι να η εξοικείωση με την αντικειμενοστρέφεια (object oriented programming). Πιο συγκεκριμένα,

Διαβάστε περισσότερα

ΒΙΟΓΡΑΦΙΚΟ ΣΗΜΕΙΩΜΑ ΣΤΥΛΙΑΝΗΣ Κ. ΣΟΦΙΑΝΟΠΟΥΛΟΥ Αναπληρώτρια Καθηγήτρια. Τµήµα Τεχνολογίας & Συστηµάτων Παραγωγής.

ΒΙΟΓΡΑΦΙΚΟ ΣΗΜΕΙΩΜΑ ΣΤΥΛΙΑΝΗΣ Κ. ΣΟΦΙΑΝΟΠΟΥΛΟΥ Αναπληρώτρια Καθηγήτρια. Τµήµα Τεχνολογίας & Συστηµάτων Παραγωγής. ΒΙΟΓΡΑΦΙΚΟ ΣΗΜΕΙΩΜΑ ΣΤΥΛΙΑΝΗΣ Κ. ΣΟΦΙΑΝΟΠΟΥΛΟΥ Αναπληρώτρια Καθηγήτρια Τµήµα Τεχνολογίας & Συστηµάτων Παραγωγής Πανεπιστήµιο Πειραιώς, Καραολή ηµητρίου 80, 18534 Πειραιάς Τηλ. 210 414-2147, e-mail: sofianop@unipi.gr

Διαβάστε περισσότερα

ΠΕΡΙΛΗΨΗ. Είναι γνωστό άτι καθημερινά διακινούνται δεκάδες μηνύματα (E~mail) μέσω του διαδικτύου

ΠΕΡΙΛΗΨΗ. Είναι γνωστό άτι καθημερινά διακινούνται δεκάδες μηνύματα (E~mail) μέσω του διαδικτύου GREEKLISH: ΜΙΑ ΝΕΑ ΔΙΑΛΕΚΤΟΣ ΤΟΥ ΔΙΑΔΙΚΤΥΟΥ; Α.Καράκος, Λ.Κωτούλας ΠΕΡΙΛΗΨΗ Είναι γνωστό άτι καθημερινά διακινούνται δεκάδες μηνύματα (E~mail) μέσω του διαδικτύου {INTERNEη από την μια άκρη του κόσμου

Διαβάστε περισσότερα

ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ

ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΠΛΗΡΟΦΟΡΙΑΚΩΝ ΚΑΙ ΕΠΙΚΟΙΝΩΝΙΑΚΩΝ ΣΥΣΤΗΜΑΤΩΝ ΠΡΟΠΤΥΧΙΑΚΟ ΠΡΟΓΡΑΜΜΑ ΣΠΟΥΔΩΝ ΜΑΘΗΜΑ: ΤΕΧΝΟΛΟΓΙΑ ΛΟΓΙΣΜΙΚΟΥ ΔΙΑΔΙΚΑΣΙΕΣ ΠΑΡΑΓΩΓΗΣ ΛΟΓΙΣΜΙΚΟΥ Διδάσκων: Γ. Χαραλαμπίδης,

Διαβάστε περισσότερα

Επερωτήσεις σύζευξης με κατάταξη

Επερωτήσεις σύζευξης με κατάταξη Επερωτήσεις σύζευξης με κατάταξη Επερωτήσεις κατάταξης Top-K queries Οι επερωτήσεις κατάταξης επιστρέφουν τις k απαντήσεις που ταιριάζουν καλύτερα με τις προτιμήσεις του χρήστη. Επερωτήσεις κατάταξης Top-K

Διαβάστε περισσότερα

Εργαστήριο Ιατρικής Φυσικής

Εργαστήριο Ιατρικής Φυσικής Γενικές Πληροφορίες για Μέλη ΔΕΠ Ονοματεπώνυμο Αδάμ Αδαμόπουλος Βαθμίδα Επίκουρος Καθηγητής Γνωστικό Αντικείμενο Ιατρική Φυσική Εργαστήριο/Κλινική Εργαστήριο Ιατρικής Φυσικής Γραφείο Τηλέφωνο 25510 30501

Διαβάστε περισσότερα

STARTING STEPS IN GRAMMAR, FINAL TEST C TERM 2012 UNITS 1-18

STARTING STEPS IN GRAMMAR, FINAL TEST C TERM 2012 UNITS 1-18 STARTING STEPS IN GRAMMAR, FINAL TEST C TERM 2012 UNITS 1-18 Name.. Class. Date. EXERCISE 1 Answer the question. Use: Yes, it is or No, it isn t. Απάντηςε ςτισ ερωτήςεισ. Βάλε: Yes, it is ή No, it isn

Διαβάστε περισσότερα

ΑΛΓΟΡΙΘΜΟΙ. Τι είναι αλγόριθμος

ΑΛΓΟΡΙΘΜΟΙ. Τι είναι αλγόριθμος ΑΛΓΟΡΙΘΜΟΙ Στο σηµείωµα αυτό αρχικά εξηγείται η έννοια αλγόριθµος και παραθέτονται τα σπουδαιότερα κριτήρια που πρέπει να πληρεί κάθε αλγόριθµος. Στη συνέχεια, η σπουδαιότητα των αλγορίθµων συνδυάζεται

