Θεμελιώδεις Αρχές Συστημάτων Βάσεων Δεδομένων
|
|
- Δορκάς Φωτόπουλος
- 8 χρόνια πριν
- Προβολές:
Transcript
1 Θεμελιώδεις Αρχές Συστημάτων Βάσεων Δεδομένων Β. Μεγαλοοικονόμου Εισαγωγή στην Εξόρυξη Δεδομένων
2 Γενική Επισκόπηση- Σχεσιακό μοντέλο Σχεσιακό Μοντέλο -SQL Συναρτησιακές εξαρτήσεις & Κανονικοποίηση Φυσικός σχεδιασμός, Δεικτοδότηση Επεξεργασία /Bελτιστοποίηση ερωτημάτων Επεξεργασία δοσοληψιών Προηγμένα θέματα Κατανεμημένες βάσεις δεδομένων Αντικειμενοστραφή και Αντικειμενο-σχεσιακά Συστήματα Διαχείρισης Βάσεων Δεδομένων Εξόρυξη δεδομένων
3 Γενικά Κίνητρο: Πού χρειάζεται η εξόρυξη δεδομένων; Τι είναι η εξόρυξη δεδομένων; Εξόρυξη δεδομένων: Σε τι είδους δεδομένα; Λειτουργικότητα εξόρυξης δεδομένων; Είναι όλα τα πρότυπα ενδιαφέροντα; Ομαδοποίηση συστημάτων εξόρυξης δεδομένων; Σημαντικά θέματα στην εξόρυξη δεδομένων;
4 Κίνητρο Έχουμε πολλά δεδομένα αλλά μικρή πληροφορία! Πρόβλημα έκρηξης δεδομένων Τα εργαλεία αυτοματοποιημένης συλλογής δεδομένων και η τελευταία τεχνολογία βάσεων δεδομένων οδηγεί σε ένα μεγάλο πλήθος δεδομένων το οποίο αποθηκεύεται σε βάσεις δεδομένων, data warehouses και άλλες αποθήκες δεδομένων Λύση: Εξόρυξη δεδομένων Εξόρυξη ενδιαφέρουσας γνώσης (κανόνες, πρότυπα, περιορισμοί) από δεδομένα μεγάλων βάσεων δεδομένων
5 Εξέλιξη της τεχνολογίας βάσεων δεδομένων 1960: Συλλογή δεδομένων, δημιουργία βάσης δεδομένων, συστήματα διαχείρισης πληροφορίας (IMS) και δικτυωτές βάσεις δεδομένων (network DBMS) 1970: Σχεσιακό μοντέλο δεδομένων, υλοποίηση σχεσιακού ΣΔΒΔ 1980: ΣΣΔΒΔ, προηγμένα μοντέλα δεδομένων (extended-relational, OO, deductive,κτλ.) και συστήματα προσανατολισμένα στην εφαρμογή (χωρικά, επιστημονικά, μηχανικά, κτλ.) : Εξόρυξη δεδομένων και αποθηκών δεδομένων (Data mining, data warehousing), βάσεις δεδομένων πολυμέσων, βάσεις δεδομένων στο Παγκόσμιο Ιστό (Web databases)
6 Τι είναι η εξόρυξη δεδομένων; Εξόρυξη δεδομένων (Ανακάλυψη γνώσης από βάσεις δεδομένων): Εξαγωγή ενδιαφέρουσας (μη τετριμμένης, προηγούμενα άγνωστης και πιθανά χρήσιμης) πληροφορίας ή προτύπων από μεγάλες βάσεις δεδομένων Εναλλακτικά ονόματα: Εξόρυξη (Ανακάλυψη) γνώσης σε βάσεις δεδομένων (KDD), εξαγωγή γνώσης (knowledge extraction), ανάλυση δεδομένων/προτύπων(data/pattern analysis) κτλ. Τι δεν είναι εξόρυξη δεδομένων; (Deductive) επεξεργασία ερωτημάτων Έμπειρα συστήματα ή μικρής κλίμακας στατιστικά προγράμματα
7 Τι είναι η εξόρυξη δεδομένων; Τώρα που έχουμε συλλέξει τόσα δεδομένα, τι κάνουμε με αυτά; Εξαγωγή χρήσιμων προτύπων (αυτόματα) Συσχετίσεις (π.χ., ψωμί + βούτυρο --> γάλα) Ακολουθίες (π.χ., χρονικά δεδομένα που σχετίζονται με το χρηματιστήριο) Κανόνες που διαμοιράζουν τα δεδομένα (π.χ. πρόβλημα τοποθεσίας αποθήκευσης) Ποια πρότυπα έχουν ενδιαφέρον ; Περιεχόμενο πληροφορίας, εμπιστοσύνη και υποστήριξη, Απρόσμενο, χρησιμότητα στην λήψη απόφασης, κτλ
8 Γιατί εξόρυξη δεδομένων; Πιθανές εφαρμογές Ανάλυση βάσης δεδομένων και υποστήριξη απόφασης Ανάλυση και διαχείριση αγοράς Μάρκετινγκ στόχου, διαχείριση σε σχέση με τον πελάτη, ανάλυση καλαθιού αγορών, cross selling, τμηματοποίηση αγοράς Ανάλυση και διαχείριση κινδύνου Πρόβλεψη, απομνημόνευση πελατών, έλεγχος ποιότητας, ανάλυση ανταγωνισμού Εντοπισμός και διαχείριση λάθους Άλλες εφαρμογές Εξόρυξη κειμένου (news group, , documents) και ανάλυση Ιστού. Χωρική εξόρυξη δεδομένων Έξυπνη απάντηση ερωτημάτων
9 Ανάλυση και διαχείριση αγοράς Που είναι οι πηγές των δεδομένων για την ανάλυση; (Δοσοληψίες με κάρτες, εκπτωτικά κουπόνια, κλήσεις παραπόνων από τους πελάτες, κτλ.) Μάρκετινγκ στόχου (Εύρεση ομάδων μοντέλων πελατών που έχουν κοινά χαρακτηριστικά: εισόδημα, συνήθης αγορές, κτλ.) Καθορισμός προτύπων συναλλαγών των πελατών με το χρόνο (Μετατροπή ενός λογαριασμού ενός μόνο ατόμου σε κοινό : γάμος, κτλ.) «Cross-market» ανάλυση (Συσχετίσεις μεταξύ προϊόντων πωλήσεων και προβλέψεις με βάσει τις πωλήσεις) Προφίλ πελάτη (Ποια προϊόντα αγοράζει ο πελάτης) Προσδιορισμός απαιτήσεων πελάτη (Τα καλύτερα προϊόντα για διαφορετικούς πελάτες) Παροχή συνοπτικής πληροφορίας (πολυδιάστατες αναφορές)
10 Ανάλυση και διαχείριση ρίσκου/κινδύνου Οικονομικός προγραμματισμός Ανάλυση και πρόβλεψη κίνησης μετρητών Ανάλυση χρονοσειρών και cross-sectional (ανάλυση τάσης, κτλ.) Προγραμματισμός πηγών: Σύνοψη και σύγκριση των πηγών και των εξόδων Ανταγωνισμός: Έλεγχος ανταγωνιστών και τάσεων της αγοράς Ομαδοποίηση πελατών και απόδοση τιμών με βάσει τις ομάδες αυτές Ορισμός στρατηγικής απόδοσης τιμών σε μία ιδιαίτερα ανταγωνιστική αγορά
11 Εντοπισμός και διαχείριση λάθους/κλοπών Εφαρμογές Φροντίδα υγείας, υπηρεσίες πιστωτικών καρτών, τηλεπικοινωνίες κτλ. Προσέγγιση Χρήση στοιχείων ιστορικού για την δόμηση μοντέλων κανονικής και λανθασμένης συμπεριφοράς και χρήση εξόρυξης δεδομένων για τον προσδιορισμό λανθασμένων στιγμιοτύπων Παραδείγματα Αυτόματη ασφάλεια: εντοπισμός ομάδων που προκαλούν ατυχήματα για την είσπραξη της ασφάλειας Ξέπλυμα χρήματος: εντοπισμός ύποπτων δοσοληψιών χρημάτων Ιατρική ασφάλεια: εντοπισμός επαγγελματιών ασθενών, ακατάλληλων ιατρικών θεραπειών Εντοπισμός τηλεφωνικού σφάλματος: Μοντέλο τηλεφωνικής κλήσης: προορισμός κλήσης, διάρκεια, χρονική στιγμή ημέρας/εβδομάδας. Ανάλυση προτύπων που αποκλίνουν από τα αναμενόμενα
12 Ανακάλυψη Ιατρικής/ Βοιολογικής γνώσης Ανακάλυψη συσχετίσεων δομής-λειτουργίας Χαρτογράφηση ανθρώπινου εγκεφάλου (lesion-deficit, taskactivation associations) Δομή κυττάρου (cytoskeleton) και λειτουργικότητα ή παθολογία Δομή πρωτεϊνών και λειτουργικότητα Ανακάλυψη αιτιακών σχέσεων Συμπτώματα και ιατρικοί όροι Ανάλυση ακολουθίας DNA Βιοπληροφορική (microarrays, κτλ.)
