Big Data Hadoop MapReduce Podsumowanie. MapReduce. Paweł Jamer. Wydział Matematyki i Nauk Informacyjnych Politechnika Warszawska.

Wielkość: px
Rozpocząć pokaz od strony:

Download "Big Data Hadoop MapReduce Podsumowanie. MapReduce. Paweł Jamer. Wydział Matematyki i Nauk Informacyjnych Politechnika Warszawska."

Transkrypt

1 MapReduce Paweł Jamer Wydział Matematyki i Nauk Informacyjnych Politechnika Warszawska 5 marca 2013

2 Rysunek:

3 Plan prezentacji: 1 Big Data Definicja Przykłady 2 Hadoop Wprowadzenie Użytkownicy 3 MapReduce Idea Realizacja Przykład 4 Podsumowanie

4 Definicja 10 Big Data Definitions Big Data (gartner.com) Big data is high-volume, high-velocity and high-variety information assets that demand cost-effective, innovative forms of information processing for enhanced insight and decision making.

5 Definicja 10 Big Data Definitions Big Data (gartner.com) Big data is high-volume, high-velocity and high-variety information assets that demand cost-effective, innovative forms of information processing for enhanced insight and decision making.

6 Przykłady Liczba stron internetowych Rysunek:

7 Przykłady Facebook Rysunek:

8 Przykłady Wielki zderzacz hadronów 150 milionów sensorów, dostarczanie danych 40 milionów razy na sekundę, 100 interesujacych kolizji na sekundę. 25 PB danych na rok. Rysunek:

9 Przykłady Wielki zderzacz hadronów 150 milionów sensorów, dostarczanie danych 40 milionów razy na sekundę, 100 interesujacych kolizji na sekundę. 25 PB danych na rok. Rysunek:

10 Przykłady Wielki zderzacz hadronów 150 milionów sensorów, dostarczanie danych 40 milionów razy na sekundę, 100 interesujacych kolizji na sekundę. 25 PB danych na rok. Rysunek:

11 Przykłady Wielki zderzacz hadronów 150 milionów sensorów, dostarczanie danych 40 milionów razy na sekundę, 100 interesujacych kolizji na sekundę. 25 PB danych na rok. Rysunek:

12 Przykłady UWAGA Standardowe techniki przetwarzania i analizowania danych nie radza sobie z Big Data.

13 Wprowadzenie Hadoop Framework open-source wspierajacy tworzenie rozproszonych aplikacji przetwarzajacych Big Data.

14 Wprowadzenie Moduły podstawowe Hadoop Common, Hadoop Distributed File System (HDFS), Hadoop YARN, Hadoop MapReduce.

15 Wprowadzenie Moduły podstawowe Hadoop Common, Hadoop Distributed File System (HDFS), Hadoop YARN, Hadoop MapReduce.

16 Wprowadzenie Moduły podstawowe Hadoop Common, Hadoop Distributed File System (HDFS), Hadoop YARN, Hadoop MapReduce.

17 Wprowadzenie Moduły podstawowe Hadoop Common, Hadoop Distributed File System (HDFS), Hadoop YARN, Hadoop MapReduce.

18 Wprowadzenie Projekty zwiazane Ambari, Avro, Cassandra, Chukwa, HBase, Hive, Mahout, Pig, ZooKeeper.

19 Wprowadzenie Projekty zwiazane Ambari, Avro, Cassandra, Chukwa, HBase, Hive, Mahout, Pig, ZooKeeper.

20 Wprowadzenie Projekty zwiazane Ambari, Avro, Cassandra, Chukwa, HBase, Hive, Mahout, Pig, ZooKeeper.

21 Wprowadzenie Projekty zwiazane Ambari, Avro, Cassandra, Chukwa, HBase, Hive, Mahout, Pig, ZooKeeper.

22 Wprowadzenie Projekty zwiazane Ambari, Avro, Cassandra, Chukwa, HBase, Hive, Mahout, Pig, ZooKeeper.

23 Wprowadzenie Projekty zwiazane Ambari, Avro, Cassandra, Chukwa, HBase, Hive, Mahout, Pig, ZooKeeper.

24 Wprowadzenie Projekty zwiazane Ambari, Avro, Cassandra, Chukwa, HBase, Hive, Mahout, Pig, ZooKeeper.

25 Wprowadzenie Projekty zwiazane Ambari, Avro, Cassandra, Chukwa, HBase, Hive, Mahout, Pig, ZooKeeper.

26 Wprowadzenie Projekty zwiazane Ambari, Avro, Cassandra, Chukwa, HBase, Hive, Mahout, Pig, ZooKeeper.

27 Użytkownicy A9.com, Accela Communications, Adobe, Adyard, Able Grape, Adknowledge, Aguja, Alibaba, AOL, ARA.COM.TR, Archive.is, Atbrox, BabaCar, Basenfasten, Benipal Technologies, Beebler, Bixo Labs, BrainPad, Brilig, Brockmann Consult GmbH, Caree.rs, CDU now!, Charleston, Cloudspace, Contextweb, Cooliris, Cornell University Web Lab, CRS4, Crowdmedia, Datagraph, Dataium, Deepdyve, Detektei Berlin, Detikcom, devdaily.com, DropFire, ebay, ecircle, Enet, Enormo, ESPOL University, ETH Zurich, Systems Group, Eyealike, Explore.To Yellow Pages, Facebook, FOX Audience, Network, Forward3D, Freestylers, GBIF, GIS.FCU, Google, Gruter. Corp., Gewinnspiele, GumGum, Hadoop Korean User Group, Hotels & Accommodation, Hulu, Hundeshagen, Hadoop Taiwan User Group, Hipotecas y euribor, Hosting Habitat, IBM, ICCS, IIIT, Hyderabad, ImageShack, IMVU, Infolinks, Information Sciences Institute, Infochimps, Inmobi, Iterend, inews.gr, Joost, Journey Dynamics, Kalooga, Katta, Koubei.com, Krugle, Language, Last.fm, Lineberger Comprehensive Cancer Center, Legolas Media, LinkedIn, Lookery, Lotame, Markt24, MicroCode, Media 6 Degrees, Medical Side Fx, MeMo News, Mercadolibre.com, MobileAnalytic.TV, MyLife, Mail.gr, NAVTEQ Media Solutions, Neptune, NetSeer, The New York Times, Ning, Openstat, Optivo, Papertrail, PARC, PCPhase, Performable, Pharm2Phork Project, Powerset (Microsoft), Pressflip, Pronux, PokerTableStats, Portabilité, PSG Tech, Coimbatore, India, Quantcast, Rackspace, Rakuten, Rapleaf, Recruit, Reisevision, Redpoll, Resu.me, RightNow Technologies, Rodacino, Rovi Corporation, Rubbellose, SARA, Netherlands, Search Wikia, SEDNS, Sematext International, Sentric.ch, SLC Security Services LLC, Sling Media, Socialmedia.com, Spadac.com, Specific Media, Spotify, Stampede Data Solutions, StumbleUpon, Taragana, The Lydia News Analysis Project, Tailsweep, Technical analysis and StockResearch, Tegatai, Telefonica Research, Telenav, Tepgo, Tianya, TubeMogul, Tufee, Twitter, Tynt, Universidad Distrital Francisco Jose de Caldas, University of Freiburg, University of Glasgow, University of Maryland, University of Nebraska Lincoln, University of Twente, Veoh, Bygga hus, Visible Measures Corporation, VK Solutions, Web Alliance, Webmaster Site, WorldLingo, Yahoo!, Zvents.

28 Użytkownicy Znani A9.com Adobe ebay Facebook Google IBM ImageShack Last.fm The New York Times Powerset (Microsoft) Twitter Yahoo!

29 Użytkownicy Znani A9.com Adobe ebay Facebook Google IBM ImageShack Last.fm The New York Times Powerset (Microsoft) Twitter Yahoo!

