Model systemu zarządzania wiedzą z uwzględnieniem aspektów wiarygodności

Wielkość: px
Rozpocząć pokaz od strony:

Download "Model systemu zarządzania wiedzą z uwzględnieniem aspektów wiarygodności"

Transkrypt

1 Rozdział 23 Model systemu zarządzania wiedzą z uwzględnieniem aspektów wiarygodności Streszczenie. W rozdziale przedstawiony został model systemu zarządzania wiedzą, w którym uwzględniono aspekty wiarygodności. Dla zaprezentowanego modelu opisane zostały również metody definiowania wiarygodności w Sieci Semantycznej oraz wnioskowania względem wiedzy wzbogaconej o informacje na temat wiarygodności. Na początku model definiuje ontologię wiarygodności ontologię, która pozwala przypisać pewne zbiory cech do konkretnych asercji. Następnie opisana została semantyka systemu zarządzania wiedzą uwzględniającego aspekty zaufania. Zaproponowano również język zapytań, pozwalający na wyrażanie wymagań dotyczących wiarygodności dla pytań dziedzinowych. W podsumowaniu opisano pewne aspekty implementacyjne prototypowego systemu bazującego na omawianym modelu, a także zastosowania prezentowanego systemu w dziedzinie medycznej. 1 Wstęp W [1] przedstawiono metodę definiowania wiarygodności w Sieci Semantycznej (Semantic Web) [2] przy użyciu ontologicznego opisu asercji. Definiowanie wiarygodności jest rozumiane jako przypisanie asercjom unarnym i binarnym zbioru cech i ich wartości. Wnioskowanie z uwzględnieniem aspektów wiarygodności polega na utworzeniu dynamicznego modelu ontologii zawierającego tylko te asercje, których cechy spełniają zadane wymagania a następnie wykonanie zapytania dziedzinowego na tym właśnie modelu. W niniejszym rozdziale sformalizujemy procesy opisu wiarygodności asercji i definiowania wymagań dotyczących wiarygodności wiedzy. Sformalizowanie tych procesów polega na zdefiniowaniu modelu systemu zarządzania wiedzą nie w pełni wiarygodną oraz dostosowaniu języka zapytań do wymagań stawianych przez te procesy. W podrozdziale 2 zaprezentowano formalną definicję modelu omawianego systemu. Rozszerzenie języka zapytań do bazy wiedzy tak, aby uwzględniał on kwestie wiarygodności, opisane zostało w podrozdziale 3. Pewne aspekty implementacyjne prototypowego systemu bazującego na omawianym modelu opisane zostały w podrozdziale 4. Podrozdział 5 podsumowuje rozdział. Krzysztof Goczyła, Teresa Zawadzka, Michał Zawadzki Politechnika Gdańska, Wydział Elektroniki, Telekomunikacji i Informatyki, ul. G. Narutowicza 11/12, Gdańsk, Polska {kris, tegra, michawa}@eti.pg.gda.pl

2 K. Goczyła, T. Zawadzka, M. Zawadzki 2 Model systemu zarządzania wiedzą nie w pełni wiarygodną Model systemu (ze względu na brak miejsca w uproszczonej formie) przedstawiony zostanie w postaci kilku definicji oraz przykładów je wyjaśniających. Podstawowym pojęciem używanym do zdefiniowania modelu systemu jest ontologia: Definicja 2.1. Niech = jest alfabetem, w którym jest alfabetem A O A Ox A Os terminów będących nazwami konceptów, ról i atrybutów a A Ox A Os jest alfabetem terminów będących nazwami osobników. Niech Ox jest zbiorem aksjomatów wyrażonych w terminach alfabetu A, zaś Os jest zbiorem asercji wyrażonych w terminach alfabetu Ox A O, przy czym Ox i O s są wyrażone w pewnej logice opisowej L O. Ontologią nazywamy parę O = <Ox, O s >. Wyobraźmy sobie pewną ontologię O wyrażoną w logice opisowej dialektu ALC: [3] L O o ekspresywności Przykład 2.1. Terminologia O x opisuje dziedzinę leków (koncept Lek). Każdy lek składa się z pewnych składników (koncept Składnik). Poprzez składniki leku rozumiemy pewną ilość substancji zawartej w leku wyrażoną w pewnych jednostkach. Dlatego każdy składnik ma pewną substancję (rola masubstancję, której zakresem jest koncept Substancja) o zadanej ilości (atrybut mailość). Ilość substancji jest wyrażona w pewnych jednostkach (rola majednostkę, której zakresem jest koncept Jednostka). Dodatkowo leki i substancje mogą wchodzić ze sobą w interakcję (rola mainterakcjęz). Ontologia O składa się nie tylko z terminologii, ale również ze zbioru asercji O s (w przykładzie, dla przejrzystości, ograniczamy się jedynie do substancji aktywnych; interakcje między lekami i/lub substancjami są fikcyjne). Przykładowa ontologia składa się z czterech leków (Tritace, Witamina C, Folik, L-Karnityna). W skład tych leków wchodzą odpowiednio składniki: ramipryl 5 mg, kwas askorbinowy 200 mg, kwas foliowy 0,4 mg oraz winian L-Karnityny 447 mg. Dla tych składników jednostką są wszędzie miligramy. Dodatkowo w ontologii podano, że w interakcję z kwasem foliowym wchodzą kwas askorbinowy, rampiryl oraz lek Tritace. 286

3 Model systemu zarządzania wiedzą z uwzględnieniem aspektów wiarygodności W powyższym przykładzie, Lek, Składnik, Substancja oraz Jednostka to nazwy konceptów, zaś mailość, majednostkę, masubstancję, maskładnik i mainterakcję to nazwy ról razem tworzą alfabet A = { Lek, Składnik, Substancja, Jednostka, O x mailość, majednostkę, masubstancję, maskładnik, mainterakcję}. Nazwy osobników tworzą alfabet A Ox = { mg, Tritace, Rampiryl_5_mg, Ramipryl, Witamina_C, Kwas_askorbinowy_200_mg, Kwas_askorbinowy, Folik, Kwas_foliowy_0.4_mg, Kwas_foliowy, L-Karnityna, Winian_L-Karnityny_447_mg, Winian_L-Karnityny }. Nazwy konceptów, ról, atrybutów i osobników tworzą alfabet A O. Pierwsza część przykładu to zbiór aksjomatów Ox, natomiast druga to zbiór asercji O s. Kolejnym krokiem jest zdefiniowanie systemu zarządzania wiedzą nie w pełni wiarygodną: Definicja 2.2. System zarządzania wiedzą nie w pełni wiarygodną W jest trójką postaci <D, T, M>, w której D jest ontologią dziedzinową, T jest ontologią wiarygodności, natomiast M jest odwzorowaniem pomiędzy zbiorem asercji zdefiniowanych w ontologii D a zbiorem nazw osobników zdefiniowanych w ontologii T. W tak zdefiniowanym systemie ontologia dziedzinowa to ontologia przechowująca wiedzę na temat dziedziny zainteresowań (np. Leki). Ontologia wiarygodności to ontologia opisująca wiarygodność zdań z ontologii dziedzinowej. Odwzorowanie łączy natomiast wiarygodność z wiedzą dziedzinową. Formalne definicje elementów systemu zarządzania wiedzą przedstawiają definicje poniżej: Definicja 2.3. Ontologią dziedzinową D = <D x, D s > jest ontologia zgodna z definicją 2.1. Ontologią dziedzinową niech będzie w ontologia zdefiniowana w przykładzie 2.1. Definicja 2.4. Ontologią wiarygodności T = <T x, T s > jest ontologia zgodna z definicją 2.1. Dodatkowo, w alfabecie A jest zawarty termin Asercje: Asercje, co Tx A T x implikuje fakt, że do zbioru aksjomatów Tx należy aksjomat zawierania Asercje m. Zbiór asercji Ts = T T składa się z dwóch zbiorów asercji. Zbiór T nie s1 s2 s1 zawiera asercji unarnych postaci Asercje( i ) i jest niezależny od ontologii dziedzinowej D. Zbiór T to zbiór asercji zależny od ontologii dziedzinowej D i składa się s 2 z asercji Asercje( i1 ) Asercje( i n ) gdzie n jest liczbą asercji w ontologii dziedzinowej D, oraz asercji definiujących cechy osobników i 1 i n. Zgodnie z powyższą definicją, ontologię wiarygodności możemy widzieć jako trzy zbiory: zbiór T x opisujący terminologię oraz dwa zbiory i składające się na opis asercji Ts =. W przykładach poniżej spróbujemy dokładnie wyjaśnić T s1 T s2 definicję ontologii wiarygodności. Najpierw zdefiniujemy sobie prostą terminologię wiarygodności: T s1 Przykład 2.2. Asercje m mapoziomzaufania. 0 * mapoziomzaufania. 1 m T s2 287

