Projekt z Ekonometrii

Wielkość: px
Rozpocząć pokaz od strony:

Download "Projekt z Ekonometrii"

Transkrypt

1 Akademia Górniczo-Hutnicza im. Stanis lawa Staszica w Krakowie Wydzia l Elektrotechniki, Automatyki, Informatyki i Elektroniki Projekt z Ekonometrii Maciej Fabia Rafa l Gibas Marcin Godlewski Tomasz Gryzio Piotr Jarmo lowicz S lawomir Lichoń Modele trendów technologicznych systemów eksperckich i analiza ich wp lywu na rozwój gospodarczy Prowadzacy przedmiotu: dr hab. inż. Andrzej M. J. Skulimowski prof. nadzw. AGH Kraków 5 marca 2010

2 Spis treści 1. Cel projektu Realizacja Opis danych wejściowych i sposobu ich pobierania Pozyskanie informacji o patentach i publikacjach Pozyskanie danych z google-trends Projekt implementacji Model systemu Implementacja Import danych Przetwarzanie i selekcja danych Wyniki A. Opis programu BiblioBot A.1. Koncepcja A.2. Opis dzia lania A.3. Plik konfiguracyjny

3 Rozdzia l 1 Cel projektu Celem projektu jest zbadanie wp lywu rozwoju systemów eksperckich na rozwój gospodarczy i budowa modeli trendów rozwoju gospodarki na ich podstawie na okres kilku najbliższych lat. Do badań pos luży nam wiedza zdobyta ze źróde l dotyczacych systemów eksperckich, w postaci publikacji naukowych, danych patentowych i trendów zainteresowań, a także wiedza dospodarcza wydobyta z urzedów statystycznych. Wynikiem projektu bedzie zbiór modeli trendów, które zostana przedstawione w postaci wykresów prognoz na lata najbliższe, z podaniem empirycznego wzoru oraz uzasadnienia. 3

4 Rozdzia l 2 Realizacja 2.1 Opis danych wejściowych i sposobu ich pobierania Danymi wejściowymi bed a publikacje i dane patentowe dotyczace systemów eksperckich, oraz dane dotyczace zainteresowania internautów w tej dziedzinie. Dane wejściowe s luż ace do otrzymania zmiennych objaśniajacych można podzielić na trzy typy. Sa to: Dane o ilości publikacji z danej dziedziny i danej technologii, wydanych w zadanym roku Dane o ilości zg loszonych patentów dla danej technologii i dziedziny w zadanym roku Wspó lczynnik zainteresowania internautów dana technologia w danym roku. Źród lo tych danych stanowi strona: Pozyskanie informacji o patentach i publikacjach Dane ilościowe o patentach i publikacjach zosta ly pobrane automatycznie przy pomocy programu BiblioBot (patrz za l acznik A), z nastepuj acych źróde l: Publikacje: Google scholar: ICM: CiteSeerX: DBLP: Patenty: Google patents: Baza patentów espacenet: Okres próbkowania danych to 1 rok. Dane zosta ly pobrane dla nastepuj acych technologii: 4

5 Eksploracja danych (data mining). Systemy wspomagania decyzji (decision support system). Bazy wiedzzy (knowledge base). Inżynieria wiedzy (knowledge engineering). Uczenie maszynowe (machine learning). Sieci semantyczne (semantic web). Dla każdej technologii dane sa podzielone wed lug dziedzin: Ogólna (dowolna dziedzina) Chemia, biologia, farmacja. S lowa kluczowe: chemiachemistry, pharmacology, biology. Ekonomia, biznes. S lowa kluczowe: business, economics, managment. Energia, elektryczność. S lowa kluczowe: energy, power, electricity. Transport, logistyka, pojazdy. S lowa kluczowe: transport, logistics vehicle. Produkcja, automatyzacja. S lowa kluczowe: manufacture, automation. Medycyna, ochrona zdrowia. S lowa kluczowe: medicine, medical. Socjologia, psychologia. S lowa kluczowe: social, human, psychology. Program BiblioBot dane wyjściowe zapisuje w plikach tekstowych. W celu latwiejszej akwizycji danych pliki te zosta ly zaimportowane do arkusza Excel-a (dane aktualne.xls). Import danych dokonany zosta l automatycznie dzieki makrom zawartym w arkuszu. Pojedyncza zak ladka arkusza zawiera dane dla jednej technologii (nazwa zak ladki stanowi nazwe technologii). Informacje na zak ladce sa zgrupowane wed lug dziedziny, typu i źród la danych Pozyskanie danych z google-trends Google-trends jest us lug a internetowa udostepnian a przez firme Google i pozwalajac a na uzyskanie danych ilościowych na temat popularności danej dziedziny wśród użytkowników wyszukiwarki Google. Dane takie można uzyskać w postaci trendów czestotliwości wyszukiwań konkretnych fraz. Wyniki uzyskuje sie w postaci wzglednych wartości odpowiadajacych danemu okresowi w stosunku to średniej uzyskanej w ca lym okresie. Takie wzgledne wartości sa jednak wystarczajace aby zaobserwować wystepuj ace trendy. Ponadto popularność us lug Google na świecie, a w szczególności w Europie pozwala na trkatowanie tak uzyskanych wyników jako wiarygodnych wskaźników popularności dziedziny wśród spo leczeństw. Dane można uzyskiwać również tylko dla konkretnego kraju. W przypadku systemów eksperckich ograniczenie sie do danych dla Polski nie prowadzi lo jednak do pożadanego celu, gdyż tak zaweżona dziedzina poszukiwań nie pozwala la systemowi na zwrócenie wiarygodnych wyników. System odmawia l udzielenia informacji z powodu zbyt ma lej ilości danych. Dlatego też zebrane zosta ly dane o charaketrze ogólnoświatowym. 5

6 Uzyskano dane dla nastepuj acych fraz: data mining, decision support system, decision support systems, expert system, expert systems, knowledge base, knowledge engineering, machine learning, semantic web. Wyniki otrzymuje sie dla tygodniowej rozdzielczości czasowej dla lat Rozdzielczość czasowa zosta la nastepnie w fazie obróbki danych zamieniona na roczna a okres czasu wyd lużony wstecz dane zosta ly ekstrapolowane na okres lat Do analizy, w celu pozyskania zmiennych objaśnianych, użyliśmy danych gospodarczych z GUS, w tym wartości nastepuj acych wskaźników: Rachunek obrotów bieżacych Rachunek obrotów kapita lowych Bezpośrednie inwestycje zagraniczne w Polsce Wydatki publiczne na edukacj e Nak lady na badania i rozwój Wykszta lcenie osób m lodych Saldo budżetu państwa Saldo budżetu państwa w stosunku do PKB D lug publiczny w stosunku do PKB D lug publiczny Saldo obrotów towarowych handlu zagranicznego Terms of trade Relacja salda obrotów towarowych handlu zagranicznego do PKB Śmiertelność noworodków na 1000 żywych urodzeń PKB w cenach bieżacych Bezrobocie Bezrobocie d lugotrwa le 6