30 Użytkownicy Znani A9.com Adobe ebay Facebook Google IBM ImageShack Last.fm The New York Times Powerset (Microsoft) Twitter Yahoo!

31 Użytkownicy Znani A9.com Adobe ebay Facebook Google IBM ImageShack Last.fm The New York Times Powerset (Microsoft) Twitter Yahoo!

32 Użytkownicy Znani A9.com Adobe ebay Facebook Google IBM ImageShack Last.fm The New York Times Powerset (Microsoft) Twitter Yahoo!

33 Użytkownicy Znani A9.com Adobe ebay Facebook Google IBM ImageShack Last.fm The New York Times Powerset (Microsoft) Twitter Yahoo!

34 Użytkownicy Znani A9.com Adobe ebay Facebook Google IBM ImageShack Last.fm The New York Times Powerset (Microsoft) Twitter Yahoo!

35 Użytkownicy Znani A9.com Adobe ebay Facebook Google IBM ImageShack Last.fm The New York Times Powerset (Microsoft) Twitter Yahoo!

36 Użytkownicy Znani A9.com Adobe ebay Facebook Google IBM ImageShack Last.fm The New York Times Powerset (Microsoft) Twitter Yahoo!

37 Użytkownicy Znani A9.com Adobe ebay Facebook Google IBM ImageShack Last.fm The New York Times Powerset (Microsoft) Twitter Yahoo!

38 Użytkownicy Znani A9.com Adobe ebay Facebook Google IBM ImageShack Last.fm The New York Times Powerset (Microsoft) Twitter Yahoo!

39 Użytkownicy Znani A9.com Adobe ebay Facebook Google IBM ImageShack Last.fm The New York Times Powerset (Microsoft) Twitter Yahoo!

40 Idea Rysunek: demotywatory.pl

41 Idea Rysunek:

42 Idea Rysunek:

43 Realizacja Rysunek:

44 Realizacja Przepływ danych: 1 Dane wejściowe dzielone sa na małe części. 2 Każda z części przesłana zostaje do mapera. 3 Maper generuje pośrednie wyniki w postaci par klucz-wartość. 4 Następuje partycjonowanie i sortowanie w celu pogrupowania pośrednich wyników względem klucza. 5 Pogrupowane wyniki przesyłane sa do reduktorów. 6 Reduktory generuj a finalne wyniki w postaci par klucz-wartość.

45 Realizacja Przepływ danych: 1 Dane wejściowe dzielone sa na małe części. 2 Każda z części przesłana zostaje do mapera. 3 Maper generuje pośrednie wyniki w postaci par klucz-wartość. 4 Następuje partycjonowanie i sortowanie w celu pogrupowania pośrednich wyników względem klucza. 5 Pogrupowane wyniki przesyłane sa do reduktorów. 6 Reduktory generuj a finalne wyniki w postaci par klucz-wartość.

46 Realizacja Przepływ danych: 1 Dane wejściowe dzielone sa na małe części. 2 Każda z części przesłana zostaje do mapera. 3 Maper generuje pośrednie wyniki w postaci par klucz-wartość. 4 Następuje partycjonowanie i sortowanie w celu pogrupowania pośrednich wyników względem klucza. 5 Pogrupowane wyniki przesyłane sa do reduktorów. 6 Reduktory generuj a finalne wyniki w postaci par klucz-wartość.

47 Realizacja Przepływ danych: 1 Dane wejściowe dzielone sa na małe części. 2 Każda z części przesłana zostaje do mapera. 3 Maper generuje pośrednie wyniki w postaci par klucz-wartość. 4 Następuje partycjonowanie i sortowanie w celu pogrupowania pośrednich wyników względem klucza. 5 Pogrupowane wyniki przesyłane sa do reduktorów. 6 Reduktory generuj a finalne wyniki w postaci par klucz-wartość.

48 Realizacja Przepływ danych: 1 Dane wejściowe dzielone sa na małe części. 2 Każda z części przesłana zostaje do mapera. 3 Maper generuje pośrednie wyniki w postaci par klucz-wartość. 4 Następuje partycjonowanie i sortowanie w celu pogrupowania pośrednich wyników względem klucza. 5 Pogrupowane wyniki przesyłane sa do reduktorów. 6 Reduktory generuj a finalne wyniki w postaci par klucz-wartość.

49 Realizacja Przepływ danych: 1 Dane wejściowe dzielone sa na małe części. 2 Każda z części przesłana zostaje do mapera. 3 Maper generuje pośrednie wyniki w postaci par klucz-wartość. 4 Następuje partycjonowanie i sortowanie w celu pogrupowania pośrednich wyników względem klucza. 5 Pogrupowane wyniki przesyłane sa do reduktorów. 6 Reduktory generuj a finalne wyniki w postaci par klucz-wartość.

50 Przykład Zliczanie słów Rysunek:

51 Big Data Szeroki obszar zastosowań. Analiza przynosi wymierne korzyści. Rozwijajacy się rynek. Hadoop Zaawansowane narzędzie do analiz Big Data. Możliwość zwiększania funkcjonalność poprzez wykorzystanie licznych powiazanych narzędzi. Darmowy! MapReduce Duża prostota. Duża elastyczność.

52 Big Data Szeroki obszar zastosowań. Analiza przynosi wymierne korzyści. Rozwijajacy się rynek. Hadoop Zaawansowane narzędzie do analiz Big Data. Możliwość zwiększania funkcjonalność poprzez wykorzystanie licznych powiazanych narzędzi. Darmowy! MapReduce Duża prostota. Duża elastyczność.

53 Big Data Szeroki obszar zastosowań. Analiza przynosi wymierne korzyści. Rozwijajacy się rynek. Hadoop Zaawansowane narzędzie do analiz Big Data. Możliwość zwiększania funkcjonalność poprzez wykorzystanie licznych powiazanych narzędzi. Darmowy! MapReduce Duża prostota. Duża elastyczność.

54 Big Data Szeroki obszar zastosowań. Analiza przynosi wymierne korzyści. Rozwijajacy się rynek. Hadoop Zaawansowane narzędzie do analiz Big Data. Możliwość zwiększania funkcjonalność poprzez wykorzystanie licznych powiazanych narzędzi. Darmowy! MapReduce Duża prostota. Duża elastyczność.

55 Big Data Szeroki obszar zastosowań. Analiza przynosi wymierne korzyści. Rozwijajacy się rynek. Hadoop Zaawansowane narzędzie do analiz Big Data. Możliwość zwiększania funkcjonalność poprzez wykorzystanie licznych powiazanych narzędzi. Darmowy! MapReduce Duża prostota. Duża elastyczność.

56 Big Data Szeroki obszar zastosowań. Analiza przynosi wymierne korzyści. Rozwijajacy się rynek. Hadoop Zaawansowane narzędzie do analiz Big Data. Możliwość zwiększania funkcjonalność poprzez wykorzystanie licznych powiazanych narzędzi. Darmowy! MapReduce Duża prostota. Duża elastyczność.

57 Big Data Szeroki obszar zastosowań. Analiza przynosi wymierne korzyści. Rozwijajacy się rynek. Hadoop Zaawansowane narzędzie do analiz Big Data. Możliwość zwiększania funkcjonalność poprzez wykorzystanie licznych powiazanych narzędzi. Darmowy! MapReduce Duża prostota. Duża elastyczność.

58 Big Data Szeroki obszar zastosowań. Analiza przynosi wymierne korzyści. Rozwijajacy się rynek. Hadoop Zaawansowane narzędzie do analiz Big Data. Możliwość zwiększania funkcjonalność poprzez wykorzystanie licznych powiazanych narzędzi. Darmowy! MapReduce Duża prostota. Duża elastyczność.

