ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕΔΟΝΙΑΣ
|
|
- Ζακχαῖος Βλαστός
- 6 χρόνια πριν
- Προβολές:
Transcript
1 ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕΔΟΝΙΑΣ ΔΙΑΤΜΗΜΑΤΙΚΟ ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ ΣΤΑ ΠΛΗΡΟΦΟΡΙΑΚΑ ΣΥΣΤΗΜΑΤΑ ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ ΔΟΥΒΛΕΤΗΣ ΧΑΡΑΛΑΜΠΟΣ ΕΠΙΒΛΕΠΟΝΤΕΣ ΚΑΘΗΓΗΤΕΣ Μαργαρίτης Κωνσταντίνος Βακάλη Αθηνά Θεσσαλονίκη, Φεβρουάριος 2005
2 ΟΜΑΔΟΠΟΙΗΣΗ ΔΕΔΟΜΕΝΩΝ ΚΑΙ ΧΡΗΣΤΩΝ ΣΤΟ ΔΙΑΔΙΚΤΥΟ INTERNET DATA AND USERS CLUSTERING
3 ΔΟΜΗ ΠΑΡΟΥΣΙΑΣΗΣ ΕΙΣΑΓΩΓΗ Σκοπός Εργασίας Web Mining Web Usage Mining ΠΑΡΟΥΣΙΑΣΗ ΠΡΟΒΛΗΜΑΤΟΣ Ο Γράφος Web Μετρικές του Web MajorClust ΠΡΟΤΕΙΝΟΜΕΝΗ ΜΕΘΟΔΟΛΟΓΙΑ Προ-Επεξεργασία Προφίλ Χρηστών Γράφος του Web Site Ομαδοποίηση Σελίδων Ομαδοποίηση Χρηστών ΠΕΙΡΑΜΑΤΑ ΣΥΜΠΕΡΑΣΜΑΤΑ
4 ΕΙΣΑΓΩΓΗ
5 ΣΚΟΠΟΣ ΕΡΓΑΣΙΑΣ Μελέτη μεθόδων ομαδοποίησης δεδομένων και χρηστών του Διαδικτύου Μοντελοποίηση ενός Web Site με τη μορφή γράφου Χρήση μετρικών του Web στον γράφο και τη συμπεριφορά των χρηστών Εφαρμογή του αλγόριθμου ομαδοποίησης MajorClust Ομαδοποίηση σελίδων και χρηστών Προτείνεται ολοκληρωμένη μεθοδολογία ανάλυσης ομαδοποίησης σελίδων και χρηστών του Web
6 ΕΙΣΑΓΩΓΗ Web Mining Ορισμός Η εφαρμογή τεχνικών του τομέα της Εξόρυξης Δεδομένων ή άλλων τεχνικών επεξεργασίας δεδομένων με σκοπό την αυτοματοποιημένη εξερεύνηση και εξαγωγή ενδιαφερόντων και ενδεχομένως χρήσιμων προτύπων και έμμεσων πληροφοριών από έγγραφα, υπηρεσίες ή τη δραστηριότητα των χρηστών που εντοπίζεται στον χώρο του Παγκόσμιου Ιστού (WWW).
7 ΕΙΣΑΓΩΓΗ Web Mining ΚΑΤΗΓΟΡΙΕΣ Web Content Mining Ανακάλυψη νέων πληροφοριών και γνώσης από την ανάλυση του περιεχομένου εγγράφων και ιστοσελίδων στο Web. Web Structure Mining Εξόρυξη γνώσης από τη δομή των Web Sites και εντοπίζει τις συσχετίσεις που υπάρχουν μεταξύ των ιστοσελίδων του. Web Usage Mining Εστιάζει στη συμπεριφορά των χρηστών, στη μοντελοποίηση, την πρόβλεψη και τη διεπαφή τους με το Web Site ΕΦΑΡΜΟΓΕΣ Προσωποποίηση - Προφίλ Χρηστών Στατικά / Δυναμικά Προσωπικά Δεδομένα Βελτίωση Απόδοσης Συστήματος Load Balancing Data Distribution Network Monitoring Security (IDS) Web Caching and Prefetching Διαμόρφωση Web Site Business Intelligence Marketing CRM
8 ΕΙΣΑΓΩΓΗ Web Usage Mining Πηγή πληροφορίας : Web Logs Προεπεξεργασία Εκκαθάριση Web Logs Αναγνώριση Χρηστών Αναγνώριση Συνόδων / Συναλλαγών Συμπλήρωση Διαδρομών Πλοήγησης Αναγνώριση Προτύπων Statistical Analysis Association Rules Clustering Classification Sequential Patterns Dependency Modeling Ανάλυση Προτύπων
9 ΠΑΡΟΥΣΙΑΣΗ ΠΡΟΒΛΗΜΑΤΟΣ
10 Ο ΓΡΑΦΟΣ WEB ΙΔΙΟΤΗΤΕΣ Κατευθυνόμενος Κόμβοι = Σύνολο σελίδων Ακμές = Σύνολο συνδέσμων Ασαφές μεγάλο μέγεθος Μεταβάλλεται συνεχώς Αραιός Οι ιδιότητες του δεν εξαρτώνται από την κλίμακα ΕΦΑΡΜΟΓΕΣ Μηχανές Αναζήτησης Σκιαγράφηση τάσεων Αποτελεσματικότερη μετάδοση πληροφορίας (Web Communities) Targeted Marketing
11 ΜΕΤΡΙΚΕΣ ΤΟΥ WEB Graph Properties Centrality Global Local Web Page Significance Relevance Quality Web Page Search Effectiveness Comparison Web Page Similarity Content Link Usage Characterization Information Theoretic
12 MAJORCLUST Ιεραρχικός Συσσωρευτικός Αποκλειστικός Μη Βέλτιστος Edge Connectivity λ ( G) = min{ E': E' E και G' = V, E\ E' να μην είναι συνδεδεμένος γράφος} Weighted Partial Edge Connectivity ( ) k C Ci λi Λ = i= 1 Λ(C*) Λ* = max{λ(c) όταν το C είναι μια ανάλυση του G }
13 ΠΡΟΤΕΙΝΟΜΕΝΗ ΜΕΘΟΔΟΛΟΓΙΑ
14 Διάγραμμα Προτεινόμενης Μεθοδολογίας
15 ΠΡΟ-ΕΠΕΞΕΡΓΑΣΙΑ Αποτελέσματα Προ-Επεξεργασίας Εκκαθάριση Web Logs Εικόνες, Error Codes, κτλ Αναγνώριση Χρηστών IP Address Αναγνώριση Συνόδων Time Window MFR Εκκαθάριση Αποτελεσμάτων Παράμετροι Min Session Size = 3 Max Session Size = 100 Min User Size = 3 Αρχικά Δεδομένα Μετά την Εκκαθάριση Users Sessions Web Pages Page Views Users List User 0 User 1 User 2... User Μ-1 0 User Sessions s 0,0 s 0,1 s 0,L P-1 Web Pages List
16 ΠΡΟΦΙΛ ΧΡΗΣΤΩΝ Βάρη Επισκέψεων Χρηστών Δυαδική Το ίδιο βάρος σε όλες τις επισκέψεις Σειρά Επίσκεψης Μεγαλύτερο βάρος στις επισκέψεις αργότερα στην ακολουθία των μεταβάσεων Διάρκεια Επίσκεψης TF.IDF Βάρος ανάλογο της διάρκειας της επίσκεψης Επισκέψεις συνόδων ανάλογες των λεκτικών όρων σε σύνολο εγγράφων
17 ΠΡΟΦΙΛ ΧΡΗΣΤΩΝ Αναπαράσταση Users List User Sessions s 0,j Users List User Profiles User 0 s 0,0 User 0 u 0 User 1 s 0,1 User 1 u 1 User 2... s 0,Li-1 User u 2 User Μ-1 Mean Value User Μ-1 u M-1 u 0 Mean User Session or User Profile u 0 Προφίλ Χρήστη i = Σ(ΣυνόδωνΣυνόδων j) ) / Πλήθος Συνόδων L i
18 ΓΡΑΦΟΣ ΤΟΥ WEB SITE Οι σελίδες ορίζουν το σύνολο των κόμβων V Οι ακμές του γράφου Ε προκύπτουν από τις μεταβάσεις των χρηστών από σελίδα σε σελίδα (σύνοδοι χρηστών) Ο γράφος μοντελοποιεί την πλοήγηση των χρηστών στο Web Site
19 ΓΡΑΦΟΣ ΤΟΥ WEB SITE Web Pages List = (0, 1, 2, 3, 4, 5, 6, 7, 8, 9) s = ( ) 4)
20 ΓΡΑΦΟΣ ΤΟΥ WEB SITE Βάρη Ακμών Δεν μεταβάλλεται ο γράφος Δυαδική Διελεύσεις Χρηστών Διελεύσεις Συνδέσμων Μεταβάλλεται ο γράφος Bibliographic Coupling Co-Citation Citation Coupling Co-Occurrence Frequencies
21 ΓΡΑΦΟΣ ΤΟΥ WEB SITE Βάρη Κόμβων Δυαδική Διάρκεια Επισκέψεων (σύνολο Πλήθος Επισκέψεων RIC (Relative In Centrality) ROC (Relative Out Centrality) σύνολο χρηστών)
22 ΟΜΑΔΟΠΟΙΗΣΗ ΣΕΛΙΔΩΝ Μοντελοποίηση Web Site με γράφο Η ομαδοποίηση του γράφου εξαρτάται από: Συνόδους Πλοήγηση Χρηστών Μετρικές απόδοσης βαρών στις ακμές του γράφου Αλγόριθμο MajoCLust
23 ΟΜΑΔΟΠΟΙΗΣΗ ΣΕΛΙΔΩΝ Παράδειγμα νέου Majorclust Προσαρμογή MajorClust σε κατευθυνόμενους γράφους Τυχαία εξέταση κόμβων γράφου In Weights Sum (3) = 50 < 70 = Out Weights Sum (3)
24 ΟΜΑΔΟΠΟΙΗΣΗ ΧΡΗΣΤΩΝ Η ομαδοποίηση χρηστών βασίζεται στην ομαδοποίηση σελίδων Κάθε χρήστης ανατίθεται σε μία (αποκλειστική) ή περισσότερες (ασαφής) ομάδες σελίδων Για κάθε χρήστη υπολογίζεται το ποσοστό συμμετοχής του σε κάθε ομάδα σελίδων με βάση το προφίλ του και τον βαθμό σπουδαιότητας των σελίδων της ομάδας.