4 K. Goczyła, T. Zawadzka, M. Zawadzki macertyfikat.organcertyfikujący m mapotwierdzonąaktualność * mapotwierdzonąaktualność m potwierdzonyprzez.lekarzrodzinny m Terminologia powyżej definiuje cechy, jakie będzie można przypisać asercjom z ontologii dziedzinowej. I tak możemy przypisać poziom zaufania jako liczbę z przedziału <0..1>, czy potwierdzić aktualność w latach od 1990 do Możemy również określić cechę posiadania certyfikatu wydanego przez jeden z Organów certyfikacji (zdefiniujemy je za chwilę), czy potwierdzenia przez jednego z Lekarzy rodzinnych (również zdefiniowanych dalej). Oczywiście każda asercja może mieć przypisanych kilka różnych cech. W kolejnym kroku tworzymy listę organów certyfikacji i lekarzy rodzinnych. Tak zdefiniowany zbiór asercji to właśnie zbiór niezależny od ontologii dziedzinowej. T s1 Przykład 2.3 OrganCertyfikujący( HON ) OrganCertyfikujący( UCL ) LekarzRodzinny( Kowalski ) LekarzRodzinny( Nowak ) LekarzRodzinny( Wiśniewski ) T s2 Zbiór budujemy w dwóch krokach. W pierwszym kroku do wstawiamy asercje unarne postaci Asercje( i ), gdzie i oznacza pewnego osobnika. Liczba asercji unarnych takiego typu jest równa liczbie asercji zdefiniowanych w ontologii dziedzinowej. Definicja odwzorowania M pokaże, że każdy z dodanych osobników jednoznacznie odpowiada asercji z ontologii dziedzinowej D. W drugim kroku osobnikom nadajemy cechy zdefiniowane w terminologii wiarygodności. I tak przyjmijmy, że asercje o leku Tritace i Witaminie C zostały poddane certyfikacji przez HON [4] oraz UCL, zaś informacje o leku Folik i L- Karnityna tylko przez UCL. Dodatkowo HON zatwierdził informacje o interakcjach. Wiemy również, że informacje o Witaminie C zostały potwierdzone przez dra Kowalskiego. Dr Wiśniewski potwierdził jedynie informacje dotyczące leku Tritace. Informacje o lekach są na poziomie zaufania 0,8 a informacje o interakcjach na poziomie zaufania 0,7 (ze względu na brak miejsca pominiemy tutaj formalny zapis powyższych stwierdzeń). W kolejnym kroku definiujemy odwzorowanie M: T s2 Definicja 2.5. Odwzorowanie M: Ds A T s jest to pewna injekcja pomiędzy zbiorem asercji Ds zdefiniowanych w ontologii dziedzinowej D a zbiorem nazw osobników zdefiniowanych w ontologii wiarygodności T z użyciem alfabetu. Odwzorowanie M ma takie własności, że dla każdego modelu J dla T: d ((d D s ) (M(d) J Asercje J )), a ((a J Asercje J ) (M -1 (a) D s )). W naszym przykładzie odwzorowanie M jest następujące (fragment): Przykład 2.4. M(Jednostka( mg )) = Jednostka_mg M(Lek( Tritace )) = Lek_Tritace M(Składnik( Rampiryl_5_mg )) = Składnik_Rampiryl_5_mg M(Substancja( Ramipryl )) = Substancja_Ramipryl 288 A T s

5 Model systemu zarządzania wiedzą z uwzględnieniem aspektów wiarygodności A T s Należy zauważyć, iż zakresem odwzorowania M jest tylko pewien podzbiór nazw osobników zdefiniowanych z użyciem alfabetu (koncept Asercje). Do alfabetu tego należą również nazwy takie jak HON, UCL, Kowalski, Nowak i Wiśniewski (zdefiniowane w przykładzie 2.3), które nie mają swoich odpowiedników w ontologii dziedzinowej. Zdefiniujmy teraz model systemu zarządzania wiedzą nie w pełni wiarygodną: Definicja 2.6. Niech ontologia T = <T x, T s > będzie ontologią wyrażoną w logice opisowej L, natomiast A = A A jest alfabetem terminów zdefiniowanych T T T ' x T s w ontologii wiarygodności T, w którym A = A {PodzbiórAsercji} i T x zawiera aksjomat PodzbiórAsercji m Asercje. T ' x T x Zdefiniujmy ponadto: S J = {J: J jest modelem T }, D s (J) = {o s : o s = M -1 (a) a J PodzbiórAsercji J }, S = {D D s (J): J S J }, s S N = {N = <D x, D s >: D s, oraz S Ds A N = A jest alfabetem, w którym jest wyrażona ontologia N, przy czym A D x D s A D s zawiera zbiór terminów będących nazwami osobników pojawiających się w zbiorze asercji Ds, oraz N jest wyrażona w logice opisowej L D }. Interpretacja I jest modelem dla W jeśli jest modelem pewnej ontologii N S N. Definicja 2.6 określa, że I jest modelem systemu zarządzania wiedzą jeśli jest modelem ontologii N zbudowanej ze zbioru aksjomatów ontologii dziedzinowej i dowolnego podzbioru asercji tej ontologii. D s (J) jest pewnym zbiorem asercji (ale nie są to wszystkie asercje z ontologii dziedzinowej, tylko ich podzbiór) stanowiących opis świata dla ontologii N. Dlatego też w terminologii wiarygodności wprowadzono koncept PodzbiórAsercji. Zauważmy, że wykorzystanie w definicji D s (J) konceptu Asercje spowodowałoby, że ontologia N zawierałby zawsze wszystkie asercje z ontologii dziedzinowej. Ontologia N jest budowana w taki sposób, że składa się z wszystkich aksjomatów zdefiniowanych w ontologii dziedzinowej i pewnego podzbioru asercji z ontologii dziedzinowej - czyli właśnie D s (J). Gdyby D s (J) zawierał wszystkie asercje z ontologii dziedzinowej istniałaby tylko jedna ontologia N równa ontologii dziedzinowej. Interpretacja I jest modelem dla W, jeżeli jest modelem przynajmniej jednej z ontologii N. Idea modelu systemu wiarygodności zakłada, że w procesie odpowiadania na zapytania domyślnie tworzona jest pewna ontologia N (zawierająca tylko te asercje, które spełniają pewne warunki). Koncept PodzbiórAsercji jest wykorzystany po to, aby model tak zbudowanej ontologii N był również modelem systemu zarządzania wiedzą nie w pełni wiarygodną W. Możemy zauważyć, że istnieją różne modele ontologii T. Przede wszystkim należy zwrócić uwagę, że jakiegokolwiek nie weźmiemy osobnika będącego wystąpieniem konceptu Asercje, to w jednym modelu osobnik ten może być wystąpieniem konceptu PodzbiórAsercji a w innym nie. Zdefiniujmy teraz semantykę systemu zarządzania wiedzą nie w pełni wiarygodną: Definicja 2.7. Semantyka sem(w) jest zdefiniowana jako sem(w) = {I: I jest modelem dla W }. 289

6 K. Goczyła, T. Zawadzka, M. Zawadzki W systemach zarządzania wiedzą występują dwa typy zapytań: zapytania dotyczące tylko części terminologicznej ontologii, do których należą zapytania dotyczące problemów zawierania, spełnialności, równoważności czy rozłączności; zapytania dotyczące osobników, do których należą zapytania dotyczące problemów określenia zbioru wystąpień konceptów czy sprawdzania przynależności. W systemie zarządzania wiedzą na różnym poziomie wiarygodności rozważamy jedynie zapytania dotyczące osobników. Zapytania dotyczące terminologii pozostają identyczne, jak w systemie zarządzania wiedzą nie odnoszącym się do problemu wiarygodności wiedzy. W podrozdziale 3.2 przedstawiono sposób zadawania zapytań do systemu zarządzania wiedzą nie w pełni wiarygodną. 3 Wyrażanie wymagań wiarygodności dla asercji i pytań dziedzinowych Jak wynika z przedstawionego w poprzedniej sekcji modelu, wnioskowanie względem wiedzy nie w pełni wiarygodnej odbywa się w dwóch krokach: (1) określenia zbioru asercji spełniających zadane kryteria wiarygodności, oraz (2) przeprowadzenia wnioskowania dziedzinowego na tymże zbiorze. Aby istniała możliwość zdefiniowania wymagań odnośnie wiarygodności, wymagane jest rozszerzenie języka zapytań do baz wiedzy. W rozdziale przedstawiona została propozycja modyfikacji języka DIGUT [5] opracowanego na Politechnice Gdańskiej [6]. Jednak w podobny sposób można rozszerzyć inne języki zapytań do bazy wiedzy. 3.1 Określanie wiarygodności asercji Typowe stwierdzenie dotyczące asercji w języku DIGUT przedstawiono poniżej: <?xml version="1.0"?> <tells xmlns=" xmlns:xsi=" xsi:schemalocation=" uri=kburi > </tells> TellSubquery+ Składa się ono z nagłówka informującego o typie rozkazu (tutaj tells stwierdzenie), informacji, do której bazy jest kierowane, oraz treści stwierdzenia, gdzie treść to jedno lub więcej stwierdzeń o asercjach. Rozszerzenie tego rozkazu o definicję wiarygodności polega na wprowadzeniu dodatkowego, opcjonalnego elementu <trustworthiness> do treści zapytania. Użytkownik może, ale nie musi, zdefiniować wiarygodności. Jeśli wiarygodność nie zostanie zdefiniowana, asercje zostaną zapisane bez informacji o wiarygodności wnioskowanie z użyciem tych asercji będzie możliwe tylko, gdy w pytaniu nie postawimy żadnych wymagań wiarygodności: <?xml version="1.0"?> 290

7 Model systemu zarządzania wiedzą z uwzględnieniem aspektów wiarygodności <tells xmlns=" xmlns:xsi=" xsi:schemalocation=" uri=kburi > {<trustworthiness> TrustworthinessDefinition (Concept expression) </tells> </tustworthiness>} TellSubquery+ Definicja wiarygodności polega na określeniu relacji (cech) między osobnikiem/ osobnikami reprezentującymi asercje a wartościami cech wiarygodności. Przykładowo, dla terminologii z przykładu 2.1, określenie, że zdefiniowane asercje są zatwierdzone przez HON i potwierdzone przez dra Kowalskiego, w logice opisowej można przedstawić jako: macertyfikat( x, HON ) potwierdzonyprzez( x, Kowalski ) gdzie x oznacza osobnika reprezentującego asercje. Powyższy zapis w języku DIGUT wygląda następująco: <related> <individual name=""/> <ratom name="macertyfikat"/> <individual name="hon"/> </related> <related> <individual name=""/> <ratom name="potwierdzonyprzez"/> <individual name="kowalski"/> </related> Należy zwrócić uwagę, że nazwy osobnika będącego przedmiotem roli są puste w rzeczywistości wstawiany jest w to miejsce nowo utworzony osobnik reprezentujący asercje. 3.2 Określanie wymagań wiarygodności dla pytań dziedzinowych Zwykłe pytanie dziedzinowe w języku DIGUT ma następującą postać: <?xml version="1.0"?> <asks xmlns=" xmlns:xsi=" xsi:schemalocation=" uri=kburi > AskSubquery+ </asks> 291

