Technologie zarządzania wiedzą
|
|
- Adrian Kosiński
- 8 lat temu
- Przeglądów:
Transkrypt
1 Technologie zarządzania wiedzą 1
2 Tendencje w biznesie Źródło: Gladstone, B., From Know-How to Knowledge The Essential Guide to Understanding and Implementing Knowledge Management (za: Brdulak, J., Zarządzanie wiedzą co to jest i po co to jest?, materiały dydaktyczne do przedmiotu Zarządzanie Wiedzą, Szkoła Główna Handlowa w Warszawie) Technologie zarządzania wiedzą 2 Żyjemy coraz szybciej. Cykl życia produktu i czas jego obecności na rynku zmniejszają się. Produkty stają się coraz bardziej spersonalizowane. Coraz częściej aby spełnić jakąś potrzebę klienta, trzeba ją najpierw stworzyć. 2
3 Modne hasło: zarządzanie wiedzą Wiedza najcenniejszy zasób w organizacji. Zarządzanie wiedzą: powstawanie wiedzy, przesyłanie wiedzy (dzielenie się wiedzą), wykorzystanie wiedzy. Robotnicy wiedzy (knowledge workers) Technologie zarządzania wiedzą 3 Powoduje to, że coraz więcej organizacji (nawet typowo produkcyjnych) musi opierać się na wiedzy. Dlatego zarządzanie wiedzą stało się w ostatnich latach modnym terminem. Powstał wręcz termin knowledge workers, oznaczający osoby, których podstawowym narzędziem pracy jest umysł, zaś materiałem wiedza (kiedyś w Polsce używało się terminu pracownik umysłowy, ale to chyba jednak nie to samo). Wiedza jest jedynym zasobem, którego ilość gdy się go wykorzystuje nie zmniejsza się, ale wręcz zwiększa. Tej cechy nie mają takie zasoby jak węgiel, stal czy papier do drukarki. 3
4 Wiedza dostępna i ukryta Wiedza dostępna (explicit, focal knowledge): wiedza, którą udało się przedstawić za pomocą słów, liczb, znaków, symboli, przez co stała się usystematyzowana i łatwa do przekazania. Wiedza ukryta (tacit knowledge): wiedza, z której istnienia zdajemy sobie sprawę, i którą wykorzystujemy w codziennym życiu, ale nie potrafimy do końca wyjaśnić jej istoty, przez co jej formalizacja i przekazanie innym jest bardzo trudne. Źródło: Brdulak, J., Zarządzanie wiedzą co to jest i po co to jest?, materiały dydaktyczne do przedmiotu Zarządzanie Wiedzą, Szkoła Główna Handlowa w Warszawie Technologie zarządzania wiedzą 4 Z wiedzą dostępną zwykle nie mamy problemu zapisujemy ją w dokumentach, a jeśli mamy dużo dokumentów, możemy korzystać z systemów zarządzania dokumentami. Cała sztuka polega na choćby częściowym opisaniu i przekazaniu wiedzy ukrytej. 4
5 Wiedza a kultura organizacyjna Psychologiczne bariery przepływu wiedzy: dzieląc się wiedzą oddajesz część swojej władzy, gromadzisz wiedzę masz władzę budujesz swój autorytet, korzystając z cudzej wiedzy przyznajesz, że jesteś niekompetentny, gdy pożyczam czyjąś wiedzę, muszę samemu sobie przyznać, że potrzebuję pomocy, muszę okazać swoją słabość. Motywowanie do dzielenia się wiedzą: ocenianie pracowników, udział w efektach wykorzystania wiedzy, tworzenie warunków do wymiany wiedzy: czas i miejsce, technologia. Na podstawie: Fazlagić, A., Jak motywować do dzielenia się wiedzą, Technologie zarządzania wiedzą 5 Dzielenie się wiedzą jest przede wszystkim zjawiskiem organizacyjnym, a nie technologicznym. Sprawne dzielenie się wiedzą wymaga odpowiedniej kultury organizacyjnej, niwelującej psychologiczne bariery przepływu wiedzy. Braku takiej kultury organizacyjnej nie da się zastąpić wdrożeniem nawet najlepszego systemu zarządzania wiedzą, gdyż będzie on po prostu nieużywany. Technologia jest jedynie jednym z czynników usprawniających wymianę wiedzy, o ile ona w ogóle w organizacji występuje. 5