25 ΟΜΑΔΟΠΟΙΗΣΗ ΧΡΗΣΤΩΝ Ποσοστό Συμμετοχής MaxUserMatch ik, P 1 j= 0, i, j 0 = u P 1 = j= 0 vj ck, p UserMatch ik, v c u UserParticipation i, k V = το σύνολο των κόμβων / σελίδων του Web Site C = η ομαδοποίηση του γράφου του Web Site U = ο πίνακας των προφίλ των χρηστών v j = το βάρος σπουδαιότητας της σελίδας i c k,p =0 ή 1, συμμετοχή της σελίδας p στην ομάδα k u i,j =βάροςβάρος της σελίδας j στο προφίλ του χρήστη i i = 0 M-1, 0 οι χρήστες k = 0 K-1, 0 οι ομάδες σελίδων j = 0 P-1, 0 οι σελίδες του Web Site = j k, p i, j UserMatch MaxUserMatch i, k i, k
26 ΟΜΑΔΟΠΟΙΗΣΗ ΧΡΗΣΤΩΝ Παράδειγμα Ομαδοποίησης Παράδειγμα Ομαδοποίησης Χρηστών Ομάδες Σελίδων Χρήστες Α 1 (90%) Β C 1 (70%) 2 (80%) 3 (75%) 2 (90%) 3 (100%) Ομάδες Χρηστών Χρήστες Ομάδες Σελίδων Α 1 Α Β C Β C A Web Page Clusters B 90% 70% 80% 75% 90% 100% C Αντιστοίχιση Χρηστών Ομάδων Σελίδων Ομάδες Χρηστών Χρήστες Ομάδες Σελίδων Α 1 Α Β Ασαφής Ανάθεση Χρηστών Ø 2 3 Β C 1 2 Users 3 Αποκλειστική Ανάθεση Χρηστών
27 ΠΕΙΡΑΜΑΤΑ
28 ΠΕΙΡΑΜΑΤΑ Προ-επεξεργασία Ελάχιστο μέγεθος συνόδου 3 επισκέψεις Μέγιστο μέγεθος συνόδου 100 επισκέψεις Ελάχιστο μέγεθος χρήστη 3 σύνοδοι Session Timeout 30 MFR - Παράμετροι Εκκαθάρισης Δεδομένων Αρχικά Στοιχεία Τελικά Στοιχεία Ποσοστό Μεταβολής Users ,30% Sessions ,23% Web Pages ,61% Page Views ,94% Αποτελέσματα Προ-επεξεργασίας
29 ΠΕΙΡΑΜΑΤΑ Προ-επεξεργασία Κατανομή Μεγεθών Συνόδων Χρηστών
30 ΠΕΙΡΑΜΑΤΑ Ομαδοποίηση Σελίδων Μέθοδος Πλήθος Ακμών Πλήθος Κόμβων Κάτω Όριο Ανεξ. Γράφοι Ομάδες Σελίδων Μέσο Μέγεθος Ομάδας Μέγιστο Μέγεθος Ομάδας DB Index Λ Measure Δείκτης Ποιότητας Ομαδοποίησης Δυαδική , , , Διελεύσεις Χρηστών , , Διελεύσεις Συνδέσμων , , Bibliographic Coupling , , , Co-Citation Citation Coupling , , , Co- Occurrence Frequencies , , , , Αποτελέσματα Μεθόδων Ομαδοποίησης Σελίδων
31 ΠΕΙΡΑΜΑΤΑ Ομαδοποίηση Σελίδων Κατανομή μεγεθών ομάδων σελίδων
32 ΠΕΙΡΑΜΑΤΑ Ομαδοποίηση Σελίδων Μέθοδος 1 Co-Occurrence Frequencies Λ Measure x 1 / DB-Index 9, Δυαδική 1, Co-Citation Citation Coupling 4 Bibliographic Coupling Διελεύσεις Χρηστών Διελεύσεις Συνδέσμων Κατάταξη Περιπτώσεων Ομαδοποίησης Σελίδων
33 ΠΕΙΡΑΜΑΤΑ Ομαδοποίηση Σελίδων Ομαδοποίηση Σελίδων (Co-Occurrence Frequencies)
34 ΠΕΙΡΑΜΑΤΑ Ομαδοποίηση Χρηστών Απόδοση Βαρών Ακμών (Ομαδοποίηση Σελίδων) 1. Binary 2. Users Traverses 3. Links Traverses 4. Bibliographic Coupling 5. Co-citation Coupling 6. Co-occurrence occurrence Frequencies Προφίλ Χρηστών (Απόδοση Βαρών Επισκέψεων) 1. Binary 2. TF.IDF 3. View Time 4. Linear Order Κατάταξη Σπουδαιότητας Σελίδων 1. Binary 2. View Time 3. Hits Count 4. RIC 5. ROC 120 Περιπτώσεις Ομαδοποίησης Χρηστών
35 Μέγιστα Μεγέθη Ομάδων (αποκλειστική ΠΕΙΡΑΜΑΤΑ Ομαδοποίηση Χρηστών αποκλειστική ομαδοποίηση). Μέσα Μεγέθη Ομάδων (αποκλειστική ομαδοποίηση). Μέγιστα Μεγέθη Ομάδων (ασαφής ομαδοποίηση). Μέσα Μεγέθη Ομάδων (ασαφής ομαδοποίηση).
36 ΣΥΜΠΕΡΑΣΜΑΤΑ
37 ΣΥΜΠΕΡΑΣΜΑΤΑ Η ποιότητα των ομαδοποιήσεων σελίδων και χρηστών είναι ένα υποκειμενικό ζήτημα που αφορά το συγκεκριμένο περιβάλλον εφαρμογής. «Καλύτερη» ομαδοποίηση σελίδων προκύπτει από τη μετρική απόδοσης βαρών ακμών «Co- Occurrence Frequencies» (DB-Index, Λ Measure) «Καλύτερη» ομαδοποίηση χρηστών προκύπτει από τον συνδυασμό Co-Occurrence Frequencies - TF.IDF Ανάλογα με το πρόβλημα που μελετάται, επιλέγονται οι μέθοδοι με τα αντίστοιχα χαρακτηριστικά
38 ΕΡΩΤΗΣΕΙΣ?
39 ΕΥΧΑΡΙΣΤΩ!