8 K. Goczyła, T. Zawadzka, M. Zawadzki Podobnie jak stwierdzenie, pytanie składa się z nagłówka informującego o typie rozkazu (tutaj asks zapytanie), informacji, do której bazy to zapytanie ma być zadane, oraz treści zapytania, gdzie treść zapytania to jedno lub więcej pytań dziedzinowych. Rozszerzenie tego rozkazu o definicję wymagań wiarygodności polega, podobne jak w przypadku definiowania asercji, na wprowadzeniu dodatkowego, opcjonalnego elementu <trustworthiness> do treści zapytania. Użytkownik może, ale nie musi, zdefiniować wymagania wiarygodności. Jeśli te wymagania nie zostaną zdefiniowane, wnioskowanie przeprowadzane jest na całym zbiorze asercji: <?xml version="1.0"?> <asks xmlns=" xmlns:xsi=" xsi:schemalocation=" uri=kburi > {<trustworthiness> </asks> TrustworthinessDefinition (Concept expression) </tustworthiness>} AskSubquery+ Definicja wymagań wiarygodności polega na określeniu konceptu, do którego muszą należeć wszystkie osobniki reprezentujące asercje dziedzinowe, które spełniają zadane wymagania. Przykładowo, dla omawianej terminologii, aby wnioskować względem asercji zatwierdzonych przez HON i potwierdzonych przez dra Kowalskiego, należy koncept zdefiniować w logice opisowej następująco: macertyfikat.{ HON } * potwierdzonyprzez.{ Kowalski } natomiast w języku DIGUT: <and> <exists> <ratom name="macertyfikat"/> <iset> <individual name="hon"/> </iset> </exists> <exists> <ratom name="potwierdzonyprzez"/> <iset> <individual name="kowalski"/> </iset> </exists> </and> Warto zauważyć również, że identyfikator bazy wiedzy (uri) pozostaje bez zmian, mimo iż w rzeczywistości dotyczy on teraz bazy wiedzy opisującej wiarygodność dla bazy dziedzinowej. 292

9 4 Prototypowa implementacja Model systemu zarządzania wiedzą z uwzględnieniem aspektów wiarygodności Prototypowa implementacja systemu zarządzania wiedzą nie w pełni wiarygodną wykonywana jest w ramach projektu PIPS (Personalised Information Platform for Life and Health Services) [7], którego celem jest zarządzanie wiedzą medyczną w celu wspomagania zdrowego trybu życia obywateli UE. W projekcie tym problem wiarygodności wiedzy jest bardzo istotny baza wiedzy systemu PIPS musi zarządzać różnymi źródłami wiedzy medycznej także źródłami internetowymi, których wiarygodność może być różna. Chcąc zbudować system, który będzie mógł wspomagać decyzję lekarzy co do zastosowania konkretnej terapii, czy podania leku, wymagane jest, aby podpowiedzi te były jak najbardziej wiarygodne. W ramach prac nad implementacją wymagane jest rozważenie kilku kwestii: w jaki sposób przedstawić asercje w formie osobników; jak efektywnie budować dynamiczne ontologie z wybranych asercji, co jest jednoznaczne z efektywnością odpowiedzi na zapytania. Do wykonania prototypu jako silnik wnioskujący wykorzystywany jest system KaSeA [8] opracowany na Politechnice Gdańskiej, jednak nie ma przeciwwskazań co do zastosowania dowolnego innego systemu. System ten ma kilka cech, które ułatwiają wykonanie implementacji. W implementacji zastosowano połączenie ontologii wiarygodności z ontologią dziedzinową. Dzięki temu, że w języku DIGUT, jak również w systemie KaSeA istnieje możliwość dodania opisu do definiowanego osobnika, jest to bardzo prosty sposób zapisania osobnika wraz z reprezentowaną przez niego asercją. Opis taki może mieć postać tekstową (np. definicja asercji w języku DIGUT lub OWL [9]), bezpośrednio postać zapisu w logice opisowej lub nawet postać pseudokodu. Wybór może zależeć od sposobu, w jaki system wnioskujący budujący dynamiczne ontologie wczytuje dane. Zatem ontologia wiarygodności składa się m.in. ze wspomnianych osobników, którym przypisane są asercje z ontologii dziedzinowej. Na takiej ontologii wykonywane jest następnie zapytanie o zbiór osobników, spełniających kryteria wiarygodności. Wynikiem wykonania tego zapytania będzie lista osobników, a co za tym idzie lista asercji spełniających zadane kryteria. Kolejnym krokiem jest efektywne budowanie dynamicznych ontologii dziedzinowych na podstawie otrzymanego zbioru asercji. Ze względu na fakt, iż system KaSeA w głównej mierze jest zoptymalizowany pod kątem szybkiego przetwarzania zapytań dla dużej liczby osobników, proces ładowania danych, czyli tworzenia bazy wiedzy, jest długotrwały. W związku z tym proces dynamicznego budowania ontologii byłby nieefektywny. Pewnym obejściem tego problemu jest utworzenie na zapas kilku ontologii odpowiadających typowym kryteriom wiarygodności i używanie ich do przetwarzania pytań dziedzinowych. Dla innych kryteriów dynamicznie budowane byłyby nowe ontologie (w tym wypadku czas odpowiedzi na pełne zapytanie byłby zwiększony o czas zbudowania takiej ontologii). Rozwiązaniem metody na zapas w systemie KaSeA jest zastosowanie wspieranych przez ten system kontekstów [10], [11], czyli różnych punktów widzenia na dziedzinę. Dodatkowym plusem tego rozwiązania jest fakt, że zmiany w jednym kontekście mogą być automatycznie propagowane do innych kontekstów przy użyciu standardowych mechanizmów systemu KaSeA. 293

10 K. Goczyła, T. Zawadzka, M. Zawadzki 5 Podsumowanie W rozdziale zaprezentowano model systemu zarządzania wiedzą nie w pełni wiarygodną. Problem ten dotyczy w szczególności Sieci Semantycznej, choć jak to zostało przedstawione w poprzednim podrozdziale, nie ogranicza się tylko do niej. Warto zauważyć, że zaprezentowane rozwiązanie zakłada wybranie fragmentu ontologii, spełniającego kryteria wiarygodności i dopiero na nim przeprowadzenie wnioskowani dziedzinowego. Jest to podejście zdecydowanie różne od podejścia numerycznego, przedstawionego m.in. w [12] i [13], a zakładającego stosowanie sygnatur rozmytych w reprezentacji kartograficznej, co uniemożliwiało efektywne wnioskowanie na dużej liczbie osobników. Należy podkreślić, że zaprezentowany model i metody przetwarzania zapytań są uniwersalne nie ograniczają się jedynie do systemów o określonej metodzie wnioskowania lub reprezentacji wiedzy. Z powodzeniem można zastosować przedstawione rozwiązania dla dowolnego systemu zarządzania wiedzą opartego na ontologach i logice opisowej. Mimo iż w omawianym podejściu wnioskowanie musi przebiegać na dwóch różnych terminologiach, może ono być przeprowadzone z wykorzystaniem standardowych algorytmów wnioskujących. Dalsze prace skupiać się będą głównie na dopracowaniu i rozwinięciu prototypu oraz przeprowadzeniu testów wydajnościowych uzasadniających zastosowanie opisywanego modelu. Literatura 1. Zawadzki M.: Definiowanie wiarygodności w Sieci Semantycznej metodą ontologicznego opisu asercji. W: Bazy Danych, Nowe Technologie, Architektura, metody formalne i zaawansowana analiza danych, red S. Kozielski, B. Małysiak, P. Kasprowski, D. Mrozek, Warszawa WKŁ, 2007, str Berners-Lee T., Hendler J., Lassila O.: The Semantic Web, May 2001; Scientific American Magazine. 3. Baader F. A., McGuiness D. L., Nardi D., Patel-Schneider P. F.: The Description Logic Handbook: Theory, implementation, and applications, Cambridge University Press, Heath on the Net Foundation, 5. DIGUT Description Logic Interface by Gdańsk University of Technology 6. KMG@GUT, Knowledge Management Group at Gdańsk University of Technology, 7. Goczyła K., Grabowska K., Waloszek W., Zawadzki M.: Inference Mechanisms for Knowledge Management System in E-health Environment. W: Software engineering: evolution and emerging Technologies, red: K. Zieliński, T. Szmuc, Amsterdam: IOS Press, 2005, str Goczyła K., Grabowska K., Waloszek W., Zawadzki M.: The knowledge cartography - a new approach to reasoning over description logics ontologies. W: SOFSEM 2006: Theory and Practice of Computer Science: 32nd Conference on Current Trends in Theory and Practice of Computer Science, red: J. Wiedermann, J. Stuller, G. Tel, J. Pokorny, M. Bielikova, Berlin Heilderberg: Springer-Verlag, 2006, str , Lecture Notes in Computer Science Vol