Διαβάστε περισσότερα

9. Ανάλυση κυρίων συνιστωσών *Principal Component Analysis)

9. Ανάλυση κυρίων συνιστωσών *Principal Component Analysis) 1 9. Ανάλυση κυρίων συνιστωσών *Principal Component Analysis) Προαπαιτούμενα: MULTISPEC και η πολυφασματική εικόνα του φακέλου \Multispec_tutorial_Files\Images and Files \ salamina_multispectral.tiff Σκοπός:

Διαβάστε περισσότερα

ΔΙΔΑΚΤΙΚΗ της ΠΛΗΡΟΦΟΡΙΚΗΣ

ΔΙΔΑΚΤΙΚΗ της ΠΛΗΡΟΦΟΡΙΚΗΣ ΕΘΝΙΚΟ ΚΑΙ ΚΑΠΟΔΙΣΤΡΙΑΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ & ΤΗΛΕΠΙΚΟΙΝΩΝΙΩΝ ΔΙΔΑΚΤΙΚΗ της ΠΛΗΡΟΦΟΡΙΚΗΣ Μ. Γρηγοριάδου Ρ. Γόγουλου Ενότητα: Η Διδασκαλία του Προγραμματισμού Περιεχόμενα Παρουσίασης

Διαβάστε περισσότερα

Σεμινάριο joomla! 3. Διοργάνωση: Άλφα Εκπαιδευτική Εισηγητής: Μοτσενίγος Ιωάννης Ηλεκτρονικός Μηχανικός-Σύμβουλος Internet Marketing- Web Designer

Σεμινάριο joomla! 3. Διοργάνωση: Άλφα Εκπαιδευτική Εισηγητής: Μοτσενίγος Ιωάννης Ηλεκτρονικός Μηχανικός-Σύμβουλος Internet Marketing- Web Designer Σεμινάριο joomla! 3 Διοργάνωση: Άλφα Εκπαιδευτική Εισηγητής: Μοτσενίγος Ιωάννης Ηλεκτρονικός Μηχανικός-Σύμβουλος Internet Marketing- Web Designer Ξεκινώντας:Τι είναι τα CMS Η Joomla είναι λογισμικό κατασκευής

Διαβάστε περισσότερα

Ευφυείς Τεχνολογίες ----Πράκτορες

Ευφυείς Τεχνολογίες ----Πράκτορες Ευφυείς Τεχνολογίες ----Πράκτορες Ενότητα 4: Αρχιτεκτονικές Ευφυών Πρακτόρων Δημοσθένης Σταμάτης demos@it.teithe.gr www.it.teithe.gr/~demos Μαθησιακοί Στόχοι της ενότητας 4 H κατανόηση των διαφόρων μοντέλων/αρχιτεκτονικών

Διαβάστε περισσότερα

ΠΑΡΟΥΣΙΑΣΗ ΔΙΑΓΩΝΙΣΜΟΥ 2015

ΠΑΡΟΥΣΙΑΣΗ ΔΙΑΓΩΝΙΣΜΟΥ 2015 ΠΑΡΟΥΣΙΑΣΗ ΔΙΑΓΩΝΙΣΜΟΥ 2015 Business Talents 2015 Περιεχόμενα Παρουσίασης 1. Τι είναι το ΒΤ. 2. Τι κάνουν οι συμμετέχοντες. 3. Ποιο εργαλείο χρησιμοποιείται. 4. Πως διαγωνίζονται. 5. Οι Φάσεις. 6. Ημερολόγιο.

Διαβάστε περισσότερα

ΑφήγησηκαιΕκπαίδευση: ιστορίες για όλους, ιστορίες από όλους

ΑφήγησηκαιΕκπαίδευση: ιστορίες για όλους, ιστορίες από όλους Αριστοτέλειο Κολλέγιο Θεσσαλονίκης Ημερίδα«ΤοΣχολείοστηνΨηφιακήΕποχή: Διαδραστικοί Πίνακες και Πλατφόρμες e-learning» Θεσσαλονίκη, 12 Μαρτίου2011 ΑφήγησηκαιΕκπαίδευση: ιστορίες για όλους, ιστορίες από

Διαβάστε περισσότερα

Λογισμική Εφαρμογή Διαχείρισης Ερωτηματολογίων ΟΔΗΓΟΣ ΧΡΗΣΗΣ System Συμβουλευτική Α.Ε

Λογισμική Εφαρμογή Διαχείρισης Ερωτηματολογίων ΟΔΗΓΟΣ ΧΡΗΣΗΣ System Συμβουλευτική Α.Ε σχετικά με τον έλεγχο της καπνιστικής συνήθειας 1 22 Λογισμικές εφαρμογές καταγραφής και αξιοποίησης πληροφοριών σχετικά με τον έλεγχο της καπνιστικής συνήθειας Λογισμική Εφαρμογή Διαχείρισης Ερωτηματολογίων

