Έλεγχος Συστήματος. Επαλήθευση (verification) Έλεγχος και Εγκατάσταση Συστήματος. Επαλήθευση (verification)
|
|
- Ἀναίτις Ζωγράφος
- 7 χρόνια πριν
- Προβολές:
Transcript
1 Μάθημα 9 Έλεγχος και Εγκατάσταση Συστήματος Έλεγχος και Εγκατάσταση Συστήματος Έλεγχος Συστήματος Chapter 8 System Testing And Deployment Έλεγχος Συστήματος Επαλήθευση (verification) Επαλήθευση (verification) Η σωστή (ορθή) ανάπτυξη του συστήματος Building the system right. (O'Keefe, 1987) Έλεγχος Αξιοπιστίας Εγκυροποίηση (validation) Η ανάπτυξη του σωστού (κατάλληλου) συστήματος Building the right system. (O'Keefe, 1987) Έλεγχος της συμβατότητας του συστήματος με τις αρχικές προδιαγραφές Επιβεβαίωση της συνέπειας και πληρότητας της κωδικοποίησης της γνώσης που περιέχεται στο σύστημα γνώσης Έλεγχος λαθών που οφείλονται στους κατασκευαστές του συστήματος
2 Επαλήθευση (verification) εν ελέγχεται η ίδια η γνώση που εκμαιεύτηκε αλλά ο τρόπος με τον οποίο υλοποιήθηκε. Ο έλεγχος πραγματοποιείται από το μηχανικό της γνώσης με τη βοήθεια εργαλείων (π.χ. Check, Teiresias) 9-5 Πιθανά Συντακτικά και Σημασιολογικά Λάθη σε Συστήματα Κανόνων Πλεονάζοντες (redundant) κανόνες Αντικρουόμενοι (conflicting) κανόνες Υπονοούμενοι (subsumed) κανόνες Κυκλικοί (circular) κανόνες Μη αναγκαίες (unnecessary) συνθήκες Αδιέξοδοι (dead-end) κανόνες Απόντες (missing) κανόνες Μη προσβάσιμοι (unreachable) κανόνες 9-6 Πλεονάζοντες κανόνες Συντακτικός πλεονασμός: Ίδιες συνθήκες και συμπέρασμα. Μπορεί να προκαλέσουν προβλήματα όταν συνοδεύονται από συντελεστές βεβαιότητας, γιατί αυξάνουν τεχνητά τη βεβαιότητα του συμπεράσματος. 9-7 Συντακτικός πλεονασμός rule1: if humidity is high and temperature is hot rule2: if temperature is hot and humidity is high 9-8
3 Συντελεστές Βεβαιότητας IF A THEN B (CF=0,9) Αν σίγουρα ισχύει το Α, τότε το Β ισχύει με βεβαιότητα 0,9 (90%) Αν το Α ισχύει με βεβαιότητα μικρότερη (π.χ. 0,8 ή 80%), τότε το Β ισχύει με μικρότερη βεβαιότητα (0,8*0,9=0,72 ή 72%) Αν υπάρχει ο ίδιος κανόνας 2 η φορά, ακόμα και με το ίδιο CF, τότε οι βεβαιότητες των 2 κανόνων συνδυάζονται με βάση τον τύπο: CF = CF 1 + CF 2 CF 1 *CF 2 Π.χ. CF = 0,9 + 0,9 0,9*0,9 = 0.99 ή 99% Πλεονάζοντες κανόνες Σημασιολογικός πλεονασμός: Συνθήκες ή/και συμπεράσματα μπορεί να είναι διαφορετικά στη σύνταξη αλλά ίδια στη σημασία. Είναι πιο σπάνιο φαινόμενο Αντιμετωπίζεται δυσκολότερα λόγω αδυναμίας αυτόματου ελέγχου από το σύστημα της ομοιότητας των εννοιών Οφείλεται στη μη σωστή δόμηση του συστήματος εννοιών (πλαίσια-οντολογίες) Σημασιολογικός πλεονασμός rule3: if humidity is high and temperature is hot rule4: if temperature is hot and humidity is high then there will be electrical storms Αν: thunderstorms electrical storms Τότε οι παραπάνω κανόνες είναι ίδιοι 9-11 Αντικρουόμενοι κανόνες Ίδιες συνθήκες, διαφορετικά συμπεράσματα rule5: if humidity is high and temperature is hot rule6: if temperature is hot and humidity is high then there will be sunshine Αν: thunderstorms sunshine Τότε οι παραπάνω κανόνες είναι αντικρουόμενοι 9-12
4 Υπονοούμενοι κανόνες Αν ένας κανόνας έχει περισσότερους περιορισμούς στη συνθήκη του από έναν άλλο, ενώ και οι δύο έχουν το ίδιο συμπέρασμα. Μόνο ένας κανόνας είναι απαραίτητος. Αν υπάρχουν συντελεστές βεβαιότητας, τότε μπορεί οι υπονοούμενοι κανόνες να χρησιμεύουν στην αύξηση της βεβαιότητας του συμπεράσματος Υπονοούμενοι κανόνες rule7: if temperature is hot and Είτε ο rule7 είναι humidity is high and πολύ εξειδικευμένος pressure is low ενώ δε χρειάζεται rule8: if temperature is hot and humidity is high ή ο rule8 είναι πολύ γενικός Υπονοούμενοι κανόνες rule7: if... then thunderstorms CF=0.5 rule8: if... then thunderstorms CF=0.7 Αν ισχύει μόνο temperature hot και humidity high η βεβαιότητα καταιγίδας είναι 0,7 (λόγω rule8). Αν επιπλέον ισχύει ότι pressure low, τότε η βεβαιότητα αυξάνει σε 0,85 (λόγω rule8 και rule7) Κυκλικοί κανόνες ημιουργούν προβλήματα τερματισμού (αέναος βρόχος - infinite loop) Εμφανίζονται με 2 μορφές: Συντακτικά κυκλικοί κανόνες: Η συνθήκη κάποιου κανόνα αποτελεί συμπέρασμα κάποιου άλλου και αντίστροφα. Κυκλικά δεδομένα: Η συνθήκη και το συμπέρασμα κάποιου κανόνα αναφέρονται σε δεδομένα που συνδέονται μεταξύ τους κυκλικά 9-16
5 Συντακτικά κυκλικοί κανόνες rule9: if X,Y are brothers then X,Y have the same parents rule10: if X,Y have the same parents then X,Y are brothers ημιουργείται πρόβλημα μόνο στα συστήματα παραγωγής που δεν ελέγχουν αν κάποιο συμπέρασμα έχει εισαχθεί ξανά. Π.χ. στο CLIPS δεν υπάρχει πρόβλημα Κυκλικά δεδομένα rule11: if X is an important city and X is directly connected via a road with Y then Y is an important city ημιουργείται πρόβλημα τερματισμού μόνο αν τα δεδομένα έχουν κυκλική αλληλεξάρτηση. A B Γ 9-18 Μη αναγκαίες συνθήκες ύο κανόνες με ίδια συμπεράσματα αλλά περίπου ίδιες συνθήκες Οι 2 κανόνες πρέπει να συμπτυχθούν σε 1 Πολλές φορές τέτοιες καταστάσεις προκαλούνται όχι λόγω άχρηστων συνθηκών αλλά λόγω: Ελλιπών συνθηκών Λάθος κωδικοποίηση της γνώσης Λάθος στην εκμαιευμένη γνώση 9-19 Μη αναγκαίες συνθήκες rule12: if X is patient and X has pink spots and X has fever Η συνθήκη hasfever φαίνεται μη then X has measles rule13: αναγκαία για να έχει κάποιος ιλαρά. if X is patient and X has pink spots and X does not have fever then X has measles 9-20
6 Μη αναγκαίες συνθήκες Οι 2 κανόνες πρέπει να συμπτυχθούν σε 1 rule14: if X is patient and X has pink spots then X has measles 9-21 Μη αναγκαίες συνθήκες rule12: if X is patient and X has pink spots and X has fever then X has measles rule13: if X is patient and X has pink spots and X does not have fever then X has measles ή μπορεί να λείπει κάποια συνθήκη από εδώ ή από εδώ 9-22 Αδιέξοδοι κανόνες Κανόνες με συμπεράσματα τα οποία: εν ανήκουν στα τελικά συμπεράσματα του συστήματος. εν εμφανίζονται στις συνθήκες άλλων κανόνων. rule15: if the gas gauge says empty then the gas tank is empty Αδιέξοδοι κανόνες Ο rule15 είναι αδιέξοδος κανόνας, αν το συμπέρασμα gas tank is empty: εν ανήκει στους τελικούς στόχους του συστήματος. εν εμφανίζεται στη συνθήκη κάποιου άλλου κανόνα