7 2.2 Projekt implementacji Model systemu Nasz system (2.1) sk lada si e z: bota internetowego, pobierajacego dane w sposób automatyczny aplikacji matlabowej przetwarzajacej zgromadzone dane. Dane o publikacjach, patentach, zainteresowaniach pobierane sa z sieci Internet z wybranych serwerów. Niektóre dane zosta ly pozyskane manualnie. Po wstepnym przetworzeniu dane gromadzone sa w bazie wiedzy, wykorzystywanej przez modu l g lówny aplikacji. W module g lównym wykonywana jest weryfikacja i selekcja danych do użycia ich do obliczeń prognoz. Po wstepnej ocenie generowane sa wzory empiryczne na wartości zmiennych opisywanych zależnych od zmiennych opisujacych. Z otrzymanych wzorów tworzone sa prognozy, a na ich podstawie generowane sa raporty, które znajda sie w rozdziale Implementacja Projekt zaimplementowany zosta l z użyciem technologii i j ezyków: Java Matlab W przetwarzaniu inormacji przydatne okaza ly si e technologie skryptowe j ezyków Python, Perl, Bash, w tym wyrażenia regularne Import danych Dane wczytywane sa do programu przy wykorzystaniu serwera komunikacyjnego COM opracowanego przez firme Microsoft wbudowanego w program Microsoft Office. Matlab przy wykorzystaniu funkcji xlsread l aczy sie z wyżej wymienionym serwerem stajac sie w stosunku do niego klientem i odbiera odczytane przez niego dane. Serwer COM zwraca dane w postaci obiektu posiadajacego dwa pola; nag lówek, dane, zgodnie z filozofia bazy danych dla Microsoft Excel: nag lówek: typ tekstowy, dane nierozdzielne pusta kolumna, koniec nag lówka poprzez rozpoczecie danych liczbowych, dane: typy liczbowe zdefiniowane przez arkusz programu Excel, dane nierozdzielne pusta kolumna, koniec danych sygnalizuje pusty wiersz. Powyższe zastrzeżenie sprawia, że Matlab tworzy tablice zawierajac a dwa wiersze; tekstowa tablice nag lówka, liczbowa tablice danych. Importujac dane tworzona jest tablica wektorów zawierajaca wektory bed ace strukturami zawierajacymi nastepuj ace pola: nazwa 7

8 dope lniacz nazwy - pola budowane na podstawie nag lówka arkusza programu Excel typ dope lniacz typu - pola budowane na podstawie nag lówka arkusza programu Excel t - pole przechowujace tablice liczbowa bed ac a podstawa czasowa. Pole jest budowane na podstawie pierwszej kolumny arkusza programu Excel x - pole przechowujace tablice liczbowa bed ac a zbiorem danych. Pole jest budowane na podstawie kolejnych kolumn arkusza programu Excel Przetwarzanie i selekcja danych Okresem czasu branym pod uwage przy wyznaczaniu trendów i tworzeniu prognoz by ly lata Wszystkie szeregi czasowe zosta ly wiec odpowiednio przetworzone aby odpowiada ly wybranemu okresowi czasu. Szukane by ly zależności zarówno liniowe bezpośrednio pomiedzy zmiennymi jak i pomiedzy szeregami utworzonymi z logarytmów wartości zmiennych oraz z funkcji różnicowych. Dane opisujace wskaźniki gospodarcze przyjete zosta ly jako zmienne objaśniane, zaś pozosta le dane jako zmienne objaśniajace. Dla każdej pary szeregów: zmienna objaśniana zmienna objaśniajaca, zmienna objaśniana logarytm zmiennej objaśniajacej, zmienna objaśniana różniczka zmiennej objaśniajacej obliczony zosta l wspó lczynnik korelacji liniowej Pearsona. Nastepnie, w celu wyeliminowania korelacji nieistotnych, przypadkowych przeprowadzony zosta l test t-studenta istotności korelacji. Ma on s lużyć zminimalizowaniu ryzyka wystapienia sytuacji, w której korelacje wystepuj ace w analizowanej próbie nie sa w laściwe dla ca lej populacji. Ze wzgledu na stosunkowo niewielkie rozmiary szeregów czasowych test t-studenta by l jedynym możliwym do zastosowania powszechnie używanym testem. Jako graniczne, najwieksze dopuszczalne prawdopodobieństwo, że w ca lej próbie korelacja jest zerowa przyjeto wartość 0,05. Oznacza to, że poziom ufności ustalony zosta l na 0,95. Korelacje nieistotne na tym poziomie ufności zosta ly odrzucone jako zerowe. 8

9 Rysunek 2.1: Diagram modelu systemu i przep lywu danych 9

10 Rozdzia l 3 Wyniki 10

11

12

13

14

15

16

17

18

19

20

21

22

23

24

25

26

27

28

29

30

31

32

33

34

35

36

37

38

39

40

41

42

43

44

45 Dodatek A Opis programu BiblioBot A.1 Koncepcja Bot jest aplikacja desktopowa s luż ac a to automatycznego pobierania danych ilościowych. Bot pozwala na wyszukiwanie dwóch rodzajów danych: Publikacje. W obecnej wersji obs lugiwane sa portale: Google scholar: ICM: CiteSeerX: DBLP: Patenty. W obecnej wersji obs lugiwane sa portale: Google patents: Baza patentów espacenet: Program zosta l wykonany w technologi java (wersja kompilatora: 1.6) A.2 Opis dzia lania Rysunek A.1: Diagram przep lywu danych 45

46 Bot dzia la wed lug nastepuj acego scenariusza: Wczytanie danych konfiguracyjnych. Sa to dane zawierajace: list e technologii list e dziedzin zakres dat Nastepnie program dokonuje wyszukiwania na zadanych portalach. Odbywa sie to w nastepuj acy sposób: dla wszystkich zdefiniowanych technologii program dok lada po kolei s lowa kluczowe poszczególnych dziedzin. Dzieki temu uzyskuje warunek wyszukiwania publikacji, badź patentu. Ten warunek możemy zapisać: Nazwa technologii i ( s lowo kluczowe 1 dziedziny lub... lub s lowo kluczowe n dziedziny ). Dany artyku l/patent podlega warunkowi wyszukiwania, jeżeli w jego tytule, abstrakcie, lub wykazie s lów kluczowych znajduje sie fraza z nazwa technologii, oraz w jego tytule, abstrakcie, lub wykazie s lów kluczowych znajduje sie, choć jedno ze s lów kluczowych definicji dziedziny. Nastepnie zdefiniowany warunek zostaje wys lany do odpowiedniego portalu internetowego. W odpowiedzi program dostaje liste pozycji spe lniaj acych kryterium wyszukiwania. Zwrócona liste pozycji program grupuje po dacie publikacji i zapamietuj e sama ilość pozycji opublikowana w danym roku. Zapis wyniku dzia lania bot-a nastepuje do plików tekstowych. Dane z poszczególnych portali zapisywane sa w różnych katalogach (citeseerx, dblp, espacenet, googlepatents, scholar). Nazwa plików wynikowych stanowi wykaz s lów kluczowych poszczególnych dziedzin (dla jednej dziedziny powstaje jeden plik wynikowy). Dane w pliku sa zapisywane w kolejnych wierszach. Pojedynczy wiersz zawiera:,,rok ;,,Ilość dla technologii 1 ;,,Ilość pozycji dla technologii 2 A.3 Plik konfiguracyjny Sekcja citeseerx, dblp, googlepat, scholar i espacenet s luży do w l aczania i wy l aczania przeszukiwania na danych portalach. Sekcja fromyear i toyear s luży do definicji zakresu lat. Sekcja outputfolder ustawia katalog, w którym bedź zapisywane wyjściowe dane. Sekcja usecases definiuje liste dziedzin. Sekcja categories definiuje liste technologii. Zawartość przyk ladowego pliku: 46

47 <?xml version=,,1.0 encoding=,,utf-8?> <java version=,,1.6.0_14 class=,,java.beans.xmldecoder > <object class=,,botconfig > <void property="googlepat"> <boolean>true</boolean> <void property="citeseerx"> <boolean>true</boolean> <void property="dblp"> <boolean>true</boolean> <void property="espacenet"> <boolean>true</boolean> <void property="scholar"> <boolean>true</boolean> <void property="fromyear"> <int>1990</int> <void property="toyear"> <int>2009</int> <void property="outputfolder"> <string>c:\bibliobot</string> <void property="usecases"> <array class="java.lang.string" length="8"> <void index="0"> <string></string> <void index="1"> <string>chemistry pharmacology biology</string> <void index="2"> <string>business economics managment</string> <void index="3"> <string>energy power electricity</string> <void index="4"> <string>transport logistics vehicle</string> 47

48 <void index="5"> <string>manufacture automation</string> <void index="6"> <string>medicine medical</string> <void index="7"> <string>social human psychology</string> </array> <void property="categories"> <array class="java.lang.string" length="7"> <void index="0"> <string>data+mining</string> <void index="1"> <string>decision+support+system</string> <void index="2"> <string>expert+system</string> <void index="3"> <string>knowledge+base</string> <void index="4"> <string>knowledge+engineering</string> <void index="5"> <string>machine+learning</string> <void index="6"> <string>semantic+web</string> </array> </object> </java> 48

Rozdział ten zawiera informacje o sposobie konfiguracji i działania Modułu OPC.