59 Big Data Szeroki obszar zastosowań. Analiza przynosi wymierne korzyści. Rozwijajacy się rynek. Hadoop Zaawansowane narzędzie do analiz Big Data. Możliwość zwiększania funkcjonalność poprzez wykorzystanie licznych powiazanych narzędzi. Darmowy! MapReduce Duża prostota. Duża elastyczność.

60 Big Data Szeroki obszar zastosowań. Analiza przynosi wymierne korzyści. Rozwijajacy się rynek. Hadoop Zaawansowane narzędzie do analiz Big Data. Możliwość zwiększania funkcjonalność poprzez wykorzystanie licznych powiazanych narzędzi. Darmowy! MapReduce Duża prostota. Duża elastyczność.

61 Big Data Szeroki obszar zastosowań. Analiza przynosi wymierne korzyści. Rozwijajacy się rynek. Hadoop Zaawansowane narzędzie do analiz Big Data. Możliwość zwiększania funkcjonalność poprzez wykorzystanie licznych powiazanych narzędzi. Darmowy! MapReduce Duża prostota. Duża elastyczność.

62 Dziękuję za uwagę!

Zastosowania narzędzi analitycznych w komunikacji społecznej

Zastosowania narzędzi analitycznych w komunikacji społecznej Zastosowania narzędzi analitycznych w komunikacji społecznej Jarosław Romaniuk/ 11 maja 2015 Media Społeczne dziś Użytkownicy sieci społecznościowych w 2014r (mln) Na Świecie W Polsce Liczba użytkowników

Bardziej szczegółowo

Narzędzia i trendy Big Data

Narzędzia i trendy Big Data Narzędzia i trendy Big Data 1 Zamiast wstępu Model relacyjny 1970: podwaliny teoretyczne modelu 1980: SQL hype 1990: upowszechnienie standardu i narzędzi Model map-reduce 1995: koncepcja przetwarzania

Bardziej szczegółowo

Architektura rozproszonych magazynów danych

Architektura rozproszonych magazynów danych Big data Big data, large data cloud. Rozwiązania nastawione na zastosowanie w wielkoskalowych serwisach, np. webowych. Stosowane przez Google, Facebook, itd. Architektura rozproszonych magazynów danych

Bardziej szczegółowo

BigData. 2014 PILAB S.A./Krystian Piećko/CTO/krystian.piecko@pilab.pl/ / Wstęp. / Co to jest BigData? / Co to jest Hadoop?

BigData. 2014 PILAB S.A./Krystian Piećko/CTO/krystian.piecko@pilab.pl/ / Wstęp. / Co to jest BigData? / Co to jest Hadoop? Big data is like teenage sex: everyone talks about it, nobody really knows how to do it, everyone thinks everyone else is doing it, so everyone claims they are doing it / Wstęp / Co to jest BigData? /

Bardziej szczegółowo

HADOOP Dariusz Ż bik

HADOOP Dariusz Ż bik Dariusz Żbik DLACZEGO? Przetwarzanie dużych zbiorów danych Przykład wyszukiwanie w zbiorze 100TB 1 węzeł @ 40MB/s -> 30 dni MTBF ~ 3 lata 1000 węzłów @ 40MB/s -> 44 minuty MTBF ~ 1 dzień Potrzebny framework

Bardziej szczegółowo

Big Data & Analytics

Big Data & Analytics Big Data & Analytics Optymalizacja biznesu Autor: Wiktor Jóźwicki, Scapaflow Senior Consultant Data wydania: 05.02.2014 Wprowadzenie Niniejszy dokument przedstawia zagadnienie Big Data w ujęciu zapotrzebowania

Bardziej szczegółowo

Apache Hadoop framework do pisania aplikacji rozproszonych

Apache Hadoop framework do pisania aplikacji rozproszonych Apache Hadoop framework do pisania aplikacji rozproszonych Piotr Praczyk Wprowadzenie Istnieje wiele rodzajów obliczeń, których wykonywanie na pojedynczej maszynie, nawet najpotężniejszej, jest zbyt czasochłonne.

Bardziej szczegółowo

Definicja. Not Only SQL

Definicja. Not Only SQL Definicja Not Only SQL Baza danych NoSQL to program zapewniający szybki dostęp do danych różniący się w jakiś sposób od stadardowych baz RDBMS. Baza NoSQL to szereg różnych rozwiązań nazwanych jednym określeniem.

Bardziej szczegółowo

EMC ViPR Pamięć masowa definiowana programowo

EMC ViPR Pamięć masowa definiowana programowo EMC ViPR Pamięć masowa definiowana programowo Prawdziwa wirtualizacja Karol Boguniewicz, vspecialist, EMC Mirosław Kulka, Systems Engineer, EMC 1 Tradycyjne spojrzenie na Centrum Danych MESSAGING ERP/CRM

Bardziej szczegółowo

CENNIK I TERMINARZ SZKOLEŃ

CENNIK I TERMINARZ SZKOLEŃ CENNIK I TERMINARZ SZKOLEŃ AUTORSKIE WARSZTATY DEDYKOWANE SQL NR KURSU NAZWA KURSU TERMINY MARZEC KWIECIEŃ MAJ 8:30-16:00 8:30-16:00 8:30-16:00 LICZBA GODZIN CENA OD OSOBY NETTO Administrowanie bazą danych

Bardziej szczegółowo

Z-ID-608b Bazy danych typu Big Data Big Data Databases. Specjalnościowy Obowiązkowy Polski Semestr VI

Z-ID-608b Bazy danych typu Big Data Big Data Databases. Specjalnościowy Obowiązkowy Polski Semestr VI KARTA MODUŁU / KARTA PRZEDMIOTU Kod modułu Nazwa modułu Nazwa modułu w języku angieskim Obowiązuje od roku akademickiego 015/016 Z-ID-608b Bazy danych typu Big Data Big Data Databases A. USYTUOWANIE MODUŁU

Bardziej szczegółowo

Przetwarzanie danych z wykorzystaniem technologii NoSQL na przykładzie serwisu Serp24

Przetwarzanie danych z wykorzystaniem technologii NoSQL na przykładzie serwisu Serp24 Przetwarzanie danych z wykorzystaniem technologii NoSQL na przykładzie serwisu Serp24 Agenda Serp24 NoSQL Integracja z CMS Drupal Przetwarzanie danych Podsumowanie Serp24 Darmowe narzędzie Ułatwia planowanie

Bardziej szczegółowo

TECHNOLOGIE BIG DATA A BEZPIECZEŃSTWO INFORMATYCZNE WE KNOW YOU KNOW. silmine.com

TECHNOLOGIE BIG DATA A BEZPIECZEŃSTWO INFORMATYCZNE WE KNOW YOU KNOW. silmine.com TECHNOLOGIE BIG DATA A BEZPIECZEŃSTWO INFORMATYCZNE WE KNOW YOU KNOW. silmine.com 13 + 13 LAT DOŚWIADCZENIA PONAD 480 ZREALIZOWANYCH PROJEKTÓW PARTNERSTWO Naszą ambicją jest dostarczać klientom szeroki

Bardziej szczegółowo

CENNIK I TERMINARZ SZKOLEŃ

CENNIK I TERMINARZ SZKOLEŃ CENNIK I TERMINARZ SZKOLEŃ SZKOLENIA OTWARTE DLA UŻYTKOWNIKÓW SYSTEMÓW INFORMATYCZNYCH NR KURSU USI 11 Microsoft Office Word Podstawowy USI 11/12 Microsoft Office Word Średniozaawansowany USI 12 Microsoft

Bardziej szczegółowo

CASPAR długoterminowa archiwizacja zasobów cyfrowych

CASPAR długoterminowa archiwizacja zasobów cyfrowych Biblioteka Politechniki Krakowskiej Konferencja Naukowa "Otwarte zasoby wiedzy - nowe zadania uczelni i bibliotek w rozwoju komunikacji naukowej Kraków - Zakopane,16-18.06.2011 CASPAR długoterminowa archiwizacja