7 Αδιέξοδοι κανόνες Προβλήματα που προκαλούν οι αδιέξοδοι κανόνες: Άχρηστα συμπεράσματα (πρόβλημα απόδοσης του συστήματος) Ένδειξη για κανόνες που λείπουν (πρόβλημα ορθότητας-πληρότητας του συστήματος) 9-25 Απόντες κανόνες Η απουσία κανόνων μπορεί να γίνει αντιληπτή από: Παρουσία γεγονότων που δεν εμφανίζονται στη συνθήκη κανενός κανόνα Παρουσία τελικών συμπερασμάτων που δεν εμφανίζονται στο συμπέρασμα κανενός κανόνα. Ύπαρξη αδιέξοδων κανόνων Μη προσβάσιμοι κανόνες Κανόνες που δεν ενεργοποιούνται ποτέ γιατί οι συνθήκες στις οποίες στηρίζονται δεν αποτελούν το συμπέρασμα κανενός κανόνα, ούτε ανήκουν στα αρχικά δεδομένα. Αρχικά εδομένα Απόντες, αδιέξοδοι και μη-προσβάσιμοι κανόνες Αδιέξοδος κανόνας Απόντας Κανόνας Μηπροσβάσιμος κανόνας Τελικά Συμπεράσματα Είναι ακριβώς το αντίθετο των αδιέξοδων κανόνων
8 Έλεγχος Αξιοπιστίας (validation) ιαπίστωση της ορθότητας του τελικού συστήματος σε σχέση με τις ανάγκες και απαιτήσεις του τελικού χρήστη. Επιβεβαίωση της ορθότητας των αποτελεσμάτων του συστήματος, όπως και αν αυτή ορίζεται. Επιβεβαίωση ότι το σύστημα ανταποκρίνεται στις απαιτήσεις των χρηστών 9-29 Έλεγχος Αξιοπιστίας (validation) Τελικός ποιοτικός έλεγχος στην ανάπτυξη συστημάτων γνώσης. Πραγματοποιείται με συνεργασία: του μηχανικού γνώσης, των ειδικών του τομέα γνώσης που βοήθησαν στην εκμαίευση, καθώς και των τελικών χρηστών του συστήματος Έλεγχος Αξιοπιστίας (validation) Ελέγχεται η ορθότητα και γενικότητα της ίδιας της γνώσης που εκμαιεύτηκε και περιέχεται στο σύστημα γνώσης Υποτίθεται ότι δεν υπάρχουν προβλήματα υλοποίησης, αφού έχει προηγηθεί η επαλήθευση. Ελέγχεται αν το σύστημα επιλύει τα προβλήματα με ορθό και επακριβή τρόπο Μεθοδολογίες Ελέγχου Αξιοπιστίας Άτυπος έλεγχος οκιμασία σε υποδειγματικές περιπτώσεις (test cases) οκιμασία σε πραγματικές συνθήκες Έλεγχος αξιοπιστίας των υποσυστημάτων Ανάλυση ευαισθησίας 9-32
9 Άτυπος έλεγχος Συναντήσεις μηχανικού γνώσης με ειδικούς κατά τη διάρκεια ανάπτυξης του συστήματος για τον έλεγχο της εγκυρότητας κάποιων αποτελεσμάτων Αν και τέτοιου είδους έλεγχοι είναι χρήσιμοι κατά την διάρκεια ανάπτυξης ενός συστήματος, εντούτοις δεν μπορούν να θεωρηθούν ως πλήρεις και τυπικές διαδικασίες ελέγχου αξιοπιστίας οκιμασία σε υποδειγματικές περιπτώσεις (test cases) Οι λύσεις που δίνει το σύστημα γνώσης συγκρίνονται με λύσεις που δόθηκαν από διάφορους ειδικούς του τομέα στις ίδιες περιπτώσεις. Οι ειδικοί συμφωνούν ή διαφωνούν (ίσως διαβαθμισμένα) με τις υποδείξεις του συστήματος γνώσης οκιμασία Turing: Οι λύσεις ειδικών και συστήματος παρουσιάζονται με την ίδια μορφή σε άλλους ειδικούς, οι οποίοι τις αξιολογούν αντικειμενικά οκιμασία σε υποδειγματικές περιπτώσεις (test cases) Οι υποδειγματικές περιπτώσεις πρέπει να είναι διαφορετικές από αυτές που χρησιμοποιήθηκαν στις προηγούμενες φάσεις ανάπτυξης του συστήματος. Εξασφαλίζεται η ευρωστία (robustness) σε μη-προσδοκώμενα δεδομένα. Όταν αυξάνεται η πολυπλοκότητα του συστήματος, ο αριθμός των δοκιμασιών που θα έπρεπε να πραγματοποιηθούν αυξάνεται εκθετικά οκιμασία σε πραγματικές συνθήκες Λειτουργία του συστήματος γνώσης από κάποιους τελικούς χρήστες ώστε να αξιολογήσουν τη λειτουργικότητα, την ορθότητα, και την πληρότητά του, στα πλαίσια του πραγματικού περιβάλλοντος λειτουργίας του. Όχι κατ' ανάγκη στην τελική του μορφή 9-36
10 οκιμασία σε πραγματικές συνθήκες Όσο και αν αξιολογηθεί κάποιο σύστημα κατά τη φάση της ανάπτυξής του, πάντα η λειτουργία σε πραγματικές συνθήκες αποκαλύπτει αναπάντεχα λάθη ή/και ανεπιθύμητες παρενέργειες. Κίνδυνος απώλειας εμπιστοσύνης από τους τελικούς χρήστες Πρέπει να γίνεται κοντά στο τελικό στάδιο ανάπτυξης 9-37 Έλεγχος αξιοπιστίας των υποσυστημάτων Το σύστημα γνώσης χωρίζεται σε ανεξάρτητα υποσυστήματα τα οποία ελέγχονται ξεχωριστά Ευκολότερη η επίλυση προβλημάτων σε μικρότερα συστήματα Η αξιοπιστία του καθενός υποσυστήματος ξεχωριστά δεν εγγυάται πάντα την αξιοπιστία του συνολικού συστήματος 9-38 Ανάλυση ευαισθησίας οκιμασία με σύνολο παραμέτρων που διαφέρουν λίγο σε μία από τις παραμέτρους κάθε φορά Ιδιαίτερα χρήσιμος έλεγχος σε συστήματα με αβεβαιότητα Κριτήρια Αξιοπιστίας Σύγκριση με γνωστά αποτελέσματα Σύγκριση με την απόδοση ειδικών Μεγαλύτερη ανεκτικότητα σε λάθη, αφού και ο ειδικός μπορεί να κάνει λάθη Σύγκριση με αποτελέσματα που προβλέπονται θεωρητικά Συνήθως γίνεται όταν το σύστημα γνώσης μοντελοποιεί κάποια φυσική διαδικασία Όταν δεν υπάρχει ακριβές θεωρητικό μοντέλο, γιατί το φυσικό σύστημα είναι πολύπλοκο, τότε δεν είναι δυνατή αυτή η σύγκριση 9-40
11 Μέτρηση Αξιοπιστίας Ακρίβεια (accuracy): Ποσοστό των αποδεκτών απαντήσεων του συστήματος Αποδεκτές απαντήσεις είναι αυτές που συμπίπτουν σε αυτές ενός ειδικού Επάρκεια (adequacy): Ποσοστό κάλυψης (coverage) του πεδίου γνώσης του προβλήματος Π.χ. ένα σύστημα κατηγοριοποίησης αναγνωρίζει σωστά το 83% των ειδών Θα μπορούσε το ποσοστό να περιέχει και βάρη, δίνοντας μεγαλύτερη έμφαση στα σημαντικότερα στοιχεία του πεδίου της γνώσης 9-41 Λάθη στην Αναπαράσταση της Γνώσης Λάθη απόφασης: Συμβαίνουν όταν το σύστημα καταλήγει σε λάθος αποτέλεσμα Επηρεάζουν την ακρίβεια του συστήματος ιαπιστώνονται εύκολα, αλλά εντοπίζονται και διορθώνονται δύσκολα 9-42 Λάθη στην Αναπαράσταση της Γνώσης Λάθη παράλειψης: Συμβαίνουν όταν το σύστημα δεν μπορεί να καταλήξει σε αποτέλεσμα Η απαραίτητη γνώση για να λυθεί κάποιο πρόβλημα παραλήφθηκε Επηρεάζουν την επάρκεια του συστήματος ιαπιστώνονται δύσκολα γιατί η δοκιμαστική περίπτωση (test case) που θα αποκαλύψει την έλλειψη δεν είναι προφανής στο μηχανικό γνώσης 9-43
Συστήματα Γνώσης. Θεωρητικό Κομμάτι Μαθήματος Ενότητα 8: Επαλήθευση και Έλεγχος Αξιοπιστίας. Νίκος Βασιλειάδης, Αναπλ. Καθηγητής Τμήμα Πληροφορικής
ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΙΚΑ ΜΑΘΗΜΑΤΑ Θεωρητικό Κομμάτι Μαθήματος Ενότητα 8: Επαλήθευση και Έλεγχος Αξιοπιστίας Νίκος Βασιλειάδης, Αναπλ. Καθηγητής Άδειες Χρήσης Το παρόν εκπαιδευτικό
Διαβάστε περισσότεραΕΠΑΛΗΘΕΥΣΗ (VERIFICATION) ΚΑΙ ΕΓΚΥΡΟΠΟΙΗΣΗ (VALIDATION) ΒΚ
ΕΠΑΛΗΘΕΥΣΗ (VERIFICATION) ΚΑΙ ΕΓΚΥΡΟΠΟΙΗΣΗ (VALIDATION) ΒΚ Οι V&V αναφέρονται κυρίως τον έλεγχο λαθών (testing) ενός ΕΣΒΚ, δηλ. αν δίνονται σωστές λύσεις στα προβλήματα που διαπραγματεύεται. Αφορούν όμως
Διαβάστε περισσότεραΣυστήματα Γνώσης. Έμπειρα συστήματα (expert systems)
Συστήματα Γνώσης Επιδεικνύουν νοήμονα συμπεριφορά σε συγκεκριμένους τομείς και διαδικασίες, ανάλογη ενός ανθρώπου με ειδικότητα στον τομέα π.χ. επιστήμονα, τεχνικού, εμπειρογνώμονα Κωδικοποιούν και χειρίζονται
Διαβάστε περισσότεραΕυφυής Προγραμματισμός
Ευφυής Προγραμματισμός Ενότητα 12: Δημιουργία Βάσεων Κανόνων Από Δεδομένα- Επαλήθευση-Εγκυροποίηση Βάσης Κανόνων Ιωάννης Χατζηλυγερούδης Πολυτεχνική Σχολή Τμήμα Μηχανικών Η/Υ & Πληροφορικής Δημιουργία
Διαβάστε περισσότεραΚεφάλαιο 23. Τεχνολογία Γνώσης. Τεχνητή Νοηµοσύνη - Β' Έκδοση. Ι. Βλαχάβας, Π. Κεφαλάς, Ν. Βασιλειάδης, Φ. Κόκκορας, Η.