13 Άλλες εφαρμογές Αθλήματα Η IBM Advanced Scout ανέλυσε στατιστικά των NBA παιχνιδιών (shots blocked, assists, fouls) για να κερδίσει ένα ανταγωνιστικό πλεονέκτημα υπέρ των New York Knicks και Miami Heat Αστρονομία Οι JPL και Palomar Observatory ανακάλυψαν 22 αστέρια με την βοήθεια τεχνικών εξόρυξης δεδομένων Internet Web Surf-Aid Η IBM Surf-Aid εφαρμόζει αλγορίθμους εξόρυξης δεδομένων σε αρχεία καταγραφής πρόσβασης στο διαδίκτυο για ιστοσελίδες που σχετίζονται με αγορές προκειμένου να ανακαλυφθούν οι σελίδες προτίμησης και συμπεριφοράς των πελατών, αναλύοντας την αποτελεσματικότητα του Web marketing, βελτιώνοντας την οργάνωση ιστότοπων κτλ.
14 Ανακάλυψη γνώσης από δεδομένα(3) Πρότυπα Αξιολόγηση προτύπων Γνώση Αποθήκη δεδομένων Επιλεγμένα δεδομένα Επιλογή Επεξεργασμένα δεδομένα Εξόρυξη δεδομένων Επεξεργασία & Μετασχηματισμός Ενοποίηση δεδομένων Βάσεις δεδομένων Αρχεία Εξόρυξη δεδομένων: η κεντρική διαδικασία στην ανακάλυψη γνώσης.
15 Βήματα της KDD Διαδικασίας Εκμάθηση της περιοχής της εφαρμογής: Σχετική πρότερη γνώση και στόχοι της εφαρμογής Δημιουργία ενός στόχου συνόλου δεδομένων: επιλογή δεδομένων Καθαρισμός δεδομένων και προεπεξεργασία: (μπορεί να απαιτήσει το 60% της προσπάθειας!) Μείωση και μετασχηματισμός δεδομένων: Εύρεση χρήσιμων χαρακτηριστικών, μείωση διαστατικότητας/μεταβλητής, αμετάβλητη αναπαράσταση. Επιλογή λειτουργιών της εξόρυξης δεδομένων σύνοψη, ταξινόμηση, οπισθοδρόμηση, συσχέτιση, ομαδοποίηση. Επιλογή των πηγών εξόρυξης (s) Εξόρυξη δεδομένων: αναζήτησης ενδιαφερόντων προτύπων Αξιολόγηση προτύπων και αναπαράσταση γνώσης: οπτικοποίηση, μετασχηματισμός, αφαίρεση περιττών προτύπων, κτλ. Χρήση της γνώσης που ανακαλύπτεται
16
17
18 Εξόρυξη Δεδομένων: Σε τι είδους δεδομένα; Σχεσιακές βάσεις δεδομένων Data warehouses Βάσεις δεδομένων δοσοληψιών Προηγμένες ΒΔ και αποθήκες πληροφορίας Object-oriented (OO)και object-relational (OR) βάσεις δεδομένων Χωρικέςβάσειςδεδομένων(ιατρικές, ΒΔ εικόνων δορυφόρου, GIS) Δεδομένα χρονοσειρών και δεδομένα χρόνου Βάσεις δεδομένων κειμένου Βάσεις δεδομένων πολυμέσων (Εικόνα, Βίντεο, κτλ.) Ετερογενείς βάσεις δεδομένων WWW
19 Λειτουργικότητες εξόρυξης δεδομένων Πρότυπα που μπορούν να εξαχθούν Περιγραφή κεντρικής ιδέας: Χαρακτηρισμός και διάκριση Γενίκευση, σύνοψη, και αντιπαράθεση χαρακτηριστικών δεδομένων, π.χ., ξηρές vs. υγρές περιοχές Συσχέτιση (συσχετισμός και αιτιότητα) Πολυδιάστατη και μονοδιάστατη συσχέτιση ηλικία, ) ^ εισόδημα, K ) αγορές, PC ) [υποστήριξη = 2%, εμπιστοσύνη = 60%] περιέχει, υπολογιστή ) περιέχει, λογισμικό ) [1%, 75%] Εμπιστοσύνη y) = P(y x): βαθμός βεβαιότητας της συσχέτισης Υποστήριξη y) = P(x y): % των δοσοληψιών που ικανοποιεί ο κανόνας
20 Λειτουργικότητες εξόρυξης δεδομένων Πρότυπα που μπορούν να εξαχθούν Ομαδοποίηση και πρόβλεψη Εύρεση μοντέλων (if-then κανόνες, δένδρα απόφασης, μαθηματικοί τύποι, νευρωνικά δίκτυα, κανόνες ταξινόμησης) που περιγράφουν και διαχωρίζουν τιςκλάσειςήτιςιδέεςγιατηνμελλοντικήπρόβλεψη Π.χ., ταξινόμηση χωρών με βάση το κλίμα, ή ταξινόμηση των αυτοκινήτων με βάσει την κατανάλωση Πρόβλεψη: Πρόβλεψη κάποιων αγνώστων τιμών ή τιμών που δεν υπάρχουν Ανάλυση ομάδας Η ετικέτα της κλάσης είναι άγνωστη: Ομαδοποίηση δεδομένων για την δημιουργία νέας κλάσης Ομαδοποίηση βασισμένη στην αρχή: μεγιστοποίηση της «intra-class» ομοιότητας και ελαχιστοποίηση της «interclass» ομοιότητας
21 Λειτουργικότητες εξόρυξης δεδομένων Πρότυπα που μπορούν να εξαχθούν Ανάλυση Outlier Outlier: ένα αντικείμενο δεδομένων το οποίο δεν ακολουθεί την γενική συμπεριφορά των δεδομένων (μπορεί να εντοπισθεί με την χρήση στατιστικών ελέγχων που υιοθετούν ένα πιθανοτικό μοντέλο) Συχνά θεωρείται θόρυβος αλλά είναι χρήσιμο στον εντοπισμό σφάλματος, την ανάλυση σπάνιων γεγονότων Ανάλυση τάσης και εξέλιξης Μελετά την κανονικότητα των αντικειμένων των οποίων η συμπεριφορά μεταβάλλεται με τον χρόνο Τάση και απόκλιση: ανάλυση οπισθοχώρησης Εξόρυξη ακολουθιακού προτύπου, ανάλυση περιοδικότητας Ανάλυση με βάση την ομοιότητα
22 Πότε είναι ενδιαφέρον ένα Ανακαλυφθέν πρότυπο; Ένα σύστημα/ερώτημα δεδομένων μπορεί να παράγει χιλιάδες προτύπων, τα οποία δεν είναι όλα ενδιαφέροντα. Προτεινόμενη προσέγγιση: Ανθρωποκεντρική, με βάση το ερώτημα, με βάση την εξόρυξη Μετρικές ενδιαφέροντος: Ένα πρότυπο είναι ενδιαφέρον εάν είναι εύκολα κατανοητό από τους ανθρώπους, έγκυρο σε νέα ή πειραματικά δεδομένα με κάποιο βαθμό βεβαιότητας, πιθανά χρήσιμο, καινούριο, ή επικυρώνει κάποια υπόθεση που ο χρήστης επιδιώκει να επαληθεύσει Αντικειμενικές vs. υποκειμενικές μετρικές ενδιαφέροντος: Αντικειμενικές: βασίζονται σε στατιστικές και δομές προτύπων Υποκειμενικές: βασίζονται στην γνώμη του χρήστη για τα δεδομένα
23 Μπορούμε να βρούμε όλα τα ενδιαφέροντα πρότυπα; Εύρεση όλων των ενδιαφερόντων προτύπων: Πληρότητα Μπορεί ένα σύστημα εξόρυξης δεδομένων να βρει όλα τα ενδιαφέροντα πρότυπα; Συσχέτιση vs. Ταξινόμηση vs. Ομαδοποίηση Αναζήτηση μόνο των ενδιαφερόντων προτύπων: Βελτιστοποίηση Μπορεί ένα σύστημα εξόρυξης δεδομένων να βρει μόνο τα ενδιαφέροντα πρότυπα; Προσεγγίσεις Πρώτα παρήγαγε όλα τα πρότυπα και στην συνέχεια φιλτράρισε αυτά που δεν ενδιαφέρουν Παρήγαγε μόνο τα ενδιαφέροντα πρότυπα - βελτιστοποίηση ερωτήματος
24 Εξόρυξη δεδομένων: Συμβολή πολλαπλών αρχών Τεχνολογία ΒΔ Στατιστικές Μηχανική μάθηση Εξόρυξη Δεδομένων Οπτικοποίηση Επιστήμη πληροφορίας Άλλες αρχές
25 Εξόρυξη δεδομένων: Σχήματα Ταξινόμησης Γενική λειτουργικότητα Περιγραφική εξόρυξη δεδομένων Προβλεπτική εξόρυξη δεδομένων Διαφορετικές όψεις, διαφορετικές ταξινομήσεις Είδη βάσεων δεδομένων που εξάγονται Είδη γνώσεων που θα ανακαλυφθούν Είδη τεχνικών που θα χρησιμοποιηθούν Είδη εφαρμογών που προσαρμόζονται
26 Μία πολυδιάστατη οπτική της ταξινόμησης της εξόρυξης δεδομένων Βάσεις δεδομένων που θα εξαχθούν Σχεσιακές, δοσοληψιών, αντικειμενοστραφείς, χωρικές, χρονοσειρών, κειμένου, πολυμέσων, ετερογενείς, objectrelational, legacy, active, WWW, κτλ. Γνώση που θα εξαχθεί Χαρακτηρισμός, διάκριση, συσχέτιση, ταξινόμηση, ομαδοποίηση, τάση, απόκλιση και ανάλυση outlier κτλ. Τεχνικές που χρησιμοποιούνται Στατιστικές, οπτικοποίηση, νευρωνικό δίκτυο, μηχανική μάθηση, Database-oriented, data warehouse (OLAP), κτλ. Εφαρμογές που προσαρμόζονται Τηλεπικοινωνίες, τραπεζικές εργασίες, ανάλυση σφάλματος, εξόρυξη DNA, εξόρυξη Ιστού κτλ.