Rozdział ten zawiera informacje o sposobie konfiguracji i działania Modułu OPC. 1 Moduł OPC Moduł OPC pozwala na komunikację z serwerami OPC pracującymi w oparciu o model DA (Data Access). Dzięki niemu można odczytać stan obiektów OPC (zmiennych zdefiniowanych w programie PLC), a

Bardziej szczegółowo

celu przyjmijmy: min x 0 = n t Zadanie transportowe nazywamy zbilansowanym gdy podaż = popyt, czyli n

celu przyjmijmy: min x 0 = n t Zadanie transportowe nazywamy zbilansowanym gdy podaż = popyt, czyli n 123456789 wyk lad 9 Zagadnienie transportowe Mamy n punktów wysy lajacych towar i t punktów odbierajacych. Istnieje droga od każdego dostawcy do każdego odbiorcy i znany jest koszt transportu jednostki

Bardziej szczegółowo

Interfejs GSM/GPRS LB-431

Interfejs GSM/GPRS LB-431 LAB-EL Elektronika Laboratoryjna ul. Herbaciana 9, 05-816 Regu ly Witryna: http://www.label.pl/ Poczta: info@label.pl Tel. (22) 753 61 30, Fax (22) 753 61 35 Interfejs GSM/GPRS LB-431 modem LWA Instrukcja

Bardziej szczegółowo

Dyskretne modele populacji

Dyskretne modele populacji Dyskretne modele populacji Micha l Machtel Adam Soboczyński 19 stycznia 2007 Typeset by FoilTEX Dyskretne modele populacji [1] Wst ep Dyskretny opis modelu matematycznego jest dobry dla populacji w których

Bardziej szczegółowo

Webowy generator wykresów wykorzystujący program gnuplot

Webowy generator wykresów wykorzystujący program gnuplot Uniwersytet Mikołaja Kopernika Wydział Fizyki, Astronomii i Informatyki Stosowanej Marcin Nowak nr albumu: 254118 Praca inżynierska na kierunku informatyka stosowana Webowy generator wykresów wykorzystujący

Bardziej szczegółowo

Sterowanie wielkością zamówienia w Excelu - cz. 3

Sterowanie wielkością zamówienia w Excelu - cz. 3 Sterowanie wielkością zamówienia w Excelu - cz. 3 21.06.2005 r. 4. Planowanie eksperymentów symulacyjnych Podczas tego etapu ważne jest określenie typu rozkładu badanej charakterystyki. Dzięki tej informacji

Bardziej szczegółowo

Dyskretne modele populacji

Dyskretne modele populacji Dyskretne modele populacji Micha l Machtel Adam Soboczyński 17 stycznia 2007 Typeset by FoilTEX Dyskretne modele populacji [1] Wst ep Dyskretny opis modelu matematycznego jest dobry dla populacji w których

Bardziej szczegółowo

Data Mining w doborze parametrów układu testującego urządzenia EAZ 1

Data Mining w doborze parametrów układu testującego urządzenia EAZ 1 Rozdział 6 Data Mining w doborze parametrów układu testującego urządzenia EAZ 1 Streszczenie. W rozdziale został zaproponowany sposób doboru parametrów układu testującego urządzenia elektroenergetycznej

Bardziej szczegółowo

SPOSOBY POMIARU KĄTÓW W PROGRAMIE AutoCAD

SPOSOBY POMIARU KĄTÓW W PROGRAMIE AutoCAD Dr inż. Jacek WARCHULSKI Dr inż. Marcin WARCHULSKI Mgr inż. Witold BUŻANTOWICZ Wojskowa Akademia Techniczna SPOSOBY POMIARU KĄTÓW W PROGRAMIE AutoCAD Streszczenie: W referacie przedstawiono możliwości

Bardziej szczegółowo

WebMobile7 and Sello Integrator wersja 1.1.2

WebMobile7 and Sello Integrator wersja 1.1.2 Instrukcja obsługi aplikacji WebMobile7 and Sello Integrator wersja 1.1.2 Piotr Taraszkiewicz Strona 1 Spis treści 1 WSTĘP O APLIKACJI 3 2 KONFIGURACJA APLIKACJI 4 2.1 KONFIGURACJA POŁĄCZENIA 4 2.2 POZOSTAŁE

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

Jeden przyk lad... czyli dlaczego warto wybrać MIESI.

Jeden przyk lad... czyli dlaczego warto wybrać MIESI. Jeden przyk lad... czyli dlaczego warto wybrać MIESI. Micha l Ramsza Szko la G lówna Handlowa Micha l Ramsza (Szko la G lówna Handlowa) Jeden przyk lad... czyli dlaczego warto wybrać MIESI. 1 / 13 Dlaczego

Bardziej szczegółowo

WPROWADZENIE WYSZUKIWANIE OGŁOSZEŃ

WPROWADZENIE WYSZUKIWANIE OGŁOSZEŃ WPROWADZENIE 1. Cel dokumentu Celem dokumentu jest: Zapoznanie internauty z funkcjonalnością realizowaną przez Bazę Konkurencyjności. Dostarczenie szczegółowych informacji na temat podstron, które znajdują

Bardziej szczegółowo

ECDL/ICDL Użytkowanie baz danych Moduł S1 Sylabus - wersja 5.0

ECDL/ICDL Użytkowanie baz danych Moduł S1 Sylabus - wersja 5.0 ECDL/ICDL Użytkowanie baz danych Moduł S1 Sylabus - wersja 5.0 Przeznaczenie Sylabusa Dokument ten zawiera szczegółowy Sylabus dla modułu ECDL/ICDL Użytkowanie baz danych. Sylabus opisuje zakres wiedzy

Bardziej szczegółowo

( x) Równanie regresji liniowej ma postać. By obliczyć współczynniki a i b należy posłużyć się następującymi wzorami 1 : Gdzie:

( x) Równanie regresji liniowej ma postać. By obliczyć współczynniki a i b należy posłużyć się następującymi wzorami 1 : Gdzie: ma postać y = ax + b Równanie regresji liniowej By obliczyć współczynniki a i b należy posłużyć się następującymi wzorami 1 : xy b = a = b lub x Gdzie: xy = też a = x = ( b ) i to dane empiryczne, a ilość

Bardziej szczegółowo

Interfejs GSM/GPRS LB-431

Interfejs GSM/GPRS LB-431 LAB-EL Elektronika Laboratoryjna ul. Herbaciana 9, 05-816 Regu ly Witryna: http://www.label.pl/ Poczta: info@label.pl Tel. (22) 753 61 30, Fax (22) 753 61 35 Interfejs GSM/GPRS LB-431 modem LWA Instrukcja

Bardziej szczegółowo

us lugi katalogowe? Czym różni si e serwer katalogowy od serwera bazy danych:

us lugi katalogowe? Czym różni si e serwer katalogowy od serwera bazy danych: Co to sa us lugi katalogowe? Czym różni si e serwer katalogowy od serwera bazy danych: Dane w serwerze katalogowym sa przegladane dużo cz eściej, niż sa modyfikowane, inaczej niż w zwyk lej bazie danych.

Bardziej szczegółowo

Konwerter XML Dla Programów Symfonia Kadry i Płace oraz Forte Kadry i Płace

Konwerter XML Dla Programów Symfonia Kadry i Płace oraz Forte Kadry i Płace Konwerter XML Dla Programów Symfonia Kadry i Płace oraz Forte Kadry i Płace i Aplikacja pozwala przygotować pliki w formacie XML do importu do systemu Kady i Płace na podstawie danych pochodzących z plików

Bardziej szczegółowo

Ćwiczenie: Wybrane zagadnienia z korelacji i regresji.