6 Rozwiązania technologiczne System plików (na dysku sieciowym). System zarządzania dokumentami/treścią: metainformacje, workflow, wersje, uprawnienia,..., Intranet zarządzanie i publikowanie treści w jednym. Portal korporacyjny: każdy jest zarówno czytelnikiem, jak i autorem, udostępnianie zintegrowanej informacji z: systemów biznesowych organizacji, Internetu; jednokrotna autoryzacja dostępu do wszystkich zasobów, personalizacja. Czy to jest zarządzanie wiedzą? Technologie zarządzania wiedzą 6 Często zdarza się, że zwykłe systemy zarządzania dokumentami czy portale korporacyjne są oferowane pod etykietką system zarządzania wiedzą. Warto więc zwrócić uwagę na to, czy rzekomy system zarządzania wiedzą nie jest po prostu zwykłym portalem korporacyjnym. 6
7 Czym tak na prawdę jest wiedza? To więcej niż: informacja, tekst, dokument. To sieć powiązań, relacji, skojarzeń między informacjami, doświadczeniami, spostrzeżeniami. Tymczasem: systemy zarządzania dokumentami, systemy zarządzania treścią, portale korporacyjne operują na dokumentach! Technologie zarządzania wiedzą 7 Systemy zarządzania dokumentami i portale operują bowiem na dokumentach, a wiedza to coś więcej niż tylko treść dokumentów. 7
8 Wiedza a technologia Modelowanie wiedzy: ontologia schemat modelowanej dziedziny: typy pojęć, typy relacji między pojęciami, mapa wiedzy: abstrakcyjne pojęcia, powiązania między pojęciami, dokumenty przyczepione do pojęć. System zarządzania wiedzą: budowanie ontologii, budowanie, rozwijanie mapy wiedzy, nawigacja po mapie wiedzy Technologie zarządzania wiedzą 8 Nie da się sformalizować całej wiedzy ukrytej, ale przynajmniej jej najistotniejszą część można opisać przy pomocy mapy wiedzy, zbudowanej wg określonego schematu, specyficznego dla danej dziedziny, zwanego ontologią. Treścią takiej mapy wiedzy są pojęcia, reprezentujące rzeczywiste byty, oraz powiązania pomiędzy tymi pojęciami. 8
9 Ontologia Ontologia dział filozofii zajmujący się ogólną teorią bytu, charakterem i strukturą rzeczywistości. Słownik wyrazów obcych i zwrotów obcojęzycznych Władysława Kopalińskiego, Ontologia stanowi wspólną reprezentację pewnej dziedziny działalności ludzkiej, która może być wykorzystana jako platforma porozumienia pozwalająca na spójne podejście do rozwiązywania problemów w tej dziedzinie. Ontologia obejmuje pewną wizję świata ograniczoną do danej dziedziny. Taka wizja zazwyczaj jest wyrażana jako zbiór pojęć, definicji tych pojęć oraz ich wzajemnych powiązań. Taką reprezentację dziedziny nazywamy często jej konceptualizacją Źródło: Uschold, M., Artificial Intelligence Application Institute, University of Edinburgh Za: Staniszkis, W., Architektura systemów zarządzania wiedzą, Rodan Systems S.A Technologie zarządzania wiedzą 9 Słowo ontologia ma znaczenie znacznie szersze, niż tylko w kontekście tworzenia map wiedzy. Ale w naszym rozumieniu ontologia oznacza pewien abstrakcyjny model tego wycinka rzeczywistości, który nas interesuje. 9