11 Model systemu zarządzania wiedzą z uwzględnieniem aspektów wiarygodności 9. OWL Web Ontology Language, W3C Recommendation, 10 February 2004, Goczyła K., Waloszek A., Waloszek W.: Hierarchiczny podział przestrzeni ontologii na konteksty, w: Bazy danych. Nowe technologie, red. Kozielski S., Małysiak B., Kasprowski P., Mrozka D., s , WKŁ, Goczyła K., Waloszek A., Waloszek W.: Contextualization of a DL Knowledge Base, w: Proceedings of the International Workshop on Description Logics, s , Goczyła K., Zawadzki M.: Przetwarzanie i wnioskowanie z wiedzy o różnym poziomie zaufania. W: Bazy Danych Modele, Technologie, Narzędzia - analiza danych i wybrane zastosowania, red. S. Kozielski, B. Małysiak, P. Kasprowski, D. Mrozek, Warszawa WKŁ, 2005, str Goczyła K., Zawadzki M.: Analiza problemu zaufania do ontologii dla różnych modeli wnioskowania. W: Bazy Danych, Struktury, Algorytmy, Metody - architektura, metody formalne i eksploracja danych, red. S. Kozielski, B. Małysiak, P. Kasprowski, D. Mrozek, Warszawa WKŁ, 2006, str

12

Wnioskowanie z danych zapisanych w zewnętrznych źródłach w systemie zarządzania wiedzą

Wnioskowanie z danych zapisanych w zewnętrznych źródłach w systemie zarządzania wiedzą Rozdział 26 Wnioskowanie z danych zapisanych w zewnętrznych źródłach w systemie zarządzania wiedzą Streszczenie. Rozdział prezentuje proces wnioskowania z danych przechowywanych w zewnętrznych źródłach.

Bardziej szczegółowo

Internet Semantyczny i Logika II

Internet Semantyczny i Logika II Internet Semantyczny i Logika II Ontologie Definicja Grubera: Ontologia to formalna specyfikacja konceptualizacji pewnego obszaru wiedzy czy opisu elementów rzeczywistości. W Internecie Semantycznym językiem

Bardziej szczegółowo

Internet Semantyczny. Logika opisowa

Internet Semantyczny. Logika opisowa Internet Semantyczny Logika opisowa Ontologie Definicja Grubera: Ontologia to formalna specyfikacja konceptualizacji pewnego obszaru wiedzy czy opisu elementów rzeczywistości. W Internecie Semantycznym

Bardziej szczegółowo

METODA ELPAR ŁĄCZENIA ONTOLOGII OPARTA NA ICH KARTOGRAFICZNEJ REPREZENTACJI

METODA ELPAR ŁĄCZENIA ONTOLOGII OPARTA NA ICH KARTOGRAFICZNEJ REPREZENTACJI METODA ELPAR ŁĄCZENIA ONTOLOGII OPARTA NA ICH KARTOGRAFICZNEJ REPREZENTACJI Krzysztof GOCZYŁA*, Teresa GRABOWSKA** Streszczenie. Jednym z głównych problemów związanych z integracją wiedzy z róŝnych źródeł

Bardziej szczegółowo

2

2 1 2 3 4 5 Dużo pisze się i słyszy o projektach wdrożeń systemów zarządzania wiedzą, które nie przyniosły oczekiwanych rezultatów, bo mało kto korzystał z tych systemów. Technologia nie jest bowiem lekarstwem

Bardziej szczegółowo

O-MaSE Organization-based Multiagent System Engineering. MiASI2, TWO2,

O-MaSE Organization-based Multiagent System Engineering. MiASI2, TWO2, O-MaSE Organization-based Multiagent System Engineering MiASI2, TWO2, 2017-2018 Materiały Strona poświęcona metodzie O-MaSE http://macr.cis.ksu.edu/projects/omase.html (Multiagent & Cooperative Reasoning

Bardziej szczegółowo

KARTOGRAFICZNA METODA REPREZENTACJI WIEDZY W SYSTEMIE KASEA

KARTOGRAFICZNA METODA REPREZENTACJI WIEDZY W SYSTEMIE KASEA KARTOGRAFICZNA METODA REPREZENTACJI WIEDZY W SYSTEMIE KASEA Wojciech WALOSZEK* Streszczenie. Niniejszy rozdział prezentuje opracowaną przez autora metodę reprezentacji wiedzy, nazwaną kartografią wiedzy,

Bardziej szczegółowo

INSTYTUT AUTOMATYKI I INŻYNIERII INFORMATYCZNEJ POLITECHNIKI POZNAŃSKIEJ. Adam Meissner. Elementy logik deskrypcyjych

INSTYTUT AUTOMATYKI I INŻYNIERII INFORMATYCZNEJ POLITECHNIKI POZNAŃSKIEJ. Adam Meissner. Elementy logik deskrypcyjych INSTYTUT AUTOMATYKI I INŻYNIERII INFORMATYCZNEJ POLITECHNIKI POZNAŃSKIEJ Adam Meissner Adam.Meissner@put.poznan.pl http://www.man.poznan.pl/~ameis Elementy logik deskrypcyjych Literatura [1] Baader F.

Bardziej szczegółowo

WEWNĘTRZNA REPREZENTACJA KONGLOMERATOWEJ BAZY WIEDZY W SYSTEMIE RKASEA

WEWNĘTRZNA REPREZENTACJA KONGLOMERATOWEJ BAZY WIEDZY W SYSTEMIE RKASEA STUDIA INFORMATIA 2010 Volume 31 Number 2A (89) Krzysztof GOZYŁA, Aleksander WALOSZEK, Wojciech WALOSZEK, Teresa ZAWADZKA Politechnika Gdańska, Wydział Elektroniki, Telekomunikacji i Informatyki WEWNĘTRZNA

Bardziej szczegółowo

Implementacja widoków danych na bazę wiedzy

Implementacja widoków danych na bazę wiedzy Implementacja widoków danych na bazę wiedzy Piotr Piotrowski 1 Streszczenie: Niniejszy artykuł opisuje koncepcję i implementację widoków danych na bazę wiedzy. Widoki danych przesłaniają interfejs bazy

Bardziej szczegółowo

Internet Semantyczny i Logika I

Internet Semantyczny i Logika I Internet Semantyczny i Logika I Warstwy Internetu Semantycznego Dowód Zaufanie Logika OWL, Ontologie Podpis cyfrowy RDF, schematy RDF XML, schematy XML przestrzenie nazw URI Po co nam logika? Potrzebujemy

Bardziej szczegółowo

Ćwiczenie numer 4 JESS PRZYKŁADOWY SYSTEM EKSPERTOWY.

Ćwiczenie numer 4 JESS PRZYKŁADOWY SYSTEM EKSPERTOWY. Ćwiczenie numer 4 JESS PRZYKŁADOWY SYSTEM EKSPERTOWY. 1. Cel ćwiczenia Celem ćwiczenia jest zapoznanie się z przykładowym systemem ekspertowym napisanym w JESS. Studenci poznają strukturę systemu ekspertowego,

Bardziej szczegółowo

Hurtownie danych. Rola hurtowni danych w systemach typu Business Intelligence

Hurtownie danych. Rola hurtowni danych w systemach typu Business Intelligence Hurtownie danych Rola hurtowni danych w systemach typu Business Intelligence Krzysztof Goczyła Teresa Zawadzka Katedra Inżynierii Oprogramowania Wydział Elektroniki, Telekomunikacji i Informatyki Politechnika

Bardziej szczegółowo

Ontologie Wiedza semantyczna Semantic Web Inżynieria ontologii. Zarządzanie wiedzą. Wykład Sieci semantyczne. Joanna Kołodziejczyk.

Ontologie Wiedza semantyczna Semantic Web Inżynieria ontologii. Zarządzanie wiedzą. Wykład Sieci semantyczne. Joanna Kołodziejczyk. Wykład Sieci semantyczne czerwiec 2010 Ontologie Struktura sieci semantycznej Plan wykładu Ontologie Definicja ontologii Jest to formalna reprezentacja wiedzy przez zbiór konceptów z zadanej dziedziny

Bardziej szczegółowo

INFORMATYKA GEODEZYJNO- KARTOGRAFICZNA. Modelowanie danych. Model związków-encji

INFORMATYKA GEODEZYJNO- KARTOGRAFICZNA. Modelowanie danych. Model związków-encji Modelowanie danych. Model związków-encji Plan wykładu Wprowadzenie do modelowania i projektowania kartograficznych systemów informatycznych Model związków-encji encje atrybuty encji związki pomiędzy encjami

Bardziej szczegółowo

The Binder Consulting

The Binder Consulting The Binder Consulting Contents Indywidualne szkolenia specjalistyczne...3 Konsultacje dla tworzenia rozwiazan mobilnych... 3 Dedykowane rozwiazania informatyczne... 3 Konsultacje i wdrożenie mechanizmów

Bardziej szczegółowo

Wykład 11a. Składnia języka Klasycznego Rachunku Predykatów. Języki pierwszego rzędu.