27 OLAP Εξόρυξη: Συγχώνευση Εξόρυξης Δεδομένων και Data Warehousing Συστήματα εξόρυξης δεδομένων, ΣΔΒΔ, Data warehouse συστήματα ένωσης Χωρίς ένωση, χαλαρή-ένωση, ημι-σφιχτή-ένωση, σφιχτή-ένωση On-line αναλυτική εξόρυξη δεδομένων Συγχώνευση της εξόρυξης και των OLAP τεχνολογιών Διαδραστική εξόρυξη γνώσης σε πολλά επίπεδα Ανάγκη εξόρυξης γνώσης και προτύπων σε διαφορετικά επίπεδα γενίκευσης (drilling/rolling, pivoting, slicing/dicing, κτλ.) Συγχώνευση πολλών λειτουργιών εξόρυξης Χαρακτηρισμένη ταξινόμηση, πρώτα ομαδοποίηση και μετά συσχέτιση
28 Μία ΟLAM αρχιτεκτονική Ερώτημα εξόρυξης OLAM Engine User GUI API Αποτέλεσμα εξόρυξης OLAP Engine Επίπεδο4 Περιβάλλον διεπαφής χρήστη Επίπεδο3 OLAP/OLAM Data Cube API MDDB ΜεταΔεδομένα Επίπεδο2 MDDB Καθαρισμός&ενσωμάτωση Databases Database API Καθαρισμός Δεδομένων Ενσωμάτωση δεδομένων Data Warehouse Φιλτράρισμα Επίπεδο1 Αποθήκη Δεδομένων
29 Βασικά ζητήματα στην εξόρυξη δεδομένων Μεθοδολογία εξορυξης και αλληλεπίδραση χρηστών Εξόρυξη διαφορετικών ειδών γνώσεων στις βάσεις δεδομένων Διαδραστική εξόρυξη γνώσης σε πολλαπλά επίπεδα αφαίρεσης Ενσωμάτωση της γνώσης που υπάρχει για την καθοδήγηση της διαδικασίας ανακάλυψης Γλώσσες διατύπωσης ερωτημάτων εξόρυξης δεδομένων και ad-hoc εξόρυξη δεδομένων Έκφραση και οπτικοποίηση των αποτελεσμάτων της εξόρυξης δεδομένων Χειρισμός θορύβου και ανολοκλήρωτων δεδομένων Αξιολόγηση προτύπου: το πρόβλημα ενδιαφέροντος Απόδοση και εξελιξιμότητα Απόδοση και εξελιξιμότητα των αλγορίθμων Παράλληλες, κατανεμημένες και επαυξητικές μέθοδοι εξόρυξης
30 Σημαντικά θέματα στην εξόρυξη δεδομένων Ζητήματα σχετικά με την ποικιλομορφία των τύπων δεδομένων Χειρισμός σχεσιακών και σύνθετων τύπων δεδομένων Εξόρυξη πληροφορίας από ετερογενείς βάσεις δεδομένων και σφαιρικά πληροφοριακά συστήματα (WWW) Ζητήματα σχετικά με τις εφαρμογές και τις κοινωνικές επιδράσεις Εφαρμογή της ανακαλυφθείσας γνώσης Εργαλεία εξόρυξης δεδομένων με βάση τον πεδίο Έξυπνη απάντηση ερωτήματος Έλεγχος διαδικασίας και λήψη απόφασης Ένωση της ανακαλυφθείσας γνώσης με την ήδη υπάρχουσα: πρόβλημα συγχώνευσης της γνώσης Προστασία της ασφάλειας των δεδομένων, της ακαιρεότητας και της μυστικότητας
31 Σύνοψη Εξόρυξη δεδομένων: ανακάλυψη ενδιαφερόντων προτύπων από μεγάλους όγκους δεδομένων Μία φυσική εξέλιξη της τεχνολογίας βάσεων δεδομένων, με μεγάλη ζήτηση, με μεγάλο εύρος εφαρμογών Μία KDD διαδικασία περιλαμβάνει τον καθαρισμό, την συγχώνευση, και την επιλογή δεδομένων, μετασχηματισμό, εξόρυξη δεδομένων, αξιολόγηση προτύπου και παρουσίαση της γνώσης Η εξόρυξη μπορεί να γίνει σε διάφορες αποθήκες πληροφοριών Λειτουργικότητες της εξόρυξης δεδομένων: χαρακτηρισμός, επιλογή, συσχέτιση, ταξινόμηση, ομαδοποίηση, ανάλυση τάσης και outlier, κτλ. Ταξινόμηση των συστημάτων εξορυξης δεδομένων Βασικά ζητήματα στην εξόρυξη δεδομένων
Βάσεις Δεδομένων ΙΙ. Ενότητα 13: Εισαγωγή στην Εξόρυξης Δεδομένων. Ανοικτά Ακαδημαϊκά Μαθήματα στο ΤΕΙ Ιονίων Νήσων
Ανοικτά Ακαδημαϊκά Μαθήματα στο ΤΕΙ Ιονίων Νήσων Βάσεις Δεδομένων ΙΙ Ενότητα 13: Εισαγωγή στην Εξόρυξης Δεδομένων Το περιεχόμενο του μαθήματος διατίθεται με άδεια Creative Commons εκτός και αν αναφέρεται
Διαβάστε περισσότεραΑποθήκες Δεδομένων και Εξόρυξη Δεδομένων
ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ Αποθήκες Δεδομένων και Εξόρυξη Δεδομένων Ενότητα 1: Εισαγωγή Αναστάσιος Γούναρης, Επίκουρος Καθηγητής Άδειες Χρήσης Το παρόν εκπαιδευτικό
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 περισσότεραΜοντελοποίηση Πεδίου
Μοντελοποίηση Πεδίου περιεχόμενα παρουσίασης Εννοιολογικές κλάσεις Συσχετίσεις εννοιολογικών κλάσεων Τύποι ιδιοτήτων Γενίκευση Συχνά σφάλματα μοντελοποίησης πεδίου Εννοιολογικές κλάσεις και κλάσεις λογισμικού