10 Mapa wiedzy przykład ryba rodzaj śledź rodzaj śledź świeży główny składnik śledzie w oliwie grupa rodzaj śledź solony przygotowywany z śledzie główny składnikw śmietanie grupa składnik podobny do danie rybne suszona pietruszka można zastąpić natka pietruszki Technologie zarządzania wiedzą 1 Pojęcia w tym przykładzie reprezentują przepisy kulinarne oraz składniki tych przepisów. W powiązaniach między pojęciami jest zakodowana wiedza doświadczonego kucharza np. o tym, że jeden składnik można bez większej straty jakościowej zastąpić innym składnikiem. 1
11 Ontologia przykład Typy pojęć: przepis, grupa przepisów, składnik. Relacje: składnik wchodzi w skład przepisu, składnik jest głównym składnikiem przepisu, składnik jest rodzaju składnik, składnik jest przygotowywany ze składnika, składnik można zastąpić składnikiem, przepis należy do grupy przepisów, przepis jest podobny do przepisu Technologie zarządzania wiedzą 11 Ontologia definiuje typy pojęć oraz dopuszczalne powiązania. W ten sposób ontologia porządkuje modelowany przez nas wycinek rzeczywistości. 11
12 Wiedza operacyjna a wiedza abstrakcyjna Wiedza operacyjna: opisuje konkretne egzemplarze obiektów i ich własności, np.: klienta Jana Kowalskiego, polisę nr /22; często się zmienia, ma charakter relacji bazodanowych. Wiedza abstrakcyjna: opisuje własności abstrakcyjnych bytów (klas obiektów), np: zakres ubezpieczenia terminowego na życie; nie zmienia się w wyniku działalności operacyjnej, ma charakter luźnej sieci powiązań Technologie zarządzania wiedzą 12 Wiedzę wykorzystywaną w organizacjach (i modelowaną w mapach wiedzy) możemy podzielić na operacyjną i abstrakcyjną. Oczywiście podział ten ma charakter akademicki pozwala nam uzmysłowić sobie różnicę, ale tak na prawdę rzadko występuje w czystej postaci w przyrodzie. Często bowiem łączymy w mapie wiedzy elementy wiedzy abstrakcyjnej oraz operacyjnej, np. opisując w części abstrakcyjnej własności ubezpieczenia terminowego na życie, oraz dla konkretnych polis z części operacyjnej określając ich rodzaj poprzez powiązania z obiektami części abstrakcyjnej. Najczęściej wiedza operacyjna to po prostu zwykła baza danych. Wydaje się jednak, że nazywanie np. bazy klientów i zamówień systemem zarządzania wiedzą byłoby lekką przesadą. 12
13 Korzenie: sztuczna inteligencja Sztuczna inteligencja: nauka o mechanizmach racjonalnego działania oraz budowaniu algorytmów stosujących te mechanizmy, intensywnie rozwijana w latach 7-tych. Obszary zainteresowań: przetwarzanie języka naturalnego, reprezentacja wiedzy, automatyczne wnioskowanie, uczenie maszynowe. systemy eksperckie. Sztuczna inteligencja a zarządzanie wiedzą: to człowiek, a nie maszyna, wykorzystuje wiedzę, problemem jest efektywny dostęp do zgromadzonej wiedzy Technologie zarządzania wiedzą 13 Każdy zapewne słyszał hasło sztuczna inteligencja. Nie każdy wie, że jest to poważna gałąź informatyki, której rozwój zaowocował opracowaniem zaawansowanych sposobów reprezentacji wiedzy (takich jak sieci semantyczne) oraz algorytmów wykorzystania tej wiedzy np. poprzez automatyczne wnioskowanie. Mechanizmy te były i są wykorzystywane w tzw. systemach eksperckich, które zawierają zakodowaną wiedzę eksperta z danej dziedziny, dzięki czemu mogą pomóc np. w postawieniu diagnozy pacjenta na podstawie objawów, czy też określeniu ryzyka ubezpieczeniowego na podstawie charakterystyki klienta. Uczenie maszynowe polega na reagowaniu przez algorytm na bodźce uczące (przykładowe poprawne wyniki). Algorytm dostosowuje się do nich, potrafiąc w rezultacie rozwiązać przypadki podobne do nich. Najbardziej znanym mechanizmem uczenia maszynowego są sieci neuronowe, których podstawą jest matematyczny model neuronu. 13