Διαβάστε περισσότερα

Ημερομηνία Παράδοσης: 4/4/2013

Ημερομηνία Παράδοσης: 4/4/2013 Δράση 9.14 / Υπηρεσία εντοπισμού λογοκλοπής Κυρίως Παραδοτέο / Σχεδιασμός και ανάπτυξη λογισμικού (λογοκλοπής) και βάσης δεδομένων (αποθετηρίου) Επιμέρους Παραδοτέο 9.14.1.4 / Πληροφοριακό σύστημα υπηρεσίας

Διαβάστε περισσότερα

Λογισμικό διδασκαλίας των μαθηματικών της Γ Τάξης Γυμνασίου

Λογισμικό διδασκαλίας των μαθηματικών της Γ Τάξης Γυμνασίου Λογισμικό διδασκαλίας των μαθηματικών της Γ Τάξης Γυμνασίου Δρ. Βασίλειος Σάλτας 1, Αλέξης Ηλιάδης 2, Ιωάννης Μουστακέας 3 1 Διδάκτωρ Διδακτικής Μαθηματικών, Επιστημονικός Συνεργάτης ΑΣΠΑΙΤΕ Σαπών coin_kav@otenet.gr

Διαβάστε περισσότερα

Υπερπροσαρμογή (Overfitting) (1)

Υπερπροσαρμογή (Overfitting) (1) Αλγόριθμος C4.5 Αποφυγή υπερπροσαρμογής (overfitting) Reduced error pruning Rule post-pruning Χειρισμός χαρακτηριστικών συνεχών τιμών Επιλογή κατάλληλης μετρικής για την επιλογή των χαρακτηριστικών διάσπασης

Διαβάστε περισσότερα

Τμήμα Πληροφορικής & Τηλεπικοινωνιών Μεταπτυχιακό Πρόγραμμα Σπουδών Ακαδημαϊκό Έτος 2013-14. ΠΜΣ ΚΑΤΕΥΘΥΝΣΗ 6 η

Τμήμα Πληροφορικής & Τηλεπικοινωνιών Μεταπτυχιακό Πρόγραμμα Σπουδών Ακαδημαϊκό Έτος 2013-14. ΠΜΣ ΚΑΤΕΥΘΥΝΣΗ 6 η Τμήμα Πληροφορικής & Τηλεπικοινωνιών Μεταπτυχιακό Πρόγραμμα Σπουδών Ακαδημαϊκό Έτος 2013-14 ΠΜΣ ΚΑΤΕΥΘΥΝΣΗ 6 η Νέες Τεχνολογίες Πληροφορικής και Τηλεπικοινωνιών Εργασία στο Μαθήμα Σχεδίαση Εκπαιδευτικού

Διαβάστε περισσότερα

(SEO) - Ανοίγοντας τους ορίζοντες τις ΜΜΕ Ελληνικής τουριστικής επιχείρησης στο ιαδίκτυο

(SEO) - Ανοίγοντας τους ορίζοντες τις ΜΜΕ Ελληνικής τουριστικής επιχείρησης στο ιαδίκτυο (SEO) - Ανοίγοντας τους ορίζοντες τις ΜΜΕ Ελληνικής τουριστικής επιχείρησης στο ιαδίκτυο SEO Η βελτιστοποίηση µηχανών αναζήτησης είναι ένα σύνολο µεθοδολογιών που στοχεύουν στην ευνοϊκής κατάταξή ενός

Διαβάστε περισσότερα

Σύγχρονες μορφές εκπαίδευσης e-learning

Σύγχρονες μορφές εκπαίδευσης e-learning Σύγχρονες μορφές εκπαίδευσης e-learning Νικόλαος Κουράκος, PhD Candidate CITY UNIVERSITY MSc E-comm (E-learning) Kingston MSc Εκπαίδευση Ενηλίκων ΕΑΠ e-mail: snadek@yahoo.com, snadek@gmail.com «ΑεξAΕ,

Διαβάστε περισσότερα

Το Ευρωπαϊκό Χαρτοφυλάκιο Γλωσσών

Το Ευρωπαϊκό Χαρτοφυλάκιο Γλωσσών Το Ευρωπαϊκό Χαρτοφυλάκιο Γλωσσών Οδηγός χρήσης για εταιρείες και άλλους οργανισµούς Το Ευρωπαϊκό Χαρτοφυλάκιο Γλωσσών θέτει αναγνωρισµένα διεθνή στάνταρ για τη µέτρηση και σύγκριση γλωσσικών ικανοτήτων

Διαβάστε περισσότερα

Εισαγωγη στα SOCIal MEDIA

Εισαγωγη στα SOCIal MEDIA Εισαγωγη στα SOCIal MEDIA ΕΙΔΙΚΑ ΘΕΜΑΤΙΚΑ ΠΡΟΓΡΑΜΜΑΤΑ ΔιοΙκηση, ΟργΑνωση και ΠληροφορικΗ για Μικρο-MεσαΙες ΕπιχειρΗσεις 14/5/2014 ΑΓΓΕΛΙΚΗ ΑΝΔΡΟΥΤΣΟΠΟΥΛΟΥ Εισαγωγή Κοινωνικά δίκτυα, αναπόσπαστο κομμάτι