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 περισσότεραΠληροφοριακό Σύστημα Επιχειρηματικής Ευφυίας για την Oμαδοποίηση Πελατών Λιανικής
Πληροφοριακό Σύστημα Επιχειρηματικής Ευφυίας για την Oμαδοποίηση Πελατών Λιανικής Τ Μ Η Μ Α Π Λ Η Ρ Ο Φ Ο Ρ Ι Κ Η Σ Α Ρ Ι Σ Τ Ο Τ Ε Λ Ε Ι Ο Π Α Ν Ε Π Ι Σ Τ Η Μ Ι Ο Θ Ε Σ Σ Α Λ Ο Ν Ι Κ Η Σ Δομή Παρουσίασης
Διαβάστε περισσότεραΜηχανική Λογισμικού για Διαδικτυακές & Φορητές Εφαρμογές
Μεταπτυχιακό Δίπλωμα Ειδίκευσης Μηχανική Λογισμικού για Διαδικτυακές & Φορητές Εφαρμογές Δρ. Κακαρόντζας Γεώργιος Επίκουρος Καθηγητής Τμ. Μηχανικών Πληροφορικής Τ.Ε. Μηχανική Λογισμικού για Διαδικτυακές
Διαβάστε περισσότεραΔιδάσκοντες: Μαρία Χαλκίδη
Αποθήκες και Εξόρυξη Δεδομένων 6 ο εξάμηνο Τμήμα Ψηφιακών Συστημάτων Παν. Πειραιά Διδάσκοντες: Μαρία Χαλκίδη Μαθήματα σχετικά με Διαχείριση Δεδομένων στο Πρόγραμμα Σπουδών Δομές Δεδομένων (3 ο εξάμηνο)
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 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 περισσότεραΑρχιτεκτονική Συστημάτων Βάσεων Δεδομένων. Κατηγορίες χρηστών ΣΔΒΔ Αρχιτεκτονική ANSI/SPARC Γλώσσες ερωτημάτων Μοντέλα δεδομένων Λειτουργίες ΣΔΒΔ
Αρχιτεκτονική Συστημάτων Βάσεων Δεδομένων Κατηγορίες χρηστών ΣΔΒΔ Αρχιτεκτονική ANSI/SPARC Γλώσσες ερωτημάτων Μοντέλα δεδομένων Λειτουργίες ΣΔΒΔ Χρήστες ΣΔΒΔ Απλοί Χρήστες: συγκεκριμένες λειτουργίες σε
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 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 περισσότεραΕισαγωγή στα Τεχνητά Νευρωνικά Δίκτυα. "Τεχνητά Νευρωνικά Δίκτυα" (Διαφάνειες), Α. Λύκας, Παν. Ιωαννίνων
Εισαγωγή στα Τεχνητά Νευρωνικά Δίκτυα Τεχνητή Νοημοσύνη (Artificial Intelligence) Ανάπτυξη μεθόδων και τεχνολογιών για την επίλυση προβλημάτων στα οποία ο άνθρωπος υπερέχει (?) του υπολογιστή Συλλογισμοί
Διαβάστε περισσότεραΕίδη Groupware. Λογισμικό Συνεργασίας Ομάδων (Groupware) Λογισμικό Groupware. Υπάρχουν διάφορα είδη groupware ανάλογα με το αν οι χρήστες εργάζονται:
Μάθημα 10 Συστήματα Διάχυσης και Διαχείρισης Γνώσης Chapter 10 Knowledge Transfer In The E-world Chapter 13 Knowledge Management Tools and Knowledge Portals Συστήματα Διάχυσης και Διαχείρισης Γνώσης Λογισμικό
Διαβάστε περισσότεραΗ συνολική εικόνα. Ποιοτική Αναβάθμιση δεδομένων. Λογισμικό Επικοινωνιών DATA WAREHOUSE. Σχεδιασμός Ενοποίηση Επιλογή Συγχρονισμός Συντονισμός
Η συνολική εικόνα Τοπικές Βάσεις Βάσεις Κεντρικών Συστημάτων Βάσεις Τρίτων Ποιοτική Αναβάθμιση δεδομένων Λογισμικό Επικοινωνιών DATA WAREHOUSE Σχεδιασμός Ενοποίηση Επιλογή Συγχρονισμός Συντονισμός Warehouse
Διαβάστε περισσότεραΒάσεις Δεδομένων. Εισαγωγή Ανάλυση Απαιτήσεων. Φροντιστήριο 1 ο
Βάσεις Δεδομένων Εισαγωγή Ανάλυση Απαιτήσεων Φροντιστήριο 1 ο 16-10-2008 Εισαγωγή - Ορισμοί Βάση Δεδομένων είναι μία συλλογή από σχετιζόμενα αντικείμενα Ένα σύστημα διαχείρισης βάσεων δεδομένων (ΣΔΒΔ)
Διαβάστε περισσότεραΑπό τα Δεδομένα στην Πληροφορία: Διδακτικό Σενάριο για Εισαγωγή στη Γλώσσα SQL. Σ. Φίλου Β. Βασιλάκης
Από τα Δεδομένα στην Πληροφορία: Διδακτικό Σενάριο για Εισαγωγή στη Γλώσσα SQL Σ. Φίλου Β. Βασιλάκης Ένταξη στο Πρόγραμμα Σπουδών Εντάσσεται στο μάθημα «Βάσεις Δεδομένων με εφαρμογές στο Διαδίκτυο» της
Διαβάστε περισσότεραΠεριγραφή Μαθήματος. Περιγραφή Περιεχόμενο του Μαθήματος
+ Περιγραφή Μαθήματος Τίτλος Κωδικός Αριθμός του Πληροφοριακά Συστήματα Μαθήματος : Επίπεδο Τύπος του Μαθήματος : ΠΡΟΠΤΥΧΙΑΚΟ - ΥΠΟΧΡΕΩΤΙΚΟ Έτος Σπουδών Εξάμηνο : 5 Ε Αριθμός Ευρωπαϊκών Πιστωτικών Μονάδων
Διαβάστε περισσότεραΔΙΑΔΙΚΤΥΑΚΟ 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 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 περισσότερα1.1 Συστήματα Βάσεων Δεδομένων Κλασικές καί Σύγχρονες Εφαρμογές Σ ύ ν ο ψ η Ασκήσεις και Ερωτήσεις Ε πανάληψ ης...