14 Mapa wiedzy a dokumenty Wiedza zawarta w: pojęciach i powiązaniach w mapie wiedzy, treści dokumentów. Warstwa pojęć Poeta Szekspir autor napisał dzieło Hamlet biografia zdjęcie treść Warstwa dokumentów Szekspir biografia Hamlet by W. Shakespeare Technologie zarządzania wiedzą 14 Dokumenty nie należą w zasadzie do mapy wiedzy, lecz tworzą osobną warstwę dokumentów, które możemy dowiązać do pojęć mapy wiedzy, określając w ten sposób semantykę tych pojęć. Rozdział ten jest istotny, ponieważ wiedza jest zakodowana nie tylko w samej mapie wiedzy, ale także w treści dokumentów. Aby więc móc korzystać ze zgromadzonej wiedzy w sposób pełny, musimy potrafić w łatwy sposób znaleźć dokumenty zawierające interesującą nas treść. 14
15 Mapy wiedzy technologia Kodowanie map wiedzy: RDF Resource Description Framework, Topic Maps. Języki zapytań o zawartość mapy wiedzy: RDQL Resource Description Query Language, TMQL Topic Map Query Language. Budowanie ontologii: OWL Web Ontology Language. Automatyczne wnioskowanie (tworzenie nowych powiązań) na podstawie zawartości mapy wiedzy i określonych reguł wnioskowania Technologie zarządzania wiedzą 15 15
16 Jak dotrzeć do wiedzy zawartej w dokumentach? Znajdowanie właściwych dokumentów: nawigacja po mapie wiedzy, wyszukiwanie pełnotekstowe: często wystarczy odnaleźć rozwiązanie podobne, na czym polega podobieństwo? jak je wyrazić? Wyszukując w treści dokumentów, powinniśmy uwzględnić: wiedzę zakodowaną w mapie wiedzy o zależnościach między pojęciami, wiedzę ukrytą. Rozwiązanie: wyszukiwanie wsparte modelem wiedzy Technologie zarządzania wiedzą 16 Komplementarną do nawigacji po mapie wiedzy metodą dotarcia do właściwej informacji jest wyszukiwanie w treści dokumentów. Jednak zwykłe wyszukiwanie pełnotekstowe nie rozwiązuje problemu, ponieważ nie uwzględnia wiedzy, którą zawarliśmy w mapie wiedzy. Nie uwzględnia także wiedzy ukrytej, którą każdy ekspert posiada i na co dzień z niej korzysta, lecz z oczywistych powodów nie posiada jej system komputerowy. Chodzi tu np. o wiedzę o synonimach, terminach bliskoznacznych, czy też podobieństwach między podstawowymi terminami (np. o tym,że śledź jest rodzajem ryby). Mechanizm wyszukiwania wspartego modelem wiedzy pozwala wykorzystać tego typu wiedzę podczas wyszukiwania, skutkiem czego w wyniku wyszukiwania otrzymujemy nie tylko dokumenty zawierające szukany termin, ale też terminy podobne czy synonimy. 16
17 Wyszukiwanie a wiedza Wyszukiwanie wsparte modelem wiedzy: konfrontuje zapytanie z modelem wiedzy, znajduje dokumenty semantycznie odpowiadające zapytaniu. wiedza zapytanie baza wiedzy dane i dokumenty inteligentne odpowiedzi Technologie zarządzania wiedzą 17 Każda wyszukiwarka przeszukuje zawartość danych i dokumentów. Wyszukiwarka wsparta modelem wiedzy dodatkowo wykorzystuje podczas budowania indeksu oraz wyszukiwania informacje zawarte w modelu wiedzy. Dzięki temu wyniki wyszukiwania uwzględniają pewną wiedzę na temat podobieństw pojęć. 17