ΔΙΑΤΜΗΜΑΤΙΚΟ ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ ΣΤΑ ΠΛΗΡΟΦΟΡΙΑΚΑ ΣΥΣΤΗΜΑΤΑ ΔΟΥΒΛΕΤΗΣ ΧΑΡΑΛΑΜΠΟΣ ΟΜΑΔΟΠΟΙΗΣΗ ΔΕΔΟΜΕΝΩΝ ΚΑΙ ΧΡΗΣΤΩΝ ΣΤΟ ΔΙΑΔΙΚΤΥΟ
ΔΙΑΤΜΗΜΑΤΙΚΟ ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ ΣΤΑ ΠΛΗΡΟΦΟΡΙΑΚΑ ΣΥΣΤΗΜΑΤΑ ΔΙΠΛΩΜΑΤΙΚΗ ΕΡΓΑΣΙΑ ΔΟΥΒΛΕΤΗΣ ΧΑΡΑΛΑΜΠΟΣ ΤΙΤΛΟΣ: ΟΜΑΔΟΠΟΙΗΣΗ ΔΕΔΟΜΕΝΩΝ ΚΑΙ ΧΡΗΣΤΩΝ ΣΤΟ ΔΙΑΔΙΚΤΥΟ INTERNET DATA AND USERS CLUSTERING
Διαβάστε περισσότεραΤεχνικές Εξόρυξης Δεδομένων
ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕΔΟΝΙΑΣ Διατμηματικό Μεταπτυχιακό Πρόγραμμα στα Πληροφοριακά Συστήματα ( MIS ) Τεχνικές Εξόρυξης Δεδομένων για την βελτίωση της απόδοσης σε Κατανεμημένα Συστήματα Ζάχος Δημήτριος Επιβλέποντες:
Διαβάστε περισσότεραΑνάκληση Πληποφοπίαρ. Διδάζκων Δημήηριος Καηζαρός
Ανάκληση Πληποφοπίαρ Διδάζκων Δημήηριος Καηζαρός Διάλεξη 18η: 17/05/2017 1 Η μέθοδος BrowseRank 2 Εισαγωγή Η page importance, που αναπαριστά την αξία μιας σελίδας του Web, είναι παράγων-κλειδί για την
Διαβάστε περισσότεραWeb Mining. Χριστίνα Αραβαντινού Ιούνιος 2014
Web Mining Χριστίνα Αραβαντινού aravantino@ceid.upatras.gr Ιούνιος 2014 1 / 34 Χριστίνα Αραβαντινού Web Mining Περιεχόµενα 1 2 3 4 5 6 2 / 34 Χριστίνα Αραβαντινού Web Mining Το Web Mining στοχεύει στην
Διαβάστε περισσότεραΜελέτη του αλγορίθμου ομαδοποίησης k-means σε δεδομένα του παγκόσμιου ιστού
Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης Τμήμα Πληροφορικής Μελέτη του αλγορίθμου ομαδοποίησης k-means σε δεδομένα του παγκόσμιου ιστού Διπλωματική εργασία της Ακακιάδου Γεωργίας Επιβλέπων : Παπαδημητρίου
Διαβάστε περισσότεραΔΙΑΧΕΙΡΙΣΗ ΠΕΡΙΕΧΟΜΕΝΟΥ ΠΑΓΚΟΣΜΙΟΥ ΙΣΤΟΥ ΚΑΙ ΓΛΩΣΣΙΚΑ ΕΡΓΑΛΕΙΑ. Data Mining - Classification
ΔΙΑΧΕΙΡΙΣΗ ΠΕΡΙΕΧΟΜΕΝΟΥ ΠΑΓΚΟΣΜΙΟΥ ΙΣΤΟΥ ΚΑΙ ΓΛΩΣΣΙΚΑ ΕΡΓΑΛΕΙΑ Data Mining - Classification Data Mining Ανακάλυψη προτύπων σε μεγάλο όγκο δεδομένων. Σαν πεδίο περιλαμβάνει κλάσεις εργασιών: Anomaly Detection:
Διαβάστε περισσότεραΚοινωνικά Δίκτυα Αναζήτηση Πληροφοριών σε Δίκτυα
Κοινωνικά Δίκτυα Αναζήτηση Πληροφοριών σε Δίκτυα Ν. Μ. Σγούρος Τμήμα Ψηφιακών Συστημάτων, Παν. Πειραιώς sgouros@unipi.gr Δομή του WWW Ορισμός Προβλήματος Υποθέτουμε ότι οι πηγές πληροφοριών αναπριστώνται
Διαβάστε περισσότεραΣυστήματα Ανάκτησης Πληροφοριών ΗΥ-463
ΤΜΗΜΑ ΕΠΙΣΤΗΜΗΣ ΥΠΟΛΟΓΙΣΤΩΝ COMPUTER SCIENCE DEPARTMENT UNIVERSITY OF CRETE Συστήματα Ανάκτησης Πληροφοριών ΗΥ-463 4 η Σειρά Ασκήσεων Ψαράκη Μαρία-Γεωργία ΜΕΤ 556 psaraki@csd.uoc.gr Εαρινό Εξάμηνο 2008-2009
Διαβάστε περισσότεραΑνακάλυψη κανόνων συσχέτισης από εκπαιδευτικά δεδομένα
6ο Πανελλήνιο Συνέδριο των Εκπαιδευτικών για τις ΤΠΕ «Αξιοποίηση των Τεχνολογιών της Πληροφορίας και της Επικοινωνίας στη Διδακτική Πράξη» Σύρος 6-8 Μαϊου 2011 Ανακάλυψη κανόνων συσχέτισης από εκπαιδευτικά
Διαβάστε περισσότεραΑΝΑΓΝΩΡΙΣΗ ΚΟΙΝΟΤΗΤΩΝ ΚΑΙ ΣΥΣΤΑΣΗ ΠΛΗΡΟΦΟΡΙΑΣ ΜΕ ΤΗΝ ΧΡΗΣΗ ΣΥΝΘΕΤΙΚΩΝ ΣΥΝΤΕΤΑΓΜΕΝΩΝ
ΑΝΑΓΝΩΡΙΣΗ ΚΟΙΝΟΤΗΤΩΝ ΚΑΙ ΣΥΣΤΑΣΗ ΠΛΗΡΟΦΟΡΙΑΣ ΜΕ ΤΗΝ ΧΡΗΣΗ ΣΥΝΘΕΤΙΚΩΝ ΣΥΝΤΕΤΑΓΜΕΝΩΝ Παπαδάκης Χαράλαμπος 1, Παναγιωτάκης Κώστας 2, Παρασκευή Φραγκοπούλου 1 1 Τμήμα Μηχ/κών Πληροφορικής, ΤΕΙ Κρήτης 2 Τμήμα
Διαβάστε περισσότεραΕφαρμογή Ηλεκτρονικής Διαχείρισης Μετεγγραφών
Εφαρμογή Ηλεκτρονικής Διαχείρισης Μετεγγραφών Παραδοτέο: Αναφορά Συντήρησης και Λειτουργίας της Εφαρμογής Ανάλυση αρχείων κίνησης δικτυακού τόπου submit-meteggrafes.minedu.gov.gr Σύνοψη H αναφορά αυτή
Διαβάστε περισσότεραΕξατομίκευση (Personalization) Τεχνολογίες & Υπηρεσίες (ΙΙ)
Εξατομίκευση (Personalization) Τεχνολογίες & Υπηρεσίες (ΙΙ) Δρ. Δημήτριος Α. Κουτσομητρόπουλος Τμήμα Επιχειρηματικού Σχεδιασμού και Πληροφοριακών Συστημάτων Α.Τ.Ε.Ι. Πάτρας 2012-2013 Δομή Μαθήματος Τι
Διαβάστε περισσότεραΔΕΙΓΜΑΤΟΛΗΨΙΑ ΧΡΟΝΟΣΗΜΑΣΜΕΝΩΝ, ΑΚΟΛΟΥΘΙΑΚΩΝ, ΣΥΝΘΕΤΩΝ ΤΥΠΩΝ ΔΕΔΟΜΕΝΩΝ
ΔΕΙΓΜΑΤΟΛΗΨΙΑ ΧΡΟΝΟΣΗΜΑΣΜΕΝΩΝ, ΑΚΟΛΟΥΘΙΑΚΩΝ, ΣΥΝΘΕΤΩΝ ΤΥΠΩΝ ΔΕΔΟΜΕΝΩΝ Δομή παρουσίασης Εισαγωγή Βασικές Έννοιες Σχετικές μελέτες Εφαρμογή Δεδομένων Συμπεράσματα Εισαγωγή Μελέτη και προσαρμογή των διάφορων
Διαβάστε περισσότεραΠροτεινόμενες Διπλωματικές Εργασίες 2009
Προτεινόμενες Διπλωματικές Εργασίες 2009 Αλγοριθμικές Διαδικασίες για Smart Energy Profiling μέσω Διαδικτύου με βάση τηλεμετρικά δίκτυα AMR και προχωρημένων αλγορίθμων Διαχείρισης Ενεργειακής Γνώσης Η
Διαβάστε περισσότερα«Αναζήτηση Γνώσης σε Νοσοκομειακά Δεδομένα»
ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕΔΟΝΙΑΣ Μεταπτυχιακό Πρόγραμμα Σπουδών M.I.S. «Αναζήτηση Γνώσης σε Νοσοκομειακά Δεδομένα» Μεταπτυχιακός Φοιτητής: Επιβλέπων Καθηγητής: Εξεταστής Καθηγητής: Τορτοπίδης Γεώργιος Μηχανικός
Διαβάστε περισσότεραData Mining: Στοχεύοντας στους σωστούς πελάτες. Αριστομένης Μακρής
Data Mining: Στοχεύοντας στους σωστούς πελάτες To CRM front-office πελατών Οι Προμηθευτές Οι Πελάτες ΟΟργανισμός Τροφοδότηση ενεργειών Μάρκετινγκ ΒΙ Απόταδεδομέναστηγνώση Επιχειρηματική Γνώση Επιχειρηματικοί
Διαβάστε περισσότεραNetwork Science. Θεωρεία Γραφηµάτων (2)
Network Science Θεωρεία Γραφηµάτων () Section.8 PATHOLOGY Διαδρομές Μια διαδρομή είναι μια σειρά κόμβων όπου κάθε κόμβος είναι δίπλα στην επόμενη P i0,in μήκους n μεταξύ των κόμβων i 0 και i n είναι μια
Διαβάστε περισσότεραΑνάκληση Πληποφοπίαρ. Διδάζκων Δημήηριος Καηζαρός
Ανάκληση Πληποφοπίαρ Διδάζκων Δημήηριος Καηζαρός Διάλεξη 17η: 23/05/2016 1 Spamming PageRank 2 (Link Spam Farms) Spamming: Παξαπιάλεζε ησλ κεραλώλ αλαδήηεζεο γηα λα απνθηεζεί πςειόηεξε δηάηαμε (ranking)
Διαβάστε περισσότεραΟ αλγόριθμος PageRank της Google
Ο αλγόριθμος PageRank της Google 1 Η μηχανή αναζήτησης Google Το Google ξεκίνησε σαν μια κολεγιακή εργασία από τον Larry Page και τον Sergey Brin το 1996 με σκοπό την κατασκευή μιας μηχανής αναζήτησης
Διαβάστε περισσότεραΕξόρυξη Γνώσης µε SQL Server 2005 Analysis Services