Περιεχόμενα Πρόλογος 11 Κατάλογος Σχημάτων 26 Κατάλογος Πινάκων 33 I ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ 35 1 Εισαγωγή στις Βάσεις Δεδομένων 37 1.1 Συστήματα Βάσεων Δεδομένων...40 1.2 Κλασικές καί Σύγχρονες Εφαρμογές...44
Διαβάστε περισσότεραΒάσεις Δεδομένων. Βασίλειος Βεσκούκης 2006 Ρ.Κορακίτης, Β.Βεσκούκης, Θ.Καραλόπουλος, Γ.Πανόπουλος
Εθνικό Μετσόβιο Πολυτεχνείο Σχολή Αγρονόμων Τοπογράφων Μηχανικών Βάσεις Δεδομένων Βασίλειος Βεσκούκης v.vescoukis@cs.ntua.gr Περιεχόμενο του μαθήματος, εισαγωγή, διαδικασία Σχετικά με το μάθημα Διδάσκοντες
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 περισσότεραΒάσεις Δεδομένων. Database Management Systems (DBMS) Συστήματα Διαχείρισης Βάσεων Δεδομένων (ΣΔΒΔ)
Βάσεις Δεδομένων Συστήματα Διαχείρισης Βάσεων Δεδομένων (ΣΔΒΔ) Database Management Systems (DBMS) Αυγερινός Αραμπατζής avi@ee.duth.gr www.aviarampatzis.com Περιεχόμενα 1. Παραδοσιακές και νέες εφαρμογές
Διαβάστε περισσότεραΕνότητα 3: Διαχείριση πληροφοριακών πόρων με τη χρήση βάσεων δεδομένων
Ενότητα 3: Διαχείριση πληροφοριακών πόρων με τη χρήση βάσεων δεδομένων YouTube Ιδρύθηκε το 2005 Στόχος του ήταν να δημιουργήσει μία παγκόσμια κοινότητα Βάση δεδομένων βίντεο Μέσα σε ένα χρόνο από τη δημιουργία
Διαβάστε περισσότεραInformation Technology for Business
Information Technology for Business! Lecturer: N. Kyritsis, MBA, Ph.D. Candidate!! e-mail: kyritsis@ist.edu.gr Διαχείριση Επιχειρηματικών Δεδομένων - Databases Ορισμός Βάσης Δεδομένων Συλλογή συναφών αρχείων
Διαβάστε περισσότεραΠροεπεξεργασία Δεδομένων. Αποθήκες και Εξόρυξη Δεδομένων Διδάσκουσα: Μαρία Χαλκίδη
Προεπεξεργασία Δεδομένων Αποθήκες και Εξόρυξη Δεδομένων Διδάσκουσα: Μαρία Χαλκίδη Η διαδικασίας της ανακάλυψης γνώσης Knowledge Discovery (KDD) Process Εξόρυξη δεδομένων- πυρήνας της διαδικασίας ανακάλυψης
Διαβάστε περισσότεραΠΛΗΡΟΦΟΡΙΑΚΑ ΣΥΣΤΗΜΑΤΑ. Συστήματα Διαχείρισης Βάσεων Δεδομένων
ΠΛΗΡΟΦΟΡΙΑΚΑ ΣΥΣΤΗΜΑΤΑ ΠΛΗΡΟΦΟΡΙΑΚΑ ΣΥΣΤΗΜΑΤΑ Συστήματα Διαχείρισης Βάσεων Δεδομένων 1 ΕΙΣΑΓΩΓΗ Η τεχνολογία των Βάσεων Δεδομένων (ΒΔ) (Databases - DB) και των Συστημάτων Διαχείρισης Βάσεων Δεδομένων (ΣΔΒΔ)
Διαβάστε περισσότεραΔεδομένα και Πληροφορίες
Εισαγωγή Δεδομένα και Πληροφορίες, Βάση Δεδομένων, Σύστημα Διαχείρισης Βάσεων Δεδομένων (Ορισμοί, Γλώσσες & Διεπαφές, Κατηγορίες), Σύστημα Βάσης Δεδομένων, Κατάλογος Δεδομένων Μεταδεδομένα, Λειτουργική
Διαβάστε περισσότεραΠΑΡΆΡΤΗΜΑ Β Ενδεικτική Λίστα Διδασκόντων Μελών Δ.Ε.Π. του Τμήματος
ΠΑΡΆΡΤΗΜΑ Β Ενδεικτική Λίστα Διδασκόντων Μελών Δ.Ε.Π. του Τμήματος 1 Βασίλειος Χρυσικόπουλος Καθηγητής Πληροφορική Δίκτυα Ασφάλεια Πληροφοριών Ερευνητικά Ενδιαφέροντα Ασφάλεια Δίκτυα Η/Υ http://di.ionio.gr/staff-2/faculty-staff/vassilischrissikopoulos/
Διαβάστε περισσότεραΠεριεχόμενα. 1 Υποδείγματα αλληλεπίδρασης, αρχές & μοτίβα σχεδίασης Περίληψη... 19
Περιεχόμενα Περίληψη... 19 Αλληλεπίδραση ανθρώπου υπολογιστή... 19 Ανάπτυξη διαδραστικών συστημάτων... 20 Στόχοι και οργάνωση του βιβλίου... 21 Σε ποιους απευθύνεται το βιβλίο;... 24 Η προσέγγιση που ακολουθεί
Διαβάστε περισσότερα1. ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΣ ΔΕΔΟΜΕΝΩΝ
1. ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΣ ΔΕΔΟΜΕΝΩΝ Τα δεδομένα που θα επεξεργασθούμε στη διάρκεια του εργαστηρίου παραχωρήθηκαν από την εταιρεία ICAP ειδικά για τις ανάγκες του μαθήματος. Τα δεδομένα αυτά αντλήθηκαν από την
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΠΑΤΡΩΝ - ΤΜΗΥΠ ΒΑΣΕΙΣ ΔΕΔΟΜΕΝΩΝ ΙI
ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΑΤΡΩΝ - ΤΜΗΥΠ ΒΑΣΕΙΣ ΔΕΔΟΜΕΝΩΝ ΙI B. Μεγαλοοικονόμου Αντικειμενοστρεφή και αντικειμενο-σχεσιακά ΣΔΒΔ (παρουσίαση βασισμένη εν μέρη σε σημειώσεις των Silberchatz, Korth και Sudarshan και του
Διαβάστε περισσότεραΣυστήματα Επιχειρηματικής Ευφυίας. Εισαγωγικές Έννοιες
Συστήματα Επιχειρηματικής Ευφυίας Εισαγωγικές Έννοιες Περιεχόμενα Επιχειρηματική Ευφυΐα: Παραδείγματα Επιχειρηματική Ευφυΐα: Ορισμοί Χρησιμότητα - Σημασία της Επιχειρηματικής Ευφυΐας Δυνατότητες - Οφέλη
Διαβάστε περισσότεραΜεθοδολογίες Αξιοποίησης Δεδομένων
Μεθοδολογίες Αξιοποίησης Δεδομένων Βλάχος Σ. Ιωάννης Λέκτορας 407/80, Ιατρικής Σχολής Πανεπιστημίου Αθηνών Εργαστήριο Πειραματικής Χειρουργικής και Χειρουργικής Ερεύνης «Ν.Σ. Σ Χρηστέας» Στάδια Αξιοποίησης
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΠΑΤΡΩΝ - ΤΜΗΥΠ ΒΑΣΕΙΣ ΔΕΔΟΜΕΝΩΝ ΙI
ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΑΤΡΩΝ - ΤΜΗΥΠ ΒΑΣΕΙΣ ΔΕΔΟΜΕΝΩΝ ΙI Β. Μεγαλοοικονόμου Κατανεμημένες Βάσεις Δεδομένων (παρουσίαση βασισμένη εν μέρη σε σημειώσεις των Silberchatz, Korth και Sudarshan και του C. Faloutsos)
Διαβάστε περισσότερα1 Συστήματα Αυτοματισμού Βιβλιοθηκών
1 Συστήματα Αυτοματισμού Βιβλιοθηκών Τα Συστήματα Αυτοματισμού Βιβλιοθηκών χρησιμοποιούνται για τη διαχείριση καταχωρήσεων βιβλιοθηκών. Τα περιεχόμενα των βιβλιοθηκών αυτών είναι έντυπα έγγραφα, όπως βιβλία
Διαβάστε περισσότεραΠΛΗΡΟΦΟΡΙΑΚΑ ΣΥΣΤΗΜΑΤΑ ΜΑΡΚΕΤΙΝΓΚ
ΠΛΗΡΟΦΟΡΙΑΚΑ ΣΥΣΤΗΜΑΤΑ ΜΑΡΚΕΤΙΝΓΚ Ενότητα 2: Μάρκετινγκ Στόχοι Αποφάσεις Ιδεολογία Ανάλυση Στρατηγικής Βλαχοπούλου Μάρω Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons.
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 περισσότεραΓεωγραφικά Πληροφοριακά Συστήµατα (Geographical Information Systems GIS)
Γεωγραφικά Πληροφοριακά Συστήµατα (Geographical Information Systems GIS) ρ. ΧΑΛΚΙΑΣ ΧΡΙΣΤΟΣ xalkias@hua.gr Χ. Χαλκιάς - Εισαγωγή στα GIS 1 Ορισµοί ΓΠΣ Ένα γεωγραφικό πληροφοριακό σύστηµα Geographic Information
Διαβάστε περισσότεραΜάθημα 3. Θεμέλια Επιχειρηματικής Ευφυΐας: Διαχείριση Βάσεων Δεδομένων και πληροφοριών
Μάθημα 3. Θεμέλια Επιχειρηματικής Ευφυΐας: Διαχείριση Βάσεων Δεδομένων και πληροφοριών Περιεχόμενα μαθήματος Πώς οργανώνει τα δεδομένα μια σχεσιακή βάση δεδομένων και σε τι διαφέρει από μια αντικειμενοστρεφή
Διαβάστε περισσότεραΕΥΦΥΗΣ ΕΛΕΓΧΟΣ. Ενότητα #12: Εισαγωγή στα Nευρωνικά Δίκτυα. Αναστάσιος Ντούνης Τμήμα Μηχανικών Αυτοματισμού Τ.Ε.