Διαβάστε περισσότερα

Πως να εισάγετε λίστες αναπαραγωγής διαφημίσεων

Πως να εισάγετε λίστες αναπαραγωγής διαφημίσεων JAZLER RADIOSTAR ΕΓΧΕΙΡΙΔΙΟ Πως να εισάγετε λίστες αναπαραγωγής διαφημίσεων - Ο οδηγός αυτός απευθύνεται σε έκδοση 2.8.10 ή μεγαλύτερη του Jazler RadioStar - Ο οδηγός αυτός προϋποθέτει βασικές γνώσεις

Διαβάστε περισσότερα

ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ

ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ì ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ "ʺΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΒΑΣΙΚΟΣ ΠΑΡΑΓΟΝΤΑΣ ΓΙΑ ΤΗΝ ΟΙΚΟΝΟΜΙΚΗ ΚΑΙ ΚΟΙΝΩΝΙΚΗ ΑΝΑΠΤΥΞΗ ΤΟΥ ΑΙΓΑΙΟΠΕΛΑΓΙΤΙΚΟΥ ΧΩΡΟΥ"ʺ «Στήήριξη και Ανάάδειξη Πολυνησιωτικώών ΑΕΙ» ΔΡΑΣΗ 4: Εκπαίίδευση

Διαβάστε περισσότερα

Οι φορητοί υπολογιστές στην εκπαίδευση: Μελέτη περίπτωσης ως προς τις συνέπειες στη διδασκαλία και το μιντιακό γραμματισμό

Οι φορητοί υπολογιστές στην εκπαίδευση: Μελέτη περίπτωσης ως προς τις συνέπειες στη διδασκαλία και το μιντιακό γραμματισμό Παιδαγωγικά ρεύματα στο Αιγαίο Προσκήνιο 1 Οι φορητοί υπολογιστές στην εκπαίδευση: Μελέτη περίπτωσης ως προς τις συνέπειες στη διδασκαλία και το μιντιακό γραμματισμό Δημήτρης Σπανός 1 dimitris.spanos@gmail.com

Διαβάστε περισσότερα

-,,.. Fosnot. Tobbins Tippins -, -.,, -,., -., -,, -,.

-,,.. Fosnot. Tobbins Tippins -, -.,, -,., -., -,, -,. παιδαγωγικά ρεύµατα στο Αιγαίο Προσκήνιο 77 : patrhenis@keda.gr -,,.. Fosnot. Tobbins Tippins -, -.,, -,., -., -,, -,. Abstract Constructivism constitutes a broad theoretical-cognitive movement encompassing

Διαβάστε περισσότερα

Δυναμικές Ιστοσελίδες Εισαγωγή στην Javascript για προγραμματισμό στην πλευρά του client

Δυναμικές Ιστοσελίδες Εισαγωγή στην Javascript για προγραμματισμό στην πλευρά του client ΕΣΔ 516 Τεχνολογίες Διαδικτύου Δυναμικές Ιστοσελίδες Εισαγωγή στην Javascript για προγραμματισμό στην πλευρά του client Περιεχόμενα Περιεχόμενα Javascript και HTML Βασική σύνταξη Μεταβλητές Τελεστές Συναρτήσεις

Διαβάστε περισσότερα

ΕΠΙΣΤΗΜΟΝΙΚΟΙ ΥΠΟΛΟΓΙΣΜΟΙ: Μια ενδιαφέρουσα σταδιοδρομία

ΕΠΙΣΤΗΜΟΝΙΚΟΙ ΥΠΟΛΟΓΙΣΜΟΙ: Μια ενδιαφέρουσα σταδιοδρομία ΕΠΙΣΤΗΜΟΝΙΚΟΙ ΥΠΟΛΟΓΙΣΜΟΙ: Μια ενδιαφέρουσα σταδιοδρομία N. Μισυρλής (e-mail: nmis@di.uoa.gr) Τμήμα Πληροφορικής και Τηλεπικοινωνιών Πανεπιστήμιο Αθηνών Parallel Scientific Computing Laboratory (PSCL)

Διαβάστε περισσότερα

Υπολογιστικές Μέθοδοι στις Κατασκευές

Υπολογιστικές Μέθοδοι στις Κατασκευές Γενικά Για Τη Βελτιστοποίηση Η βελτιστοποίηση µπορεί να χωριστεί σε δύο µεγάλες κατηγορίες: α) την Βελτιστοποίηση Τοπολογίας (Topological Optimization) και β) την Βελτιστοποίηση Σχεδίασης (Design Optimization).