Εξόρυξη Γνώσης µε SQL Server 2005 Analysis Services Γεράσιµος Μαρκέτος Οµάδα ιαχείρισης εδοµένων, Τµήµα Πληροφορικής, Πανεπιστήµιο Πειραιώς (http://isl.cs.unipi.gr/db) οµή παρουσίασης SQL Server 2005 Επιχειρηµατική
Διαβάστε περισσότεραΜία αξιωματική προσέγγιση για τη διαφοροποίηση των αποτελεσμάτων
Μία αξιωματική προσέγγιση για τη διαφοροποίηση των αποτελεσμάτων ΜΑΘΗΜΑ Ανάκτηση Πληροφορίας Παππάς Χρήστος Ιωάννινα, Ιανουάριος 2010 Διάρθρωση Εισαγωγή Πρόβλημα Σημαντικότητα Ενδιαφέροντα θέματα Τεχνικό
Διαβάστε περισσότεραResearch Community Dashboard
Research Community Dashboard Αργυρώ Κοκογιαννάκη Ερευνητικό κέντρο Αθηνά Ανοικτή Επιστήμη 29-30 Νοε 2018 Research Community Dashboard Ένα υποσύνολο των δεδομένων του OpenAIRE που σχετίζονται με συγκεκριμένη
Διαβάστε περισσότεραΠροσαρμοζόμενα. μενα και Εξατομικευμένα Επικοινωνιακά Περιβάλλοντα. Κων/νος Μουρλάς Επίκουρος Καθηγητής Τμήμα Επικοινωνίας & ΜΜΕ
Προσαρμοζόμενα μενα και Εξατομικευμένα Επικοινωνιακά Περιβάλλοντα Κων/νος Μουρλάς Επίκουρος Καθηγητής Τμήμα Επικοινωνίας & ΜΜΕ Η Προσαρμογή και η Εξατομίκευση Συστημάτων Ορισμός του Προβλήματος Βασικοί
Διαβάστε περισσότεραΣύστημα Κεντρικής Υποστήριξης της Πρακτικής Άσκησης Φοιτητών ΑΕΙ
Σύστημα Κεντρικής Υποστήριξης της Πρακτικής Άσκησης Φοιτητών ΑΕΙ Παραδοτέο: Δημοσιότητα Ανάλυση Αρχείων Κίνησης Διαδικτυακής Πύλης atlas.grnet.gr Σελίδα 1 από 163 Διαδικτυακής Πύλης atlas.grnet.gr» Σύνοψη
Διαβάστε περισσότεραΑνάκτηση Πληροφορίας (Information Retrieval IR) ιδακτικό βοήθηµα 2. Πανεπιστήµιο Θεσσαλίας Πολυτεχνική Σχολή Τµήµα Μηχ. Η/Υ, Τηλ/νιών & ικτύων
Ανάκτηση Πληροφορίας (Information Retrieval IR) Πανεπιστήµιο Θεσσαλίας Πολυτεχνική Σχολή Τµήµα Μηχ. Η/Υ, Τηλ/νιών & ικτύων Ακαδηµαϊκό Έτος 2005-2006 ιδακτικό βοήθηµα 1 Καλύπτει το 60% του 510 σελίδες 1η
Διαβάστε περισσότεραΕνημέρωση για την προστασία προσωπικών δεδομένων Δήλωσης Προστασίας Προσωπικών Δεδομένων και Χρήσεως Cookies
Ενημέρωση για την προστασία προσωπικών δεδομένων Δήλωσης Προστασίας Προσωπικών Δεδομένων και Χρήσεως Cookies http:// www.thomopoulos-spirits.gr Σας ευχαριστούμε που επισκέπτεστε τον διαδικτυακό τόπο http://www.thomopoulos-spirits.gr
Διαβάστε περισσότεραΑνάκτηση Πληροφορίας (Information Retrieval IR)
Ανάκτηση Πληροφορίας (Information Retrieval IR) Πανεπιστήµιο Θεσσαλίας Πολυτεχνική Σχολή Τµήµα Μηχ. Η/Υ, Τηλ/νιών & ικτύων Ακαδηµαϊκό Έτος 2005-2006 ιδακτικό βοήθηµα 1 Καλύπτει το 60% του αντικειµένου
Διαβάστε περισσότεραΠαρακολούθηση και βελτιστοποίηση της επισκεψιμότητας ενός δικτυακού τόπου
Παρακολούθηση και βελτιστοποίηση της επισκεψιμότητας ενός δικτυακού τόπου Η περίπτωση του Σωμαράς Χρήστος Προγραμματιστής - Μηχανικός Μια φορά και έναν καιρό.. ήταν το Internet Marketing Digital Marketing,
Διαβάστε περισσότεραΜοντελοποίηση της πλοήγησης των χρηστών στον Παγκόσµιο Ιστό µε χρήση. Κορφιάτης Γιώργος ιπλωµατική Εργασία
Μοντελοποίηση της πλοήγησης των χρηστών στον Παγκόσµιο Ιστό µε χρήση µεθόδων Συµπερασµού Γραµµατικών Κορφιάτης Γιώργος ιπλωµατική Εργασία Αντικείµενο Κατασκευή µοντέλου ικανού να περιγράψει την πλοήγηση
Διαβάστε περισσότεραΣύστημα Κεντρικής Υποστήριξης της Πρακτικής Άσκησης Φοιτητών Α.Ε.Ι.
Σύστημα Κεντρικής Υποστήριξης της Πρακτικής Άσκησης Φοιτητών Α.Ε.Ι. Παραδοτέο: Δημοσιότητα Ανάλυση Αρχείων Κίνησης Πληροφοριακού Κόμβου submit-atlas.grnet.gr Σελίδα 1 από 164 Σελίδα 2 από 164 Σύνοψη H
Διαβάστε περισσότεραΠΕΡΙΕΧΟΜΕΝΑ. 1. Εισαγωγή Συνεχής ποσοτική εξαρτημένη μεταβλητή...66 Ενδεικτική εφαρμογή...68 ΛΙΓΑ ΛΟΓΙΑ ΓΙΑ ΤΟΥΣ ΣΥΓΓΡΑΦΕΙΣ...
ΠΕΡΙΕΧΟΜΕΝΑ ΛΙΓΑ ΛΟΓΙΑ ΓΙΑ ΤΟΥΣ ΣΥΓΓΡΑΦΕΙΣ...................................... 11 ΠΡΟΛΟΓΟΣ..........................................................15 1. ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΕΠΙΧΕΙΡΗΣΙΑΚΗ ΑΝΑΛΥΤΙΚΗ, ΣΤΑ ΠΟΣΟΤΙΚΑ
Διαβάστε περισσότεραΤΕΙ ΚΕΝΤΡΙΚΗΣ ΜΑΚΕΔΟΝΙΑΣ
ΤΕΙ ΚΕΝΤΡΙΚΗΣ ΜΑΚΕΔΟΝΙΑΣ Τμήμα Διοίκησης Συστημάτων Εφοδιασμού Μάθημα: Εισαγωγή στην Εφοδιαστική (Εργαστήριο) Ανάλυση του άρθρου με τίτλο: «Intelligent Decision Support Systems» των Stephanie Guerlain,
Διαβάστε περισσότεραΗ ΕΠΑΝΑΣΤΑΣΗ ΤΟΥ ΚΡΙΟΥ
Βασίλης Γ. Αγγέλης Δρ. Μηχανικός Η/Υ και Πληροφορικής Η ΕΠΑΝΑΣΤΑΣΗ ΤΟΥ ΚΡΙΟΥ Μετατρέψτε τα δεδομένα σας σε κέρδος Αθήνα Κάθε γνήσιο αντίγραφο έχει την υπογραφή του συγγραφέα Έκδοση 1 η, Copyright 2007
Διαβάστε περισσότεραΕΞΟΡΥΞΗ ΔΕΔΟΜΕΝΩΝ. Διαδικαστικά
ΕΞΟΡΥΞΗ ΔΕΔΟΜΕΝΩΝ Διαδικαστικά Συστάσεις Ι Ποιός είμαι εγώ: Email: tsap@cs.uoi.gr Γραφείο: Β.3 Προτιμώμενες ώρες γραφείου: 11:00-18:00 Ενδιαφέροντα Web mining, Social networks, User Generated Content Mobile
Διαβάστε περισσότεραΔιαχείριση Ψηφιακού Περιεχομένου στο Επιχειρησιακό Περιβάλλον
Διαχείριση Ψηφιακού Περιεχομένου στο Επιχειρησιακό Περιβάλλον Κωνσταντίνος Σπυρόπουλος Διευθυντής Ινστιτούτου Πληροφορικής & Τηλεπικοινωνιών ΕΚΕΦΕ Δημόκριτος Βελτίωση της Αποτελεσματικότητας Επιχειρήσεων/Οργανισμών,
Διαβάστε περισσότεραΑνάλυση σχημάτων βασισμένη σε μεθόδους αναζήτησης ομοιότητας υποακολουθιών (C589)
Ανάλυση σχημάτων βασισμένη σε μεθόδους αναζήτησης ομοιότητας υποακολουθιών (C589) Μεγαλοοικονόμου Βασίλειος Τμήμα Μηχ. Η/ΥκαιΠληροφορικής Επιστημονικός Υπεύθυνος Στόχος Προτεινόμενου Έργου Ανάπτυξη μεθόδων
Διαβάστε περισσότεραΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥ ΩΝ
ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΣΧΟΛΗ ΘΕΤΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥ ΩΝ ΚΑΤΕΥΘΥΝΣΗ ΠΛΗΡΟΦΟΡΙΑΚΩΝ ΣΥΣΤΗΜΑΤΩΝ ΙΠΛΩΜΑΤΙΚΗ ΕΡΓΑΣΙΑ «Τεχνικές εξόρυξης σε θεµατικά οργανωµένο
Διαβάστε περισσότεραΠοιοτικοί Δείκτες Υπηρεσιών Βιβλιοθηκών και Διαχείριση Πόρων: Μεθοδολογίες Ανάλυσης και στρατηγικός σχεδιασμός.