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα ΕΥΦΥΗΣ ΕΛΕΓΧΟΣ Ενότητα #12: Εισαγωγή στα Nευρωνικά Δίκτυα Αναστάσιος Ντούνης Τμήμα Μηχανικών Αυτοματισμού Τ.Ε. Άδειες Χρήσης Το
Διαβάστε περισσότεραBusiness Development, SAP Hellas 01/12/2007
Επιχειρηµατική Ευφυΐα Απότηνιδέαστηνπράξη Παναγιώτης Θεοφάνους Business Development, SAP Hellas 01/12/2007 Περιεχόµενα 1. SAP Εταιρικόπροφίλ 2. Επιχειρηµατική Ευφυΐα - Η ανάγκη 3. SAP Business Intelligence
Διαβάστε περισσότεραΑνάπτυξη & Σχεδίαση Λογισμικού (ΗΥ420)
Ανάπτυξη & Σχεδίαση Λογισμικού (ΗΥ420) Διάλεξη 2: Βασικές Έννοιες Τεχνολογίας Λογισμικού Ο Ρόλος του Τεχνολόγου Λογισμικού Επιστήμη Υπολογιστών Πελάτης 2 Θεωρίες Λειτουργίες Υπολογιστή Πρόβλημα Σχεδιασμός
Διαβάστε περισσότεραΠΡΟΒΛΕΨΗ ΧΡΕΟΚΟΠΙΑΣ ΜΕ ΜΕΘΟΔΟΥΣ ΕΞΟΡΥΞΗΣ ΓΝΩΣΗΣ ΑΠΟ ΔΕΔΟΜΕΝΑ(DATA MINING)
ΤΕΙ ΙΟΝΙΩΝ ΝΗΣΩΝ ΤΜΗΜΑ ΕΦΑΡΜΟΓΩΝ ΠΛΗΡΟΦΟΡΙΚΗΣ ΣΤΗ ΔΙΟΙΚΗΣΗ ΚΑΙ ΤΗΝ ΟΙΚΟΝΟΜΙΑ ΠΡΟΒΛΕΨΗ ΧΡΕΟΚΟΠΙΑΣ ΜΕ ΜΕΘΟΔΟΥΣ ΕΞΟΡΥΞΗΣ ΓΝΩΣΗΣ ΑΠΟ ΔΕΔΟΜΕΝΑ(DATA MINING) Των σπουδαστών Σκλαβενίτης Αργύρης (Α.Μ. 535) Στασινός
Διαβάστε περισσότεραΗ Oracle ανακοίνωσε την πιο ολοκληρωμένη λύση στον τομέα της Ανάλυσης δεδομένων στο Cloud
Η Oracle ανακοίνωσε την πιο ολοκληρωμένη λύση στον τομέα της Ανάλυσης δεδομένων στο Cloud Το Oracle Analytics Cloud αποτελεί ένα ολοκληρωμένο σύνολο δυνατοτήτων που περιλαμβάνει έτοιμο περιεχόμενο, εξειδικευμένα
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ
ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΠΛΗΡΟΦΟΡΙΑΚΩΝ ΚΑΙ ΕΠΙΚΟΙΝΩΝΙΑΚΩΝ ΣΥΣΤΗΜΑΤΩΝ ΠΡΟΠΤΥΧΙΑΚΟ ΠΡΟΓΡΑΜΜΑ ΣΠΟΥΔΩΝ ΜΑΘΗΜΑ: ΤΕΧΝΟΛΟΓΙΑ ΛΟΓΙΣΜΙΚΟΥ ΔΙΑΔΙΚΑΣΙΕΣ ΠΑΡΑΓΩΓΗΣ ΛΟΓΙΣΜΙΚΟΥ Διδάσκων: Γ. Χαραλαμπίδης,
Διαβάστε περισσότεραΤίτλος Πακέτου Certified Computer Expert-ACTA
Κωδικός Πακέτου ACTA - CCE - 002 Τίτλος Πακέτου Certified Computer Expert-ACTA Εκπαιδευτικές Ενότητες Επεξεργασία Κειμένου - Word Δημιουργία Εγγράφου Προχωρημένες τεχνικές επεξεργασίας κειμένου & αρχείων
Διαβάστε περισσότεραΔιαδικασίες παραγωγής λογισμικού. Βασικές αρχές Τεχνολογίας Λογισμικού, 8η αγγ. έκδοση
Διαδικασίες παραγωγής λογισμικού Περιεχόμενα Παρουσίαση μοντέλων διεργασίας ανάπτυξης λογισμικού Περιγραφή τριών γενικών μοντέλων διεργασίας ανάπτυξης λογισμικού Γενική περιγραφή των διαδικασιών που περιλαμβάνονται
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 περισσότεραΠεριεχόμενο 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 περισσότεραΠΛΗΡΟΦΟΡΙΑΚΑ ΣΥΣΤΗΜΑΤΑ ΔΙΟΙΚΗΣΗΣ
ΠΛΗΡΟΦΟΡΙΑΚΑ ΣΥΣΤΗΜΑΤΑ ΔΙΟΙΚΗΣΗΣ ΔΕΔΟΜΕΝΑ ΔΕΔΟΜΕΝΑ ΠΛΗΡΟΦΟΡΙΑ ΑΡΙΘΜΟΙ ΣΥΜΒΟΛΑ - ΛΕΞΕΙΣ ΟΠΟΙΑΔΗΠΟΤΕ ΔΡΑΣΤΗΡΙΟΤΗΤΑ ΣΥΜΒΑΙΝΕΙ ΣΕ ΜΙΑ ΟΙΚΟΝΟΜΙΚΗ ΜΟΝΑΔΑ ΠΡΕΠΕΙ ΝΑ ΜΕΤΡΕΙΤΑΙ ΚΑΙ ΝΑ ΚΑΤΑΓΡΑΦΕΤΑΙ ΟΡΓΑΝΩΣΗ ΚΑΤΑΓΡΑΦΗΣ
Διαβάστε περισσότεραΒελτίωση της λήψης αποφάσεων και της διαχείρισης γνώσεων
Κεφάλαιο 11 Βελτίωση της λήψης αποφάσεων και της διαχείρισης γνώσεων 11.1 Λήψη αποφάσεων και πληροφοριακά συστήματα Η επιχειρηματική αξία της βελτιωμένης λήψης αποφάσεων Είναι εφικτό να αποτιμηθεί σε κάποιον
Διαβάστε περισσότεραGIS: Εισαγωγή στα Γεωγραφικά Συστήµατα Πληροφοριών
GIS: Εισαγωγή στα Γεωγραφικά Συστήµατα Πληροφοριών Σηµειώσεις Σεµιναρίου ηµήτρης Τσολάκης v1.2 ΠΕΡΙΕΧΟΜΕΝΑ 1. Εισαγωγή... 9 1.1. GIS in Greek...10 1.2. Γιατί GIS;...10 1.3. Τι Είναι τα GIS...12 1.3.1.