Bardziej szczegółowo

CENNIK I TERMINARZ SZKOLEŃ SZKOLENIA OTWARTE DLA UŻYTKOWNIKÓW SYSTEMÓW INFORMATYCZNYCH

CENNIK I TERMINARZ SZKOLEŃ SZKOLENIA OTWARTE DLA UŻYTKOWNIKÓW SYSTEMÓW INFORMATYCZNYCH CENNIK I TERMINARZ SZKOLEŃ SZKOLENIA OTWARTE DLA UŻYTKOWNIKÓW SYSTEMÓW INFORMATYCZNYCH NR KURSU USI 11 Microsoft Office Word Podstawowy USI 11/12 NOWOŚĆ! USI 12 Microsoft Office Word Średniozaawansowany

Bardziej szczegółowo

Współpraca nauki z przemysłem ICT na przykładzie Wielkopolskiego Centrum Zaawansowanych Technologii Informacyjnych Maciej Stroiński

Współpraca nauki z przemysłem ICT na przykładzie Wielkopolskiego Centrum Zaawansowanych Technologii Informacyjnych Maciej Stroiński Współpraca nauki z przemysłem ICT na przykładzie Wielkopolskiego Centrum Zaawansowanych Technologii Informacyjnych Maciej Stroiński stroins@man.poznan.pl Koncepcja WCZTI Wielkopolskie Centrum Zaawansowanych

Bardziej szczegółowo

Przyszłość w rękach Big Data -wizje i technologie dziś. Artur Wroński Information Management Technical Team Leader

Przyszłość w rękach Big Data -wizje i technologie dziś. Artur Wroński Information Management Technical Team Leader Przyszłość w rękach Big Data -wizje i technologie dziś Artur Wroński Information Management Technical Team Leader 2 Co 3hinstalacja nowej turbiny 1 turbina to kilka milionów $ Dotychczas Vestas zainstalował

Bardziej szczegółowo

Platforma Office 2010

Platforma Office 2010 Collaborate more Platforma Office 2010 Sebastian Wilczewski Konsultant Betacom S.A. 2 Platforma Office 2010 jako narzędzie do efektywnego zarządzania procesami w organizacji. Jak skutecznie zarządzać informacją?

Bardziej szczegółowo

Łukasz Misiukanis, CEO, Socializer SA 26.11.2013

Łukasz Misiukanis, CEO, Socializer SA 26.11.2013 Łukasz Misiukanis, CEO, Socializer SA 26.11.2013 Media społecznościowe Zastosowania prywatne i biznesowe.te same przyzwyczajenia Facebook w komunikacji Grupy Socializer Kiedyś Yammer w komunikacji Grupy

Bardziej szczegółowo

CO MOZ NA WYCISNA C Z SAMOOBSŁUGI CZYLI SPRZEDAZ W KANAŁACH SELF CARE? Bartosz Szkudlarek

CO MOZ NA WYCISNA C Z SAMOOBSŁUGI CZYLI SPRZEDAZ W KANAŁACH SELF CARE? Bartosz Szkudlarek CO MOZ NA WYCISNA C Z SAMOOBSŁUGI CZYLI SPRZEDAZ W KANAŁACH SELF CARE? Bartosz Szkudlarek Self Care, Big Data i sprzedaż 2 Czym jest Self Care? Aplikacja Self Care pozwala użytkownikom na obsługę swojego

Bardziej szczegółowo

Modelowanie zarządzania zaufaniem i bezpieczeństwem informacji. Anna Felkner, Tomasz Jordan Kruk NASK Dział Naukowy

Modelowanie zarządzania zaufaniem i bezpieczeństwem informacji. Anna Felkner, Tomasz Jordan Kruk NASK Dział Naukowy Modelowanie zarządzania zaufaniem i bezpieczeństwem informacji Anna Felkner, Tomasz Jordan Kruk NASK Dział Naukowy Agenda Modelowanie kontroli dostępu Modelowanie zarządzania zaufaniem modele bazujące

Bardziej szczegółowo

Najlepsze praktyki w podejściu do rozbudowy infrastruktury Michał Stryga

Najlepsze praktyki w podejściu do rozbudowy infrastruktury Michał Stryga Najlepsze praktyki w podejściu do rozbudowy infrastruktury Michał Stryga Dlaczego STG Lab Services? Dlaczego STG Lab Services? Technologia w służbie biznesu Jakie zewnętrzne czynniki będą wpływały na twoją

Bardziej szczegółowo

4383: Tyle podatności wykryto w 2010 r. Przed iloma jesteś chroniony? 2010 IBM Corporation

4383: Tyle podatności wykryto w 2010 r. Przed iloma jesteś chroniony? 2010 IBM Corporation 4383: Tyle podatności wykryto w 2010 r. Przed iloma jesteś chroniony? 2010 IBM Corporation Dział badań i rozwoju X-Force R&D Misją działu IBM Internet Security Systems X-Force jest: Badanie zagroŝeń oraz

Bardziej szczegółowo

Antyk w kulturze popularnej

Antyk w kulturze popularnej FORUM DYSKUSJI INTERDYSCYPLINARNEJ Vae victis, czyli antyk w kulturze popularnej Czym są nowe media? Media zamienione w dane numeryczne zrozumiałe dla komputera grafika, ruchome obrazy, dźwięki, kształty,

Bardziej szczegółowo

"Zapisane w genach, czyli Python a tajemnice naszego genomu."

Zapisane w genach, czyli Python a tajemnice naszego genomu. "Zapisane w genach, czyli Python a tajemnice naszego genomu." Dr Kaja Milanowska Instytut Biologii Molekularnej i Biotechnologii UAM VitaInSilica sp. z o.o. Warszawa, 9 lutego 2015 Dane biomedyczne 1)

Bardziej szczegółowo

POZYCJONOWANIE W WYSZUKIWARKACH APTEK INTERNETOWYCH

POZYCJONOWANIE W WYSZUKIWARKACH APTEK INTERNETOWYCH ZESZYTY NAUKOWE UNIWERSYTETU SZCZECIŃSKIEGO NR 605 STUDIA INFORMATICA NR 25 2010 PIOTR JÓZWIAK GRZEGORZ SZYMAŃSKI Politechnika Łódzka POZYCJONOWANIE W WYSZUKIWARKACH APTEK INTERNETOWYCH Pozycjonowanie

Bardziej szczegółowo

Krzysztof Bulaszewski, Dyrektor Operacyjny, Członek Zarządu IBM Polska. 2009 IBM Corporation

Krzysztof Bulaszewski, Dyrektor Operacyjny, Członek Zarządu IBM Polska. 2009 IBM Corporation IBM w Polsce - początki Krzysztof Bulaszewski, Dyrektor Operacyjny, Członek Zarządu IBM Polska 1923 pierwsza Firma Block Brun S.A. dostawa C-T-R była przedstawicielem w Polsce (dla obecnej Grupy Bumar

Bardziej szczegółowo

Hbase, Hive i BigSQL

Hbase, Hive i BigSQL Hbase, Hive i BigSQL str. 1 Agenda 1. NOSQL a HBase 2. Architektura HBase 3. Demo HBase 4. Po co Hive? 5. Apache Hive 6. Demo hive 7. BigSQL 1 HBase Jest to rozproszona trwała posortowana wielowymiarowa

Bardziej szczegółowo

Projektowanie: architektura baz danych

Projektowanie: architektura baz danych 2012 Projektowanie: architektura baz danych Paweł Sieniawski, Columb Technologies S.A. Wyzwania w projektowaniu i programowaniu e-usługi Poznań, 11 października 2012 Dobra architektura czyli jaka? Taxxo