Κεφάλαιο 23 Τεχνολογία Γνώσης Τεχνητή Νοηµοσύνη - Β' Έκδοση Ι. Βλαχάβας, Π. Κεφαλάς, Ν. Βασιλειάδης, Φ. Κόκκορας, Η. Σακελλαρίου ιαδικασία Ανάπτυξης Συστηµάτων Γνώσης Απόκτηση Γνώσης Ανάλυση Προβλήµατος
Διαβάστε περισσότεραΕλεγχος, Αξιοπιστία και Διασφάλιση Ποιότητας Λογισµικού Πολυπλοκότητα
Ελεγχος, Αξιοπιστία και Διασφάλιση Ποιότητας Λογισµικού Πολυπλοκότητα Τµήµα Διοίκησης Επιχειρήσεων Τει Δυτικής Ελλάδας Μεσολόγγι Δρ. Α. Στεφανή Διάλεξη 5 2 Εγκυροποίηση Λογισµικού Εγκυροποίηση Λογισµικού
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 περισσότεραΜάιος 02. Αναγνωστόπουλος - Παν. Αθηνών 1
Μάιος 02. Αναγνωστόπουλος - Παν. Αθηνών 1 Μάιος 02. Αναγνωστόπουλος - Παν. Αθηνών 2 Μάιος 02. Αναγνωστόπουλος - Παν. Αθηνών 3 Μάιος 02. Αναγνωστόπουλος - Παν. Αθηνών 4 Μάιος 02. Αναγνωστόπουλος - Παν.
Διαβάστε περισσότεραΠληροφοριακά Συστήματα & Περιβάλλον
ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΑΝΟΙΧΤΑ ΑΚΑΔΗΜΑΙΚΑ ΜΑΘΗΜΑΤΑ Πληροφοριακά Συστήματα & Περιβάλλον Ενότητα 9: Έμπειρα Συστήματα Παναγιώτης Λεφάκης Δασολογίας & Φυσικού Περιβάλλοντος Άδειες Χρήσης Το
Διαβάστε περισσότεραΥπερπροσαρμογή (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 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 περισσότεραΠιστοποίηση επάρκειας ικανότητας φορέων ( ΚΠΣ)
Risk Advisory Services Πιστοποίηση επάρκειας ικανότητας φορέων ( ΚΠΣ) Ιωάννης Σουφλής, ιευθυντής 9 Ιουλίου 2006 AUDIT / TAX / ADVISORY / LINE OF BUSINESS Πίνακας περιεχοµένων Αποτελέσµατα ελέγχων Επίδειξη
Διαβάστε περισσότεραΜεταγλωττιστές. Γιώργος Δημητρίου. Μάθημα 1 ο. Πανεπιστήμιο Θεσσαλίας - Τμήμα Ηλεκτρολόγων Μηχανικών & Μηχανικών Υπολογιστών
Γιώργος Δημητρίου Μάθημα 1 ο Γλώσσα - Μετάφραση Γλώσσα προγραμματισμού = Αναπαράσταση αλγορίθμων Ευκολία χρήσης Ακρίβεια και πληρότητα περιγραφής, όχι διφορούμενη! Μία περιγραφή για όλες τις μηχανές Μετάφραση
Διαβάστε περισσότεραΕισαγωγή στην. Γιάννης Σμαραγδάκης
Εισαγωγή στην Τεχνολογία Λογισμικού Γιάννης Σμαραγδάκης Γιατί μελετάμε την Τεχνολογία Λογισμικού Λογισμικό υπάρχει παντού σε όλους τους τεχνικούς τομείς (π.χ. αεροδιαστημική) σε όλες τις επιστήμες στον
Διαβάστε περισσότεραΈλεγχος Λογισμικού. Software Testing
Έλεγχος Λογισμικού Software Testing Γενικά ΣΤΑΤΙΚΟΣ ΕΛΕΓΧΟΣ: Ο κώδικας εξετάζεται για τον εντοπισμό λαθών ή αδυνάμων σημείων ΔΥΝΑΜΙΚΟΣΕΛΕΓΧΟΣ: Ένα συστατικό κώδικα εκτελείται µε ένα σύνολο από δεδομένα
Διαβάστε περισσότεραΣυγγραφή κώδικα, δοκιμασία, επαλήθευση. Γιάννης Σμαραγδάκης
Συγγραφή κώδικα, δοκιμασία, επαλήθευση Γιάννης Σμαραγδάκης Προδιαγραφή απαιτήσεων Σχεδιασμός συνεπείς σχέσεις Υψηλό επίπεδο συνεπείς σχέσεις Χαμηλό επίπεδο συνεπείς σχέσεις Πλάνο δοκιμών Κώδικας Συγγραφή
Διαβάστε περισσότεραΒασικές Δομές μοντέλων Petri Nets. C.A. Petri
Βασικές Δομές μοντέλων Petri Nets C.A. Petri - 1962 Γιατί χρήση Petri model? Φυσικό Πρόβλημα! Μοντέλο Petri abstract Software Simulation ανάλυση σε μοντέλο Petri Net Βασικές δομές μοντέλων Petri Διαδοχική
Διαβάστε περισσότεραΠΡΟΔΙΑΓΡΑΦΕΣ - ΟΔΗΓΙΕΣ ΔΙΑΜΟΡΦΩΣΗΣ ΘΕΜΑΤΩΝ ΓΙΑ ΤΟ ΜΑΘΗΜΑ
ΠΡΟΔΙΑΓΡΑΦΕΣ - ΟΔΗΓΙΕΣ ΔΙΑΜΟΡΦΩΣΗΣ ΘΕΜΑΤΩΝ ΓΙΑ ΤΟ ΜΑΘΗΜΑ Μαθηματικά (Άλγεβρα - Γεωμετρία) Α ΤΑΞΗ ΗΜΕΡΗΣΙΟΥ και Α, Β ΤΑΞΕΙΣ ΕΣΠΕΡΙΝΟΥ ΓΕΝΙΚΟΥ ΛΥΚΕΙΟΥ Α ΤΑΞΗ ΗΜΕΡΗΣΙΟΥ και Α ΤΑΞΗ ΕΣΠΕΡΙΝΟΥ ΕΠΑΛ ΚΕΝΤΡΙΚΗ
Διαβάστε περισσότεραΤεχνογλωσσία 8 Β' Εξάμηνο. Λογικός Προγραμματισμός Prolog. Άσκηση: Διορθωτής Εκφράσεων
Τεχνογλωσσία 8 Β' Εξάμηνο Λογικός Προγραμματισμός Prolog Άσκηση: Διορθωτής Εκφράσεων Σκοπός της άσκησης είναι ο σχεδιασμός και η υλοποίηση συστήματος διορθωτή εκφράσεων βασισμένη στο φορμαλισμό της prolog
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΝΕΥΡΩΝΙΚΑ ΙΚΤΥΑ
ΘΕΜΑ 1 ο (2.5 µονάδες) ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΝΕΥΡΩΝΙΚΑ ΙΚΤΥΑ Τελικές εξετάσεις 21 Σεπτεµβρίου 2004 ιάρκεια: 3 ώρες Το παρακάτω σύνολο
Διαβάστε περισσότεραΑλγόριθμος. Αλγόριθμο ονομάζουμε τη σαφή και ακριβή περιγραφή μιας σειράς ξεχωριστών οδηγιών βημάτων με σκοπό την επίλυση ενός προβλήματος.
Αλγόριθμος Αλγόριθμο ονομάζουμε τη σαφή και ακριβή περιγραφή μιας σειράς ξεχωριστών οδηγιών βημάτων με σκοπό την επίλυση ενός προβλήματος. Εντολές ή οδηγίες ονομάζονται τα βήματα που αποτελούν έναν αλγόριθμο.