Διαβάστε περισσότερα

Γενικές αρχές διοίκησης. μιας μικρής επιχείρησης

Γενικές αρχές διοίκησης. μιας μικρής επιχείρησης Γενικές αρχές διοίκησης μιας μικρής επιχείρησης Η επιχείρηση αποτελεί μια παραγωγική - οικονομική μονάδα, με την έννοια ότι συνδυάζει και αξιοποιεί τους συντελεστές παραγωγής (εργασία, κεφάλαιο, γνώση,

Διαβάστε περισσότερα

Πρόταση θέµατος πτυχιακής εργασίας

Πρόταση θέµατος πτυχιακής εργασίας Σχεδιασµό και υλοποίηση παιχνιδιού για τη συλλογή δεδοµένων µε σκοπό την προστασία της ιδιωτικότητας Τα παιχνίδια µε σκοπό (games with a purpose) είναι µια νέα ιδέα που εκµεταλλεύεται την ανθρώπινη αντίληψη

Διαβάστε περισσότερα

ΚΕΦΑΛΑΙΟ 3ο ΤΥΧΑΙΟΙ ΑΡΙΘΜΟΙ ΕΛΕΓΧΟΣ ΤΥΧΑΙΟΤΗΤΑΣ

ΚΕΦΑΛΑΙΟ 3ο ΤΥΧΑΙΟΙ ΑΡΙΘΜΟΙ ΕΛΕΓΧΟΣ ΤΥΧΑΙΟΤΗΤΑΣ ΚΕΦΑΛΑΙΟ 3ο ΤΥΧΑΙΟΙ ΑΡΙΘΜΟΙ ΕΛΕΓΧΟΣ ΤΥΧΑΙΟΤΗΤΑΣ 3.1 Τυχαίοι αριθμοί Στην προσομοίωση διακριτών γεγονότων γίνεται χρήση ακολουθίας τυχαίων αριθμών στις περιπτώσεις που απαιτείται η δημιουργία στοχαστικών

Διαβάστε περισσότερα

Επαγωγικές Μηχανές Διανυσμάτων Στήριξης και εφαρμογή σε προβλήματα ταξινόμησης

Επαγωγικές Μηχανές Διανυσμάτων Στήριξης και εφαρμογή σε προβλήματα ταξινόμησης ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΤΜΗΜΑ ΗΛΕΚΤΡΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΚΑΙ ΜΗΧΑΝΙΚΩΝ ΥΠΟΛΟΓΙΣΤΩΝ ΤΟΜΕΑΣ ΗΛΕΚΤΡΟΝΙΚΗΣ ΚΑΙ ΗΛΕΚΤΡΟΝΙΚΩΝ ΥΠΟΛΟΓΙΣΤΩΝ ΔΙΠΛΩΜΑΤΙΚΗ ΕΡΓΑΣΙΑ Επαγωγικές Μηχανές Διανυσμάτων Στήριξης

Διαβάστε περισσότερα

ΟΔΗΓΟΣ ΧΡΗΣΗΣ ΥΠΗΡΕΣΙΑΣ [ΥΠΗΡΕΣΊΑ 7 - ΥΠΗΡΕΣΊΑ

ΟΔΗΓΟΣ ΧΡΗΣΗΣ ΥΠΗΡΕΣΙΑΣ [ΥΠΗΡΕΣΊΑ 7 - ΥΠΗΡΕΣΊΑ ΟΔΗΓΟΣ ΧΡΗΣΗΣ ΥΠΗΡΕΣΙΑΣ [ΥΠΗΡΕΣΊΑ 7 - ΥΠΗΡΕΣΊΑ ΑΝΑΠΑΡΑΓΩΓΉΣ ΚΑΤ ΑΠΑΊΤΗΣΗ (VIDEO ON DEMAND) ΜΕ ΠΑΡΆΛΛΗΛΗ ΑΡΧΕΙΟΘΈΤΗΣΗ ΤΟΥ ΟΠΤΙΚΟΑΚΟΥΣΤΙΚΟΎ ΥΛΙΚΟΎ] ΓΙΑ ΤΟN ΧΡΗΣΤΗ [13/01/2014] έκδοση: 1.0 1 Περιεχόμενα 1.

Διαβάστε περισσότερα

Πλατφόρμα e-μάθησης βασισμένη στο efront

Πλατφόρμα e-μάθησης βασισμένη στο efront ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΙΑΣ ΤΜΗΜΑ ΕΠΙΣΤΗΜΗΣ ΦΥΣΙΚΗΣ ΑΓΩΓΗΣ & ΑΘΛΗΤΙΣΜΟΥ Πλατφόρμα e-μάθησης βασισμένη στο efront Συντάκτης: Βασίλης Μπούγλας Επιμέλεια: Μαρίνα Παπαστεργίου efront Ερευνητικό Έργο: Δημιουργία

Διαβάστε περισσότερα

Σύγχρονες εκπαιδευτικές τεχνολογίες στα αναλογικά ηλεκτρονικά Δημιουργία Μαθήματος Ασύγχρονης Εκπαίδευσης Σε Περιβάλλον Moodle

Σύγχρονες εκπαιδευτικές τεχνολογίες στα αναλογικά ηλεκτρονικά Δημιουργία Μαθήματος Ασύγχρονης Εκπαίδευσης Σε Περιβάλλον Moodle 3ο Πανελλήνιο Εκπαιδευτικό Συνέδριο Ημαθίας ΠΡΑΚΤΙΚΑ Σύγχρονες εκπαιδευτικές τεχνολογίες στα αναλογικά ηλεκτρονικά Δημιουργία Μαθήματος Ασύγχρονης Εκπαίδευσης Σε Περιβάλλον Moodle Ιωάννου Παρασκευή Φοιτήτρια

Διαβάστε περισσότερα

GoDigital.CMS Content Management System. Πλήρης διαχείριση περιεχομένου ιστοσελίδας