15 ο Πανελλήνιο Συνέδριο Ακαδημαϊκών Βιβλιοθηκών (Πάτρα: 1-3 Νοεμβρίου 2006) Ποιοτικοί Δείκτες Υπηρεσιών Βιβλιοθηκών και Διαχείριση Πόρων: Μεθοδολογίες Ανάλυσης και στρατηγικός σχεδιασμός. Αριστείδης Μελετίου
Διαβάστε περισσότεραUser Behavior Analysis for a Large2scale Search Engine
25 2 2006 4 Vol. 25 2 April 2006 1) 1 2 1 (1. 100871 ; 2. 730000) : URL Heaps URL Zipf URL URL User Behavior Analysis for a Large2scale Search Engine Wang Jimin 1 2 and Peng Bo 1 (1. School of Electronics
Διαβάστε περισσότεραΔιπλωματική Εργασία: «Συγκριτική Μελέτη Μηχανισμών Εκτίμησης Ελλιπούς Πληροφορίας σε Ασύρματα Δίκτυα Αισθητήρων»
Τμήμα Πληροφορικής και Τηλεπικοινωνιών Πρόγραμμα Μεταπτυχιακών Σπουδών Διπλωματική Εργασία: «Συγκριτική Μελέτη Μηχανισμών Εκτίμησης Ελλιπούς Πληροφορίας σε Ασύρματα Δίκτυα Αισθητήρων» Αργυροπούλου Αιμιλία
Διαβάστε περισσότεραΣυστήματα Πολυμέσων. Υπερκείμενα & Υπερμέσα A
Συστήματα Πολυμέσων Υπερκείμενα & Υπερμέσα A Συστήματα υπερκειμένων υπερμέσων (διαχείρισης πολυμεσικής πληροφορίας) αυτόνομα ή κατανεμημένα, διαχειρίζονται, αλληλεπιδραστικά (δευτέρου βαθμού), ένα τεράστιο
Διαβάστε περισσότεραΦύλλο Κατανόησης 1.8
Σχολικό Έτος : 2012-2013 Τάξη : B Τομέας : Πληροφορικής Μάθημα : ΔΙΚΤΥΑ ΥΠΟΛΟΓΙΣΤΩΝ Ι - Θεωρία Διδάσκων : Χρήστος Ρέτσας Η-τάξη : tiny.cc/retsas-diktya1 Φύλλο Κατανόησης 1.8 1.8. Το μοντέλο OSI Ερωτήσεις
Διαβάστε περισσότεραDEIM Forum 2012 D2-1 606 8501 150 0002 2-15-1 28F E-mail: {tsukuda,ohshima,tanaka}@dl.kuis.kyoto-u.ac.jp, {miyamamoto,hiwasaki}@d-itlab.co.jp 1 Wikipedia Wikipedia HITS 1. Web Web Web 1 3 Wikipedia 2 Web
Διαβάστε περισσότεραΠΑΡΟΥΣΙΑΣΗ ΠΤΥΧΙΑΚΗΣ ΕΡΓΑΣΙΑΣ ΒΕΛΤΙΣΤΟΠΟΙΗΣΗ ΙΣΤΟΣΕΛΙΔΩΝ ΓΙΑ ΤΙΣ ΜΗΧΑΝΕΣ ΑΝΑΖΗΤΗΣΗΣ, ΠΟΙΟΤΙΚΗ ΕΡΕΥΝΑ ΣΕ ΕΙΔΙΚΟΥΣ SEO
Βαμβακάς Χρήστος Τασούλης Κωνσταντίνος ΠΑΡΟΥΣΙΑΣΗ ΠΤΥΧΙΑΚΗΣ ΕΡΓΑΣΙΑΣ ΒΕΛΤΙΣΤΟΠΟΙΗΣΗ ΙΣΤΟΣΕΛΙΔΩΝ ΓΙΑ ΤΙΣ ΜΗΧΑΝΕΣ ΑΝΑΖΗΤΗΣΗΣ, ΠΟΙΟΤΙΚΗ ΕΡΕΥΝΑ ΣΕ ΕΙΔΙΚΟΥΣ SEO INTERNET MARKETING Βασικότεροι τύποι: Social
Διαβάστε περισσότεραΕκλογή Καθηγητή στο Τμήμα Αρχειονομίας, Βιβλιοθηκονομίας και Μουσειολογίας, στο γνωστικό αντικείμενο «Πληροφοριακά Συστήματα Βιβλιοθηκών και Αρχείων».
Εκλογή Καθηγητή στο Τμήμα Αρχειονομίας, Βιβλιοθηκονομίας και Μουσειολογίας, στο γνωστικό αντικείμενο «Πληροφοριακά Συστήματα Βιβλιοθηκών και Αρχείων». Με την υπ αριθμ. υπ αριθμ. ΣΕΠΠ/1671/9-5-2014 Πράξη
Διαβάστε περισσότεραΑνάκτηση Πληροφορίας
Ιόνιο Πανεπιστήμιο Τμήμα Πληροφορικής Ανάκτηση Πληροφορίας Διδάσκων: Φοίβος Μυλωνάς fmylonas@ionio.gr Διάλεξη #02 Ιστορική αναδρομή Σχετικές επιστημονικές περιοχές 1 Άδεια χρήσης Το παρόν εκπαιδευτικό
Διαβάστε περισσότεραΚΕΦΑΛΑΙΟ 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 περισσότεραΤι προσφέρουν τα Τµήµατα Πληροφορικής. ... το Εργαστήριο Πληροφοριακών Συστηµάτων του Πα.Πει. Ερευνητικές δραστηριότητες σε GI Ενδεικτικές εργασίες
ΗΓεωπληροφορικήστα Τµήµατα Πληροφορικής Γιάννης Θεοδωρίδης Τµήµα Πληροφορικής Πανεπιστήµιο Πειραιά Περιεχόµενα... Τι προσφέρουν τα Τµήµατα Πληροφορικής το Τµήµα Πληροφορικής του Παν/µίου Πειραιά... το
Διαβάστε περισσότεραΑνάκληση Πληροφορίας. Διδάσκων Δημήτριος Κατσαρός
Ανάκληση Πληροφορίας Διδάσκων Δημήτριος Κατσαρός Διάλεξη 13η: 28/04/2014 1 Παράμετροι του μοντέλου PageRank 2 Ηπαράμετροςα(1/2) Η παράμετρος αυτή ελέγχει στην ουσία την προτεραιότητα που δίνεται στη δομή
Διαβάστε περισσότεραΔΠΜΣ: ΕΦΑΡΜΟΣΜΕΝΕΣ ΜΑΘΗΜΑΤΙΚΕΣ ΕΠΙΣΤΗΜΕΣ ΡΟΗ: ΣΤΑΤΙΣΤΙΚΗ-ΠΙΘΑΝΟΤΗΤΕΣ ΜΑΘΗΜΑ: ΑΛΓΟΡΙΘΜΟΙ ΕΞΟΡΥΞΗΣ ΠΛΗΡΟΦΟΡΙΑΣ ΤΕΛΙΚΗ ΕΡΓΑΣΙΑ ΔΗΜΗΤΡΑ ΤΑΤΣΙΟΥ
ΔΠΜΣ: ΕΦΑΡΜΟΣΜΕΝΕΣ ΜΑΘΗΜΑΤΙΚΕΣ ΕΠΙΣΤΗΜΕΣ ΡΟΗ: ΣΤΑΤΙΣΤΙΚΗ-ΠΙΘΑΝΟΤΗΤΕΣ ΜΑΘΗΜΑ: ΑΛΓΟΡΙΘΜΟΙ ΕΞΟΡΥΞΗΣ ΠΛΗΡΟΦΟΡΙΑΣ ΤΕΛΙΚΗ ΕΡΓΑΣΙΑ ΔΗΜΗΤΡΑ ΤΑΤΣΙΟΥ ΠΡΟΕΠΙΣΚΟΠΗΣΗ ΚΑΙ ΕΞΕΡΕΥΝΗΣΗ ΤΩΝ ΔΕΔΟΜΕΝΩΝ Τα προς επεξεργασία
Διαβάστε περισσότεραPServer. 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 περισσότεραΟδηγός Σύγχρονης Τηλεκπαίδευσης για καθηγητές
Οδηγός Σύγχρονης Τηλεκπαίδευσης για καθηγητές Log in (σύνδεση) Με το όνομα χρήστη (username) και κωδικό (password) που σας έχουν δοθεί, θα εισέλθετε στην πλατφόρμα σύγχρονης εξ αποστάσεως εκπαίδευσης από
Διαβάστε περισσότεραΔιατμηματικό Πρόγραμμα Μεταπτυχιακών Σπουδών στα Πληροφοριακά Συστήματα
Διατμηματικό Πρόγραμμα Μεταπτυχιακών Σπουδών στα Πληροφοριακά Συστήματα Ανάλυση Μεγάλων Δεδομένων - Μελέτη Περίπτωσης στη Διαδικτυακή Εφαρμογή «Help Me Vote» - Big Data Analysis - a Case Study on the Web-Based
Διαβάστε περισσότεραΕργαλεία ανάπτυξης εφαρμογών internet Ι
IEK ΟΑΕΔ ΚΑΛΑΜΑΤΑΣ ΤΕΧΝΙΚΟΣ ΕΦΑΡΜΟΓΩΝ ΠΛΗΟΦΟΡΙΚΗΣ Εργαλεία ανάπτυξης εφαρμογών internet Ι Διδάσκουσα: Κανελλοπούλου Χριστίνα ΠΕ19 Πληροφορικής 4 φάσεις διαδικτυακών εφαρμογών 1.Εφαρμογές στατικής πληροφόρησης
Διαβάστε περισσότεραΤεχνολογία Πολυμέσων. Ενότητα 6: Υπερκείμενο - Υπερμέσα. Νικολάου Σπύρος Τμήμα Μηχανικών Πληροφορικής ΤΕ
Τεχνολογία Πολυμέσων Ενότητα 6: Υπερκείμενο - Υπερμέσα Νικολάου Σπύρος Τμήμα Μηχανικών Πληροφορικής ΤΕ Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons. Για εκπαιδευτικό
Διαβάστε περισσότεραΣυνοπτική Παρουσίαση Πακέτου Στατιστικών Ιστοσελίδων.