Διαβάστε περισσότεραΑνάπτυξη & Σχεδίαση Λογισμικού (ΗΥ420)
Ανάπτυξη & Σχεδίαση Λογισμικού (ΗΥ420) Διάλεξη 8: Σχεδίαση Συστήματος Σχεδίαση Συστήματος 2 Διεργασία μετατροπής του προβλήματος σε λύση. Από το Τί στο Πώς. Σχέδιο: Λεπτομερής περιγραφή της λύσης. Λύση:
Διαβάστε περισσότεραΠανεπιστήμιο Πειραιώς Σχολή Τεχνολογιών Πληροφορικής και Επικοινωνιών Τμήμα Ψηφιακών Συστημάτων ομές εδομένων
Πανεπιστήμιο Πειραιώς Σχολή Τεχνολογιών Πληροφορικής και Επικοινωνιών Τμήμα Ψηφιακών Συστημάτων 3. Στοίβες & Ουρές 2 ομές εδομένων 4 5 Χρήστος ουλκερίδης Τμήμα Ψηφιακών Συστημάτων 19/10/2017 Ανακεφαλαίωση:
Διαβάστε περισσότεραΠανεπιστήμιο Πειραιώς Σχολή Τεχνολογιών Πληροφορικής και Επικοινωνιών Τμήμα Ψηφιακών Συστημάτων ομές εδομένων
Πανεπιστήμιο Πειραιώς Σχολή Τεχνολογιών Πληροφορικής και Επικοινωνιών Τμήμα Ψηφιακών Συστημάτων 3. Στοίβες & Ουρές 2 ομές εδομένων 4 5 Χρήστος ουλκερίδης Τμήμα Ψηφιακών Συστημάτων 4/11/2016 Ανακεφαλαίωση:
Διαβάστε περισσότεραΠΛΗΡΟΦΟΡΙΑΚΑ ΣΥΣΤΗΜΑΤΑ
ΠΛΗΡΟΦΟΡΙΑΚΑ ΣΥΣΤΗΜΑΤΑ Μάθημα 4: Ανάλυση Απαιτήσεων Μαρίνος Θεμιστοκλέους Email: mthemist@unipi.gr Ανδρούτσου 150 Γραφείο 206 Τηλ. 210 414 2723 Ώρες Γραφείου: Δευτέρα 11-12 AM Απαιτήσεις Οι απαιτήσεις
Διαβάστε περισσότεραΑνάπτυξη & Σχεδίαση Λογισμικού (ΗΥ420)
Ανάπτυξη & Σχεδίαση Λογισμικού (ΗΥ420) Έλεγχος Λογισμικού Προβλήματα Λογισμικού 2 Μια ματιά στα παλιά: Σφάλμα: Ελάττωμα: Ανθρώπινο λάθος (σε προδιαγραφές, τεκμηρίωση κλπ) «Κωδικοποίηση του σφάλματος» στο
Διαβάστε περισσότεραΣυστήµατα Τηλεκπαίδευσης: Κύκλος ζωής εκπαιδευτικού υλικού
1 Συστήµατα Τηλεκπαίδευσης: Κύκλος ζωής εκπαιδευτικού υλικού Τµήµα Διοίκησης Επιχειρήσεων Τει Δυτικής Ελλάδας Μεσολόγγι Δρ. Α. Στεφανή Διάλεξη 3 Το Εκπαιδευτικό Υλικό Το Εκπαιδευτικό Υλικό, έχει έντυπη
Διαβάστε περισσότεραΚωδικοποίηση και Έλεγχος Ορθότητας
Κωδικοποίηση και Έλεγχος Ορθότητας περιεχόμενα περουσίασης Κωδικοποίηση Πρότυπα και διαδικασίες κωδικοποίησης Τεκμηρίωση Διαχείριση εκδόσεων Έλεγχος ορθότητας λογισμικού κωδικοποίηση διαχείριση εκδόσεων
Διαβάστε περισσότεραΚεφάλαιο 7 : Είδη, Τεχνικές, και Περιβάλλοντα Προγραµµατισµού
ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ ΥΠΟΛΟΓΙΣΤΩΝ Κεφάλαιο 7 : Είδη, Τεχνικές, και Περιβάλλοντα Προγραµµατισµού ( Απαντήσεις & Λύσεις Βιβλίου) 1. Σκοποί κεφαλαίου Κύκλος ανάπτυξης προγράµµατος Κατηγορίες γλωσσών προγραµµατισµού
Διαβάστε περισσότεραΣπουδαστές Γιαννουλάκης Αντρέας Α.Μ. 11796 Τσουρουνάκης 'Αγγελος Α.Μ. 12133 Μουτουσίδου Πόπη Α.Μ. 12279 Εισηγητής: Ταφιάδης Χρ.
ΤΕΙ ΗΠΕΙΡΟΥ ΣΧΟΛΗ ΕΠΑΓΓΕΛΜΑΤΩΝ ΥΓΕΙΑΣ ΚΑΙ ΠΡΟΝΟΙΑΣ ΤΜΗΜΑ ΛΟΓΟΘΕΡΑΠΕΙΑΣ Σπουδαστές Γιαννουλάκης Αντρέας Α.Μ. 11796 Τσουρουνάκης 'Αγγελος Α.Μ. 12133 Μουτουσίδου Πόπη Α.Μ. 12279 Εισηγητής: Ταφιάδης Χρ. Διονύσης
Διαβάστε περισσότεραΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ ΣΤΗΝ ΕΝΟΡΓΑΝΗ ΑΝΑΛΥΣΗ
ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ ΣΤΗΝ ΕΝΟΡΓΑΝΗ ΑΝΑΛΥΣΗ Αναλυτική Μέθοδος- Αναλυτικό Πρόβλημα. Ανάλυση, Προσδιορισμός και Μέτρηση. Πρωτόκολλο. Ευαισθησία Μεθόδου. Εκλεκτικότητα. Όριο ανίχνευσης (limit of detection, LOD).
Διαβάστε περισσότεραΠΡΟΓΡΑΜΜΑ ΣΠΟΥΔΩΝ ΠΛΗΡΟΦΟΡΙΚΗ, Γ ΤΑΞΗ ΓΕΝΙΚΟΥ ΛΥΚΕΙΟΥ
ΠΡΟΓΡΑΜΜΑ ΣΠΟΥΔΩΝ ΠΛΗΡΟΦΟΡΙΚΗ, Γ ΤΑΞΗ ΓΕΝΙΚΟΥ ΛΥΚΕΙΟΥ Σκοπός του μαθήματος είναι οι μαθητές και οι μαθήτριες να αναπτύξουν ικανότητες αναλυτικής και συνθετικής σκέψης, ώστε να επιλύουν προβλήματα, να σχεδιάζουν
Διαβάστε περισσότεραΗ ΙΣΧΥΣ ΕΝΟΣ ΕΛΕΓΧΟΥ. (Power of a Test) ΚΕΦΑΛΑΙΟ 21
ΚΕΦΑΛΑΙΟ 21 Η ΙΣΧΥΣ ΕΝΟΣ ΕΛΕΓΧΟΥ (Power of a Test) Όπως είδαμε προηγουμένως, στον Στατιστικό Έλεγχο Υποθέσεων, ορίζουμε δύο είδη πιθανών λαθών (κινδύνων) που μπορεί να συμβούν όταν παίρνουμε αποφάσεις
Διαβάστε περισσότεραΑΝΑΠΤΥΞΗ ΕΦΑΡΜΟΓΩΝ ΣΕ Π ΡΟΓΡΑΜΜΑΤΙΣΤΙΚΟ Π ΕΡΙΒΑΛΛΟΝ
ΥΠΟΥΡΓΕΙΟ ΕΘΝΙΚΗΣ ΠΑΙΔΕΙΑΣ ΚΑΙ ΘΡΗΣΚΕΥΜΑΤΩΝ ΠΑΙΔΑΓΩΓΙΚΟ ΙΝΣΤΙΤΟΥΤΟ ΑΝΑΠΤΥΞΗ ΕΦΑΡΜΟΓΩΝ ΣΕ Π ΡΟΓΡΑΜΜΑΤΙΣΤΙΚΟ Π ΕΡΙΒΑΛΛΟΝ Κ Υ Κ Λ Ο Υ Π Λ Η Ρ Ο Φ Ο Ρ Ι Κ Η Σ Κ Α Ι Υ Π Η Ρ Ε Σ Ι Ω Ν Τ Ε Χ Ν Ο Λ Ο Γ Ι Κ Η
Διαβάστε περισσότεραΤεχνητή Νοημοσύνη (ΥΠ23) 6 ο εξάμηνο Τμήμα Πληροφορικής και Τηλεματικής Χαροκόπειο Πανεπιστήμιο Ουρανία Χατζή
Τεχνητή Νοημοσύνη (ΥΠ23) 6 ο εξάμηνο Τμήμα Πληροφορικής και Τηλεματικής Χαροκόπειο Πανεπιστήμιο Ουρανία Χατζή raniah@hua.gr 1 Αβεβαιότητα Με τον όρο αβεβαιότητα (uncertainty) εννοείται η έλλειψη ακριβούς
Διαβάστε περισσότεραΑΝΑΠΤΥΞΗ ΜΑΘΗΜΑΤΙΚΟΥ ΝΟΗΜΑΤΟΣ ΣΤΗΝ ΤΑΞΗ ΤΩΝ ΜΑΘΗΜΑΤΙΚΩΝ ΔΙΑΧΕΙΡΙΣΗ ΤΗΣ ΤΑΞΗΣ ΤΩΝ ΜΑΘΗΜΑΤΙΚΩΝ ΜΑΡΙΑ ΚΑΛΔΡΥΜΙΔΟΥ
ΑΝΑΠΤΥΞΗ ΜΑΘΗΜΑΤΙΚΟΥ ΝΟΗΜΑΤΟΣ ΣΤΗΝ ΤΑΞΗ ΤΩΝ ΜΑΘΗΜΑΤΙΚΩΝ ΔΙΑΧΕΙΡΙΣΗ ΤΗΣ ΤΑΞΗΣ ΤΩΝ ΜΑΘΗΜΑΤΙΚΩΝ ΜΑΡΙΑ ΚΑΛΔΡΥΜΙΔΟΥ ΜΑΘΗΜΑΤΙΚΟ ΝΟΗΜΑ κατάλληλο διδακτικό περιβάλλον εκπαιδευτικός διαχειριστής της τάξης μαθητές
Διαβάστε περισσότεραΑΠΟ ΤΟ ΔΕΙΓΜΑ ΣΤΟΝ ΠΛΗΘΥΣΜΟ
ΑΠΟ ΤΟ ΔΕΙΓΜΑ ΣΤΟΝ ΠΛΗΘΥΣΜΟ Το ενδιαφέρον επικεντρώνεται πάντα στον πληθυσμό Το δείγμα χρησιμεύει για εξαγωγή συμπερασμάτων για τον πληθυσμό π.χ. το ετήσιο εισόδημα των κατοίκων μιας περιοχής Τα στατιστικά
Διαβάστε περισσότεραRule Based systems Συστήματα Βασισμένα σε κανόνες
Rule Based systems Συστήματα Βασισμένα σε κανόνες Τμήματα ενός έμπειρου συστήματος βασισμένου σε κανόνες Βάση Γνώσης (Κανόνες) Μηχανισμός Εξαγωγής Συμπερασμάτων Χώρος Εργασίας (Γεγονότα) Μηχανισμός Επεξήγησης
Διαβάστε περισσότεραΧρ. ΑΕΠΕΥ και δεν συνιστά σε καμία περίπτωση επενδυτική πρόταση / συμβουλή / υπόδειξη για αγορά ή πώληση μετοχών. Απαγορεύεται αυστηρώς γνωστοποίηση / ανάγνωση τμήματος ή του συνόλου του πίνακα από τρίτους.