GoDigital.CMS Content Management System. Πλήρης διαχείριση περιεχομένου ιστοσελίδας GoDigital.CMS Content Management System Πλήρης διαχείριση περιεχομένου ιστοσελίδας Γενική περιγραφή Πλήρης λύση ηλεκτρονικής παρουσίας Το GoDigital.CMS είναι μία πλήρη εφαρμογή διαχείρισης ηλεκτρονικής

Διαβάστε περισσότερα

Θέματα Ατομικής Διπλωματικής Εργασίας - DRAFT Ακαδημαϊκό Έτος 2015/2016. Γεωργία Καπιτσάκη (Λέκτορας)

Θέματα Ατομικής Διπλωματικής Εργασίας - DRAFT Ακαδημαϊκό Έτος 2015/2016. Γεωργία Καπιτσάκη (Λέκτορας) Θέματα Ατομικής Διπλωματικής Εργασίας - DRAFT Ακαδημαϊκό Έτος 2015/2016 Γεωργία Καπιτσάκη (Λέκτορας) ΠΕΡΙΟΧΗ Α: ΕΦΑΡΜΟΓΕΣ ΜΕ ΑΙΣΘΗΤΗΡΕΣ ΓΙΑ ΕΠΙΓΝΩΣΗ ΣΥΓΚΕΙΜΕΝΟΥ Οι αισθητήρες μας δίνουν τη δυνατότητα συλλογής

Διαβάστε περισσότερα

ΔΗΜΙΟΥΡΓΙΑ ΠΡΟΦΙΛ ΣΥΣΤΑΔΩΝ ΜΕ ΤΗ ΧΡΗΣΗ Η/Υ

ΔΗΜΙΟΥΡΓΙΑ ΠΡΟΦΙΛ ΣΥΣΤΑΔΩΝ ΜΕ ΤΗ ΧΡΗΣΗ Η/Υ ΔΗΜΙΟΥΡΓΙΑ ΠΡΟΦΙΛ ΣΥΣΤΑΔΩΝ ΜΕ ΤΗ ΧΡΗΣΗ Η/Υ ΑΤΕΙ ΚΑΒΑΛΑΣ ΠΑΡΑΡΤΗΜΑ ΔΡΑΜΑΣ ΤΜΗΜΑ ΔΑΣΟΠΟΝΙΑΣ ΚΑΙ ΔΙΑΧΕΙΡΙΣΗΣ ΦΥΣΙΚΟΥ ΠΕΡΙΒΑΛΛΟΝΤΟΣ ΚΑΔΑΣ ΜΑΡΙΟΣ 2008 ΕΥΧΑΡΙΣΤΙΕΣ Στον κ. Ι. Τάκο για την καθοδήγηση του σε όλη

Διαβάστε περισσότερα

ΔΡΑΣΤΗΡΙΟΤΗΤΕΣ. Κωδικός Τίτλος Επίπεδο

ΔΡΑΣΤΗΡΙΟΤΗΤΕΣ. Κωδικός Τίτλος Επίπεδο ΔΡΑΣΤΗΡΙΟΤΗΤΕΣ Ενότητα: Υποενότητα: Διαδικτυακές Υπηρεσίες κι Εφαρμογές Υ8 - Δημοτικοί Ιστότοποι / Google Sites Λίστα Δραστηριοτήτων Κωδικός Τίτλος Επίπεδο Υ8.Δ1 Αναζήτηση δημοτικών ιστοτόπων και αξιολόγηση

Διαβάστε περισσότερα

«Εισαγωγή στον Τριγωνομετρικό Κύκλο» Διδάσκοντας Μαθηματικά με Τ.Π.Ε.

«Εισαγωγή στον Τριγωνομετρικό Κύκλο» Διδάσκοντας Μαθηματικά με Τ.Π.Ε. «Εισαγωγή στον Τριγωνομετρικό Κύκλο» Διδάσκοντας Μαθηματικά με Τ.Π.Ε. Μπολοτάκης Γιώργος Μαθηματικός, Επιμορφωτής Β επιπέδου, Διευθυντής Γυμνασίου Αγ. Αθανασίου Δράμας, Τραπεζούντος 7, Άγιος Αθανάσιος,

Διαβάστε περισσότερα

Η ΕΠΙΣΤΗΜΗ ΤΗΣ ΠΛΗΡΟΦΟΡΗΣΗΣ ΣΤΟ ΣΥΓΧΡΟΝΟ ΠΕΡΙΒΑΛΛΟΝ

Η ΕΠΙΣΤΗΜΗ ΤΗΣ ΠΛΗΡΟΦΟΡΗΣΗΣ ΣΤΟ ΣΥΓΧΡΟΝΟ ΠΕΡΙΒΑΛΛΟΝ Η ΕΠΙΣΤΗΜΗ ΤΗΣ ΠΛΗΡΟΦΟΡΗΣΗΣ ΣΤΟ ΣΥΓΧΡΟΝΟ ΠΕΡΙΒΑΛΛΟΝ Ιόνιο Πανεπιστήµιο Τµήµα Αρχειονοµίας-Βιβλιοθηκονοµίας Μεταπτυχιακό Πρόγραµµα Σπουδών2007-2008 ιδάσκουσα: Κατερίνα Τοράκη (Οι διαλέξεις περιλαµβάνουν