Bardziej szczegółowo

Big Data i 5V Nowe wyzwania w świecie danych Krzysztof Goczyła

Big Data i 5V Nowe wyzwania w świecie danych Krzysztof Goczyła Big Data i 5V Nowe wyzwania w świecie danych Krzysztof Goczyła Wydział Elektroniki, Telekomunikacji i Informatyki Politechnika Gdańska kris@eti.pg.gda.pl Sopot, 10.09.2014 1 O czym będzie? Co to jest Big

Bardziej szczegółowo

CENNIK I TERMINARZ SZKOLEŃ

CENNIK I TERMINARZ SZKOLEŃ NR KURSU MS 2261 MS 2262 MS 2261 + MS 2262 MS 2272 MS 2273 MS 2274 MS 2275 MS 2276 + MS 2277 MS 2278 MS 2279 MS 2282 MS 2285 MS 2297 MS 2299 MS 6416 MS 6417 CENNIK I TERMINARZ SZKOLEŃ SZKOLENIA TECHNICZNE

Bardziej szczegółowo

Repozytoria uczelniane i ich rola w projekcie SYNAT

Repozytoria uczelniane i ich rola w projekcie SYNAT Jak Cię widzą, tak Cię piszą Repozytoria uczelniane i ich rola w projekcie SYNAT Warszawa Maj 2013 Plan prezentacji 1. Jak Cię widzą 2. Usytuowanie repozytoriów uczelnianych w systemie Synat 3. Czy tylko

Bardziej szczegółowo

Technical training services

Technical training services Technical training services Generell Informasjon Versjon 3 Url http://com.mercell.com/permalink/37865839.aspx Ekstern anbuds ID 276579-2013 Konkurranse type: Tildeling Dokument type Kontraktstildeling

Bardziej szczegółowo

SZWAJCARIA SPECJALISTA (INŻYNIER) IT 4 miejsca

SZWAJCARIA SPECJALISTA (INŻYNIER) IT 4 miejsca Oferujemy: Termin rozpoczęcia pracy: SZWAJCARIA SPECJALISTA (INŻYNIER) IT 4 miejsca Zurych zatrudnienie w nowoczesnej, innowacyjnej organizacji i pracę z międzynarodową, globalną społecznościa programistów.

Bardziej szczegółowo

Cyberoam next generation security

Cyberoam next generation security www.ipdata.pl/cyberoam Cyberoam next generation security IP DATA Value Added Distributor 01-651 Warszawa Ul. Gwiaździsta 69F Rozwiązania Copyright Copyright 2013 Cyberoam Technologies Pvt. Ltd. All Rights

Bardziej szczegółowo

Netkata. Design of digital products. Netkata Interactive Media Marketing

Netkata. Design of digital products. Netkata Interactive Media Marketing Netkata Design of digital products AGENDA O firmie Netkata Nasi klienci Wybrane projekty Jak pracujemy Dlaczego Netkata? Porozmawiajmy! Co oferuje Netkata? Projektujemy i realizujemy strony www, aplikacje

Bardziej szczegółowo

Zgodność, fraudy i inne wyzwania oraz zagrożenia w Bankach Spółdzielczych. Aleksander Czarnowski AVET Information and Network Security Sp. z o.o.

Zgodność, fraudy i inne wyzwania oraz zagrożenia w Bankach Spółdzielczych. Aleksander Czarnowski AVET Information and Network Security Sp. z o.o. Zgodność, fraudy i inne wyzwania oraz zagrożenia w Bankach Spółdzielczych Aleksander Czarnowski AVET Information and Network Security Sp. z o.o. Kilka słów o AVET INS 1997 rozpoczęcie działalności Od początku

Bardziej szczegółowo

opracował Adam Nowiński

opracował Adam Nowiński opracował Adam Nowiński Projekt Glass, czyli? projekt rozwijany przez firmę Google mający na celu stworzenie okularów rozszerzonej rzeczywistości. Okulary te mają docelowo mieć funkcje standardowego smartfona,

Bardziej szczegółowo

ORACLE TALEO SOCIAL SOURCING CLOUD SERVICE

ORACLE TALEO SOCIAL SOURCING CLOUD SERVICE ORACLE TALEO SOCIAL SOURCING CLOUD SERVICE ROZWIĄZANIE DO REKRUTACJI PRACOWNIKÓW W MODELU SPOŁECZNOŚCIOWYM, Z NIEOGRANICZONYMI MOŻLIWOŚCIAMI PROWADZENIA ROZMÓW NAJWAŻNIEJSZE CECHY I FUNKCJE Publikowanie

Bardziej szczegółowo

Zaawansowany kurs języka Python

Zaawansowany kurs języka Python DBM, SQL 10 listopada 2011 Rodzaje baz danych Trwałe słowniki Klient-serwer SQL Bekreley DB Gnu dbm (n)dbm Firebird Sqlite Oracle MySQL PostgeSQL DB/2 Plan wykładu 1 Bazy danych DBM 2 3 4 Grafowe bazy

Bardziej szczegółowo

Social media w ocenie inwestorów indywidualnych

Social media w ocenie inwestorów indywidualnych Social media w ocenie inwestorów indywidualnych Celem badania było poznanie opinii inwestorów indywidualnych na temat wykorzystanie mediów społecznościowych do pozyskiwania informacji na rynku kapitałowym.

Bardziej szczegółowo

AKTUALNE OFERTY PRACY ZA GRANICĄ

AKTUALNE OFERTY PRACY ZA GRANICĄ Wyższa Szkoła Ekonomiczna w Białymstoku Biuro Karier Agencja Zatrudnienia (nr rejestru 376) (nr oferty 14/13) AKTUALNE OFERTY PRACY ZA GRANICĄ SOCHA & PARTNERS s. c. B. Socha, E. Socha Agencja Pośrednictwa

Bardziej szczegółowo

17-18 listopada, Warszawa

17-18 listopada, Warszawa 17-18 listopada, Warszawa Michał Kurek, OWASP Polska IoT na celowniku cyberprzestępców Czy jest ratunek? Agenda Czym jest IoT? Przyszłość IoT Czy IoT jest bezpieczne? Dlaczego NIE? Gdzie szukać pomocy?

Bardziej szczegółowo

Wymiana opisu procesów biznesowych pomiędzy środowiskiem Eclipse i EMC Documentum

Wymiana opisu procesów biznesowych pomiędzy środowiskiem Eclipse i EMC Documentum Wymiana opisu procesów biznesowych pomiędzy środowiskiem Eclipse i EMC Documentum Stanisław Jerzy Niepostyn, Ilona Bluemke Instytut Informatyki, Politechnika Warszawska Wprowadzenie Systemy CMS (Content

Bardziej szczegółowo

SAS Institute Technical Support

SAS Institute Technical Support SAS Institute Technical Support Optymalizacja kostek krok po kroku Pracując z kostkami OLAP często nie zdajemy sobie sprawy, że można przygotować je w taki sposób, aby praca z nimi była efektywniejsza

Bardziej szczegółowo

e_talent innowacyjna aplikacja webowa do zarządzania rozwojem pracowników w organizacji Zespół ForUnit

e_talent innowacyjna aplikacja webowa do zarządzania rozwojem pracowników w organizacji Zespół ForUnit e_talent innowacyjna aplikacja webowa do zarządzania rozwojem pracowników w organizacji Zespół ForUnit Tylko funkcjonalność Proponujemy Państwu nowoczesne narzędzie do zarządzania Kapitałem Ludzkim. Nasza

Bardziej szczegółowo

Architektura dużych projektów bioinformatycznych

Architektura dużych projektów bioinformatycznych Architektura dużych projektów bioinformatycznych Bartek Wilczyński bartek@mimuw.edu.pl http://www.mimuw.edu.pl/~bartek Wykład 5. - Od systemów LI(M)S do Galaxy 3. XI. 2014 Problem? Zarządzanie danymi w

Bardziej szczegółowo

Wykorzystanie serwerów w chmurze w sytuacji nagłego wzrostu zainteresowania serwisem www w akcji społecznościowej o zasięgu ogólnopolskim.!