Συνοπτική Παρουσίαση Πακέτου Στατιστικών Ιστοσελίδων. Στην αρχή βλέπουμε τα βασικά στατιστικά, πόσα από το συνολικά έχουμε καταναλώσει. Για πιο αναλυτικά πατάμε view web statistics Στην καινούρια σελίδα
Διαβάστε περισσότεραΠώς λειτουργεί το Google?
Πώς λειτουργεί το Google? Στα άδυτα του Γίγαντα της Αναζήτησης! Το να ψάξουμε κάτι στο Google είναι κάτι τόσο καθημερινό για τους περισσότερους από εμάς, που το θεωρούμε δεδομένο. Αυτό που ίσως ξεχνάμε
Διαβάστε περισσότεραΣτρατηγική ανάπτυξη δικτυακού κόμβου
ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕΔΟΝΙΑΣ ΔΙΑΤΜΗΜΑΤΙΚΟ ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ ΣΤΑ ΠΛΗΡΟΦΟΡΙΑΚΑ ΣΥΣΤΗΜΑΤΑ Παντελής Παντελίδης Στρατηγική ανάπτυξη δικτυακού κόμβου Επιβλέπουσα Καθηγήτρια: Μάρω Βλαχοπούλου Εξετάστρια:
Διαβάστε περισσότεραΤεχνολογία Ηλεκτρονικού Εμπορίου
Τεχνολογία Ηλεκτρονικού Εμπορίου 7η διάλεξη: Τεχνολογίες Εξατομίκευσης (personalization) σε Περιβάλλοντα Ηλεκτρονικού Εμπορίου Χρήστος Γεωργιάδης ιαστάσεις της τεχνολογίας του ηλεκτρονικού εμπορίου Η πανταχού
Διαβάστε περισσότεραΑποθήκες Δεδομένων και Εξόρυξη Δεδομένων:
Αποθήκες Δεδομένων και Εξόρυξη Δεδομένων: Oμαδοποίηση: Μέρος Α http://delab.csd.auth.gr/~gounaris/courses/dwdm/ gounaris/courses/dwdm/ Ευχαριστίες Οι διαφάνειες του μαθήματος σε γενικές γραμμές ακολουθούν
Διαβάστε περισσότεραΑποθήκες Δεδομένων και Εξόρυξη Δεδομένων
ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ Αποθήκες Δεδομένων και Εξόρυξη Δεδομένων Ενότητα 7: Ομαδοποίηση Μέρος Α Αναστάσιος Γούναρης, Επίκουρος Καθηγητής Άδειες Χρήσης Το παρόν
Διαβάστε περισσότεραΔίκτυα Υπολογιστών Firewalls. Χάρης Μανιφάβας
Δίκτυα Υπολογιστών Firewalls Χάρης Μανιφάβας 1 Επικοινωνία Βασίζεται στη μεταβίβαση μηνυμάτων (λόγω απουσίας διαμοιραζόμενης μνήμης) Απαιτείται συμφωνία φόρμας μηνυμάτων Πρότυπο Στόχος τυποποίησης = Συνεργασία
Διαβάστε περισσότεραΤΕΧΝΙΚΕΣ ΓΙΑ ΠΡΟΣΑΡΜΟΣΤΙΚΗ ΚΑΙ ΠΡΟΣΩΠΟΠΟΙΗΜΕΝΗ ΠΡΟΣΒΑΣΗ ΣΕ ΙΣΤΟΣΕΛΙΔΕΣ
Πανεπιστήμιο Πατρών Πολυτεχνική Σχολή Τμήμα Μηχανικών Η/Υ και Πληροφορικής Μεταπτυχιακό Πρόγραμμα: Επιστήμη και Τεχνολογία των Υπολογιστών ΜΕΤΑΠΤΥΧΙΑΚΗ ΕΡΓΑΣΙΑ ΤΕΧΝΙΚΕΣ ΓΙΑ ΠΡΟΣΑΡΜΟΣΤΙΚΗ ΚΑΙ ΠΡΟΣΩΠΟΠΟΙΗΜΕΝΗ
Διαβάστε περισσότεραΗλεκτρονικό Εμπόριο. Κωδικός Πακέτου ACTA - CEC 010 Certified E-Commerce Consultant Τίτλος Πακέτου
Κωδικός Πακέτου ACTA - CEC 010 Certified E-Commerce Consultant Τίτλος Πακέτου Εκπαιδευτικές Ενότητες Είδος Προγράμματος Μέθοδος Διδασκαλίας Πιστοποιημένος Σύμβουλος Ηλεκτρονικού Εμπορίου - ACTA Διαδίκτυο
Διαβάστε περισσότεραΣχεδιασμός και Υλοποίηση ενός πληροφοριακού συστήματος για τους τεχνικούς του φυσικού αερίου
Διπλωματική Εργασία Πανεπιστήμιο Δυτικής Μακεδονίας Τμήμα Μηχανικών Πληροφορικής & Τηλεπικοινωνιών Σχεδιασμός και Υλοποίηση ενός πληροφοριακού συστήματος για τους τεχνικούς του φυσικού αερίου Ποτσίκα Ηλιάνα
Διαβάστε περισσότεραΠροτεινόμενες Διπλωματικές Εργασίες 2008
Μελέτη Λειτουργικών Διαδικασιών και Ολοκληρωμένου Διαδικτυακού Πληροφοριακού Συστήματος παροχής ηλεκτρονικών υπηρεσιών Πληροφοριακής Διακυβέρνησης (IT Governance Portal) Η παρούσα εργασία αφορά την ανάλυση
Διαβάστε περισσότεραΕΞΟΡΥΞΗ ΔΕΔΟΜΕΝΩΝ. Εισαγωγή
ΕΞΟΡΥΞΗ ΔΕΔΟΜΕΝΩΝ Εισαγωγή Συστάσεις Ι Ποιός είμαι εγώ: Email: tsap@cs.uoi.gr Γραφείο: Β.3 Προτιμώμενες ώρες γραφείου: 11:00-18:00 Ενδιαφέροντα Web mining, Social networks, User Generated Content Mobile
Διαβάστε περισσότεραΕΠΙΧΕΙΡΗΣΙΑΚΗ ΕΡΕΥΝΑ ΠΕΡΣΕΦΟΝΗ ΠΟΛΥΧΡΟΝΙΔΟΥ ΤΜΗΜΑ ΛΟΓΙΣΤΙΚΗΣ ΤΕ
ΕΠΙΧΕΙΡΗΣΙΑΚΗ ΕΡΕΥΝΑ ΠΕΡΣΕΦΟΝΗ ΠΟΛΥΧΡΟΝΙΔΟΥ ΤΜΗΜΑ ΛΟΓΙΣΤΙΚΗΣ ΤΕ 1 Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons. Για εκπαιδευτικό υλικό, όπως εικόνες, που υπόκειται
Διαβάστε περισσότεραΥποβοήθηση εκπαιδευτικής διαδικασίας μέσω πινάκων αναλυτικής εκπαιδευτικών δεδομένων
Υποβοήθηση εκπαιδευτικής διαδικασίας μέσω πινάκων αναλυτικής εκπαιδευτικών δεδομένων Βασίλειος Β. Βερύκιος, Ανδρέας Γκοντζής, Χριστόφορος Καραχρήστος, Φώτης Λαζαρίνης, Χρήστος Παναγιωτακόπουλος, Ηλίας
Διαβάστε περισσότεραΤ.Ε.Ι. Δυτικής Ελλάδας Τμήμα Διοίκησης Επιχειρήσεων Μεσολόγγι. 5 η Διάλεξη. Μάθημα: Τεχνολογίες Διαδικτύου
Τ.Ε.Ι. Δυτικής Ελλάδας Τμήμα Διοίκησης Επιχειρήσεων Μεσολόγγι 5 η Διάλεξη Μάθημα: Τεχνολογίες Διαδικτύου Περιεχόμενα 5 η διάλεξη Μηχανές αναζήτησης Αναζήτηση στο Web Ωραίο το Web και το Internet Μάθαμε