Διαβάστε περισσότεραΜάθημα «Υπηρεσίες Ηλεκτρονικής Υγείας»
Μάθημα «Υπηρεσίες Ηλεκτρονικής Υγείας» M. Σπανάκης, Μ. Τσικνάκης Εαρινό Εξάμηνο 2014 Μάθημα 1 Παρουσίαση Εργασίας και Εισαγωγή στην ανάλυση απαιτήσεων Εισαγωγή Αρχική συζήτηση αναφορικά με την ανάλυση
Διαβάστε περισσότεραΕυφυής Προγραμματισμός
Ευφυής Προγραμματισμός Ενότητα 10: Δημιουργία Βάσεων Κανόνων Από Δεδομένα-Προετοιμασία συνόλου δεδομένων Ιωάννης Χατζηλυγερούδης Πολυτεχνική Σχολή Τμήμα Μηχανικών Η/Υ & Πληροφορικής Δημιουργία Βάσεων Κανόνων
Διαβάστε περισσότεραΕπαλήθευση μοντέλου. (model Verification) Προσομοίωση Βιομηχανικής Παραγωγής & Επιχειρήσεων
Επαλήθευση μοντέλου (model Verification) Προσομοίωση Βιομηχανικής Παραγωγής & Επιχειρήσεων ΚΕΦ. 5 Μοντελοποίηση Τυχαίοι Αριθμοί Διαγράμματα Επαλήθευση Ανάλυση Αποτελεσμάτων Επαλήθευση, Επικύρωση και Αξιοπιστία
Διαβάστε περισσότεραΕισαγωγή Στις Αρχές Της Επιστήμης Των Η/Υ. Η έννοια του Προβλήματος - ΚΕΦΑΛΑΙΟ 2
Εισαγωγή Στις Αρχές Της Επιστήμης Των Η/Υ Η έννοια του Προβλήματος - ΚΕΦΑΛΑΙΟ 2 2. Η έννοια του προβλήματος 2 2. Η έννοια του προβλήματος 2.1 Το πρόβλημα στην επιστήμη των Η/Υ 2.2 Κατηγορίες προβλημάτων
Διαβάστε περισσότεραΚεφάλαιο 8. Βασικές Αρχές Αναπαράστασης Γνώσης και Συλλογιστικής. Τεχνητή Νοηµοσύνη - Β' Έκδοση
Κεφάλαιο 8 Βασικές Αρχές Αναπαράστασης Γνώσης και Συλλογιστικής Τεχνητή Νοηµοσύνη - Β' Έκδοση Ι. Βλαχάβας, Π. Κεφαλάς, Ν. Βασιλειάδης, Φ. Κόκκορας, Η. Σακελλαρίου Αναπαράσταση Γνώσης Σύνολο συντακτικών
Διαβάστε περισσότεραΤυποποίηση και ποιότητα στη σύγχρονη κοινωνία ΜΕ-ΤΠ Π ΤΕΕ, 2008
8. ιακρίβωση 8.1 Εισαγωγή Η ανάγκη µιας διαδικασίας προκειµένου να ελέγχεται η µέτρηση για την αξιοπιστία της είναι, θα µπορούσαµε να πούµε προφανής. Και την απαντάµε ως πράξη και στις καθηµερινές µας
Διαβάστε περισσότεραΕΜΠΕΙΡΑ ΣΥΣΤΗΜΑΤΑ Χρυσόστομος Στύλιος
ΕΜΠΕΙΡΑ ΣΥΣΤΗΜΑΤΑ Χρυσόστομος Στύλιος Email: stylios@teiep.gr Ιστοσελίδα: Ανακοινώσεις, διαφάνειες, εργασίες, χρήσιμοι σύνδεσμοι, κλπ. Ύλη του μαθήματος Εισαγωγή-Έμπειρα συστήματα. Αναπαράσταση γνώσης
Διαβάστε περισσότεραΕΡΩΤΗΣΕΙΣ ΓΙΑ ΤΟ ΜΑΘΗΜΑ ΤΟΠΟΓΡΑΦΙΚΑ ΔΙΚΤΥΑ ΚΑΙ ΥΠΟΛΟΓΙΣΜΟΙ 5 ο εξάμηνο
ΕΡΩΤΗΣΕΙΣ ΓΙΑ ΤΟ ΜΑΘΗΜΑ ΤΟΠΟΓΡΑΦΙΚΑ ΔΙΚΤΥΑ ΚΑΙ ΥΠΟΛΟΓΙΣΜΟΙ 5 ο εξάμηνο ΓΕΝΙΚΕΣ ΕΝΝΟΙΕΣ 1) Ποιός είναι ο βασικός ρόλος και η χρησιμότητα των δικτύων στη Γεωδαισία και την Τοπογραφία; 2) Αναφέρετε ορισμένες
Διαβάστε περισσότεραΤεχνολογίες Υλοποίησης Αλγορίθµων
Τεχνολογίες Υλοποίησης Αλγορίθµων Χρήστος Ζαρολιάγκης Καθηγητής Τµήµα Μηχ/κων Η/Υ & Πληροφορικής Πανεπιστήµιο Πατρών email: zaro@ceid.upatras.gr Γρηγόρης Πράσινος Υποψήφιος ιδάκτωρ Τµήµα Μηχ/κων Η/Υ &
Διαβάστε περισσότεραΕισαγωγή - Πειραματικοί Σχεδιασμοί. Κατσιλέρος Αναστάσιος
Εισαγωγή - Πειραματικοί Σχεδιασμοί Κατσιλέρος Αναστάσιος 2017 Παραλλακτικότητα To φαινόμενο εμφάνισης διαφορών μεταξύ ατόμων ή αντικειμένων ή παρατηρήσεων-μετρήσεων, που ανήκουν στην ίδια ομάδα-κατηγορία,
Διαβάστε περισσότεραΕυφυής Προγραμματισμός
Ευφυής Προγραμματισμός Ενότητα 9: Ανάπτυξη Έμπειρων Συστημάτων Ιωάννης Χατζηλυγερούδης Πολυτεχνική Σχολή Τμήμα Μηχανικών Η/Υ & Πληροφορικής Ανάπτυξη Έμπειρων Συστημάτων Ορισμός-Χαρακτηριστικά ΕΣ (1) Ορισμός
Διαβάστε περισσότεραΚΥΚΛΟΣ ΖΩΗΣ ΛΟΓΙΣΜΙΚΟΥ και ΔΙΑΓΡΑΜΜΑΤΑ ΡΟΗΣ ΔΕΔΟΜΕΝΩΝ
ΚΥΚΛΟΣ ΖΩΗΣ ΛΟΓΙΣΜΙΚΟΥ και ΔΙΑΓΡΑΜΜΑΤΑ ΡΟΗΣ ΔΕΔΟΜΕΝΩΝ Ο κύκλος ζωής λογισµικού (συνοπτικά) Η παραδοσιακή φάση ανάπτυξης του κύκλου ζωής λογισµικού Φάση καθορισµού απαιτήσεων (1/2) ΤΙ πρέπει να κάνει το
Διαβάστε περισσότεραΠερι-γράφοντας... βρόχους
Όνομα(τα): Όνομα Η/Υ: Σ Τμήμα: Ημερομηνία: Περι-γράφοντας... βρόχους Ξεκινήστε το Χώρο Δραστηριοτήτων, επιλέξτε τη θεματική ενότητα: ΘΕ05: Επανάληψη και επιλέξτε την πρώτη δραστηριότητα (Περι-γράφοντας...