Wykorzystanie serwerów w chmurze w sytuacji nagłego wzrostu zainteresowania serwisem www w akcji społecznościowej o zasięgu ogólnopolskim.! Case study Wykop.pl projekt: jestemprzeciwakta.pl Wykorzystanie serwerów w chmurze w sytuacji nagłego wzrostu zainteresowania serwisem www w akcji społecznościowej o zasięgu ogólnopolskim. www.beyond.pl

Bardziej szczegółowo

Adam Dolega Architekt Rozwiązań Biznesowych Microsoft adam.dolega@microsoft.com

Adam Dolega Architekt Rozwiązań Biznesowych Microsoft adam.dolega@microsoft.com Adam Dolega Architekt Rozwiązań Biznesowych Microsoft adam.dolega@microsoft.com Budowa rozwiązań Rozwiązania dla programistów Narzędzia integracyjne Zarządzanie infrastrukturą Zarządzanie stacjami, urządzeniami

Bardziej szczegółowo

Zastosowanie darmowych rozwiązań do testów użyteczności aplikacji internetowych

Zastosowanie darmowych rozwiązań do testów użyteczności aplikacji internetowych Zastosowanie darmowych rozwiązań do testów użyteczności aplikacji internetowych Konferencja SQAM 2008 Agenda Proces Projektowanie zorientowane na użytkownika 2. Dla początkujących : ) zlastrona.org; 3.

Bardziej szczegółowo

SOA Web Services in Java

SOA Web Services in Java Wydział Informatyki i Zarządzania Wrocław,16 marca 2009 Plan prezentacji SOA 1 SOA 2 Usługi Przykłady Jak zacząć SOA Wycinek rzeczywistości Problemy zintegrowanych serwisów : Wycinek Rzeczywistości Zacznijmy

Bardziej szczegółowo

Cel szkolenia. Konspekt

Cel szkolenia. Konspekt Cel szkolenia About this CourseThis 5-day course provides administrators with the knowledge and skills needed to deploy and ma Windows 10 desktops, devices, and applications in an enterprise environment.

Bardziej szczegółowo

Web Services. Wojciech Mazur. 17 marca 2009. Politechnika Wrocławska Wydział Informatyki i Zarządzania

Web Services. Wojciech Mazur. 17 marca 2009. Politechnika Wrocławska Wydział Informatyki i Zarządzania Standardy w Rodzaje Przykłady Politechnika Wrocławska Wydział Informatyki i Zarządzania 17 marca 2009 Standardy w Rodzaje Przykłady Plan prezentacji 1 Wstęp 2 Standardy w 3 4 Rodzaje 5 Przykłady 6 Standardy

Bardziej szczegółowo

Czy ktoś tego używa? HP HAVEn w zaawansowanych zastosowaniach analitycznych

Czy ktoś tego używa? HP HAVEn w zaawansowanych zastosowaniach analitycznych Czy ktoś tego używa? HP HAVEn w zaawansowanych zastosowaniach analitycznych Jarosław Romaniuk, Łukasz Ciszak 14 kwiecień 2015 Firmy odnoszące sukcesy to nie te, które mają najwięcej danych, ale takie,

Bardziej szczegółowo

aplikacja akcyzattor

aplikacja akcyzattor Wdrożenie systemu służącego do prowadzenia ewidencji energii elektrycznej w formie elektronicznej dla potrzeb rozliczeń podatku akcyzowego aplikacja akcyzattor Klient: KGHM Polska Miedź S.A. Klient KGHM

Bardziej szczegółowo

Terminarz Szkoleń II kwartał 2013 ACTION CE

Terminarz Szkoleń II kwartał 2013 ACTION CE Terminarz Szkoleń II kwartał 2013 ACTION CE Kod Nazwa szkolenia Czas trwania [h] Data rozpoczęcia W-wa Data rozpoczęcia Poznań Cena katalogow a netto* Cena netto w programie Rabatka** SYSTEMY OPERACYJNE

Bardziej szczegółowo

PRZYJAZNE ZARZĄDZANIE TREŚCIĄ TWOJEGO SERWISU WWW NALEŻYMY DO

PRZYJAZNE ZARZĄDZANIE TREŚCIĄ TWOJEGO SERWISU WWW NALEŻYMY DO PRZYJAZNE ZARZĄDZANIE TREŚCIĄ TWOJEGO SERWISU WWW NALEŻYMY DO Drupal jest obecnie jednym z najbardziej popularnych narzędzi do zarządzania treścią wityn internetowych. Jego bogata funkcjonalność pozwala

Bardziej szczegółowo

Nowości i zapowiedzi w oprogramowaniu IBM Lotus

Nowości i zapowiedzi w oprogramowaniu IBM Lotus Lotus Day Warszawa,14. września 2010 Nowości i zapowiedzi w oprogramowaniu IBM Lotus Zespół IBM Lotus w Polsce Bartosz Jastrzębski Lotus Software Sales GB & Industry Marek Kuchciak Lotus Software Technical

Bardziej szczegółowo

BCC Data Centers. Oferta: Outsourcing IT, cloud computing Optymalizacja i bezpieczeństwo IT. Tytuł prezentacji 1

BCC Data Centers. Oferta: Outsourcing IT, cloud computing Optymalizacja i bezpieczeństwo IT. Tytuł prezentacji 1 BCC Data Centers Oferta: Outsourcing IT, cloud computing Optymalizacja i bezpieczeństwo IT SAP Competence Center Tytuł prezentacji 1 BCC Software Factory Wyspecjalizowany ośrodek kompetencyjny BCC, świadczący

Bardziej szczegółowo

OpenSocial w nk.pl. Janusz Dziemidowicz. PLNOG 21-22 października 2010. nk.pl

OpenSocial w nk.pl. Janusz Dziemidowicz. PLNOG 21-22 października 2010. nk.pl OpenSocial w nk.pl Janusz Dziemidowicz nk.pl PLNOG 21-22 października 2010 Spis rzeczy OpenSocial a API Platforma API OpenSocial Apache Shindig Tworzenie aplikacji Wdrożenie Pierwsza implementacja i start

Bardziej szczegółowo

Kontrola dostępu do informacji w administracji publicznej

Kontrola dostępu do informacji w administracji publicznej Kontrola dostępu do informacji w administracji publicznej Marcin Kozak Architekt Bezpieczeństwa Oracle Polska 1 Data Privacy Act 25 stycznia 2012 Cel Propozycja Nowej Dyrektywy Parlamentu Europejskiego

Bardziej szczegółowo

Jak skutecznie zarządzać informacją?

Jak skutecznie zarządzać informacją? Jak skutecznie zarządzać informacją? Platforma Office 2010 jako narzędzie do efektywnego zarządzania procesami w organizacji. Zbigniew Szcześniewski Microsoft AGENDA Co ma Office do zarządzania informacją?