Ćwiczenie: Wybrane zagadnienia z korelacji i regresji. Ćwiczenie: Wybrane zagadnienia z korelacji i regresji. W statystyce stopień zależności między cechami można wyrazić wg następującej skali: Skala Guillforda Przedział Zależność Współczynnik [0,00±0,20)

Bardziej szczegółowo

PL 198457 B1. ABB Sp. z o.o.,warszawa,pl 17.12.2001 BUP 26/01. Michał Orkisz,Kraków,PL Mirosław Bistroń,Jarosław,PL 30.06.

PL 198457 B1. ABB Sp. z o.o.,warszawa,pl 17.12.2001 BUP 26/01. Michał Orkisz,Kraków,PL Mirosław Bistroń,Jarosław,PL 30.06. RZECZPOSPOLITA POLSKA (12) OPIS PATENTOWY (19) PL (11) 198457 (13) B1 (21) Numer zgłoszenia: 340813 (51) Int.Cl. G06F 17/21 (2006.01) G06Q 10/00 (2006.01) Urząd Patentowy Rzeczypospolitej Polskiej (22)

Bardziej szczegółowo

Integracja systemu CAD/CAM Catia z bazą danych uchwytów obróbkowych MS Access za pomocą interfejsu API

Integracja systemu CAD/CAM Catia z bazą danych uchwytów obróbkowych MS Access za pomocą interfejsu API Dr inż. Janusz Pobożniak, pobozniak@mech.pk.edu.pl Instytut Technologii Maszyn i Automatyzacji produkcji Politechnika Krakowska, Wydział Mechaniczny Integracja systemu CAD/CAM Catia z bazą danych uchwytów

Bardziej szczegółowo

SCENARIUSZ LEKCJI. Streszczenie. Czas realizacji. Podstawa programowa

SCENARIUSZ LEKCJI. Streszczenie. Czas realizacji. Podstawa programowa 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

Wirtualne sieci prywatne

Wirtualne sieci prywatne Rozdzia l 7 Wirtualne sieci prywatne Contents 7.1 Wirtualne sieci prywatne.................... 135 7.1.1 Przegl ad.............................. 137 7.2 Przyk ladowa implementacja VPN w Linuxie........

Bardziej szczegółowo

Tabele przestawne tabelą przestawną. Sprzedawcy, Kwartały, Wartości. Dane/Raport tabeli przestawnej i wykresu przestawnego.

Tabele przestawne tabelą przestawną. Sprzedawcy, Kwartały, Wartości. Dane/Raport tabeli przestawnej i wykresu przestawnego. Tabele przestawne Niekiedy istnieje potrzeba dokonania podsumowania zawartości bazy danych w formie dodatkowej tabeli. Tabelę taką, podsumowującą wybrane pola bazy danych, nazywamy tabelą przestawną. Zasady

Bardziej szczegółowo

System kontroli eksploatacji maszyn i urządzeń

System kontroli eksploatacji maszyn i urządzeń System kontroli eksploatacji maszyn i urządzeń Sprawne zarządzanie parkiem maszynowym w przedsiębiorstwie Vectan jest informatycznym systemem kontroli eksploatacji urządzeń, umożliwiającym stały monitoring

Bardziej szczegółowo

POLITECHNIKA WARSZAWSKA

POLITECHNIKA WARSZAWSKA POLITECHNIKA WARSZAWSKA WYDZIAŁ ELEKTRONIKI I TECHNIK INFORMACYJNYCH Repozytorium PW Instrukcja importowania danych Opracowanie: mgr inż. Wacław Struk Warszawa, lipiec 2013 Spis treści 1. Generowanie formatu

Bardziej szczegółowo

Wprowadzenie do pakietu STATA

Wprowadzenie do pakietu STATA Wprowadzenie do pakietu Ma lgorzata Kalbarczyk-Stȩclik Uniwersytet Warszawski mkalbarczyk@wne.uw.edu.pl Październik 02, 2014 Plan 1 Podstawowe informacje o kursie Warunki zaliczenia Prezentacje Zaliczenie

Bardziej szczegółowo

Porównanie generatorów liczb losowych wykorzystywanych w arkuszach kalkulacyjnych

Porównanie generatorów liczb losowych wykorzystywanych w arkuszach kalkulacyjnych dr Piotr Sulewski POMORSKA AKADEMIA PEDAGOGICZNA W SŁUPSKU KATEDRA INFORMATYKI I STATYSTYKI Porównanie generatorów liczb losowych wykorzystywanych w arkuszach kalkulacyjnych Wprowadzenie Obecnie bardzo

Bardziej szczegółowo

Implementacja prototypu modułu dostępu do danych SkOs przy pomocy protokołu LDAP

Implementacja prototypu modułu dostępu do danych SkOs przy pomocy protokołu LDAP Implementacja prototypu modułu dostępu do danych SkOs przy pomocy protokołu LDAP Wojciech Kowalczyk, Przemysław Curzytek 1 grudnia 2009 1 Częśćkonceptualna 1.1 Sformułowanie zadania projektowego SkOs,

Bardziej szczegółowo

Dokumentacja Końcowa

Dokumentacja Końcowa Metody Sztucznej Inteligencji 2 Projekt Prognozowanie kierunku ruchu indeksów giełdowych na podstawie danych historycznych. Dokumentacja Końcowa Autorzy: Robert Wojciechowski Michał Denkiewicz Wstęp Celem

Bardziej szczegółowo

PWSZ w Nowym Sa czu. Karta przedmiotu. Państwowa Wyższa Szko la Zawodowa w Nowym Sa czu. 1 Przedmiot. 2 Rodzaj zaje ć, liczba godzin w planie studiów

PWSZ w Nowym Sa czu. Karta przedmiotu. Państwowa Wyższa Szko la Zawodowa w Nowym Sa czu. 1 Przedmiot. 2 Rodzaj zaje ć, liczba godzin w planie studiów Państwowa Wyższa Szko la Zawodowa w Nowym Sa czu Karta przedmiotu Instytut Kultury Fizycznej obowiązuje studentów rozpoczynających studia w roku akademickim 201/201 Kierunek studiów: Fizjoterapia Profil:

Bardziej szczegółowo

MS EXCEL KURS DLA ZAAWANSOWANYCH Z WYKORZYSTANIEM VBA

MS EXCEL KURS DLA ZAAWANSOWANYCH Z WYKORZYSTANIEM VBA COGNITY Praktyczne Skuteczne Szkolenia i Konsultacje tel. 12 421 87 54 biuro@cognity.pl www.cognity.pl MS EXCEL KURS DLA ZAAWANSOWANYCH Z WYKORZYSTANIEM VBA C O G N I T Y SZKOLENIE MS EXCEL KURS ZAAWANSOWANYCH

Bardziej szczegółowo

Instrukcja obsługi Zaplecza epk w zakresie zarządzania tłumaczeniami opisów procedur, publikacji oraz poradników przedsiębiorcy

Instrukcja obsługi Zaplecza epk w zakresie zarządzania tłumaczeniami opisów procedur, publikacji oraz poradników przedsiębiorcy Instrukcja obsługi Zaplecza epk w zakresie zarządzania tłumaczeniami opisów procedur, publikacji oraz poradników przedsiębiorcy Spis treści: 1 WSTĘP... 3 2 DOSTĘP DO SYSTEMU... 3 3 OPIS OGÓLNY SEKCJI TŁUMACZENIA...