Διαβάστε περισσότεραΠληροφοριακά Συστήματα Διοίκησης
: Επιχειρηματική Ευφυΐα, Βάσεις Δεδομένων και Πληροφοριών Επ. Καθ. Ευθύμιος Ταμπούρης tambouris@uom.gr Στόχος Τμήμα Διοίκησης Τεχνολογίας Τι είναι μια σχεσιακή βάση δεδομένων και σε τι διαφέρει από μια
Διαβάστε περισσότεραΑριστομένης Μακρής. Συστήματα Επιχειρηματικής Ευφυΐας (BI/BA)
Αναλυτική μέσων Κοινωνικής Δικτύωσης (Social Media Analytics) Πληθυσμός Τεχνολογία ο χώρος (χορός) των υπερβολών Παράδειγμα υπερβολής Το 2005 το αγοράζει η News Corp αντί $580.000.000 Το 2008 η αξία της
Διαβάστε περισσότεραΕΞΟΡΥΞΗ ΔΕΔΟΜΕΝΩΝ. Εισαγωγή στην Εξόρυξη Δεδομένων Πασχάλης Θρήσκος, PhD Λάρισα
1 ΕΞΟΡΥΞΗ ΔΕΔΟΜΕΝΩΝ Εισαγωγή στην Εξόρυξη Δεδομένων Πασχάλης Θρήσκος, PhD Λάρισα 2016-2017 2 Τα δεδομένα πολλαπλασιάζονται με γεωμετρική πρόοδο Οι χρήστες συσκευών επιθυμούν εξεζητημένη και εκλεπτυσμένη
Διαβάστε περισσότεραΤεχνολογίες Πληροφορίας και Επικοινωνίας στον Τουρισμό (Γ εξάμηνο)
Τεχνολογίες Πληροφορίας και Επικοινωνίας στον Τουρισμό (Γ εξάμηνο) Ακαδ. Έτος 2014-15 Β. Φερεντίνος Εισαγωγή στον Ηλεκτρονικό Τουρισμό και τα Πληροφοριακά Συστήματα ΤΕΙ ΙΟΝΙΩΝ ΝΗΣΩΝ - ΣΧΟΛΗ ΔΙΟΙΚΗΣΗΣ ΚΑΙ
Διαβάστε περισσότεραΠληροφοριακά Συστήματα Διοίκησης
Πληροφοριακά Συστήματα Διοίκησης Επιχειρηματική ευφυΐα ΠΜΣ Λογιστική Χρηματοοικονομική και Διοικητική Επιστήμη ΤΕΙ Ηπείρου @ 2017 Επιχειρηματική ευφυΐα Η πλειονότητα των εργαζομένων μιας επιχείρησης έχουν
Διαβάστε περισσότεραGeographic Information System(GIS)
Geographic Information System(GIS) Κάθε πληροφοριακό σύστημα που ολοκληρώνει, αποθηκεύει, επεξεργάζεται, αναλύει, διαμοιράζει και απεικονίζει γεωγραφική πληροφορία. Βασικό του γνώρισμα ότι χρησιμοποιεί
Διαβάστε περισσότεραΒΑΣΕΙΣ ΔΕΔΟΜΕΝΩΝ. Ενότητα 1: Εισαγωγή στις Βάσεις Δεδομένων. Αθανάσιος Σπυριδάκος Διοίκηση Επιχειρήσεων
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα ΒΑΣΕΙΣ ΔΕΔΟΜΕΝΩΝ Ενότητα 1: Εισαγωγή στις Βάσεις Δεδομένων Αθανάσιος Σπυριδάκος Διοίκηση Επιχειρήσεων Άδειες Χρήσης Το παρόν εκπαιδευτικό
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 περισσότεραCRM για Εκπαιδευτικούς Φορείς
Cosmos Business Systems S.A. Group CRM για Εκπαιδευτικούς Φορείς CRM Εκπαιδευτικών Φορέων Το CRM Εκπαιδευτικών Φορέων έχει αναπτυχθεί για να ικανοποιήσει τις ανάγκες διαχείρισης του υποψήφιου πελατολογίου
Διαβάστε περισσότερα4.2.1 Α εξάμηνο Β εξάμηνο Γ εξάμηνο 4.2. ΣΥΝΟΠΤΙΚΟ ΠΡΟΓΡΑΜΜΑ ΣΠΟΥΔΩΝ ΑΝΑ ΕΞΑΜΗΝΟ
4.2. ΣΥΝΟΠΤΙΚΟ ΠΡΟΓΡΑΜΜΑ ΣΠΟΥΔΩΝ ΑΝΑ ΕΞΑΜΗΝΟ 4.2.1 Α εξάμηνο Α εξάμηνο K10 Μαθηματική Ανάλυση Ι 2 2 5 K11 Φυσική Ι 2 2 5 K12 Προγραμματισμός Ι 2 2 5 K13 Γραμμική Άλγεβρα και Εφαρμογές 2 2 5 K16 Ηλεκτρικά
Διαβάστε περισσότεραΒάσεις Δεδομένων Ενότητα 3
ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ Ενότητα 3: Αρχιτεκτονική Συστημάτων Ιωάννης Μανωλόπουλος, Καθηγητής Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης
Διαβάστε περισσότεραΠως 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 περισσότεραΑνάκτηση πολυμεσικού περιεχομένου
Ανάκτηση πολυμεσικού περιεχομένου Ανίχνευση / αναγνώριση προσώπων Ανίχνευση / ανάγνωση κειμένου Ανίχνευση αντικειμένων Οπτικές λέξεις Δεικτοδότηση Σχέσεις ομοιότητας Κατηγοριοποίηση ειδών μουσικής Διάκριση
Διαβάστε περισσότεραΓΛΩΣΣΙΚΗ 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 περισσότεραΚεφάλαιο 8 Πληροφοριακά συστήματα. Εφαρμογές Πληροφορικής Κεφ. 8 Καραμαούνας Πολύκαρπος
Κεφάλαιο 8 Πληροφοριακά συστήματα 1 Στόχος: η βελτίωση της ποιότητας προϊόντων και υπηρεσιών η αύξηση της παραγωγικότητας η παραγωγή νέων προϊόντων και νέων υπηρεσιών. 2 8.1 Τί είναι Πληροφοριακό Σύστημα
Διαβάστε περισσότεραManaging 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 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 περισσότεραCertified Data Base Designer (CDBD)
Certified Data Base Designer (CDBD) Εξεταστέα Ύλη (Syllabus) Πνευµατικά ικαιώµατα Το παρόν είναι πνευµατική ιδιοκτησία της ACTA Α.Ε. και προστατεύεται από την Ελληνική και Ευρωπαϊκή νοµοθεσία που αφορά
Διαβάστε περισσότεραΕξόρυξη Δεδομένων Data Mining
Εξόρυξη Δεδομένων Data Mining Η συνολική εικόνα ενός συστήματος BI/BA Επιχειρηματική Γνώση Από τα δεδομένα στη γνώση Επιχειρηματι κοί Κανόνες Μετα- Δεδομένα Δομή Βάσης Δεδομένων Συγκεντρωτικά Δεδομένα
Διαβάστε περισσότεραΠληροφοριακά Συστήματα Διοίκησης
Πληροφοριακά Συστήματα Διοίκησης Επιχειρηματική ευφυΐα ΠΜΣ Λογιστική Χρηματοοικονομική και Διοικητική Επιστήμη ΤΕΙ Ηπείρου Επιχειρηματική ευφυΐα Η πλειονότητα των ατόμων μιας επιχείρησης έχουν ανάγκη υποστήριξης
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 περισσότεραΔιαχείριση Δεδομένων
Διαχείριση Δεδομένων Βαγγελιώ Καβακλή Τμήμα Πολιτισμικής Τεχνολογίας και Επικοινωνίας Πανεπιστήμιο Αιγαίου 1 Εαρινό Εξάμηνο 2012-13 Περιεχόμενο σημερινής διάλεξης Βάσεις Δεδομένων Ορισμοί Παραδείγματα
Διαβάστε περισσότεραΠΛΗΡΟΦΟΡΙΑΚΑ ΣΥΣΤΗΜΑΤΑ
ΠΛΗΡΟΦΟΡΙΑΚΑ ΣΥΣΤΗΜΑΤΑ Μαρίνος Θεμιστοκλέους Email: mthemist@unipi.gr Ανδρούτσου 150 Γραφείο 206 Τηλ. 210 414 2723 Ώρες Γραφείου: Δευτέρα 11-12 AM Πληροφοριακά Συστήματα (ΠΣ) Information Systems (IS) Ορισμός
Διαβάστε περισσότεραΕΙΣΑΓΩΓΗ ΣΤΗΝ ΠΛΗΡΟΦΟΡΙΚΗ
ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΠΛΗΡΟΦΟΡΙΚΗ Ενότητα 7: Βάσεις Δεδομένων (Θεωρία) Πασχαλίδης Δημοσθένης Τμήμα Ιερατικών Σπουδών Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons. Για εκπαιδευτικό
Διαβάστε περισσότεραΣχεδιασμός Επεξεργασίας και Τηλεπεξεργασίας