Bardziej szczegółowo

asix Autoryzacja dostępu do zasobów WWW systemu asix (na przykładzie systemu operacyjnego Windows 2008)

asix Autoryzacja dostępu do zasobów WWW systemu asix (na przykładzie systemu operacyjnego Windows 2008) NIEZAWODNE ROZWIĄZANIA SYSTEMÓW AUTOMATYKI asix (na przykładzie systemu operacyjnego Windows 2008) Pomoc techniczna Dok. Nr PLP0018 Wersja: 2011-08-26 ASKOM i asix to zastrzeżony znak firmy ASKOM Sp. z

Bardziej szczegółowo

GROW - Bridging Business and Science

GROW - Bridging Business and Science GROW - Bridging INTERREG IIIC Agnieszka Sito Kierownik CITTRU Partnerzy projektu: University of Surrey Research and Enterpreneurship Services, Guildford, UK (lider projektu) CITTRU, Kraków Universidad

Bardziej szczegółowo

Procesowa specyfikacja systemów IT

Procesowa specyfikacja systemów IT Procesowa specyfikacja systemów IT BOC Group BOC Information Technologies Consulting Sp. z o.o. e-mail: boc@boc-pl.com Tel.: (+48 22) 628 00 15, 696 69 26 Fax: (+48 22) 621 66 88 BOC Management Office

Bardziej szczegółowo

Sieci Społeczne i Analiza Sieci. P. Kazienko and K. Musial Instytut Informatyki Stosowanej, Politechnika Wrocławska Wrocław, 25 Października 2007

Sieci Społeczne i Analiza Sieci. P. Kazienko and K. Musial Instytut Informatyki Stosowanej, Politechnika Wrocławska Wrocław, 25 Października 2007 Sieci Społeczne i Analiza Sieci P. Kazienko and K. Musial Instytut Informatyki Stosowanej, Politechnika Wrocławska Wrocław, 25 Października 2007 Agenda Kilka słów o naszej grupie Dlaczego warto zająć się

Bardziej szczegółowo

Hurtownie danych - przegląd technologii Robert Wrembel Politechnika Poznańska Instytut Informatyki Robert.Wrembel@cs.put.poznan.pl

Hurtownie danych - przegląd technologii Robert Wrembel Politechnika Poznańska Instytut Informatyki Robert.Wrembel@cs.put.poznan.pl Hurtownie danych - przegląd technologii Robert Wrembel Politechnika Poznańska Instytut Informatyki Robert.Wrembel@cs.put.poznan.pl www.cs.put.poznan.pl/rwrembel Plan wykładów Wprowadzenie - integracja

Bardziej szczegółowo

Agile Software Development. Zastosowanie metod Scrum i Kanban.

Agile Software Development. Zastosowanie metod Scrum i Kanban. Radosław Lont, CN, CNXDA Ericpol Telecom Sp. z o.o. radoslaw.lont@ericpol.com Tel.: 663441360 Agile Software Development. Zastosowanie metod Scrum i Kanban. Ericpol kilka słów o Polska firma informatyczna

Bardziej szczegółowo

Hurtownie danych - przegląd technologii

Hurtownie danych - przegląd technologii Hurtownie danych - przegląd technologii Robert Wrembel Politechnika Poznańska Instytut Informatyki Robert.Wrembel@cs.put.poznan.pl www.cs.put.poznan.pl/rwrembel Plan wykład adów Wprowadzenie - integracja

Bardziej szczegółowo

Aplikacje webowe wspierające procesy biznesowe nowoczesnych przedsiębiorstw

Aplikacje webowe wspierające procesy biznesowe nowoczesnych przedsiębiorstw Aplikacje webowe wspierające procesy biznesowe nowoczesnych przedsiębiorstw Paweł Rzepka Dyrektor Działu Handlowego Warszawa, 23 kwietnia 2009 09:30 10:00 Rejestracja i poranna kawa. 10:00 10:50 ARENA

Bardziej szczegółowo

Tematy projektów HDiPA 2015

Tematy projektów HDiPA 2015 Tematy projektów HDiPA 2015 Robert Wrembel Poznan University of Technology Institute of Computing Science Robert.Wrembel@cs.put.poznan.pl www.cs.put.poznan.pl/rwrembel Reguły Projekty zespołowe 2-4 osoby

Bardziej szczegółowo

CENNIK I TERMINARZ SZKOLEŃ

CENNIK I TERMINARZ SZKOLEŃ NR KURSU MS 2261 MS 2262 MS 2261 + MS 2262 MS 2272 MS 2273 MS 2274 MS 2275 MS 2276 + MS 2277 MS 2278 MS 2279 MS 2282 MS 2285 MS 2297 MS 2299 MS 6416 MS 6417 CENNIK I TERMINARZ SZKOLEŃ SZKOLENIA TECHNICZNE

Bardziej szczegółowo

BigData rewolucja czy ewolucja w świecie rozwiązań analityki biznesowej. Grzegorz Oleś Big Data Sales Executive

BigData rewolucja czy ewolucja w świecie rozwiązań analityki biznesowej. Grzegorz Oleś Big Data Sales Executive BigData rewolucja czy ewolucja w świecie rozwiązań analityki biznesowej Grzegorz Oleś Big Data Sales Executive Big Data??? wielu o tym pisze Big Data??? wielu o tym mówi Zasadnicze pytania O co chodzi

Bardziej szczegółowo

Rozwiązania biznesowe na żądanie. IBM Workplace Services Express

Rozwiązania biznesowe na żądanie. IBM Workplace Services Express Rozwiązania biznesowe na żądanie IBM Workplace Services Express Elastyczny dostęp do dokumentów i aplikacji biznesowych Oprogramowanie IBM Workplace Services Express dostarcza zintegrowane narzędzia umożliwiające

Bardziej szczegółowo

Procesowanie i partycjonowanie Analysis Services od podszewki (300) Adrian Chodkowski Adrian.Chodkowski@outlook.com

Procesowanie i partycjonowanie Analysis Services od podszewki (300) Adrian Chodkowski Adrian.Chodkowski@outlook.com Media Partners Procesowanie i partycjonowanie Analysis Services od podszewki (300) Adrian Chodkowski Adrian.Chodkowski@outlook.com Adrian Chodkowski Konsultant Business Intelligence w Jcommerce S.A Certyfikowany

Bardziej szczegółowo

Usługi sieciowe (Web Services)

Usługi sieciowe (Web Services) Usługi sieciowe (Web Services) Karol Kański Seminarium Systemy Rozproszone 14 października 2010 Agenda 1. Idea i historia usług sieciowych 2. Różne podejścia do tworzenia usług sieciowych 3. Języki opisu

Bardziej szczegółowo

CENNIK I TERMINARZ SZKOLEŃ

CENNIK I TERMINARZ SZKOLEŃ NR KURSU CENNIK I TERMINARZ SZKOLEŃ NAZWA KURSU AUTORSKIE SZKOLENIA JAVA i PHP TERMINY KWIECIEŃ MAJ CZERWIEC 8:30-16:00 8:30-16:00 8:30-16:00 LICZBA GODZIN CENA OD OSOBY W PLN JavaScript JS 01 Programowanie

Bardziej szczegółowo

Zastosowania skryptowych j zyków programowania w dzia alno ci informacyjnej

Zastosowania skryptowych j zyków programowania w dzia alno ci informacyjnej 2012, nr 2 (9) Mariusz Jarocki Instytut Informacji Naukowej i Bibliologii Uniwersytet Mikoaja Kopernika w Toruniu e-mail: maryan@umk.pl Zastosowania skryptowych jzyków programowania w dziaalnoci informacyjnej

Bardziej szczegółowo

Robert Piotrak IIG Senior Technology Expert 23 września 2010

Robert Piotrak IIG Senior Technology Expert 23 września 2010 Zwiększenie efektywności biznesowej firmy dzięki zastosowaniu rozwiazań archiwizacyjnych jako elementu kompleksowego systemu zarządzania informacją i procesami - SourceOne firmy EMC Robert Piotrak IIG

Bardziej szczegółowo

2014-03-17. Misja. Strategia. Cele UNIT4 TETA BI CENTER. Plan prezentacji. Grupa UNIT4 TETA. Grupa kapitałowa UNIT4 UNIT4 TETA BI CENTER

2014-03-17. Misja. Strategia. Cele UNIT4 TETA BI CENTER. Plan prezentacji. Grupa UNIT4 TETA. Grupa kapitałowa UNIT4 UNIT4 TETA BI CENTER Plan prezentacji Prowadzący: Mateusz Jaworski m.jaworski@tetabic.pl 1. Grupa kapitałowa UNIT4. 2. Grupa UNIT4 TETA. 3. UNIT4 TETA BI CENTER. 4. TETA Business Intelligence. 5. Analiza wielowymiarowa. 6..