Διαβάστε περισσότεραΔιαχείριση Έργων Πληροφορικής
Διαχείριση Έργων Πληροφορικής Μελέτη Σκοπιμότητας Feasibility Study Μ. Τσικνάκης Ε. Μανιαδή, Α. Μαριδάκη Μάθημα στο eclass Ονομασία: ΔΙΑΧΕΙΡΙΣΗ ΕΡΓΩΝ ΠΛΗΡΟΦΟΡΙΚΗΣ ΕΑΡΙΝΟ 2017 Κωδικός Μαθήματος στο eclass:
Διαβάστε περισσότεραΕΙΔΗ ΕΡΕΥΝΑΣ I: ΠΕΙΡΑΜΑΤΙΚΗ ΕΡΕΥΝΑ & ΠΕΙΡΑΜΑΤΙΚΟΙ ΣΧΕΔΙΑΣΜΟΙ
ΤΕΧΝΙΚΕΣ ΕΡΕΥΝΑΣ (# 252) Ε ΕΞΑΜΗΝΟ 9 η ΕΙΣΗΓΗΣΗ ΣΗΜΕΙΩΣΕΙΣ ΕΙΔΗ ΕΡΕΥΝΑΣ I: ΠΕΙΡΑΜΑΤΙΚΗ ΕΡΕΥΝΑ & ΠΕΙΡΑΜΑΤΙΚΟΙ ΣΧΕΔΙΑΣΜΟΙ ΛΙΓΗ ΘΕΩΡΙΑ Στην προηγούμενη διάλεξη μάθαμε ότι υπάρχουν διάφορες μορφές έρευνας
Διαβάστε περισσότεραΠροδιαγραφές Απαιτήσεων Επικύρωση Απαιτήσεων
Προδιαγραφές Απαιτήσεων Επικύρωση Απαιτήσεων περιεχόμενα παρουσίασης Προδιαγραφές Απαιτήσεων Έγγραφο Προδιαγραφών Απαιτήσεων λογισμικού (ΕΠΑΛ) Επικύρωση απαιτήσεων Ιχνηλάτηση απαιτήσεων προδιαγραφές απαιτήσεων
Διαβάστε περισσότεραΔομές Δεδομένων & Αλγόριθμοι
Θέματα Απόδοσης Αλγορίθμων 1 Η Ανάγκη για Δομές Δεδομένων Οι δομές δεδομένων οργανώνουν τα δεδομένα πιο αποδοτικά προγράμματα Πιο ισχυροί υπολογιστές πιο σύνθετες εφαρμογές Οι πιο σύνθετες εφαρμογές απαιτούν
Διαβάστε περισσότεραΗ αβεβαιότητα στη μέτρηση.
Η αβεβαιότητα στη μέτρηση. 1. Εισαγωγή. Κάθε μέτρηση, όσο προσεκτικά και αν έχει γίνει, περικλείει κάποια αβεβαιότητα. Η ανάλυση των σφαλμάτων είναι η μελέτη και ο υπολογισμός αυτής της αβεβαιότητας στη
Διαβάστε περισσότεραιδάσκων: ηµήτρης Ζεϊναλιπούρ
Κεφάλαιο 1.3-1.4: Εισαγωγή Στον Προγραµµατισµό ( ιάλεξη 2) ιδάσκων: ηµήτρης Ζεϊναλιπούρ Περιεχόµενα Εισαγωγικές Έννοιες - Ορισµοί Ο κύκλος ανάπτυξης προγράµµατος Παραδείγµατα Πότε χρησιµοποιούµε υπολογιστή?
Διαβάστε περισσότεραΠΕΡΙΕΧΟΜΕΝΑ. Κεφάλαιο 1: Κεφάλαιο 2: Κεφάλαιο 3:
4 Πρόλογος Η παρούσα διπλωµατική εργασία µε τίτλο «ιερεύνηση χωρικής κατανοµής µετεωρολογικών µεταβλητών. Εφαρµογή στον ελληνικό χώρο», ανατέθηκε από το ιεπιστηµονικό ιατµηµατικό Πρόγραµµα Μεταπτυχιακών
Διαβάστε περισσότεραΠΟΣΟΤΙΚΗ ΑΞΙΟΛΟΓΗΣΗ ΤΟΥ ΑΥΤΟΝΟΜΟΥ ΝΕΥΡΙΚΟΥ ΣΥΣΤΗΜΑΤΟΣ ΜΕΣΩ ΤΗΣ ΑΝΑΛΥΣΗΣ HEART RATE VARIABILITY
ΠΟΣΟΤΙΚΗ ΑΞΙΟΛΟΓΗΣΗ ΤΟΥ ΑΥΤΟΝΟΜΟΥ ΝΕΥΡΙΚΟΥ ΣΥΣΤΗΜΑΤΟΣ ΜΕΣΩ ΤΗΣ ΑΝΑΛΥΣΗΣ HEART RATE VARIABILITY Ποσοτική αξιολόγηση του Αυτόνομου Νευρικού Συστήματος μέσω της ανάλυσης Heart Rate Variability Το NervExpress
Διαβάστε περισσότεραΣχέδια μαθημάτων για την δημιουργία συναρτήσεων υπολογισμού του ΜΚΔ και του ΕΚΠ στην MSWLogo
Σχέδια μαθημάτων για την δημιουργία συναρτήσεων υπολογισμού του Μέγιστου Κοινού Διαιρέτη (ΜΚΔ) και του Ελάχιστου Κοινού Πολλαπλασίου (ΕΚΠ) δύο αριθμών, με την γλώσσα προγραμματισμού Logo Κογχυλάκης Σ.
Διαβάστε περισσότεραUse Cases: μια σύντομη εισαγωγή. Heavily based on UML & the UP by Arlow and Neustadt, Addison Wesley, 2002
Use Cases: μια σύντομη εισαγωγή Heavily based on UML & the UP by Arlow and Neustadt, Addison Wesley, 2002 (γενικές εισαγωγικές ιδέες) ΣΥΛΛΟΓΗ ΑΠΑΙΤΗΣΕΩΝ 2 Ανάλυση απαιτήσεων Λειτουργικές απαιτήσεις: τι
Διαβάστε περισσότεραΕντολή Δεδομένα Περιεχόμενα μετά την εκτέλεση 1 read(x) 122 x= 2 read(a,b,c) 133 244 355 a= b= c= 3 read(d,e) 166 277 3888
ΕΡΩΤΗΣΕΙΣ 1. Να αναφέρετε μερικά από τα ιδιαίτερα χαρακτηριστικά της Pascal. 2. Ποιο είναι το αλφάβητο της Pascal; 3. Ποια είναι τα ονόματα-ταυτότητες και σε τι χρησιμεύουν; 4. Σε τι χρησιμεύει το συντακτικό
Διαβάστε περισσότεραΣΧΕΔΙΟ ΔΙΔΑΣΚΑΛΙΑΣ ΕΞΙΣΩΣΗΣ 1 ΟΥ ΒΑΘΜΟΥ Α ΛΥΚΕΙΟΥ
Page1 ΣΧΕΔΙΟ ΔΙΔΑΣΚΑΛΙΑΣ ΕΞΙΣΩΣΗΣ 1 ΟΥ ΒΑΘΜΟΥ Α ΛΥΚΕΙΟΥ ΔΙΔΑΚΤΙΚΗ ΕΝΟΤΗΤΑ: 3.1 - Η 1 ΟΥ ΒΑΘΜΟΥ ΕΞΙΣΩΣΗ i. ΔΙΔΑΚΤΙΚΟΙ ΣΤΟΧΟΙ: 1. Να κατανοήσουν τον ρόλο της αλγεβρικής αναγωγής σε απλούστερες αλγεβρικές
Διαβάστε περισσότεραΑνάλυση ποιοτικών δεδομένων
Ανάλυση ποιοτικών δεδομένων Σύνοψη κεφαλαίου Σύνδεση θεωρίας και ανάλυσης Επεξεργασία ποιοτικών δεδομένων Δεοντολογία και ανάλυση ποιοτικών δεδομένων Αξιολογώντας την ποιότητα των ποιοτικών ερευνών Εισαγωγή
Διαβάστε περισσότεραΆρθρο στους Μιγαδικούς Αριθμούς. χρήση της στην εύρεση ακροτάτων.