Ενότητα 9 Σχεδιασμός Επεξεργασίας και Τηλεπεξεργασίας Πληροφοριακά Συστήματα Διοίκησης ΙI Ι Διδάσκων: Νίκος Καρακαπιλίδης 9-1 Στόχοι & αντικείμενο ενότητας Σχεδιασμός επεξεργασίας Επεξεργασία κατά δεσμίδες
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 περισσότεραΈρευνα Μάρκετινγκ Ενότητα 5
ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ Ενότητα 5 : Μέθοδοι Στατιστικής Ανάλυσης Χριστίνα Μπουτσούκη Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative
Διαβάστε περισσότεραΠανεπιστήμιο Πειραιώς Τμήμα : Οργάνωσης και Διοίκησης Επιχειρήσεων
Πανεπιστήμιο Πειραιώς Τμήμα : Οργάνωσης και Διοίκησης Επιχειρήσεων ΕΚΠΑΙΔΕΥΣΗ & ΑΡΧΙΚΗ ΕΠΑΓΓΕΛΜΑΤΙΚΗ ΚΑΤΑΡΤΙΣΗ (Ε.Π.Ε.Α.Ε.Κ. II) στο πλαίσιο των Κατηγοριών Πράξεων 2.2.2.α. «Αναμόρφωση Προπτυχιακών Προγραμμάτων
Διαβάστε περισσότεραΒΑΣΙΚΑ ΧΑΡΑΚΤΗΡΙΣΤΙΚΑ ΤΟΥ ΠΡΟΪΟΝΤΟΣ
ΒΑΣΙΚΑ ΧΑΡΑΚΤΗΡΙΣΤΙΚΑ ΤΟΥ ΠΡΟΪΟΝΤΟΣ Πλήρης εμπορική παρακολούθηση και άμεση οικονομική εικόνα των επιχειρήσεων Αποθήκη o Διαχείριση αποθήκης (5 αποθ. χώροι) o Οργάνωση αποθήκης o Group Αποθηκών o Είδη
Διαβάστε περισσότεραΠαραδοτέο Π.2.1. Υπερχώρος και διαχείριση μοντέλων
Έργο: Τίτλος Υποέργου: «ΘΑΛΗΣ: Ενίσχυση της Διεπιστημονικής ή και Διιδρυματικής έρευνας και καινοτομίας με δυνατότητα προσέλκυσης ερευνητών υψηλού επιπέδου από το εξωτερικό μέσω της διενέργειας βασικής
Διαβάστε περισσότεραΕΝΙΑΙΟ ΠΛΑΙΣΙΟ ΠΡΟΓΡΑΜΜΑΤΟΣ ΣΠΟΥΔΩΝ
ΥΠΟΥΡΓΕΙΟ ΕΘΝΙΚΗΣ ΠΑΙΔΕΙΑΣ ΚΑΙ ΘΡΗΣΚΕΥΜΑΤΩΝ ΠΑΙΔΑΓΩΓΙΚΟ ΙΝΣΤΙΤΟΥΤΟ ΕΝΙΑΙΟ ΠΛΑΙΣΙΟ ΠΡΟΓΡΑΜΜΑΤΟΣ ΣΠΟΥΔΩΝ ΠΛΗΡΟΦΟΡΙΚΗΣ ΙΣΧΥΕΙ ΚΑΤΑ ΤΟ ΜΕΡΟΣ ΠΟΥ ΑΦΟΡΑ ΤΟ ΛΥΚΕΙΟ ΓΙΑ ΤΗΝ ΥΠΟΧΡΕΩΤΙΚΗ ΕΚΠΑΙΔΕΥΣΗ ΙΣΧΥΟΥΝ ΤΟ ΔΕΠΠΣ
Διαβάστε περισσότεραΤεχνολογία Λογισµικού Ι Κεφάλαιο 3 Μια αναλυτικότερη προσέγγιση στην δραστηριότητα 3.10
ΕΛΛΗΝΙΚΟ ΑΝΟΙΧΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ Πρόγραµµα σπουδών "ΠΛΗΡΟΦΟΡΙΚΗ" - Θ.Ε. ΠΛΗ11 Τεχνολογία Λογισµικού Ι Κεφάλαιο 3 Μια αναλυτικότερη προσέγγιση στην δραστηριότητα 3.10 Βασίλειος Βεσκούκης ιδάκτωρ Ηλεκτρολόγος
Διαβάστε περισσότεραΣυστήματα πανταχού παρόντος υπολογιστή σε περιβάλλοντα υβριδικών βιβλιοθηκών
Συστήματα πανταχού παρόντος υπολογιστή σε περιβάλλοντα υβριδικών βιβλιοθηκών Βερονίκης Σπύρος Τμήμα Αρχειονομίας- Βιβλιοθηκονομίας, Ιόνιο Πανεπιστήμιο spver@ionio.gr Stoica Adrian Τμήμα Ηλεκτρολόγων Μηχανικών
Διαβάστε περισσότεραΚΕΦΑΛΑΙΟ Εισαγωγή Μεθοδολογία της Έρευνας ΕΙΚΟΝΑ 1-1 Μεθοδολογία της έρευνας.
ΚΕΦΑΛΑΙΟ 1 Εισαγωγή Η Μεθοδολογία της Έρευνας (research methodology) είναι η επιστήμη που αφορά τη μεθοδολογία πραγματοποίησης μελετών με συστηματικό, επιστημονικό και λογικό τρόπο, με σκοπό την παραγωγή
Διαβάστε περισσότεραΠτυχιακές εργασίες 2015-2016
Πτυχιακές εργασίες 2015-2016 - ΣΛΒΔ (& friends) Πανεπιστήµιο Πελοποννήσου Τµήµα Πληροφορικής & Τηλεπικοινωνιών Πτυχιακές εργασίες Δύο είδη: application-oriented (σύστηµα) hands on σε νέες τεχνολογίες εργαλεία
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 περισσότεραΕισαγωγή στα Συστήματα Βάσεων Δεδομένων. Βάσεις Δεδομένων 2014-2015 Ευαγγελία Πιτουρά 1
Εισαγωγή στα Συστήματα Βάσεων Δεδομένων Ευαγγελία Πιτουρά 1 Τι θα δούμε σήμερα I. Σύντομη εισαγωγή στις ΒΔ II. Περιγραφή σκοπού και περιεχομένου μαθήματος III. Ιστορία των ΣΔΒΔ IV. Διαδικαστικά θέματα
Διαβάστε περισσότεραΤι είναι τα Συστήµατα Γεωγραφικών Πληροφοριών. (Geographical Information Systems GIS)
Τι είναι τα Συστήµατα Γεωγραφικών Πληροφοριών (Geographical Information Systems GIS) ΧΑΡΟΚΟΠΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ, ΤΜΗΜΑ ΓΕΩΓΡΑΦΙΑΣ ΧΑΛΚΙΑΣ ΧΡΙΣΤΟΣ Εισαγωγή στα GIS 1 Ορισµοί ΣΓΠ Ένα σύστηµα γεωγραφικών πληροφοριών
Διαβάστε περισσότεραCRM. Σηµειώσεις για το σεµινάριο Αθανάσιος Ν. Σταµούλης. Customer Relationship Management
CRM Σηµειώσεις για το σεµινάριο Αθανάσιος Ν. Σταµούλης Customer Relationship Management Το Customer Relationship Management ή Marketing είναι µια συνολική πελατοκεντρική προσέγγιση που επιτρέπει τον εντοπισµό,
Διαβάστε περισσότεραΕΙΣΑΓΩΓΗ ΣΤΙΣ ΨΗΦΙΑΚΕΣ ΒΙΒΛΙΟΘΗΚΕΣ. Σαράντος Καπιδάκης
ΕΙΣΑΓΩΓΗ ΣΤΙΣ ΨΗΦΙΑΚΕΣ ΒΙΒΛΙΟΘΗΚΕΣ Σαράντος Καπιδάκης 0_CONT_Ω.indd iii τίτλος: ΕΙΣΑΓΩΓΗ ΣΤΙΣ ΨΗΦΙΑΚΕΣ ΒΙΒΛΙΟΘΗΚΕΣ συγγραφέας: Καπιδάκης Σαράντος 2014 Εκδόσεις Δίσιγμα Για την ελληνική γλώσσα σε όλον τον
Διαβάστε περισσότεραCopyright 2007 Ramez Elmasri and Shamkant B. Navathe, Ελληνική Έκδοση Δίαυλος Διαφάνεια 2-1
Copyright 2007 Ramez Elmasri and Shamkant B. Navathe, Ελληνική Έκδοση Δίαυλος Διαφάνεια 2-1 Κεφάλαιο 2 Έννοιες και Αρχιτεκτονική Συστημάτων Βάσεων δεδομένων Copyright 2007 Ramez Elmasri and Shamkant B.
Διαβάστε περισσότεραPegasus ERP Start Up 738,00. Δυνατότητες Pegasus
Pegasus ERP Start Up 738,00 Σε ποιούς απευθύνεται: Το Pegasus Erp Start up απευθύνεται στο 60 % τον εμπορικών επιχειρήσεων που θέλουν να κάνουν το πρώτο βήμα στην μηχανοργάνωση της επιχείρησής τους. Είναι
Διαβάστε περισσότεραΠληροφοριακά Συστήματα Διοίκησης
Πληροφοριακά Συστήματα Διοίκησης Επιχειρηματική ευφυΐα ΠΜΣ Λογιστική Χρηματοοικονομική και Διοικητική Επιστήμη ΤΕΙ Ηπείρου @ 2018 Επιχειρηματική ευφυΐα Η πλειονότητα των εργαζομένων μιας επιχείρησης έχουν
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕΔΟΝΙΑΣ
ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕΔΟΝΙΑΣ ΔΙΑΤΜΗΜΑΤΙΚΟ ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ ΣΤΑ ΠΛΗΡΟΦΟΡΙΑΚΑ ΣΥΣΤΗΜΑΤΑ ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ ΔΟΥΒΛΕΤΗΣ ΧΑΡΑΛΑΜΠΟΣ ΕΠΙΒΛΕΠΟΝΤΕΣ ΚΑΘΗΓΗΤΕΣ Μαργαρίτης Κωνσταντίνος Βακάλη
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 περισσότερα