Wykład 11a. Składnia języka Klasycznego Rachunku Predykatów. Języki pierwszego rzędu. Andrzej Wiśniewski Logika I Materiały do wykładu dla studentów kognitywistyki Wykład 11a. Składnia języka Klasycznego Rachunku Predykatów. Języki pierwszego rzędu. 1 Logika Klasyczna obejmuje dwie teorie:

Bardziej szczegółowo

3 grudnia Sieć Semantyczna

3 grudnia Sieć Semantyczna Akademia Górniczo-Hutnicza http://www.agh.edu.pl/ 1/19 3 grudnia 2005 Sieć Semantyczna Michał Budzowski budzow@grad.org 2/19 Plan prezentacji Krótka historia Problemy z WWW Koncepcja Sieci Semantycznej

Bardziej szczegółowo

Projektowanie systemów informatycznych. Roman Simiński siminskionline.pl. Modelowanie danych Diagramy ERD

Projektowanie systemów informatycznych. Roman Simiński siminskionline.pl. Modelowanie danych Diagramy ERD Projektowanie systemów informatycznych Roman Simiński roman.siminski@us.edu.pl siminskionline.pl Modelowanie danych Diagramy ERD Modelowanie danych dlaczego? Od biznesowego gadania do magazynu na biznesowe

Bardziej szczegółowo

Reprezentacja wiedzy ontologie, logiki deskrypcyjne

Reprezentacja wiedzy ontologie, logiki deskrypcyjne Reprezentacja wiedzy ontologie, logiki deskrypcyjne Agnieszka Ławrynowicz 24 listopada 2016 Plan wykładu 1 Powtórka: sieci semantyczne, RDF 2 Definicja ontologii 3 Logiki deskrypcyjne Semantyczny Internet

Bardziej szczegółowo

Internet Semantyczny. Schematy RDF i wnioskowanie

Internet Semantyczny. Schematy RDF i wnioskowanie Internet Semantyczny Schematy RDF i wnioskowanie Ewolucja Internetu Internet dzisiaj Internet Semantyczny Jorge Cardoso, The Syntactic and the Semantic Web, in Semantic Web Services: Theory, Tools, and

Bardziej szczegółowo

Komputerowe Systemy Przemysłowe: Modelowanie - UML. Arkadiusz Banasik arkadiusz.banasik@polsl.pl

Komputerowe Systemy Przemysłowe: Modelowanie - UML. Arkadiusz Banasik arkadiusz.banasik@polsl.pl Komputerowe Systemy Przemysłowe: Modelowanie - UML Arkadiusz Banasik arkadiusz.banasik@polsl.pl Plan prezentacji Wprowadzenie UML Diagram przypadków użycia Diagram klas Podsumowanie Wprowadzenie Języki

Bardziej szczegółowo

Repozytorium Zasobów Wiedzy FTP

Repozytorium Zasobów Wiedzy FTP Repozytorium Zasobów Wiedzy FTP Spis treści Wprowadzenie... 1 Architektura Repozytorium Zasobów Wiedzy... 1 Mapy Wiedzy... 4 Wprowadzanie zasobów wiedzy do repozytorium... 7 Prezentacja zasobów wiedzy

Bardziej szczegółowo

IDEOLOGICZNY I PRAKTYCZNY MODEL METAONTOLOGII

IDEOLOGICZNY I PRAKTYCZNY MODEL METAONTOLOGII STUDIA INFORMATICA 2009 Volume 30 Number (82) Krzysztof GOCZYŁA Politechnika Gdańska, Wydział Elektroniki, Telekomunikacji i Informatyki Aleksander WALOSZEK Politechnika Gdańska, Wydział Elektroniki, Telekomunikacji

Bardziej szczegółowo

1 Projektowanie systemu informatycznego

1 Projektowanie systemu informatycznego Plan wykładu Spis treści 1 Projektowanie systemu informatycznego 1 2 Modelowanie pojęciowe 4 2.1 Encja....................................... 5 2.2 Własności.................................... 6 2.3 Związki.....................................

Bardziej szczegółowo

Ontologie, czyli o inteligentnych danych

Ontologie, czyli o inteligentnych danych 1 Ontologie, czyli o inteligentnych danych Bożena Deka Andrzej Tolarczyk PLAN 2 1. Korzenie filozoficzne 2. Ontologia w informatyce Ontologie a bazy danych Sieć Semantyczna Inteligentne dane 3. Zastosowania

Bardziej szczegółowo

Modelowanie danych, projektowanie systemu informatycznego

Modelowanie danych, projektowanie systemu informatycznego Modelowanie danych, projektowanie systemu informatycznego Modelowanie odwzorowanie rzeczywistych obiektów świata rzeczywistego w systemie informatycznym Modele - konceptualne reprezentacja obiektów w uniwersalnym

Bardziej szczegółowo

Systemy ekspertowe i ich zastosowania. Katarzyna Karp Marek Grabowski

Systemy ekspertowe i ich zastosowania. Katarzyna Karp Marek Grabowski Systemy ekspertowe i ich zastosowania Katarzyna Karp Marek Grabowski Plan prezentacji Wstęp Własności systemów ekspertowych Rodzaje baz wiedzy Metody reprezentacji wiedzy Metody wnioskowania Języki do

Bardziej szczegółowo

Instytut Technik Innowacyjnych Semantyczna integracja danych - metody, technologie, przykłady, wyzwania

Instytut Technik Innowacyjnych Semantyczna integracja danych - metody, technologie, przykłady, wyzwania Instytut Technik Innowacyjnych Semantyczna integracja danych - metody, technologie, przykłady, wyzwania Michał Socha, Wojciech Górka Integracja danych Prosty export/import Integracja 1:1 łączenie baz danych

Bardziej szczegółowo

Systemy ekspertowe Część siódma Realizacja dziedzinowego systemu ekspertowego Roman Simiński

Systemy ekspertowe Część siódma Realizacja dziedzinowego systemu ekspertowego Roman Simiński Część siódma Autor Roman Simiński Kontakt roman.siminski@us.edu.pl www.us.edu.pl/~siminski Realizacja dziedzinowego systemu ekspertowego Niniejsze opracowanie zawiera skrót treści wykładu, lektura tych

Bardziej szczegółowo

Automatyzacja procesu tworzenia i zarządzania Wirtualnymi Organizacjami w oparciu o wiedzę w zastosowaniu do architektur zorientowanych na usługi

Automatyzacja procesu tworzenia i zarządzania Wirtualnymi Organizacjami w oparciu o wiedzę w zastosowaniu do architektur zorientowanych na usługi IT-SOA Automatyzacja procesu tworzenia i zarządzania Wirtualnymi Organizacjami w oparciu o wiedzę w zastosowaniu do architektur zorientowanych na usługi Dariusz Król, W. Funika, B. Kryza, R. Słota, J.

Bardziej szczegółowo

Semantic Web Internet Semantyczny

Semantic Web Internet Semantyczny Semantic Web Internet Semantyczny Semantyczny Internet - Wizja (1/2) Pomysłodawca sieci WWW - Tim Berners-Lee, fizyk pracujący w CERN Jego wizja sieci o wiele bardziej ambitna niż istniejąca obecnie (syntaktyczna)

Bardziej szczegółowo

Logika Matematyczna (1)

Logika Matematyczna (1) Logika Matematyczna (1) Jerzy Pogonowski Zakład Logiki Stosowanej UAM www.logic.amu.edu.pl pogon@amu.edu.pl 4 X 2007 Jerzy Pogonowski (MEG) Logika Matematyczna (1) 4 X 2007 1 / 18 Plan konwersatorium Dzisiaj:

Bardziej szczegółowo

Eksploracja danych. KLASYFIKACJA I REGRESJA cz. 2. Wojciech Waloszek. Teresa Zawadzka.

Eksploracja danych. KLASYFIKACJA I REGRESJA cz. 2. Wojciech Waloszek. Teresa Zawadzka. Eksploracja danych KLASYFIKACJA I REGRESJA cz. 2 Wojciech Waloszek wowal@eti.pg.gda.pl Teresa Zawadzka tegra@eti.pg.gda.pl Katedra Inżynierii Oprogramowania Wydział Elektroniki, Telekomunikacji i Informatyki

Bardziej szczegółowo

Zajęcia nr. 3 notatki

Zajęcia nr. 3 notatki Zajęcia nr. 3 notatki 22 kwietnia 2005 1 Funkcje liczbowe wprowadzenie Istnieje nieskończenie wiele funkcji w matematyce. W dodaktu nie wszystkie są liczbowe. Rozpatruje się funkcje które pobierają argumenty

Bardziej szczegółowo

Metoda tabel semantycznych. Dedukcja drogi Watsonie, dedukcja... Definicja logicznej konsekwencji. Logika obliczeniowa.

Metoda tabel semantycznych. Dedukcja drogi Watsonie, dedukcja... Definicja logicznej konsekwencji. Logika obliczeniowa. Plan Procedura decyzyjna Reguły α i β - algorytm Plan Procedura decyzyjna Reguły α i β - algorytm Logika obliczeniowa Instytut Informatyki 1 Procedura decyzyjna Logiczna konsekwencja Teoria aksjomatyzowalna

Bardziej szczegółowo

Podstawy programowania. Wykład Funkcje. Krzysztof Banaś Podstawy programowania 1

Podstawy programowania. Wykład Funkcje. Krzysztof Banaś Podstawy programowania 1 Podstawy programowania. Wykład Funkcje Krzysztof Banaś Podstawy programowania 1 Programowanie proceduralne Pojęcie procedury (funkcji) programowanie proceduralne realizacja określonego zadania specyfikacja

Bardziej szczegółowo

Monitoring procesów z wykorzystaniem systemu ADONIS. Krok po kroku

Monitoring procesów z wykorzystaniem systemu ADONIS. Krok po kroku z wykorzystaniem systemu ADONIS Krok po kroku 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

SCENARIUSZ LEKCJI. Streszczenie. Czas realizacji. Podstawa programowa

SCENARIUSZ LEKCJI. Streszczenie. Czas realizacji. Podstawa programowa Autorzy scenariusza: SCENARIUSZ LEKCJI OPRACOWANY W RAMACH PROJEKTU: INFORMATYKA MÓJ SPOSÓB NA POZNANIE I OPISANIE ŚWIATA. PROGRAM NAUCZANIA INFORMATYKI Z ELEMENTAMI PRZEDMIOTÓW MATEMATYCZNO-PRZYRODNICZYCH