Bardziej szczegółowo

Analiza zrekonstruowanych śladów w danych pp 13 TeV

Analiza zrekonstruowanych śladów w danych pp 13 TeV Analiza zrekonstruowanych śladów w danych pp 13 TeV Odtwarzanie rozk ladów za pomoc a danych Monte Carlo Jakub Cholewiński, pod opiek a dr hab. Krzysztofa Woźniaka 31 lipca 2015 r. Jakub Cholewiński, pod

Bardziej szczegółowo

Moduł Media backup oraz konfiguracja serwera zapasowego

Moduł Media backup oraz konfiguracja serwera zapasowego oraz konfiguracja serwera zapasowego Kraków, 2015 Spis treści I. Moduł Media backup... 3 1. Instalacja... 3 2. Widok... 3 3. Generowanie kopii zapasowej... 4 a. Manualnie... 4 b. Automatyczne... 4 4. Przywrócenie

Bardziej szczegółowo

Moduł mapowania danych

Moduł mapowania danych Moduł mapowania danych Grudzień 2013 Wszelkie prawa zastrzeżone. Dokument może być reprodukowany lub przechowywany bez ograniczeń tylko w całości. W przeciwnym przypadku, żadna część niniejszego dokumentu,

Bardziej szczegółowo

Informatyka wspomaga przedmioty ścisłe w szkole

Informatyka wspomaga przedmioty ścisłe w szkole Informatyka wspomaga przedmioty ścisłe w szkole Prezentuje : Dorota Roman - Jurdzińska W arkuszu I na obu poziomach występują dwa zadania związane z algorytmiką: Arkusz I bez komputera analiza algorytmów,

Bardziej szczegółowo

TOPWEB Microsoft Excel 2013 i PowerBI Przygotowanie danych, analiza i efektowna prezentacja wyników raportów

TOPWEB Microsoft Excel 2013 i PowerBI Przygotowanie danych, analiza i efektowna prezentacja wyników raportów TOPWEB Microsoft Excel 2013 i PowerBI Przygotowanie danych, analiza i efektowna prezentacja wyników raportów Przeznaczenie szkolenia Szkolenie dla osób chcących: Profesjonalnie przygotowywać dane do dalszej

Bardziej szczegółowo

Hurtownie danych - przegląd technologii

Hurtownie danych - przegląd technologii Hurtownie danych - przegląd technologii Problematyka zasilania hurtowni danych - Oracle Data Integrator Politechnika Poznańska Instytut Informatyki Robert.Wrembel@cs.put.poznan.pl www.cs.put.poznan.pl/rwrembel

Bardziej szczegółowo

Analizy na podstawie danych sprawozdawczych - Moduł Analiz dla Banków Spółdzielczych

Analizy na podstawie danych sprawozdawczych - Moduł Analiz dla Banków Spółdzielczych Analizy na podstawie danych sprawozdawczych - Moduł Analiz dla Banków Spółdzielczych Kwiecień 2012 Wszelkie prawa zastrzeżone. Dokument może być reprodukowany lub przechowywany bez ograniczeń tylko w całości.

Bardziej szczegółowo

Zastosowanie Robotów. Ćwiczenie 6. Mariusz Janusz-Bielecki. laboratorium

Zastosowanie Robotów. Ćwiczenie 6. Mariusz Janusz-Bielecki. laboratorium Zastosowanie Robotów laboratorium Ćwiczenie 6 Mariusz Janusz-Bielecki Zak lad Informatyki i Robotyki Wersja 0.002.01, 7 Listopada, 2005 Wst ep Do zadań inżynierów robotyków należa wszelkie dzia lania

Bardziej szczegółowo

1 Wprowadzenie do koncepcji Microsoft Office BI 1 Zakres ksiąŝki 2 Cel ksiąŝki 3 Wprowadzenie do tematu 3 Zawartość rozdziałów 4

1 Wprowadzenie do koncepcji Microsoft Office BI 1 Zakres ksiąŝki 2 Cel ksiąŝki 3 Wprowadzenie do tematu 3 Zawartość rozdziałów 4 1 Wprowadzenie do koncepcji Microsoft Office BI 1 Zakres ksiąŝki 2 Cel ksiąŝki 3 Wprowadzenie do tematu 3 Zawartość rozdziałów 4 2 Tabele przestawne, wykresy przestawne i formatowanie warunkowe 11 Co to

Bardziej szczegółowo

Rejestr Jednostek Pomocy Społecznej. Spotkanie informacyjne współfinansowane ze środków Unii Europejskiej w ramach Europejskiego Funduszu Społecznego

Rejestr Jednostek Pomocy Społecznej. Spotkanie informacyjne współfinansowane ze środków Unii Europejskiej w ramach Europejskiego Funduszu Społecznego Rejestr Jednostek Pomocy Społecznej Agenda Rejestracja i aktualizacja danych jednostki Wyszukiwanie jednostek Serwis statystyczny Analiza zróżnicowania i analiza trendów Rejestracja jednostki Rejestracja

Bardziej szczegółowo

ZMODYFIKOWANY Szczegółowy opis przedmiotu zamówienia

ZMODYFIKOWANY Szczegółowy opis przedmiotu zamówienia ZP/ITS/11/2012 Załącznik nr 1a do SIWZ ZMODYFIKOWANY Szczegółowy opis przedmiotu zamówienia Przedmiotem zamówienia jest: Przygotowanie zajęć dydaktycznych w postaci kursów e-learningowych przeznaczonych

Bardziej szczegółowo

AKADEMIA MORSKA W SZCZECINIE WI-ET / IIT / ZTT. Instrukcja do zajęc laboratoryjnych nr 7 TECHNOLOGIE INFORMACYJNE

AKADEMIA MORSKA W SZCZECINIE WI-ET / IIT / ZTT. Instrukcja do zajęc laboratoryjnych nr 7 TECHNOLOGIE INFORMACYJNE AKADEMIA MORSKA W SZCZECINIE WI-ET / IIT / ZTT Instrukcja do zajęc laboratoryjnych nr 7 TECHNOLOGIE INFORMACYJNE I rok Kierunek Zarządzanie i Inżynieria Produkcji Temat: Wprowadzenie do arkusza kalkulacyjnego

Bardziej szczegółowo

Instrukcja szybkiej obsługi

Instrukcja szybkiej obsługi Instrukcja szybkiej obsługi Uwaga!!! Dla prawidłowego działania wymagany jest program Excel 2003 lub nowszy. Program należy ściągnąć ze strony internetowej i zapisać na dysku twardym. Wyjście z programu

Bardziej szczegółowo

Etapy modelowania ekonometrycznego

Etapy modelowania ekonometrycznego Etapy modelowania ekonometrycznego jest podstawowym narzędziem badawczym, jakim posługuje się ekonometria. Stanowi on matematyczno-statystyczną formę zapisu prawidłowości statystycznej w zakresie rozkładu,

Bardziej szczegółowo

Zasady programowania Dokumentacja

Zasady programowania Dokumentacja Marcin Kędzierski gr. 14 Zasady programowania Dokumentacja Wstęp 1) Temat: Przeszukiwanie pliku za pomocą drzewa. 2) Założenia projektu: a) Program ma pobierać dane z pliku wskazanego przez użytkownika

Bardziej szczegółowo

Tom 6 Opis oprogramowania Część 8 Narzędzie do kontroli danych elementarnych, danych wynikowych oraz kontroli obmiaru do celów fakturowania

Tom 6 Opis oprogramowania Część 8 Narzędzie do kontroli danych elementarnych, danych wynikowych oraz kontroli obmiaru do celów fakturowania Część 8 Narzędzie do kontroli danych elementarnych, danych wynikowych oraz kontroli Diagnostyka stanu nawierzchni - DSN Generalna Dyrekcja Dróg Krajowych i Autostrad Warszawa, 21 maja 2012 Historia dokumentu

Bardziej szczegółowo

ECDL zaawansowany, moduł EXCEL

ECDL zaawansowany, moduł EXCEL ECDL zaawansowany, moduł EXCEL Szkolenie współfinansowane przez Unię Europejską w ramach Europejskiego Funduszu Społecznego Czas trwania szkolenia - 20h (3 dni szkoleniowe) Grupa- 10 osób Terminy - 18-20