Σελίδα από Άρθρο στους Μιγαδικούς Αριθμούς Η ανισότητα α β α ± β α + β με α, β C χρήση της στην εύρεση ακροτάτων. και η Μπάμπης Στεργίου Μαθηματικός, Ιούνιος 008 Α. Εισαγωγή Το κείμενο αυτό ξεκίνησε να
Διαβάστε περισσότεραΣυστήματα Γνώσης. Θεωρητικό Κομμάτι Μαθήματος Ενότητα 2: Βασικές Αρχές Αναπαράστασης Γνώσης και Συλλογιστικής
ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΙΚΑ ΜΑΘΗΜΑΤΑ Θεωρητικό Κομμάτι Μαθήματος Ενότητα 2: Βασικές Αρχές Αναπαράστασης Γνώσης και Συλλογιστικής Νίκος Βασιλειάδης, Αναπλ. Καθηγητής Άδειες
Διαβάστε περισσότεραΕργαλεία Έρευνας. Α. Αθανασόπουλος
Εργαλεία Έρευνας Α. Αθανασόπουλος Σχέδιο Εργασίας στην ΠΕ Η ανάπτυξη και υλοποίηση ενός σχεδίου εργασίας ακολουθεί σε γενικές γραμμές την εξής πορεία (ΔΕΠΠΣ ΠΕ): 1. Επιλογή του θέματος - Καθορισμός στόχων
Διαβάστε περισσότεραLOGO. Εξόρυξη Δεδομένων. Δειγματοληψία. Πίνακες συνάφειας. Καμπύλες ROC και AUC. Σύγκριση Μεθόδων Εξόρυξης
Εξόρυξη Δεδομένων Δειγματοληψία Πίνακες συνάφειας Καμπύλες ROC και AUC Σύγκριση Μεθόδων Εξόρυξης Πασχάλης Θρήσκος PhD Λάρισα 2016-2017 pthriskos@mnec.gr LOGO Συμπερισματολογία - Τι σημαίνει ; Πληθυσμός
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΠΑΤΡΩΝ - ΤΜΗΥΠ ΒΑΣΕΙΣ ΔΕΔΟΜΕΝΩΝ Ι
ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΑΤΡΩΝ - ΤΜΗΥΠ ΒΑΣΕΙΣ ΔΕΔΟΜΕΝΩΝ Ι Β. Μεγαλοοικονόμου, Δ. Χριστοδουλάκης Σχεδιασμός Βάσεων Δεδομένων και Κανονικοποίηση Ακ.Έτος 2008-09 (μεβάσητιςσημειώσειςτωνsilberchatz, Korth και Sudarshan
Διαβάστε περισσότεραΠροσοµοίωση Συστηµάτων µε VHDL. (Peter Ashenden, The Students Guide to VHDL)
Προσοµοίωση Συστηµάτων µε VHDL (Peter Ashenden, The Students Guide to VHDL) Κώδικας VHDL Περιβάλλον Σχεδίασης Αναλυτής ιαχειριστής Βιβλιοθήκης Σχεδίασης Προσοµοιωτής Αντίστροφος Αναλυτής Βιβλιοθήκη Σχεδίασης
Διαβάστε περισσότεραΑνάλυση προβλήματος. Κεφάλαιο 1
Ανάλυση προβλήματος Κεφάλαιο 1 Η έννοια πρόβλημα Με τον όρο πρόβλημα εννοείται μια κατάσταση η οποία χρήζει αντιμετώπισης, απαιτεί λύση, η δε λύση της δεν είναι γνωστή, ούτε προφανής Στάδια αντιμετώπισης
Διαβάστε περισσότεραΣύνοψη Προηγούµενου. Γλώσσες χωρίς Συµφραζόµενα (2) Ισοδυναµία CFG και PDA. Σε αυτό το µάθηµα. Αυτόµατα Στοίβας Pushdown Automata
Σύνοψη Προηγούµενου Γλώσσες χωρίς Συµφραζόµενα (2) Ορέστης Τελέλης telelis@unipi.gr Τµήµα Ψηφιακών Συστηµάτων, Πανεπιστήµιο Πειραιώς Αυτόµατα Στοίβας Pushdown utomata Ισοδυναµία µε τις Γλώσσες χωρίς Συµφραζόµενα:
Διαβάστε περισσότεραΠΛΗΡΟΦΟΡΙΚΗ ΣΤΟ ΕΝΙΑΙΟ ΛΥΚΕΙΟ
ΥΠΟΥΡΓΕΙΟ ΠΑΙ ΕΙΑΣ ΚΑΙ ΠΟΛΙΤΙΣΜΟΥ ΠΛΗΡΟΦΟΡΙΚΗ ΣΤΟ ΕΝΙΑΙΟ ΛΥΚΕΙΟ ΑΝΑΛΥΤΙΚΟ ΠΡΟΓΡΑΜΜΑ Μάθηµα Κατεύθυνσης Πληροφορική Επιστήµη Η.Υ. Γ Ενιαίου Λυκείου ΟΚΤΩΒΡΙΟΣ 2005 1 Αναλυτικό Πρόγραµµα Μάθηµα Κατεύθυνσης:
Διαβάστε περισσότεραΜαθηματική Λογική και Λογικός Προγραμματισμός
Τμήμα Μηχανικών Πληροφοριακών και Επικοινωνιακών Συστημάτων- Σημειώσεις έτους 2007-2008 Καθηγητής Γεώργιος Βούρος Μαθηματική Λογική και Λογικός Προγραμματισμός Τμήμα Μηχανικών Πληροφοριακών και Επικοινωνιακών
Διαβάστε περισσότεραVHDL Εισαγωγικές έννοιες
VHDL Εισαγωγικές έννοιες ρ. Κ. Καραφασούλης ckaraf@aegean.gr Σχεδίαση Αρχικά ψηφιακά κυκλώµατα µπορούν να σχεδιασθούν µε το κατάλληλο λογισµικό. Μεγαλύτερα κυκλώµατα µπορούν να σχεδιασθούν ιεραρχικά από
Διαβάστε περισσότεραΑναγνώριση Προτύπων Ι
Αναγνώριση Προτύπων Ι Ενότητα 1: Μέθοδοι Αναγνώρισης Προτύπων Αν. Καθηγητής Δερματάς Ευάγγελος Τμήμα Ηλεκτρολόγων Μηχανικών και Τεχνολογίας Υπολογιστών Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται
Διαβάστε περισσότεραΚεφάλαιο 6 Υλοποίηση Γλωσσών Προγραμματισμού
Κεφάλαιο 6 Υλοποίηση Γλωσσών Προγραμματισμού Προπτυχιακό μάθημα Αρχές Γλωσσών Προγραμματισμού Π. Ροντογιάννης 1 Μεταγλωττιστής Πρόγραμμα Διαβάζει προγράμματα δεδομένης γλώσσας (πηγαία γλώσσα) και τα μετατρέπει
Διαβάστε περισσότεραΚΥΠΡΙΑΚΗ ΕΤΑΙΡΕΙΑ ΠΛΗΡΟΦΟΡΙΚΗΣ CYPRUS COMPUTER SOCIETY ΠΑΓΚΥΠΡΙΟΣ ΜΑΘΗΤΙΚΟΣ ΔΙΑΓΩΝΙΣΜΟΣ ΠΛΗΡΟΦΟΡΙΚΗΣ 19/5/2007
Οδηγίες: Να απαντηθούν όλες οι ερωτήσεις. Αν κάπου κάνετε κάποιες υποθέσεις να αναφερθούν στη σχετική ερώτηση. Όλα τα αρχεία που αναφέρονται στα προβλήματα βρίσκονται στον ίδιο φάκελο με το εκτελέσιμο
Διαβάστε περισσότεραΟδηγίες Αγοράς Ηλεκτρονικού Βιβλίου Instructions for Buying an ebook
Οδηγίες Αγοράς Ηλεκτρονικού Βιβλίου Instructions for Buying an ebook Βήμα 1: Step 1: Βρείτε το βιβλίο που θα θέλατε να αγοράσετε και πατήστε Add to Cart, για να το προσθέσετε στο καλάθι σας. Αυτόματα θα
Διαβάστε περισσότεραFORTRAN και Αντικειμενοστραφής Προγραμματισμός
FORTRAN και Αντικειμενοστραφής Προγραμματισμός Παραδόσεις Μαθήματος 2016 Δρ Γ Παπαλάμπρου Επίκουρος Καθηγητής ΕΜΠ georgepapalambrou@lmentuagr Εργαστήριο Ναυτικής Μηχανολογίας (Κτίριο Λ) Σχολή Ναυπηγών
Διαβάστε περισσότεραChapter 5 Capturing Tacit Knowledge. Μάθημα 4: Απόκτηση της Γνώσης. Chapter 6 Other Knowledge Capture Techniques. Ορολογία
Μάθημα 4 Απόκτηση της Γνώσης Chapter 5 Capturing Tacit Knowledge Chapter 6 Other Knowledge Capture Techniques Ανάπτυξη Συστημάτων ιαχείρισης Γνώσης Πηγές Γνώσης Προγράμματα, βιβλία, άρθρα, ειδικοί Βάσεις
Διαβάστε περισσότερα2 Composition. Invertible Mappings
Arkansas Tech University MATH 4033: Elementary Modern Algebra Dr. Marcel B. Finan Composition. Invertible Mappings In this section we discuss two procedures for creating new mappings from old ones, namely,
Διαβάστε περισσότεραΓ ΚΠΣ ΕΠΕΑΕΚ ΙΙ ΜΕΤΡΟ 2.2, ΚΑΤΗΓΟΡΙΑ ΠΡΑΞΗΣ ια. ΕΡΓΟ: «ΠΕΡΙΒΑΛΛΟΝ - ΑΡΧΙΜΗΔΗΣ-Ενίσχυση ερευνητικών ομάδων του ΤΕΙ ΚΡΗΤΗΣ»
Γ ΚΠΣ ΕΠΕΑΕΚ ΙΙ ΜΕΤΡΟ 2.2, ΚΑΤΗΓΟΡΙΑ ΠΡΑΞΗΣ 2.6.1.ια ΕΡΓΟ: «ΠΕΡΙΒΑΛΛΟΝ - ΑΡΧΙΜΗΔΗΣ-Ενίσχυση ερευνητικών ομάδων του ΤΕΙ ΚΡΗΤΗΣ» ΥΠΟΕΡΓΟ 1: «Εφαρμογή του Περιβαλλοντικού Συστήματος Στήριξης Αποφάσεων Expert
Διαβάστε περισσότεραΣχεδιασμός και Διεξαγωγή Πειραμάτων
Σχεδιασμός και Διεξαγωγή Πειραμάτων Πρώτο στάδιο: λειτουργικοί ορισμοί της ανεξάρτητης και της εξαρτημένης μεταβλητής Επιλογή της ανεξάρτητης μεταβλητής Επιλέγουμε μια ανεξάρτητη μεταβλητή (ΑΜ), την οποία
Διαβάστε περισσότεραΔομές Δεδομένων. Ενότητα 1 - Εισαγωγή. Χρήστος Γκουμόπουλος. Πανεπιστήμιο Αιγαίου Τμήμα Μηχανικών Πληροφοριακών και Επικοινωνιακών Συστημάτων
Δομές Δεδομένων Ενότητα 1 - Εισαγωγή Χρήστος Γκουμόπουλος Πανεπιστήμιο Αιγαίου Τμήμα Μηχανικών Πληροφοριακών και Επικοινωνιακών Συστημάτων Αντικείμενο μαθήματος Δομές Δεδομένων (ΔΔ): Στην επιστήμη υπολογιστών
Διαβάστε περισσότεραΟλοκληρωμένο Ενεργειακό Λογισμικό 4Μ-ΚΕΝΑΚ (από τον κ. Χ. Χαραλαμπόπουλο, Δρ Ηλ/γο Μηχανικό ΕΜΠ, Συνιδρυτή και Στέλεχος της 4Μ Α.Ε.