Bardziej szczegółowo

IDEOLOGICZNY I PRAKTYCZNY MODEL METAONTOLOGII

IDEOLOGICZNY I PRAKTYCZNY MODEL METAONTOLOGII STUDIA INFORMATICA 200 Volume 3 Number 2A (89) Krzysztof GOCZYŁA, Aleksander WALOSZEK, Wojciech WALOSZEK, Teresa ZAWADZKA Politechnika Gdańska, Wydział Elektroniki, Telekomunikacji i Informatyki IDEOLOGICZNY

Bardziej szczegółowo

Dodatkowe możliwości RDF. Seminarium magisterskie Paweł Chrząszczewski

Dodatkowe możliwości RDF. Seminarium magisterskie Paweł Chrząszczewski Dodatkowe możliwości RDF Seminarium magisterskie Paweł Chrząszczewski Inne możliwości RDF RDF posiada szereg dodatkowych funkcji, takich jak wbudowane typy i właściwości reprezentujące grupy zasobów i

Bardziej szczegółowo

Logika Stosowana. Wykład 1 - Logika zdaniowa. Marcin Szczuka. Instytut Informatyki UW. Wykład monograficzny, semestr letni 2016/2017

Logika Stosowana. Wykład 1 - Logika zdaniowa. Marcin Szczuka. Instytut Informatyki UW. Wykład monograficzny, semestr letni 2016/2017 Logika Stosowana Wykład 1 - Logika zdaniowa Marcin Szczuka Instytut Informatyki UW Wykład monograficzny, semestr letni 2016/2017 Marcin Szczuka (MIMUW) Logika Stosowana 2017 1 / 30 Plan wykładu 1 Język

Bardziej szczegółowo

Metody systemowe i decyzyjne w informatyce

Metody systemowe i decyzyjne w informatyce Metody systemowe i decyzyjne w informatyce Laboratorium JAVA Zadanie nr 2 Rozpoznawanie liter autorzy: A. Gonczarek, J.M. Tomczak Cel zadania Celem zadania jest zapoznanie się z problemem klasyfikacji

Bardziej szczegółowo

FUNKCJE. (odwzorowania) Funkcje 1

FUNKCJE. (odwzorowania) Funkcje 1 FUNKCJE (odwzorowania) Funkcje 1 W matematyce funkcja ze zbioru X w zbiór Y nazywa się odwzorowanie (przyporządkowanie), które każdemu elementowi zbioru X przypisuje jeden, i tylko jeden element zbioru

Bardziej szczegółowo

Systemy ekspertowe. System ekspertowy wspomagający wybór zestawu komputerowego w oparciu o ontologie i system wnioskujący RacerPro

Systemy ekspertowe. System ekspertowy wspomagający wybór zestawu komputerowego w oparciu o ontologie i system wnioskujący RacerPro Systemy ekspertowe System ekspertowy wspomagający wybór zestawu komputerowego w oparciu o ontologie i system wnioskujący RacerPro Autorzy: 1 Wstęp Wybór zestawu komputerowego, ze względu na istnienie wielu

Bardziej szczegółowo

SCENARIUSZ LEKCJI. TEMAT LEKCJI: Zastosowanie średnich w statystyce i matematyce. Podstawowe pojęcia statystyczne. Streszczenie.

SCENARIUSZ LEKCJI. TEMAT LEKCJI: Zastosowanie średnich w statystyce i matematyce. Podstawowe pojęcia statystyczne. Streszczenie. SCENARIUSZ LEKCJI OPRACOWANY W RAMACH PROJEKTU: INFORMATYKA MÓJ SPOSÓB NA POZNANIE I OPISANIE ŚWIATA. PROGRAM NAUCZANIA INFORMATYKI Z ELEMENTAMI PRZEDMIOTÓW MATEMATYCZNO-PRZYRODNICZYCH Autorzy scenariusza:

Bardziej szczegółowo

Zasady budowy i przekazywania komunikatów wykorzystywanych w Systemie IT KDPW_CCP

Zasady budowy i przekazywania komunikatów wykorzystywanych w Systemie IT KDPW_CCP Załącznik Nr 3 KDPW_CCP Zasady budowy i przekazywania komunikatów wykorzystywanych w Systemie IT KDPW_CCP Wersja 1.0 Warszawa, czerwiec 2012 Spis treści Wstęp... 3 Budowa komunikatów XML... 3 Przestrzenie

Bardziej szczegółowo

Bazy danych TERMINOLOGIA

Bazy danych TERMINOLOGIA Bazy danych TERMINOLOGIA Dane Dane są wartościami przechowywanymi w bazie danych. Dane są statyczne w tym sensie, że zachowują swój stan aż do zmodyfikowania ich ręcznie lub przez jakiś automatyczny proces.

Bardziej szczegółowo

Multi-wyszukiwarki. Mediacyjne Systemy Zapytań wprowadzenie. Architektury i technologie integracji danych Systemy Mediacyjne

Multi-wyszukiwarki. Mediacyjne Systemy Zapytań wprowadzenie. Architektury i technologie integracji danych Systemy Mediacyjne Architektury i technologie integracji danych Systemy Mediacyjne Multi-wyszukiwarki Wprowadzenie do Mediacyjnych Systemów Zapytań (MQS) Architektura MQS Cechy funkcjonalne MQS Cechy implementacyjne MQS

Bardziej szczegółowo

1/ Nazwa zadania: Dostawa, wdrożenie i serwis informatycznego systemu zarządzania projektami dla Urzędu Miejskiego Wrocławia wraz ze szkoleniem.

1/ Nazwa zadania: Dostawa, wdrożenie i serwis informatycznego systemu zarządzania projektami dla Urzędu Miejskiego Wrocławia wraz ze szkoleniem. 1/ Nazwa zadania: Dostawa, wdrożenie i serwis informatycznego systemu zarządzania projektami dla Urzędu Miejskiego Wrocławia wraz ze szkoleniem. 2/ Wykonawcy: Konsorcjum: Netline Group wraz z Premium Technology

Bardziej szczegółowo

Logika Stosowana. Wykład 7 - Zbiory i logiki rozmyte Część 3 Prawdziwościowa logika rozmyta. Marcin Szczuka. Instytut Informatyki UW

Logika Stosowana. Wykład 7 - Zbiory i logiki rozmyte Część 3 Prawdziwościowa logika rozmyta. Marcin Szczuka. Instytut Informatyki UW Logika Stosowana Wykład 7 - Zbiory i logiki rozmyte Część 3 Prawdziwościowa logika rozmyta Marcin Szczuka Instytut Informatyki UW Wykład monograficzny, semestr letni 2016/2017 Marcin Szczuka (MIMUW) Logika

Bardziej szczegółowo

Uniwersytet Zielonogórski Wydział Elektrotechniki, Informatyki i Telekomunikacji Instytut Sterowania i Systemów Informatycznych

Uniwersytet Zielonogórski Wydział Elektrotechniki, Informatyki i Telekomunikacji Instytut Sterowania i Systemów Informatycznych Uniwersytet Zielonogórski Wydział Elektrotechniki, Informatyki i Telekomunikacji Instytut Sterowania i Systemów Informatycznych ELEMENTY SZTUCZNEJ INTELIGENCJI Laboratorium nr 6 SYSTEMY ROZMYTE TYPU MAMDANIEGO

Bardziej szczegółowo

Współczesna problematyka klasyfikacji Informatyki

Współczesna problematyka klasyfikacji Informatyki Współczesna problematyka klasyfikacji Informatyki Nazwa pojawiła się na przełomie lat 50-60-tych i przyjęła się na dobre w Europie Jedna z definicji (z Wikipedii): Informatyka dziedzina nauki i techniki

Bardziej szczegółowo

Zasady budowy i przekazywania komunikatów XML dla rynku OTC w systemie KDPW_CCP

Zasady budowy i przekazywania komunikatów XML dla rynku OTC w systemie KDPW_CCP Warszawa, lipiec 2012 Zasady budowy i przekazywania komunikatów XML dla rynku OTC w systemie KDPW_CCP Wersja 1.1 1 Spis treści Tabela zmian... 3 Wstęp... 4 Budowa komunikatów XML... 4 Przestrzenie nazw

Bardziej szczegółowo

Zasady budowy i przekazywania komunikatów XML w systemie kdpw_otc

Zasady budowy i przekazywania komunikatów XML w systemie kdpw_otc Warszawa, 07 lutego 2013 Zasady budowy i przekazywania komunikatów XML w systemie kdpw_otc Wersja 1.4.2 1 Spis treści Tabela zmian... 3 Wstęp... 4 Budowa komunikatów XML... 4 Przestrzenie nazw (namespaces)...

Bardziej szczegółowo

HURTOWNIE DANYCH I BUSINESS INTELLIGENCE

HURTOWNIE DANYCH I BUSINESS INTELLIGENCE BAZY DANYCH HURTOWNIE DANYCH I BUSINESS INTELLIGENCE Akademia Górniczo-Hutnicza w Krakowie Adrian Horzyk horzyk@agh.edu.pl Google: Horzyk HURTOWNIE DANYCH Hurtownia danych (Data Warehouse) to najczęściej

Bardziej szczegółowo

Diagramy ERD. Model struktury danych jest najczęściej tworzony z wykorzystaniem diagramów pojęciowych (konceptualnych). Najpopularniejszym

Diagramy ERD. Model struktury danych jest najczęściej tworzony z wykorzystaniem diagramów pojęciowych (konceptualnych). Najpopularniejszym Diagramy ERD. Model struktury danych jest najczęściej tworzony z wykorzystaniem diagramów pojęciowych (konceptualnych). Najpopularniejszym konceptualnym modelem danych jest tzw. model związków encji (ERM

Bardziej szczegółowo

Podstawowe pojęcia dotyczące relacyjnych baz danych. mgr inż. Krzysztof Szałajko

Podstawowe pojęcia dotyczące relacyjnych baz danych. mgr inż. Krzysztof Szałajko Podstawowe pojęcia dotyczące relacyjnych baz danych mgr inż. Krzysztof Szałajko Czym jest baza danych? Co rozumiemy przez dane? Czym jest system zarządzania bazą danych? 2 / 25 Baza danych Baza danych

Bardziej szczegółowo

JAK OPTYMALNIE DOBRAĆ ODPOWIEDNIE TECHNOLOGIE INFORMATYCZNE?