Bardziej szczegółowo

SPIS TREŚCI Funkcje systemu operacyjnego Zapewnia obsługę dialogu między użytkownikiem a komputerem Nadzoruje wymianę informacji między poszczególnymi urządzeniami systemu komputerowego Organizuje zapis

Bardziej szczegółowo

Joyce Cox Joan Lambert. Microsoft Access. 2013 Krok po kroku. Przekład: Jakub Niedźwiedź

Joyce Cox Joan Lambert. Microsoft Access. 2013 Krok po kroku. Przekład: Jakub Niedźwiedź Joyce Cox Joan Lambert Microsoft Access 2013 Krok po kroku Przekład: Jakub Niedźwiedź APN Promise, Warszawa 2013 Spis treści Wprowadzenie................................................................vii

Bardziej szczegółowo

Zaawansowane programowanie w C++

Zaawansowane programowanie w C++ Zaawansowane programowanie w C++ Micha l Tanaś, PhD Adam Mickiewicz University, Faculty of Physics http://www.amu.edu.pl/~mtanas Michal.Tanas@amu.edu.pl Wykonanie klasycznego programu System operacyjny

Bardziej szczegółowo

Metadane. Przykry obowiązek czy przydatny zasób?

Metadane. Przykry obowiązek czy przydatny zasób? Metadane Przykry obowiązek czy przydatny zasób? A D A M I W A N I A K Administracja publiczna a ustawa o Infrastrukturze Informacji Przestrzennej, Kielce, 13-14 października 2011 r. Problem nadmiaru informacji

Bardziej szczegółowo

Wyk lad 7: Drzewa decyzyjne dla dużych zbiorów danych

Wyk lad 7: Drzewa decyzyjne dla dużych zbiorów danych Wyk lad 7: Drzewa decyzyjne dla dużych zbiorów danych Funkcja rekurencyjna buduj drzewo(u, dec, T): 1: if (kryterium stopu(u, dec) = true) then 2: T.etykieta = kategoria(u, dec); 3: return; 4: end if 5:

Bardziej szczegółowo

Wieloprogramowy system komputerowy

Wieloprogramowy system komputerowy Wieloprogramowy system komputerowy sprzet: procesor(y), pamieć(i), lacza i magistrale komunikacyjne, urzadzenia wejścia/wyjścia system operacyjny obs luguje i zarzadza sprzetem, umożliwia prace i korzystanie

Bardziej szczegółowo

Sposoby prezentacji problemów w statystyce

Sposoby prezentacji problemów w statystyce S t r o n a 1 Dr Anna Rybak Instytut Informatyki Uniwersytet w Białymstoku Sposoby prezentacji problemów w statystyce Wprowadzenie W artykule zostaną zaprezentowane podstawowe zagadnienia z zakresu statystyki

Bardziej szczegółowo

W tym celu korzystam z programu do grafiki wektorowej Inkscape 0.46.

W tym celu korzystam z programu do grafiki wektorowej Inkscape 0.46. 1. Wprowadzenie Priorytetem projektu jest zbadanie zależności pomiędzy wartościami średnich szybkości przemieszczeń terenu, a głębokością eksploatacji węgla kamiennego. Podstawowe dane potrzebne do wykonania

Bardziej szczegółowo

Badania eksploracyjne Badania opisowe Badania wyjaśniające (przyczynowe)

Badania eksploracyjne Badania opisowe Badania wyjaśniające (przyczynowe) Proces badawczy schemat i zasady realizacji Agata Górny Demografia Wydział Nauk Ekonomicznych UW Warszawa, 4 listopada 2008 Najważniejsze rodzaje badań Typy badań Podział wg celu badawczego Badania eksploracyjne

Bardziej szczegółowo

System udostępniania danych W1000

System udostępniania danych W1000 System udostępniania danych W1000 Dane ułatwiają życie odbiorcom energii Manage energy better Właściwa informacja dostarczona na czas jest kluczowym elementem sukcesu w procesie optymalizacji zarządzania

Bardziej szczegółowo

LABORATORIUM 6: ARKUSZ MS EXCEL JAKO BAZA DANYCH

LABORATORIUM 6: ARKUSZ MS EXCEL JAKO BAZA DANYCH UNIWERSYTET ZIELONOGÓRSKI INSTYTUT INFORMATYKI I ELEKTROTECHNIKI ZAKŁAD INŻYNIERII KOMPUTEROWEJ Przygotował: dr inż. Janusz Jabłoński LABORATORIUM 6: ARKUSZ MS EXCEL JAKO BAZA DANYCH Jeżeli nie jest potrzebna

Bardziej szczegółowo

Instalacja. Zawartość. Wyszukiwarka. Instalacja... 1. Konfiguracja... 2. Uruchomienie i praca z raportem... 4. Metody wyszukiwania...

Instalacja. Zawartość. Wyszukiwarka. Instalacja... 1. Konfiguracja... 2. Uruchomienie i praca z raportem... 4. Metody wyszukiwania... Zawartość Instalacja... 1 Konfiguracja... 2 Uruchomienie i praca z raportem... 4 Metody wyszukiwania... 6 Prezentacja wyników... 7 Wycenianie... 9 Wstęp Narzędzie ściśle współpracujące z raportem: Moduł

Bardziej szczegółowo

Informacje i materiały dotyczące wykładu będą publikowane na stronie internetowej wykładowcy, m.in. prezentacje z wykładów

Informacje i materiały dotyczące wykładu będą publikowane na stronie internetowej wykładowcy, m.in. prezentacje z wykładów Eksploracja danych Piotr Lipiński Informacje ogólne Informacje i materiały dotyczące wykładu będą publikowane na stronie internetowej wykładowcy, m.in. prezentacje z wykładów UWAGA: prezentacja to nie

Bardziej szczegółowo

Wprowadzenie do SAS. Wprowadzenie. Historia SAS. Struktura SAS 8. Interfejs: SAS Explorer. Interfejs. Część I: Łagodny wstęp do SAS Rafał Latkowski

Wprowadzenie do SAS. Wprowadzenie. Historia SAS. Struktura SAS 8. Interfejs: SAS Explorer. Interfejs. Część I: Łagodny wstęp do SAS Rafał Latkowski Wprowadzenie do SAS Część I: Łagodny wstęp do SAS Rafał Latkowski Wprowadzenie 2 Historia SAS Struktura SAS 8 1976 BASE SAS 1980 SAS/GRAPH & SAS/ETS 1985 SAS/IML, BASE SAS for PC Raportowanie i grafika

Bardziej szczegółowo

Operacje na plikach. Organizacja systemu plików. Typy plików. Struktury plików. Pliki indeksowane. Struktura wewn etrzna

Operacje na plikach. Organizacja systemu plików. Typy plików. Struktury plików. Pliki indeksowane. Struktura wewn etrzna Organizacja systemu plików organizacja logiczna pliku: rekordy o sta lej lub zmiennej d lugości np. w systemie Unix typowo pliki zorganizowane sa jako sekwencje bajtów, zatem sa to rekordy o sta lej d

Bardziej szczegółowo

Elektroniczna Książka Pocztowa z Obiegiem Dokumentów by CTI Instrukcja

Elektroniczna Książka Pocztowa z Obiegiem Dokumentów by CTI Instrukcja Elektroniczna Książka Pocztowa z Obiegiem Dokumentów by CTI Instrukcja 1 Spis treści 1. Opis programu...3 2. Pierwsze uruchomienie...5 3. Okno główne programu...6 3.1. Operacje na listach...6 3.1.1. Sortowanie...6

Bardziej szczegółowo

Proces badawczy schemat i zasady realizacji

Proces badawczy schemat i zasady realizacji Proces badawczy schemat i zasady realizacji Agata Górny Zaoczne Studia Doktoranckie z Ekonomii Warszawa, 14 grudnia 2014 Metodologia i metoda badawcza Metodologia Zadania metodologii Metodologia nauka

Bardziej szczegółowo

Zalew danych skąd się biorą dane? są generowane przez banki, ubezpieczalnie, sieci handlowe, dane eksperymentalne, Web, tekst, e_handel

Zalew danych skąd się biorą dane? są generowane przez banki, ubezpieczalnie, sieci handlowe, dane eksperymentalne, Web, tekst, e_handel według przewidywań internetowego magazynu ZDNET News z 8 lutego 2001 roku eksploracja danych (ang. data mining ) będzie jednym z najbardziej rewolucyjnych osiągnięć następnej dekady. Rzeczywiście MIT Technology

Bardziej szczegółowo

Koncepcja systemu informatycznego realizującego w środowisku Oracle Spatial proces generalizacji modelu BDOT10 do postaci BDOT50

Koncepcja systemu informatycznego realizującego w środowisku Oracle Spatial proces generalizacji modelu BDOT10 do postaci BDOT50 Koncepcja systemu informatycznego realizującego w środowisku Oracle Spatial proces generalizacji modelu BDOT10 do postaci BDOT50 Architektura systemu Architektura systemu System udostępnia dwa kanały dostępu,

Bardziej szczegółowo

Co to jest analiza regresji?