Δημοσιεύτηκε στο περιοδικό ΤΕΧΝΙΚΑ, Τεύχος 258, Οκτώβριος 2009 Ολοκληρωμένο Ενεργειακό Λογισμικό 4Μ-ΚΕΝΑΚ (από τον κ. Χ. Χαραλαμπόπουλο, Δρ Ηλ/γο Μηχανικό ΕΜΠ, Συνιδρυτή και Στέλεχος της 4Μ Α.Ε.) 1. Εισαγωγή
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 περισσότεραΒασικές έννοιες. Χρησιμότητα Πιθανότητα Προσδοκώμενο κέρδος Δένδρα αποφάσεων Ανάλυση ευαισθησίας Πιθανότητα υπό όρους Μεταβλητές κατάστασης
Ανάλυση αποφάσεων Βασικές έννοιες Χρησιμότητα Πιθανότητα Προσδοκώμενο κέρδος Δένδρα αποφάσεων Ανάλυση ευαισθησίας Πιθανότητα υπό όρους Μεταβλητές κατάστασης Χρησιμότητα - Utility Επιτρέπει την σύγκριση
Διαβάστε περισσότεραΜοντέλα γλωσσικής επεξεργασίας: σύνταξη
Μοντέλα γλωσσικής επεξεργασίας: σύνταξη Μάθημα: Εισαγωγή στις επιστήμες λόγου και ακοής Ιωάννα Τάλλη, Ph.D. Σύνταξη Είναι ο τομέας της γλώσσας που μελετά τη δομή των προτάσεων, δηλαδή ποια είναι η σειρά
Διαβάστε περισσότεραΜάθημα: Δ3. Δίκτυα Γνώσης και Σημασιολογικός Ιστός. Διάλεξη 01 & 02. Δρ. Γεώργιος Χρ. Μακρής
ΔΙΑΤΜΗΜΑΤΙΚΟ ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ στα ΠΟΛΥΠΛΟΚΑ ΣΥΣΤΗΜΑΤΑ και ΔΙΚΤΥΑ Μάθημα: Δ3. Δίκτυα Γνώσης και Σημασιολογικός Ιστός Χειμερινό Εξάμηνο Σπουδών Διάλεξη 01 & 02 Δρ. Γεώργιος Χρ. Μακρής Αναπαράσταση
Διαβάστε περισσότεραΠρογραμματιστικά Εργαλεία και Τεχνολογίες για Επιστήμη Δεδομένων
Προγραμματιστικά Εργαλεία και Τεχνολογίες για Επιστήμη Δεδομένων Παράδοση 1/1/2019, Νίκος Παπασπύρου. Εργαστηριακή εξέταση, πρόβλημα bigpair Δίνονται δύο ακολουθίες a(1),..., a(n) και b(1),..., b(m), αποτελούμενες
Διαβάστε περισσότεραΠεριγραφή του εκπαιδευτικού/ μαθησιακού υλικού (Teaching plan)
On-the-fly feedback, Upper Secondary Περιγραφή του εκπαιδευτικού/ μαθησιακού υλικού (Teaching plan) Τάξη: Β Λυκείου Διάρκεια ενότητας Μάθημα: Φυσική Θέμα: Ταλαντώσεις (αριθμός Χ διάρκεια μαθήματος): 6X90
Διαβάστε περισσότεραΤΕΧΝΙΚΟ ΕΠΙΜΕΛΗΤΗΡΙΟ ΕΛΛΑΔΑΣ ΕΙΔΙΚΗ ΕΠΙΣΤΗΜΟΝΙΚΗ ΕΠΙΤΡΟΠΗ ΘΕΜΑΤΩΝ. Αίθουσα εκδηλώσεων ΤΕΕ Αθήνα, Τετάρτη 4 Απριλίου 2012
ΕΝΗΜΕΡΩΤΙΚΗ ΕΚΔΗΛΩΣΗ ΤΕΕ ΓΙΑ ΤΗ ΔΙΑΧΕΙΡΙΣΗ ΤΗΣ ΠΟΙΟΤΗΤΑΣ ΤΕΧΝΙΚΟ ΕΠΙΜΕΛΗΤΗΡΙΟ ΕΛΛΑΔΑΣ ΕΙΔΙΚΗ ΕΠΙΣΤΗΜΟΝΙΚΗ ΕΠΙΤΡΟΠΗ ΘΕΜΑΤΩΝ ΤΥΠΟΠΟΙΗΣΗΣ, ΠΙΣΤΟΠΟΙΗΣΗΣ ΚΑΙ ΔΙΑΧΕΙΡΙΣΗΣ ΠΟΙΟΤΗΤΑΣ EEΕ-ΤΠΔΠ Θέμα εισήγησης: «ΤοΤο
Διαβάστε περισσότεραΕθνικό Σύστηµα ιαπίστευσης Α.Ε. 761/2001 (EMAS)
ΚΑΤΕΥΘΥΝΤΗΡΙΑ Ο ΗΓΙΑ ΓΙΑ ΤΗ ΙΑΠΙΣΤΕΥΣΗ 1. ΦΟΡΕΩΝ ΠΙΣΤΟΠΟΙΗΣΗΣ ΣΥΣΤΗΜΑΤΩΝ ΠΕΡΙΒΑΛΛΟΝΤΙΚΗΣ ΙΑΧΕΙΡΙΣΗΣ ΚΑΤΑ ISO/IEC GUIDE 66 2. ΦΟΡΕΩΝ ΠΙΣΤΟΠΟΙΗΣΗΣ ΣΥΣΤΗΜΑΤΩΝ ΟΙΚΟΛΟΓΙΚΗΣ ΙΑΧΕΙΡΙΣΗΣ ΚΑΙ ΟΙΚΟΛΟΓΙΚΟΥ ΕΛΕΓΧΟΥ
Διαβάστε περισσότεραΜετάφραση και δικαιώματα διανοητικής ιδιοκτησίας (DGT/2013/TIPRs)
Μετάφραση και δικαιώματα διανοητικής ιδιοκτησίας (DGT/2013/TIPRs) Τελική έκθεση Ιούλιος 2014 ΣΥΝΟΨΗ Σκοπός της μελέτης αυτής είναι να παρουσιάσει ορισμένα από τα κυριότερα ζητήματα που αφορούν τα δικαιώματα
Διαβάστε περισσότεραΜεταγλωττιστές. Γιώργος Δημητρίου. Μάθημα 9 ο
Γιώργος Δημητρίου Μάθημα 9 ο Ενδιάμεσος Κώδικας Απεικόνιση ανάμεσα στον αρχικό και στον τελικό κώδικα Γραμμικές αναπαραστάσεις: Ενδιάμεσος κώδικας πλησιέστερα στον τελικό ευκολότερη παραγωγή τελικού κώδικα
Διαβάστε περισσότεραΚεφάλαιο 13. Αβεβαιότητα. Τεχνητή Νοηµοσύνη - Β' Έκδοση. Ι. Βλαχάβας, Π. Κεφαλάς, Ν. Βασιλειάδης, Φ. Κόκκορας, Η. Σακελλαρίου
Κεφάλαιο 13 Αβεβαιότητα Τεχνητή Νοηµοσύνη - Β' Έκδοση Ι. Βλαχάβας, Π. Κεφαλάς, Ν. Βασιλειάδης, Φ. Κόκκορας, Η. Σακελλαρίου Κυριότερες πηγές αβεβαιότητας: Αβέβαιη Γνώση Ανακριβή δεδοµένα (imprecise data).
Διαβάστε περισσότεραΜ.Π.Σ. «ΠΡΟΗΓΜΕΝΕΣ ΜΕΘΟΔΟΙ ΚΑΤΑΣΚΕΥΗΣ ΠΡΟΙΟΝΤΩΝ ΑΠΟ ΞΥΛΟ» Μάθημα: Σχεδίαση και Εφαρμογές Διαδραστικών Συστημάτων. Διδάσκοντας: Α.
Μ.Π.Σ. «ΠΡΟΗΓΜΕΝΕΣ ΜΕΘΟΔΟΙ ΚΑΤΑΣΚΕΥΗΣ ΠΡΟΙΟΝΤΩΝ ΑΠΟ ΞΥΛΟ» Μάθημα: Σχεδίαση και Εφαρμογές Διαδραστικών Συστημάτων Διδάσκοντας: Α. Καραγεώργος 24-05-2016 Επαναληπτικές Ερωτήσεις 1. Πότε τα έπιπλα καλούνται
Διαβάστε περισσότεραΤΕΧΝΟΓΛΩΣΣΙΑ VIII ΛΟΓΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ ΔΙΔΑΣΚΟΝΤΕΣ: ΜΑΪΣΤΡΟΣ ΓΙΑΝΗΣ, ΠΑΠΑΚΙΤΣΟΣ ΕΥΑΓΓΕΛΟΣ ΑΣΚΗΣΗ: ΔΙΟΡΘΩΣΗ ΕΚΦΡΑΣΕΩΝ (Β )
ΤΕΧΝΟΓΛΩΣΣΙΑ VIII ΛΟΓΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ ΔΙΔΑΣΚΟΝΤΕΣ: ΜΑΪΣΤΡΟΣ ΓΙΑΝΗΣ, ΠΑΠΑΚΙΤΣΟΣ ΕΥΑΓΓΕΛΟΣ ΑΣΚΗΣΗ: ΔΙΟΡΘΩΣΗ ΕΚΦΡΑΣΕΩΝ (Β ) ΣΚΟΠΟΣ Σκοπός της άσκησης είναι ο σχεδιασμός και η υλοποίηση συστήματος διόρθωσης
Διαβάστε περισσότερα