JAK OPTYMALNIE DOBRAĆ ODPOWIEDNIE TECHNOLOGIE INFORMATYCZNE? K O N F E R E N C J A I N F O S H A R E 2 0 0 7 G d a ń s k 25-26.04.2007 JAK OPTYMALNIE DOBRAĆ ODPOWIEDNIE TECHNOLOGIE INFORMATYCZNE? Zespół Zarządzania Technologiami Informatycznymi Prezentacja dr inż.

Bardziej szczegółowo

Systemy GIS Systemy baz danych

Systemy GIS Systemy baz danych Systemy GIS Systemy baz danych Wykład nr 5 System baz danych Skomputeryzowany system przechowywania danych/informacji zorganizowanych w pliki Użytkownik ma do dyspozycji narzędzia do wykonywania różnych

Bardziej szczegółowo

Języki programowania zasady ich tworzenia

Języki programowania zasady ich tworzenia Strona 1 z 18 Języki programowania zasady ich tworzenia Definicja 5 Językami formalnymi nazywamy każdy system, w którym stosując dobrze określone reguły należące do ustalonego zbioru, możemy uzyskać wszystkie

Bardziej szczegółowo

Schematy Piramid Logicznych

Schematy Piramid Logicznych Schematy Piramid Logicznych geometryczna interpretacja niektórych formuł Paweł Jasionowski Politechnika Śląska w Gliwicach Wydział Matematyczno-Fizyczny Streszczenie Referat zajmuje się następującym zagadnieniem:

Bardziej szczegółowo

Internet Semantyczny. Wstęp do OWL 2

Internet Semantyczny. Wstęp do OWL 2 Internet Semantyczny Wstęp do OWL 2 RDFS Podstawowymi elementami które określamy w RDFS są klasy (ang. class) zasobów i właściwości (ang. property) zasobów charakterystyczne dla interesującego nas fragmentu

Bardziej szczegółowo

Analiza i projektowanie obiektowe 2016/2017. Wykład 10: Tworzenie projektowego diagramu klas

Analiza i projektowanie obiektowe 2016/2017. Wykład 10: Tworzenie projektowego diagramu klas Analiza i projektowanie obiektowe 2016/2017 Wykład 10: Tworzenie projektowego diagramu klas Jacek Marciniak Wydział Matematyki i Informatyki Uniwersytet im. Adama Mickiewicza 1 Plan wykładu 1. Projektowy

Bardziej szczegółowo

Zad. 3: Układ równań liniowych

Zad. 3: Układ równań liniowych 1 Cel ćwiczenia Zad. 3: Układ równań liniowych Wykształcenie umiejętności modelowania kluczowych dla danego problemu pojęć. Definiowanie właściwego interfejsu klasy. Zwrócenie uwagi na dobór odpowiednich

Bardziej szczegółowo

Wykład I. Wprowadzenie do baz danych

Wykład I. Wprowadzenie do baz danych Wykład I Wprowadzenie do baz danych Trochę historii Pierwsze znane użycie terminu baza danych miało miejsce w listopadzie w 1963 roku. W latach sześcdziesątych XX wieku został opracowany przez Charles

Bardziej szczegółowo

Projekt współfinansowany przez Unię Europejską w ramach Europejskiego Funduszu Społecznego. 1. Cel szkolenia

Projekt współfinansowany przez Unię Europejską w ramach Europejskiego Funduszu Społecznego. 1. Cel szkolenia 1. Cel szkolenia m szkolenia jest nauczenie uczestników stosowania standardu PRINCE2 do Zarządzania Projektami Informatycznymi. Metodyka PRINCE2 jest jednym z najbardziej znanych na świecie standardów

Bardziej szczegółowo

LISTA KURSÓW PLANOWANYCH DO URUCHOMIENIA W SEMESTRZE ZIMOWYM 2015/2016

LISTA KURSÓW PLANOWANYCH DO URUCHOMIENIA W SEMESTRZE ZIMOWYM 2015/2016 LISTA KURSÓW PLANOWANYCH DO URUCHOMIENIA W SEMESTRZE ZIMOWYM 2015/2016 INFORMATYKA I STOPNIA studia stacjonarne 1 sem. PO-W08-INF- - -ST-Ii-WRO-(2015/2016) MAP003055W Algebra z geometrią analityczną A

Bardziej szczegółowo

Bazy danych. Zenon Gniazdowski WWSI, ITE Andrzej Ptasznik WWSI

Bazy danych. Zenon Gniazdowski WWSI, ITE Andrzej Ptasznik WWSI Bazy danych Zenon Gniazdowski WWSI, ITE Andrzej Ptasznik WWSI Wszechnica Poranna Trzy tematy: 1. Bazy danych - jak je ugryźć? 2. Język SQL podstawy zapytań. 3. Mechanizmy wewnętrzne baz danych czyli co

Bardziej szczegółowo

Dokumentacja projektu QUAIKE Architektura oprogramowania

Dokumentacja projektu QUAIKE Architektura oprogramowania Licencjacka Pracownia Oprogramowania Instytut Informatyki Uniwersytetu Wrocławskiego Jakub Kowalski, Andrzej Pilarczyk, Marek Kembrowski, Bartłomiej Gałkowski Dokumentacja projektu QUAIKE Architektura

Bardziej szczegółowo

Tom 6 Opis oprogramowania

Tom 6 Opis oprogramowania Część 4 Narzędzie do wyliczania wielkości oraz wartości parametrów stanu Diagnostyka stanu nawierzchni - DSN Generalna Dyrekcja Dróg Krajowych i Autostrad Warszawa, 30 maja 2012 Historia dokumentu Nazwa

Bardziej szczegółowo

O badaniach nad SZTUCZNĄ INTELIGENCJĄ

O badaniach nad SZTUCZNĄ INTELIGENCJĄ O badaniach nad SZTUCZNĄ INTELIGENCJĄ Wykład 7. O badaniach nad sztuczną inteligencją Co nazywamy SZTUCZNĄ INTELIGENCJĄ? szczególny rodzaj programów komputerowych, a niekiedy maszyn. SI szczególną własność

Bardziej szczegółowo

PODSTAWY BAZ DANYCH. 19. Perspektywy baz danych. 2009/2010 Notatki do wykładu "Podstawy baz danych"

PODSTAWY BAZ DANYCH. 19. Perspektywy baz danych. 2009/2010 Notatki do wykładu Podstawy baz danych PODSTAWY BAZ DANYCH 19. Perspektywy baz danych 1 Perspektywy baz danych Temporalna baza danych Temporalna baza danych - baza danych posiadająca informację o czasie wprowadzenia lub czasie ważności zawartych

Bardziej szczegółowo

Zasady budowy i przekazywania komunikatów XML w systemie kdpw_otc

Zasady budowy i przekazywania komunikatów XML w systemie kdpw_otc Warszawa, 09 grudnia 2014 Zasady budowy i przekazywania komunikatów XML w systemie kdpw_otc Wersja 1.4.3 1 Spis treści Tabela zmian... 3 Wstęp... 4 Budowa komunikatów XML... 4 Przestrzenie nazw (namespaces)...

Bardziej szczegółowo

Wykorzystanie standardów serii ISO 19100 oraz OGC dla potrzeb budowy infrastruktury danych przestrzennych

Wykorzystanie standardów serii ISO 19100 oraz OGC dla potrzeb budowy infrastruktury danych przestrzennych Wykorzystanie standardów serii ISO 19100 oraz OGC dla potrzeb budowy infrastruktury danych przestrzennych dr inż. Adam Iwaniak Infrastruktura Danych Przestrzennych w Polsce i Europie Seminarium, AR Wrocław

Bardziej szczegółowo

Transformacja modelu ER do modelu relacyjnego

Transformacja modelu ER do modelu relacyjnego Transformacja modelu ER do modelu relacyjnego Wykład przygotował: Robert Wrembel BD wykład 4 (1) 1 Plan wykładu Transformacja encji Transformacja związków Transformacja hierarchii encji BD wykład 4 (2)

Bardziej szczegółowo

KARTA KURSU. Przetwarzanie dokumentów XML i zaawansowane techniki WWW

KARTA KURSU. Przetwarzanie dokumentów XML i zaawansowane techniki WWW KARTA KURSU Nazwa Nazwa w j. ang. Przetwarzanie dokumentów XML i zaawansowane techniki WWW XML processing and advanced web technologies Kod Punktacja ECTS* 3 Koordynator dr Maria Zając Zespół dydaktyczny:

Bardziej szczegółowo

Baza danych to zbiór wzajemnie powiązanych ze sobą i zintegrowanych danych z pewnej dziedziny.

Baza danych to zbiór wzajemnie powiązanych ze sobą i zintegrowanych danych z pewnej dziedziny. PI-14 01/12 Baza danych to zbiór wzajemnie powiązanych ze sobą i zintegrowanych danych z pewnej dziedziny.! Likwidacja lub znaczne ograniczenie redundancji (powtarzania się) danych! Integracja danych!