Διαβάστε περισσότερα

Blog στο Wordpress. Επιμέλεια: Δέγγλερη Σοφία

Blog στο Wordpress. Επιμέλεια: Δέγγλερη Σοφία Blog στο Wordpress Επιμέλεια: Δέγγλερη Σοφία Περιεχόμενα Μετάβαση στο blog Σύνδεση ως διαχειριστής Πίνακας ελέγχου Εμφάνιση Ρυθμίσεις Άρθρα Σελίδες Πολυμέσα Σύνδεσμοι Widgets Μετάβαση στο blog Πληκτρολογούμε

Διαβάστε περισσότερα

Γραφικά Υπολογιστών: Σχεδίαση γραμμών (Bresenham), Σχεδίασης Κύκλων, Γέμισμα Πολυγώνων

Γραφικά Υπολογιστών: Σχεδίαση γραμμών (Bresenham), Σχεδίασης Κύκλων, Γέμισμα Πολυγώνων 1 ΤΕΙ Θεσσαλονίκης Τμήμα Πληροφορικής Γραφικά Υπολογιστών: Σχεδίαση γραμμών (Bresenham), Σχεδίασης Κύκλων, Γέμισμα Πολυγώνων Πασχάλης Ράπτης http://aetos.it.teithe.gr/~praptis praptis@it.teithe.gr 2 Περιγραφή

Διαβάστε περισσότερα

Risk Management & Business Continuity Τα εργαλεία στις νέες εκδόσεις

Risk Management & Business Continuity Τα εργαλεία στις νέες εκδόσεις Risk Management & Business Continuity Τα εργαλεία στις νέες εκδόσεις Α. Χατζοπούλου Υπεύθυνη Τμήματος Επιθεωρήσεων Πληροφορικής TÜV AUSTRIA HELLAS Οκτώβριος 2014 CLOSE YOUR EYES & THINK OF RISK Μήπως κάποια

Διαβάστε περισσότερα

ΑΛΛΗΛΕΠΙΔΡΑΣΗ ΑΝΘΡΩΠΟΥ - ΥΠΟΛΟΓΙΣΤΗ. Διδάσκων: Κωνσταντίνος Στεφανίδης

ΑΛΛΗΛΕΠΙΔΡΑΣΗ ΑΝΘΡΩΠΟΥ - ΥΠΟΛΟΓΙΣΤΗ. Διδάσκων: Κωνσταντίνος Στεφανίδης ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ ΣΧΟΛΗ ΘΕΤΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΠΙΣΤΗΜΗΣ ΥΠΟΛΟΓΙΣΤΩΝ ΜΑΘΗΜΑ ΕΠΙΛΟΓΗΣ ΗΥ-464 ΑΛΛΗΛΕΠΙΔΡΑΣΗ ΑΝΘΡΩΠΟΥ - ΥΠΟΛΟΓΙΣΤΗ Διδάσκων: Κωνσταντίνος Στεφανίδης Διδακτικές Μονάδες: 4 Προαπαιτούμενα:

Διαβάστε περισσότερα

ΠΛΗ 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 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 περισσότερα

Οικονομικό Πανεπιστήμιο Αθηνών Τμήμα Πληροφορικής

Οικονομικό Πανεπιστήμιο Αθηνών Τμήμα Πληροφορικής Οικονομικό Πανεπιστήμιο Αθηνών Τμήμα Πληροφορικής ΠΤΥΧΙΑΚΗ ΕΡΓΑΣΙΑ Αναγνώριση Ονομάτων Οντοτήτων σε Ελληνικά Κείμενα Κοινωνικών Δικτύων Καραμπάτσης Ραφαήλ Μιχαήλ Α.Μ. 3080064 Επιβλέπων Καθηγητής: Ίων Ανδρουτσόπουλος

Διαβάστε περισσότερα

ΠΡΟΓΝΩΣΤΙΚA ΣΥΣTHΜΑΤΑ

ΠΡΟΓΝΩΣΤΙΚA ΣΥΣTHΜΑΤΑ ΠΡΟΓΝΩΣΤΙΚA ΣΥΣTHΜΑΤΑ Ιωάννα Τζουλάκη Κώστας Τσιλίδης Ιωαννίδης: κεφάλαιο 2 Guyatt: κεφάλαιο 18 ΕΠΙςΤΗΜΟΝΙΚΗ ΙΑΤΡΙΚΗ Επιστήμη (θεωρία) Πράξη (φροντίδα υγείας) Γνωστικό μέρος Αιτιό-γνωση Διά-γνωση Πρό-γνωση

Διαβάστε περισσότερα

Εγκατάσταση λογισμικού και αναβάθμιση συσκευής Device software installation and software upgrade

Εγκατάσταση λογισμικού και αναβάθμιση συσκευής Device software installation and software upgrade Για να ελέγξετε το λογισμικό που έχει τώρα η συσκευή κάντε κλικ Menu > Options > Device > About Device Versions. Στο πιο κάτω παράδειγμα η συσκευή έχει έκδοση λογισμικού 6.0.0.546 με πλατφόρμα 6.6.0.207.