Bardziej szczegółowo

Dobre praktyki w doborze technologii rozwiązań informatycznych realizujących usługi publiczne

Dobre praktyki w doborze technologii rozwiązań informatycznych realizujących usługi publiczne Dobre praktyki w doborze technologii rozwiązań informatycznych realizujących usługi publiczne Rafał Czubik Krzysztof Komorowski IBM 2008 IBM Corporation Metodyka jest ważna Procesy i moduły Obszary decyzyjne

Bardziej szczegółowo

dr inż. Maciej Kiewra Prezentacja wygłoszona na konferencji BI vs Big Data podczas Kongresu GigaCon Warszawa, 16.04.2014 r.

dr inż. Maciej Kiewra Prezentacja wygłoszona na konferencji BI vs Big Data podczas Kongresu GigaCon Warszawa, 16.04.2014 r. dr inż. Maciej Kiewra Prezentacja wygłoszona na konferencji BI vs Big Data podczas Kongresu GigaCon Warszawa, 16.04.2014 r. Big Data w praktyce, z perspektywy konsultanta Business Intelligence Parę słów

Bardziej szczegółowo

Oprogramowanie na miarę z13

Oprogramowanie na miarę z13 Oprogramowanie na miarę z13 Sebastian Milej, Zespół Oprogramowania Mainframe 11 lutego 2015 IBM z Systems to rozwiązanie kompletne Analytics Clo ud Securit y Mobile Socia l Technologia półprzewodników

Bardziej szczegółowo

25 Najlepszych Międzynarodowych Miejsc Pracy Europa 2014

25 Najlepszych Międzynarodowych Miejsc Pracy Europa 2014 25 Najlepszych Międzynarodowych Miejsc Pracy Europa 2014 1 Microsoft 2 W.L. Gore & Associates 3 Admiral Group - Admiral Group (Wielka Brytania) - Balumba & Qualitas Auto (Hiszpania) - ConTe.it () 4 SAS

Bardziej szczegółowo

Przetwarzanie i analizowanie dużych ilości danych

Przetwarzanie i analizowanie dużych ilości danych BUSŁOWSKA Eugenia 1 WIKTORZAK Aneta Anna 2 Przetwarzanie i analizowanie dużych ilości danych WSTĘP Ilość danych codziennie generowanych w zastraszającym tempie wzrasta. W roku 2012 wytworzono 2 zetabajty

Bardziej szczegółowo

Elektroniczna weryfikacja tożsamości klientów

Elektroniczna weryfikacja tożsamości klientów Elektroniczna weryfikacja tożsamości klientów Paweł Siciński Warszawa, 22.10.2015 Verification and Security Systems problem: weryfikacja tożsamości klienta nieznane, zagraniczne dokumenty, nowe dokumenty

Bardziej szczegółowo

ATMS Watch Profesjonalny system analizy i rejestracji czasu pracy oraz kontroli dostępu

ATMS Watch Profesjonalny system analizy i rejestracji czasu pracy oraz kontroli dostępu ATMS Watch Profesjonalny system analizy i rejestracji czasu pracy oraz kontroli dostępu ATMS Watch to autorski system rejestracji i analizy czasu pracy oraz kontroli dostępu. System dedykowany jest dla

Bardziej szczegółowo

BIG DATA DLA KAŻDEGO. Radosław Łebkowski, Sławomir Strzykowski - Microsoft Piotr Zacharek - Hewlett Packard

BIG DATA DLA KAŻDEGO. Radosław Łebkowski, Sławomir Strzykowski - Microsoft Piotr Zacharek - Hewlett Packard BIG DATA DLA KAŻDEGO Radosław Łebkowski, Sławomir Strzykowski - Microsoft Piotr Zacharek - Hewlett Packard DANE, WSZĘDZIE DANE Masowy przyrost różnego typu danych Rodzaje danych Przyspieszenie Użytkownicy

Bardziej szczegółowo

IBM Polska. @piotrpietrzak CTO, IBM PBAL. 2010 IBM Corporation

IBM Polska. @piotrpietrzak CTO, IBM PBAL. 2010 IBM Corporation IBM Polska @piotrpietrzak CTO, IBM PBAL 2010 IBM Corporation Historia IBM Polska IBM Polska Laboratorium Oprogramowania w Krakowie Centrum Dostarczania Usług IT we Wrocławiu Regionalne oddziały handlowe:

Bardziej szczegółowo

Hosting i backup danych w środowisku operatorskim

Hosting i backup danych w środowisku operatorskim Hosting i backup danych w środowisku operatorskim Konferencja PLNOG 2012 Warszawa, 5-6 marca 2012 Paweł Pytlakowski, GTS CE Group Product Manager (Cloud & Managed Services) Agenda GTS Central Europe Dlaczego

Bardziej szczegółowo

Program na rzecz Konkurencyjności i Innowacji 2007-2013 (CIP)

Program na rzecz Konkurencyjności i Innowacji 2007-2013 (CIP) Program na rzecz Konkurencyjności i Innowacji 2007-2013 (CIP) Wsparcie EKOINNOWACJI Danuta Dyrszka International Scientific Thematic Network for Environmental Technologies ENVITECH-Net N Co to znaczy ekoinnowacja?

Bardziej szczegółowo

Wirtualizacja i Automatyzacja IT OpenStack

Wirtualizacja i Automatyzacja IT OpenStack Wirtualizacja i Automatyzacja IT OpenStack Dlaczego warto znać Openstack? Wojciech Barczyński Krzysztof Barczyński Gabriel Staicu Wojciech Barczyński Startup, dev dla publicznej chmury Openstack Gabriel

Bardziej szczegółowo

Kalendarium szkoleo Kwiecieo - Czerwiec 2010

Kalendarium szkoleo Kwiecieo - Czerwiec 2010 Kalendarium szkoleo Kwiecieo - Czerwiec 2010 tel. +48 032/ 726 63 49; e-mail: biuro@akademiakompetencji.pl Wszystkie szkolenia Akademii Kompetencji KSK Bezpieczeostwo odbywają się w siedzibie firmy, w

Bardziej szczegółowo

Proces projektowania i wdrożenia serwisu internetowego

Proces projektowania i wdrożenia serwisu internetowego Proces projektowania i wdrożenia serwisu internetowego Kluczowe etapy projektu 9 1 Rozwój i optymalizacja Analiza celów, potrzeb i konkurencji 8 Szkolenie IMPROVE THINK Wireframe i prototyp (UX) 2 7 Testy

Bardziej szczegółowo

Ochrona danych wszystko, co powinieneś wiedzieć, ale boisz się zapytać

Ochrona danych wszystko, co powinieneś wiedzieć, ale boisz się zapytać Ochrona danych wszystko, co powinieneś wiedzieć, ale boisz się zapytać Michał Ceklarz 2010 IBM Corporation IBM globalny zasięg 8 Security Operations Centers 9 Security Research Centers 133 Monitored Countries

Bardziej szczegółowo

CENNIK I TERMINARZ SZKOLEŃ SZKOLENIA OTWARTE DLA UŻYTKOWNIKÓW SYSTEMÓW INFORMATYCZNYCH

CENNIK I TERMINARZ SZKOLEŃ SZKOLENIA OTWARTE DLA UŻYTKOWNIKÓW SYSTEMÓW INFORMATYCZNYCH CENNIK I TERMINARZ SZKOLEŃ SZKOLENIA OTWARTE DLA UŻYTKOWNIKÓW SYSTEMÓW INFORMATYCZNYCH 11 Podstawowy 11/12 Średniozaawansowany 07.07 21.07 04.08 18.08 01.09 15.09 16 h 600 PLN 12 Zaawansowany 03.07 17.07

Bardziej szczegółowo