Διαβάστε περισσότεραΗΥ562 Προχωρημένα Θέματα Βάσεων Δεδομένων Efficient Query Evaluation over Temporally Correlated Probabilistic Streams
ΗΥ562 Προχωρημένα Θέματα Βάσεων Δεδομένων Efficient Query Evaluation over Temporally Correlated Probabilistic Streams Αλέκα Σεληνιωτάκη Ηράκλειο, 26/06/12 aseliniotaki@csd.uoc.gr ΑΜ: 703 1. Περίληψη Συνεισφοράς
Διαβάστε περισσότεραΔιδάσκων: Κωνσταντίνος Κώστα Διαφάνειες: Δημήτρης Ζεϊναλιπούρ
Διάλεξη 9: Εισαγωγή στους Γράφους Στην ενότητα αυτή θα μελετηθούν τα εξής επιμέρους θέματα: Γράφοι - ορισμοί και υλοποίηση Διάσχιση Γράφων Διδάσκων: Κωνσταντίνος Κώστα Διαφάνειες: Δημήτρης Ζεϊναλιπούρ
Διαβάστε περισσότεραDEIM Forum 2014 A8-1, 606 8501 E-mail: {tsukuda,ohshima,kato,tanaka}@dl.kuis.kyoto-u.ac.jp 1 2,, 1. Google 1 Yahoo 2 Bing 3 Web Web BM25 [1] HITS [2] PageRank [3] Web 1 [4] 1http://www.google.com 2http://www.yahoo.com
Διαβάστε περισσότεραsubstructure similarity search using features in graph databases
substructure similarity search using features in graph databases Aleksandros Gkogkas Distributed Management of Data Laboratory intro Θα ενασχοληθούμε με το πρόβλημα των ερωτήσεων σε βάσεις γραφημάτων.
Διαβάστε περισσότερα10. ΠΟΛΛΑΠΛΗ ΓΡΑΜΜΙΚΗ ΠΑΛΙΝΔΡΟΜΗΣΗ
0. ΠΟΛΛΑΠΛΗ ΓΡΑΜΜΙΚΗ ΠΑΛΙΝΔΡΟΜΗΣΗ 0. ΤΟ ΓΕΝΙΚΟ ΓΡΑΜΜΙΚΟ ΜΟΝΤΕΛΟ Συχνά στην πράξη το μοντέλο της απλής γραμμικής παλινδρόμησης είναι ανεπαρκές για την περιγραφή της μεταβλητότητας που υπάρχει στην εξαρτημένη
Διαβάστε περισσότεραΑποθήκες Δεδομένων και Εξόρυξη Δεδομένων:
Αποθήκες Δεδομένων και Εξόρυξη Δεδομένων: Oμαδοποίηση: Μέρος B http://delab.csd.auth.gr/~gounaris/courses/dwdm/ gounaris/courses/dwdm/ Ευχαριστίες Οι διαφάνειες του μαθήματος σε γενικές γραμμές ακολουθούν
Διαβάστε περισσότεραΕξόρυξη Γνώσης από εδοµένα (data mining)
Εξόρυξη νώσης από εδοµένα (data mining) Ε.Κ.Ε.Φ.Ε. ηµόκριτος Ινστ. Πληροφορικής και Τηλεπικοινωνιών εώργιος Παλιούρας Email: paliourg@iit.demokritos.gr WWW: http://www.iit.demokritos.gr/~paliourg Περιεχόµενα
Διαβάστε περισσότεραSpeed-0 Παρουσίαση Φυσικού Αντικειμένου
Speed-0 Παρουσίαση Φυσικού Αντικειμένου Ενότητες Εργασίας Ε.Ε.1. Προδιαγραφές Συστήματος Ε.Ε.2. Προμήθεια, προσαρμογή λογισμικού και εξόρυξη πληροφορίας. Ε.Ε.3.Έρευνα, ανάπτυξη, εφαρμογή μοντέλου. Ε.Ε.4
Διαβάστε περισσότεραΝΕΟ ΠΡΟΓΡΑΜΜΑ ΣΠΟΥΔΩΝ, ΤΜΗΜΑ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ, ΣΧΟΛΗ ΔΙΟΙΚΗΣΗΣ ΚΑΙ ΟΙΚΟΝΟΜΙΑΣ, ΤΕΙ ΙΟΝΙΩΝ ΝΗΣΩΝ ΕΙΣΑΓΩΓΙΚΗ ΚΑΤΕΥΘΥΝΣΗ ΔΙΟΙΚΗΣΗ ΕΠΙΧΕΙΡΗΣΕΩΝ
Α' ΕΞΑΜΗΝΟ 1 Α.1010 Μικροοικονομική (Microeconomics) ΜΓΥ Υ 2 2 4 8 5 2 Α.1020 Χρηματοοικονομική Λογιστική (Financial Accounting) ΜΓΥ Υ 2 2 2 6 10 6 3 Α.1030 Αρχές Οργάνωσης και Διοίκησης Επιχειρήσεων (Principles
Διαβάστε περισσότεραΕξόρυξη Γνώσης από Βιολογικά εδομένα
Παρουσίαση Διπλωματικής Εργασίας Εξόρυξη Γνώσης από Βιολογικά εδομένα Καρυπίδης Γεώργιος (Μ27/03) Επιβλέπων Καθηγητής: Ιωάννης Βλαχάβας MIS Πανεπιστήμιο Μακεδονίας Φεβρουάριος 2005 Εξόρυξη Γνώσης από Βιολογικά
Διαβάστε περισσότεραΑνάκτηση Πληροφορίας. Διδάσκων: Φοίβος Μυλωνάς. Διάλεξη #01
Ιόνιο Πανεπιστήμιο Τμήμα Πληροφορικής Ανάκτηση Πληροφορίας Διδάσκων: Φοίβος Μυλωνάς fmylonas@ionio.gr Διάλεξη #01 Διαδικαστικά μαθήματος Εισαγωγικές έννοιες & Ορισμοί Συστήματα ανάκτησης πληροφορίας 1
Διαβάστε περισσότεραΜέθοδοι Μηχανικής Μάθησης στην επεξεργασία Τηλεπισκοπικών Δεδομένων. Δρ. Ε. Χάρου
Μέθοδοι Μηχανικής Μάθησης στην επεξεργασία Τηλεπισκοπικών Δεδομένων Δρ. Ε. Χάρου Πρόγραμμα υπολογιστικής ευφυίας Ινστιτούτο Πληροφορικής & Τηλεπικοινωνιών ΕΚΕΦΕ ΔΗΜΟΚΡΙΤΟΣ exarou@iit.demokritos.gr Μηχανική
Διαβάστε περισσότεραΑποθήκες εδοµένων και Εξόρυξη Γνώσης (Data Warehousing & Data Mining)
Πανεπιστήµιο Πειραιώς Τµήµα Πληροφορικής Αποθήκες εδοµένων και Εξόρυξη Γνώσης (Data Warehousing & Data Mining) Εξόρυξη Γνώσης από Χωρικά εδοµένα (spatial data mining) Γιάννης Θεοδωρίδης, Νίκος Πελέκης
Διαβάστε περισσότεραΕταιρικήΠαρουσίαση ΠΟΛΙΤΙΚΕΣ ΚΑΙ ΔΙΑΔΙΚΑΣΙΕΣ ΔΙΑΧΕΙΡΙΣΗΣ ΑΣΦΑΛΕΙΑΣ ΠΡΟΣΩΠΙΚΩΝ ΔΕΔΟΜΕΝΩΝ ΜΑΪΟΣ 2018
ΕταιρικήΠαρουσίαση ΠΟΛΙΤΙΚΕΣ ΚΑΙ ΔΙΑΔΙΚΑΣΙΕΣ ΔΙΑΧΕΙΡΙΣΗΣ ΑΣΦΑΛΕΙΑΣ ΠΡΟΣΩΠΙΚΩΝ ΔΕΔΟΜΕΝΩΝ ΜΑΪΟΣ 2018 Τι είναι ο Κανονισμός Προστασίας Προσωπικών Δεδομένων (GDPR) Προσωπικά δεδομένα (πουοδηγούν σε ΤΑΥΤΟΠΟΙΗΣΗ)
Διαβάστε περισσότεραΑνάλυση μεγάλων δεδομένων με χρήση εργαλείων εξόρυξης δεδομένων. Η περίπτωση μιας εφαρμογής υποστήριξης αποφάσεων εκλογικής ψήφου.