Bardziej szczegółowo

Systemy ekspertowe Część siódma Realizacja dziedzinowego systemu ekspertowego Roman Simiński

Systemy ekspertowe Część siódma Realizacja dziedzinowego systemu ekspertowego Roman Simiński Część siódma Autor Roman Simiński Kontakt roman.siminski@us.edu.pl www.us.edu.pl/~siminski Realizacja dziedzinowego systemu ekspertowego Niniejsze opracowanie zawiera skrót treści wykładu, lektura tych

Bardziej szczegółowo

Biorąc udział w projekcie, możesz wybrać jedną z 8 bezpłatnych ścieżek egzaminacyjnych:

Biorąc udział w projekcie, możesz wybrać jedną z 8 bezpłatnych ścieżek egzaminacyjnych: Egzaminy na plus Stres na minus! Zdawaj bezpłatne egzaminy Microsoft, Linux, C++ z nami i zadbaj o swoją karierę. Oferujemy Ci pierwsze certyfikaty zawodowe w Twojej przyszłej karierze, które idealnie

Bardziej szczegółowo

Analiza i projektowanie obiektowe 2017/2018. Wykład 3: Model wiedzy dziedzinowej

Analiza i projektowanie obiektowe 2017/2018. Wykład 3: Model wiedzy dziedzinowej Analiza i projektowanie obiektowe 2017/2018 Wykład 3: Model wiedzy dziedzinowej Jacek Marciniak Wydział Matematyki i Informatyki Uniwersytet im. Adama Mickiewicza 1 Plan wykładu 1. Model wiedzy dziedzinowej

Bardziej szczegółowo

Algorytmika i pseudoprogramowanie

Algorytmika i pseudoprogramowanie Przedmiotowy system oceniania Zawód: Technik Informatyk Nr programu: 312[ 01] /T,SP/MENiS/ 2004.06.14 Przedmiot: Programowanie Strukturalne i Obiektowe Klasa: druga Dział Dopuszczający Dostateczny Dobry

Bardziej szczegółowo

INFORMATYKA, TECHNOLOGIA INFORMACYJNA ORAZ INFORMATYKA W LOGISTYCE

INFORMATYKA, TECHNOLOGIA INFORMACYJNA ORAZ INFORMATYKA W LOGISTYCE Studia podyplomowe dla nauczycieli INFORMATYKA, TECHNOLOGIA INFORMACYJNA ORAZ INFORMATYKA W LOGISTYCE Przedmiot JĘZYKI PROGRAMOWANIA DEFINICJE I PODSTAWOWE POJĘCIA Autor mgr Sławomir Ciernicki 1/7 Aby

Bardziej szczegółowo

Numeracja dla rejestrów zewnętrznych

Numeracja dla rejestrów zewnętrznych Numeracja dla rejestrów zewnętrznych System ZPKSoft Doradca udostępnia możliwość ręcznego nadawania numerów dla procedur i dokumentów zgodnie z numeracją obowiązującą w rejestrach zewnętrznych, niezwiązanych

Bardziej szczegółowo

Dla człowieka naturalnym sposobem liczenia jest korzystanie z systemu dziesiętnego, dla komputera natomiast korzystanie z zapisu dwójkowego

Dla człowieka naturalnym sposobem liczenia jest korzystanie z systemu dziesiętnego, dla komputera natomiast korzystanie z zapisu dwójkowego Arytmetyka cyfrowa Dla człowieka naturalnym sposobem liczenia jest korzystanie z systemu dziesiętnego, dla komputera natomiast korzystanie z zapisu dwójkowego (binarnego). Zapis binarny - to system liczenia

Bardziej szczegółowo

RACHUNEK ZDAŃ 7. Dla każdej tautologii w formie implikacji, której poprzednik również jest tautologią, następnik także jest tautologią.

RACHUNEK ZDAŃ 7. Dla każdej tautologii w formie implikacji, której poprzednik również jest tautologią, następnik także jest tautologią. Semantyczne twierdzenie o podstawianiu Jeżeli dana formuła rachunku zdań jest tautologią i wszystkie wystąpienia pewnej zmiennej zdaniowej w tej tautologii zastąpimy pewną ustaloną formułą, to otrzymana

Bardziej szczegółowo

Paweł Kurzawa, Delfina Kongo

Paweł Kurzawa, Delfina Kongo Paweł Kurzawa, Delfina Kongo Pierwsze prace nad standaryzacją Obiektowych baz danych zaczęły się w roku 1991. Stworzona została grupa do prac nad standardem, została ona nazwana Object Database Management

Bardziej szczegółowo

Informacje ogólne. Karol Trybulec p-programowanie.pl 1. 2 // cialo klasy. class osoba { string imie; string nazwisko; int wiek; int wzrost;

Informacje ogólne. Karol Trybulec p-programowanie.pl 1. 2 // cialo klasy. class osoba { string imie; string nazwisko; int wiek; int wzrost; Klasy w C++ są bardzo ważnym narzędziem w rękach programisty. Klasy są fundamentem programowania obiektowego. Z pomocą klas będziesz mógł tworzyć lepszy kod, a co najważniejsze będzie on bardzo dobrze

Bardziej szczegółowo

Efekt kształcenia. Ma uporządkowaną, podbudowaną teoretycznie wiedzę ogólną w zakresie algorytmów i ich złożoności obliczeniowej.

Efekt kształcenia. Ma uporządkowaną, podbudowaną teoretycznie wiedzę ogólną w zakresie algorytmów i ich złożoności obliczeniowej. Efekty dla studiów pierwszego stopnia profil ogólnoakademicki na kierunku Informatyka w języku polskim i w języku angielskim (Computer Science) na Wydziale Matematyki i Nauk Informacyjnych, gdzie: * Odniesienie-

Bardziej szczegółowo

Po zakończeniu rozważań na temat World Wide Web, poznaniu zasad organizacji witryn WWW, przeczytaniu kilkudziesięciu stron i poznaniu wielu nowych

Po zakończeniu rozważań na temat World Wide Web, poznaniu zasad organizacji witryn WWW, przeczytaniu kilkudziesięciu stron i poznaniu wielu nowych rk Po zakończeniu rozważań na temat World Wide Web, poznaniu zasad organizacji witryn WWW, przeczytaniu kilkudziesięciu stron i poznaniu wielu nowych pojęć, prawdopodobnie zastanawiasz się, kiedy zaczniesz

Bardziej szczegółowo

Modelowanie i Programowanie Obiektowe

Modelowanie i Programowanie Obiektowe Modelowanie i Programowanie Obiektowe Wykład I: Wstęp 20 październik 2012 Programowanie obiektowe Metodyka wytwarzania oprogramowania Metodyka Metodyka ustandaryzowane dla wybranego obszaru podejście do

Bardziej szczegółowo

Kraków, 14 marca 2013 r.

Kraków, 14 marca 2013 r. Scenariusze i trendy rozwojowe wybranych technologii społeczeństwa informacyjnego do roku 2025 Antoni Ligęza Perspektywy rozwoju systemów eksperckich do roku 2025 Kraków, 14 marca 2013 r. Dane informacja

Bardziej szczegółowo

Semantic Web. Grzegorz Olędzki. prezentacja w ramach seminarium Protokoły komunikacyjne. luty 2005

Semantic Web. Grzegorz Olędzki. prezentacja w ramach seminarium Protokoły komunikacyjne. luty 2005 Semantic Web Grzegorz Olędzki prezentacja w ramach seminarium Protokoły komunikacyjne luty 2005 Co to jest Semantic Web? "The Semantic Web is an extension of the current web in which information is given

Bardziej szczegółowo

Sybase Professional Services

Sybase Professional Services Sybase Professional Services Zarządzanie Portfelem Aplikacji Marek Ryński Sybase Polska Dyrektor Zarządzający, DRB Legionowo, 09.2008 W gąszczu IT czyli za co ja mam płacić? (problem) Złożoność technologii

Bardziej szczegółowo

Programowanie deklaratywne

Programowanie deklaratywne Programowanie deklaratywne Artur Michalski Informatyka II rok Plan wykładu Wprowadzenie do języka Prolog Budowa składniowa i interpretacja programów prologowych Listy, operatory i operacje arytmetyczne

Bardziej szczegółowo

Semantyczny Monitoring Cyberprzestrzeni

Semantyczny Monitoring Cyberprzestrzeni Semantyczny Monitoring Cyberprzestrzeni Partnerzy projektu: Katedra Informatyki Ekonomicznej Uniwersytet Ekonomiczny w Poznaniu Partnerzy projektu: Zarys problemu Źródło internetowe jako zasób użytecznych

Bardziej szczegółowo

Teoria miary. WPPT/Matematyka, rok II. Wykład 5

Teoria miary. WPPT/Matematyka, rok II. Wykład 5 Teoria miary WPPT/Matematyka, rok II Wykład 5 Funkcje mierzalne Niech (X, F) będzie przestrzenią mierzalną i niech f : X R. Twierdzenie 1. NWSR 1. {x X : f(x) > a} F dla każdego a R 2. {x X : f(x) a} F

Bardziej szczegółowo

Analiza i projektowanie oprogramowania. Analiza i projektowanie oprogramowania 1/32

Analiza i projektowanie oprogramowania. Analiza i projektowanie oprogramowania 1/32 Analiza i projektowanie oprogramowania Analiza i projektowanie oprogramowania 1/32 Analiza i projektowanie oprogramowania 2/32 Cel analizy Celem fazy określania wymagań jest udzielenie odpowiedzi na pytanie:

Bardziej szczegółowo

PRINCE2 Foundation & Practitioner - szkolenie z egzaminem certyfikacyjnym

PRINCE2 Foundation & Practitioner - szkolenie z egzaminem certyfikacyjnym Kod szkolenia: Tytuł szkolenia: H6C26S PRINCE2 Foundation & Practitioner - szkolenie z egzaminem certyfikacyjnym Dni: 5 Opis: Metodyka PRINCE2 jest akceptowana na poziomie międzynarodowym i uznana za wiodące

Bardziej szczegółowo