Διαβάστε περισσότερα

Predicting the Choice of Contraceptive Method using Classification

Predicting the Choice of Contraceptive Method using Classification ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕΔΟΝΙΑΣ ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΘΕΣΣΑΛΟΝΙΚΗ Predicting the Choice of Contraceptive Method using Classification ΠΑΠΑΔΟΠΟΥΛΟΣ ΧΡΗΣΤΟΣ ΕΠΙΒΛΕΠΩΝ ΚΑΘΗΓΗΤΗΣ: Νικόλαος Σαμαράς ΕΞΕΤΑΣΤΗΣ:

Διαβάστε περισσότερα

Λίγα λόγια από το συγγραφέα... 7. 91 Βάσεις δεδομένων και Microsoft Access... 9. 92 Microsoft Access... 22

Λίγα λόγια από το συγγραφέα... 7. 91 Βάσεις δεδομένων και Microsoft Access... 9. 92 Microsoft Access... 22 ΕΝΟΤΗΤΑ 5 Περιεχόμενα Λίγα λόγια από το συγγραφέα... 7 91 Βάσεις δεδομένων και Microsoft Access... 9 92 Microsoft Access... 22 93 Το σύστημα Βοήθειας του Microsoft Office... 32 94 Σχεδιασμός βάσης δεδομένων

Διαβάστε περισσότερα

Γενική οργάνωση σεναρίου. 1. Προαπαιτούμενες γνώσεις και πρότερες γνώσεις των μαθητών

Γενική οργάνωση σεναρίου. 1. Προαπαιτούμενες γνώσεις και πρότερες γνώσεις των μαθητών Παράρτημα 1: Τεχνική έκθεση τεκμηρίωσης σεναρίου Το εκπαιδευτικό σενάριο που θα σχεδιαστεί πρέπει να συνοδεύεται από μια τεχνική έκθεση τεκμηρίωσής του. Η τεχνική αυτή έκθεση (με τη μορφή του παρακάτω

Διαβάστε περισσότερα

Γενικά Στοιχεία Ηλεκτρονικού Υπολογιστή

Γενικά Στοιχεία Ηλεκτρονικού Υπολογιστή Γενικά Στοιχεία Ηλεκτρονικού Υπολογιστή 1. Ηλεκτρονικός Υπολογιστής Ο Ηλεκτρονικός Υπολογιστής είναι μια συσκευή, μεγάλη ή μικρή, που επεξεργάζεται δεδομένα και εκτελεί την εργασία του σύμφωνα με τα παρακάτω

Διαβάστε περισσότερα

ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ

ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΠΛΗΡΟΦΟΡΙΑΚΩΝ ΚΑΙ ΕΠΙΚΟΙΝΩΝΙΑΚΩΝ ΣΥΣΤΗΜΑΤΩΝ ΜΕΤΑΠΤΥΧΙΑΚΟ ΠΡΟΓΡΑΜΜΑ ΣΠΟΥΔΩΝ ΜΑΘΗΜΑ: ΗΛΕΚΤΡΟΝΙΚΗ ΔΙΑΚΥΒΕΡΝΗΣΗ ΙΙ ΕΙΣΑΓΩΓΗ ΣΤΟ ΜΑΘΗΜΑ Διδάσκων: Ι. Χαραλαμπίδης, Επ. Καθηγητής

Διαβάστε περισσότερα

"Αθηνά" - Ερευνητικό Κέντρο Καινοτομίας στις Τεχνολογίες της Πληροφορίας, των Επικοινωνιών και της Γνώσης

Αθηνά - Ερευνητικό Κέντρο Καινοτομίας στις Τεχνολογίες της Πληροφορίας, των Επικοινωνιών και της Γνώσης "Αθηνά" - Ερευνητικό Κέντρο Καινοτομίας στις Τεχνολογίες της Πληροφορίας, των Επικοινωνιών και της Γνώσης ΙΝΣΤΙΤΟΥΤΟ ΠΛΗΡΟΦΟΡΙΑΚΩΝ ΣΥΣΤΗΜΑΤΩΝ Προκήρυξη Υποτροφιών To Ινστιτούτο Πληροφοριακών Συστημάτων

Διαβάστε περισσότερα

ΣΤ Δημοτικού - Προγραμματίζω τον υπολογιστή. Σχέδιο Μαθήματος No 1 Εισαγωγή στο προγραμματιστικό περιβάλλον της EasyLogo

ΣΤ Δημοτικού - Προγραμματίζω τον υπολογιστή. Σχέδιο Μαθήματος No 1 Εισαγωγή στο προγραμματιστικό περιβάλλον της EasyLogo ΣΤ Δημοτικού - Προγραμματίζω τον υπολογιστή Σχέδιο Μαθήματος No 1 Εισαγωγή στο προγραμματιστικό περιβάλλον της EasyLogo Εμπλεκόμενες έννοιες «Γραφή» και άμεση εκτέλεση εντολής. Αποτέλεσμα εκτέλεσης εντολής.

Διαβάστε περισσότερα