Co to jest analiza regresji? Co to jest analiza regresji? Celem analizy regresji jest badanie związków pomiędzy wieloma zmiennymi niezależnymi (objaśniającymi) a zmienną zależną (objaśnianą), która musi mieć charakter liczbowy. W

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

Modele. Najcz. Metoda unicode definiuje sposób wyświetlania obiektu w postaci tekstowej. BooleanField - pole logiczne, True/False

Modele. Najcz. Metoda unicode definiuje sposób wyświetlania obiektu w postaci tekstowej. BooleanField - pole logiczne, True/False Ściaga z Django Modele 1 from django.db import models from django.contrib.auth.models import User 4 class Story(models.Model): 5 title = models.charfield(max_length=100, null=false, blank=false) 6 description

Bardziej szczegółowo

Wydział Elektrotechniki, Informatyki i Telekomunikacji. Instytut Informatyki i Elektroniki. Instrukcja do zajęć laboratoryjnych

Wydział Elektrotechniki, Informatyki i Telekomunikacji. Instytut Informatyki i Elektroniki. Instrukcja do zajęć laboratoryjnych Wydział Elektrotechniki, Informatyki i Telekomunikacji Instytut Informatyki i Elektroniki Instrukcja do zajęć laboratoryjnych wersja: 1.0 Nr ćwiczenia: 12, 13 Temat: Cel ćwiczenia: Wymagane przygotowanie

Bardziej szczegółowo

P R Z E T W A R Z A N I E S Y G N A Ł Ó W B I O M E T R Y C Z N Y C H

P R Z E T W A R Z A N I E S Y G N A Ł Ó W B I O M E T R Y C Z N Y C H W O J S K O W A A K A D E M I A T E C H N I C Z N A W Y D Z I A Ł E L E K T R O N I K I Drukować dwustronnie P R Z E T W A R Z A N I E S Y G N A Ł Ó W B I O M E T R Y C Z N Y C H Grupa... Data wykonania

Bardziej szczegółowo

Kurs walut. Specyfikacja projektu. Marek Zając 2013-12-16

Kurs walut. Specyfikacja projektu. Marek Zając 2013-12-16 Kurs walut Specyfikacja projektu Marek Zając 2013-12-16 Spis treści 1. Podsumowanie... 2 1.1 Wstęp... 2 1.2 Projekt interfejsu... 2 1.2.1 Rozmiar głównego okna... 2 2. Słownik pojęć... 2 2.1 Definicja

Bardziej szczegółowo

Excel - użycie dodatku Solver

Excel - użycie dodatku Solver PWSZ w Głogowie Excel - użycie dodatku Solver Dodatek Solver jest narzędziem używanym do numerycznej optymalizacji nieliniowej (szukanie minimum funkcji) oraz rozwiązywania równań nieliniowych. Przed pierwszym

Bardziej szczegółowo

Proporcje podziału godzin na poszczególne bloki. Tematyka lekcji. Rok I. Liczba godzin. Blok

Proporcje podziału godzin na poszczególne bloki. Tematyka lekcji. Rok I. Liczba godzin. Blok Proporcje podziału godzin na poszczególne bloki Blok Liczba godzin I rok II rok Na dobry początek 7 Internet i gromadzenie danych 6 2 Multimedia 5 3 Edytory tekstu i grafiki 6 4 Arkusz kalkulacyjny 7 4

Bardziej szczegółowo

Tom 6 Opis oprogramowania

Tom 6 Opis oprogramowania Część 9 Narzędzie do wyliczania wskaźników statystycznych Diagnostyka Stanu Nawierzchni - DSN Generalna Dyrekcja Dróg Krajowych i Autostrad Warszawa, 31 maja 2012 Historia dokumentu Nazwa dokumentu Nazwa

Bardziej szczegółowo

Analiza Statystyczna

Analiza Statystyczna Lekcja 5. Strona 1 z 12 Analiza Statystyczna Do analizy statystycznej wykorzystać można wbudowany w MS Excel pakiet Analysis Toolpak. Jest on instalowany w programie Excel jako pakiet dodatkowy. Oznacza

Bardziej szczegółowo

Analiza korespondencji

Analiza korespondencji Analiza korespondencji Kiedy stosujemy? 2 W wielu badaniach mamy do czynienia ze zmiennymi jakościowymi (nominalne i porządkowe) typu np.: płeć, wykształcenie, status palenia. Punktem wyjścia do analizy

Bardziej szczegółowo

PROGRAM NAUCZANIA DLA I I II KLASY GIMNAZJUM

PROGRAM NAUCZANIA DLA I I II KLASY GIMNAZJUM PROGRAM NAUCZANIA DLA I I II KLASY GIMNAZJUM Proporcje podziału godzin na poszczególne bloki Blok Liczba godzin I rok II rok Na dobry początek 7 Internet i gromadzenie danych 6 2 Multimedia 5 3 Edytory

Bardziej szczegółowo

NIEZAWODNE ROZWIĄZANIA SYSTEMÓW AUTOMATYKI. asix. Aktualizacja pakietu asix 4 do wersji 5 lub 6. Pomoc techniczna

NIEZAWODNE ROZWIĄZANIA SYSTEMÓW AUTOMATYKI. asix. Aktualizacja pakietu asix 4 do wersji 5 lub 6. Pomoc techniczna NIEZAWODNE ROZWIĄZANIA SYSTEMÓW AUTOMATYKI asix Aktualizacja pakietu asix 4 do wersji 5 lub 6 Pomoc techniczna Dok. Nr PLP0016 Wersja:08-12-2010 ASKOM i asix to zastrzeżony znak firmy ASKOM Sp. z o. o.,

Bardziej szczegółowo

Konspekt do lekcji informatyki dla klasy II gimnazjum. TEMAT(1): Baza danych w programie Microsoft Access.

Konspekt do lekcji informatyki dla klasy II gimnazjum. TEMAT(1): Baza danych w programie Microsoft Access. Konspekt do lekcji informatyki dla klasy II gimnazjum. Opracowała: Mariola Franek TEMAT(1): Baza danych w programie Microsoft Access. Cel ogólny: Zapoznanie uczniów z możliwościami programu Microsoft Access.

Bardziej szczegółowo

MS Excel 2007 Kurs zaawansowany Obsługa baz danych. prowadzi: Dr inż. Tomasz Bartuś. Kraków: 2008 04 25

MS Excel 2007 Kurs zaawansowany Obsługa baz danych. prowadzi: Dr inż. Tomasz Bartuś. Kraków: 2008 04 25 MS Excel 2007 Kurs zaawansowany Obsługa baz danych prowadzi: Dr inż. Tomasz Bartuś Kraków: 2008 04 25 Bazy danych Microsoft Excel 2007 udostępnia szereg funkcji i mechanizmów obsługi baz danych (zwanych

Bardziej szczegółowo

Nowości w 3.1. Andrzej Solski. CONTROLLING SYSTEMS sp. z o.o.