Διατμηματικό Πρόγραμμα Μεταπτυχιακών Σπουδών στα Πληροφοριακά Συστήματα Ανάλυση μεγάλων δεδομένων με χρήση εργαλείων εξόρυξης δεδομένων. Η περίπτωση μιας εφαρμογής υποστήριξης αποφάσεων εκλογικής ψήφου.
Διαβάστε περισσότεραCritical Infrastructures: The Nervous System of every Welfare State. G. Stergiopoulos, D. Gritzalis
Critical Infrastructures: The Nervous System of every Welfare State G. Stergiopoulos, D. Gritzalis Αλληλεξαρτήσεις Κρίσιμων Υποδομών: Το Νευρικό Σύστημα κάθε Τεχνολογικά Προηγμένης Χώρας Αθήνα, Φεβρουάριος
Διαβάστε περισσότεραΚεφάλαιο 20. Ανακάλυψη Γνώσης σε Βάσεις δεδοµένων. Τεχνητή Νοηµοσύνη - Β' Έκδοση Ι. Βλαχάβας, Π. Κεφαλάς, Ν. Βασιλειάδης, Φ. Κόκκορας, Η.
Κεφάλαιο 20 Ανακάλυψη Γνώσης σε Βάσεις δεδοµένων Τεχνητή Νοηµοσύνη - Β' Έκδοση Ι. Βλαχάβας, Π. Κεφαλάς, Ν. Βασιλειάδης, Φ. Κόκκορας, Η. Σακελλαρίου Τεχνητή Νοηµοσύνη, B' Έκδοση - 1 - Ανακάλυψη Γνώσης σε
Διαβάστε περισσότεραinteractivecommunication Search Marketing White Paper Φεβρουάριος 2007 2007, Cybertechnics Ltd. All rights reserved.
interactivecommunication White Paper Φεβρουάριος 2007 2007, Cybertechnics Ltd. All rights reserved. ToSearchenginemarketing, ή SEM, αποτελείται απόμια σειρά marketing μεθόδων για την αύξηση τηςεμφάνισηςτου
Διαβάστε περισσότεραΔομές Δεδομένων και Αλγόριθμοι. Λουκάς Γεωργιάδης
Δομές Δεδομένων και Αλγόριθμοι Λουκάς Γεωργιάδης loukas@cs.uoi.gr www.cs.uoi.gr/~loukas Στόχοι Μαθήματος Η σχεδίαση και ανάλυση αλγορίθμων και δομών δεδομένων αποτελεί σημαντικό τμήμα της πληροφορικής.
Διαβάστε περισσότεραΚεφάλαιο 8. NP και Υπολογιστική Δυσεπιλυσιμότητα. Χρησιμοποιήθηκε υλικό από τις αγγλικές διαφάνειες του Kevin Wayne.
Κεφάλαιο 8 NP και Υπολογιστική Δυσεπιλυσιμότητα Χρησιμοποιήθηκε υλικό από τις αγγλικές διαφάνειες του Kevin Wayne. 1 πρόβλημα αναζήτησης (search problem) Ένα πρόβλημα αναζήτησης είναι ένα πρόβλημα στο
Διαβάστε περισσότεραΟ ΚΑΤΑΝΑΛΩΤΗΣ ΣΤΟ INTERNET
Ο ΚΑΤΑΝΑΛΩΤΗΣ ΣΤΟ INTERNET Το Μοντέλο της Συμπεριφοράς των Καταναλωτών στο Η.Ε. Τύποι Καταναλωτών ανεξάρτητοι και μεμονωμένοι καταναλωτές, στους οποίους στοχεύουν τα ΜΜΕ οργανισμοί-αγοραστές αγοραστές
Διαβάστε περισσότεραΕξαγωγή Μετασχηματισμός Εισαγωγή Δεδομένων στην Αποθήκη Πληροφοριών (ETL) ETL) Αριστομένης Μακρής
Εξαγωγή Μετασχηματισμός Εισαγωγή Δεδομένων στην Αποθήκη Πληροφοριών (ETL) ETL) Τεχνολογίες Υποστήριξης Λήψης Διοικητικών Αποφάσεων OLTP (On Line Transaction Processing) Επιχειρηματικές Εφαρμογές (Σχεσιακές
Διαβάστε περισσότεραInformation Retrieval
Ανάκληση Πληποφοπίαρ Information Retrieval Διδάζκων Δημήηριος Καηζαρός Διάλεξη 10η 1 Αποτίμηση επίδοσης Μηχανών Αναζήτησης 2 Sec. 8.6 Μέτρα επίδοσης μιας μηχανής αναζήτησης Πόσο γρήγορα εκτελεί την διαδικασία
Διαβάστε περισσότεραΠαράλληλη Επεξεργασία Κεφάλαιο 7 ο Αρχιτεκτονική Συστημάτων Κατανεμημένης Μνήμης
Παράλληλη Επεξεργασία Κεφάλαιο 7 ο Αρχιτεκτονική Συστημάτων Κατανεμημένης Μνήμης Κωνσταντίνος Μαργαρίτης Καθηγητής Τμήμα Εφαρμοσμένης Πληροφορικής Πανεπιστήμιο Μακεδονίας kmarg@uom.gr http://eos.uom.gr/~kmarg
Διαβάστε περισσότεραΑπεικόνιση Γεωγραφικής Ανάλυσης Δεδοµένων Οικονοµικών Ροών Παγκόσµιας Κλίµακας µε την Χρήση Διαδικτυακών Υπηρεσιών
13 ο ΕΘΝΙΚΟ ΣΥΝΕΔΡΙΟ ΧΑΡΤΟΓΡΑΦΙΑΣ Η ΧΑΡΤΟΓΡΑΦΙΑ ΣΤΟ ΔΙΑΔΙΚΤΥΟ ΣΥΓΧΡΟΝΕΣ ΤΑΣΕΙΣ & ΠΡΟΟΠΤΙΚΕΣ Απεικόνιση Γεωγραφικής Ανάλυσης Δεδοµένων Οικονοµικών Ροών Παγκόσµιας Κλίµακας µε την Χρήση Διαδικτυακών Υπηρεσιών
Διαβάστε περισσότεραNetwork Science Θεωρεία Γραφηµάτων (1)
Network Science Θεωρεία Γραφηµάτων (1) Network Theory: Graph Theory Section 1 Οι γέφυρες του Konigsberg THE BRIDGES OF KONIGSBERG Network Science: Graph Theory THE BRIDGES OF KONIGSBERG Network Science:
Διαβάστε περισσότεραΚεφάλαιο 8. NP και Υπολογιστική Δυσεπιλυσιµότητα. Χρησιµοποιήθηκε υλικό από τις αγγλικές διαφάνειες του Kevin Wayne.
Κεφάλαιο 8 NP και Υπολογιστική Δυσεπιλυσιµότητα Χρησιµοποιήθηκε υλικό από τις αγγλικές διαφάνειες του Kevin Wayne. 1 πρόβληµα αναζήτησης (search problem) Ένα πρόβληµα αναζήτησης είναι ένα πρόβληµα στο
Διαβάστε περισσότεραPROXY SERVER. Άριστη πύλη διαχωρισμού μεταξύ του εσωτερικού δικτύου και του Internet.
PROXY SERVER Άριστη πύλη διαχωρισμού μεταξύ του εσωτερικού δικτύου και του Internet. Αποτελεσματικό εργαλείο για την απόκρυψη των εσωτερικών λεπτομερειών και διευθύνσεων IP του δικτύου. Αυξάνει τη συνολική
Διαβάστε περισσότεραΠροσομοίωση Μοντέλων Επιχειρησιακών Διαδικασιών
Προσομοίωση Μοντέλων Επιχειρησιακών Διαδικασιών Α. Τσαλγατίδου - Γ.-Δ. Κάπος Πρόγραμμα Μεταπτυχιακών Σπουδών Τεχνολογία Διοίκησης Επιχειρησιακών Διαδικασιών 2017-2018 Σκοπός Διαλέξεων Κίνητρα για προσομοίωση
Διαβάστε περισσότεραΕξόρυξη Δεδομένων Χρήσης για Συστήματα Συστάσεων Mining Usage Data for Recommender Systems
ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΔΙΑΤΜΗΜΑΤΙΚΟ ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ «ΠΛΗΡΟΦΟΡΙΚΗ ΚΑΙ ΔΙΟΙΚΗΣΗ» ΤΜΗΜΑΤΩΝ ΠΛΗΡΟΦΟΡΙΚΗΣ ΚΑΙ ΟΙΚΟΝΟΜΙΚΩΝ ΕΠΙΣΤΗΜΩΝ Εξόρυξη Δεδομένων Χρήσης για Συστήματα Συστάσεων
Διαβάστε περισσότερα