Nowości w 3.1. Andrzej Solski. CONTROLLING SYSTEMS sp. z o.o. Nowości w 3.1. Andrzej Solski CONTROLLING SYSTEMS sp. z o.o. Nowości w 3.1. KREATOR TWORZENIA WYMIARÓW KREATOR TWORZENIA STRUKTUR WIELOWYMIAROWYCH PREDEFINIOWANE MIARY WYLICZANE LINKED OBJECT kostka w

Bardziej szczegółowo

BANK GOSPODARSTWA KRAJOWEGO. w systemie BGK@24BIZNES

BANK GOSPODARSTWA KRAJOWEGO. w systemie BGK@24BIZNES BANK GOSPODARSTWA KRAJOWEGO Instrukcja użytkowania Systemu identyfikacji masowych płatności (SIMP) oraz Systemu identyfikacji masowych płatności Premium (SIMP Premium) w systemie BGK@24BIZNES Luty, 2015

Bardziej szczegółowo

Budowa i oprogramowanie komputerowych systemów sterowania. Laboratorium 4. Metody wymiany danych w systemach automatyki DDE

Budowa i oprogramowanie komputerowych systemów sterowania. Laboratorium 4. Metody wymiany danych w systemach automatyki DDE Budowa i oprogramowanie komputerowych systemów sterowania Laboratorium 4 Metody wymiany danych w systemach automatyki DDE 1 Wprowadzenie do DDE DDE (ang. Dynamic Data Exchange) - protokół wprowadzony w

Bardziej szczegółowo

Propozycja standaryzacji usługi lokalizacji adresu

Propozycja standaryzacji usługi lokalizacji adresu dr inż. Waldemar Izdebski 1,2 mgr inż. Andrzej Bielasty 2 Propozycja standaryzacji usługi lokalizacji adresu Numery adresowe są jednym z najprostszych elementów danych przestrzennych. Niemniej jednak są

Bardziej szczegółowo

SCENARIUSZ LEKCJI. TEMAT LEKCJI: O czym mówią współczynniki funkcji liniowej? - wykorzystanie arkusza kalkulacyjnego na lekcjach matematyki

SCENARIUSZ LEKCJI. TEMAT LEKCJI: O czym mówią współczynniki funkcji liniowej? - wykorzystanie arkusza kalkulacyjnego na lekcjach matematyki 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

Kolumna Zeszyt Komórka Wiersz Tabela arkusza Zakładki arkuszy

Kolumna Zeszyt Komórka Wiersz Tabela arkusza Zakładki arkuszy 1 Podstawowym przeznaczeniem arkusza kalkulacyjnego jest najczęściej opracowanie danych liczbowych i prezentowanie ich formie graficznej. Ale formuła arkusza kalkulacyjnego jest na tyle elastyczna, że

Bardziej szczegółowo

Przetwarzanie subskrypcji jest ustawione jako usługa systemowa i uruchamia się automatycznie w określonych odstępach czasowych.

Przetwarzanie subskrypcji jest ustawione jako usługa systemowa i uruchamia się automatycznie w określonych odstępach czasowych. Subskrypcje PESEL Przetwarzanie subskrypcji jest ustawione jako usługa systemowa i uruchamia się automatycznie w określonych odstępach czasowych. Główne funkcje Subskrypcji PESEL Wyróżniono następujące

Bardziej szczegółowo

INFORMATYKA W SELEKCJI

INFORMATYKA W SELEKCJI INFORMATYKA W SELEKCJI INFORMATYKA W SELEKCJI - zagadnienia 1. Dane w pracy hodowlanej praca z dużym zbiorem danych (Excel) 2. Podstawy pracy z relacyjną bazą danych w programie MS Access 3. Systemy statystyczne

Bardziej szczegółowo

Karta przedmiotu. obowiązuje studentów rozpoczynających studia w roku akademickim 2013/2014. Forma studiów: Stacjonarne Kod kierunku: 16.

Karta przedmiotu. obowiązuje studentów rozpoczynających studia w roku akademickim 2013/2014. Forma studiów: Stacjonarne Kod kierunku: 16. Państwowa Wyższa Szko la Zawodowa w Nowym Sa czu Karta przedmiotu Instytut Kultury Fizycznej obowiązuje studentów rozpoczynających studia w roku akademickim 201/201 Kierunek studiów: Wychowanie fizyczne

Bardziej szczegółowo

PROGRAM TESTOWY LCWIN.EXE OPIS DZIAŁANIA I INSTRUKCJA UŻYTKOWNIKA

PROGRAM TESTOWY LCWIN.EXE OPIS DZIAŁANIA I INSTRUKCJA UŻYTKOWNIKA EGMONT INSTRUMENTS PROGRAM TESTOWY LCWIN.EXE OPIS DZIAŁANIA I INSTRUKCJA UŻYTKOWNIKA EGMONT INSTRUMENTS tel. (0-22) 823-30-17, 668-69-75 02-304 Warszawa, Aleje Jerozolimskie 141/90 fax (0-22) 659-26-11

Bardziej szczegółowo

KS-ZSA. Mechanizm aktualizacji kartotek lokalnych w aptece na podstawie zmian w kartotece CKT. Data aktualizacji: 2013-08-29

KS-ZSA. Mechanizm aktualizacji kartotek lokalnych w aptece na podstawie zmian w kartotece CKT. Data aktualizacji: 2013-08-29 KS-ZSA Mechanizm aktualizacji kartotek lokalnych w aptece na podstawie zmian w kartotece CKT Data aktualizacji: 2013-08-29 1. Opis funkcjonalności Funkcjonalność umożliwia obsługiwanie zmian urzędowych

Bardziej szczegółowo

POBIERANIE I ANALIZA ZEWNĘTRZNYCH DANYCH. Tom III NPV JEŻELI COS WSP.KORELACJI ROZKŁ.EXP KOMÓRKA VBA DNI.ROBOCZE ILOCZYN LOG SUMA CZY.

POBIERANIE I ANALIZA ZEWNĘTRZNYCH DANYCH. Tom III NPV JEŻELI COS WSP.KORELACJI ROZKŁ.EXP KOMÓRKA VBA DNI.ROBOCZE ILOCZYN LOG SUMA CZY. z a a w a n s o w a n y POBIERANIE I ANALIZA ZEWNĘTRZNYCH DANYCH VBA NPV WSP.KORELACJI ROZKŁ.EXP KOMÓRKA CZY.LICZBA JEŻELI COS DNI.ROBOCZE ILOCZYN LOG SUMA Tom III Pobieranie i analiza zewnętrznych danych

Bardziej szczegółowo

Import danych z plików Excel. (pracownicy, limity urlopowe i inne)

Import danych z plików Excel. (pracownicy, limity urlopowe i inne) Import danych z plików Excel (pracownicy, limity urlopowe i inne) 1. Wstęp BeeOffice umożliwia import z plików Excel kilku rodzajów danych, najczęściej wykorzystywanych podczas tworzenia nowego systemu

Bardziej szczegółowo

Do wersji 7.91.0 Warszawa, 09-12-2013

Do wersji 7.91.0 Warszawa, 09-12-2013 Biuro Online Konektor instrukcja użytkownika Do wersji 7.91.0 Warszawa, 09-12-2013 Spis treści 1. Instalacja oprogramowania... 3 2. Pierwsze uruchomienie... 5 2.1. Tworzenie usługi... 5 2.2. Konfiguracja

Bardziej szczegółowo

edziennik Ustaw Opis architektury

edziennik Ustaw Opis architektury edziennik Ustaw Opis architektury Spis treści 1 Wstęp...3 2 Architektura systemu...3 2.1 Schemat poglądowy rozwiązania...3 2.2 Architektura logiczna...4 2.3 Opis elementów systemu...5 2.3.1 Moduł Udostępniający...5

Bardziej szczegółowo