18 Model wiedzy przykład Typ: składnik. Wartości i podobieństwa: koperek suszona pietruszka natka pietruszki śledź solony śledź świeży śledź śledź 1 1 śledź świeży 1 9 śledź solony natka pietruszki suszona pietruszka koperek Technologie zarządzania wiedzą 18 Model wiedzy dla wyszukiwarki różni się od mapy wiedzy, po której można nawigować, i jest oparty na podobieństwach pojęć. Typy pojęć, pojęcia oraz podobieństwa pomiędzy nimi trzeba określić metodą ekspercką. Tabela podobieństw nie musi być symetryczna podobieństwo może być inne, gdy szukamy pojęcia śledź solony, a w dokumencie znajduje się śledź świeży, a inne w sytuacji odwrotnej. 18
19 Model wiedzy przykład Typ: kaloryczność Funkcja podobieństwa: 1% szukana wartość Technologie zarządzania wiedzą 19 Wiedzę na temat wielkości liczbowych można zapisywać w postaci funkcji podobieństwa. Dzięki temu poszukiwanie potraw o podanej kaloryczności zwróci także potrawy o kaloryczności niższej oraz nieznacznie wyższej. 19
20 Semantic Web The Semantic Web will bring structure to the meaningful content of Web pages, creating an environment where software agents roaming from page to page can readily carry out sophisticated tasks for users. Tim Berners-Lee, Scientific American, May 21 Internetowa infrastruktura publikacji danych: neutralna (niezależna od aplikacji), umożliwiająca przetwarzanie informacji przez programy w celu: automatyzacji, agregacji, wielokrotnego użycia. To jest ciągle wizja: zdania nie oznaczają faktów, potrzebna jest kodyfikacja wiedzy codziennej, pojawiają się problemy związane z etyką oraz bezpieczeństwem. Pojawiają się pierwsze technologie Technologie zarządzania wiedzą 2 Sformułowana w 21 roku przez twórcę Internetu Tima Bernersa-Lee wizja Semantic Web to sieć, w której informacje są nie tylko czytane przez ludzi na stronach internetowych, ale także wykorzystywane przez komunikujące się ze sobą inteligentne agenty pomagające nam w prostych zadaniach, takich jak umówienie się do lekarza czy zorganizowanie spotkania. Aby było to możliwe, informacje publikowane i wymieniane w sieci muszą mieć zamiast formy tekstowej postać strukturalną, nadającą się do automatycznego przetworzenia. Co więcej, musi być określone znaczenie (semantyka) wymienianych w te sposób danych (np. danych o wolnych terminach lekarza). Jest to ciągle wizja przyszłości, choć pierwsze prototypowe rozwiązania już powstają. 2
21 Friend-Of-A-Friend (FOAF) Scenariusz wykorzystania: osoby publikują swoje pliki FOAF, roboty lub aplikacje agregują informacje z wielu źródeł, zagregowane informacje mogą zostać wykorzystane np. do znalezienia znajomych, których mogę spotkać w mieście w którym odbywa się konferencja na którą jadę. Identyfikacja osób przy pomocy i. Przykładowa zawartość pliku FOAF: miejsce pobytu, projekty w których pracuję, osoby które znam. Słownictwo agent person name nick mbox knows depiction publications homepage organization group project Technologie zarządzania wiedzą 21 Jednym z takich prototypowych rozwiązań jest projekt FOAF. Zakłada on, że ludzie publikują swoje pliki FOAF, zawierające informacje o nich oraz o ich znajomych. Informacje z wielu plików FOAF mogą być następnie łączone w jeden graf opisujący relacje między osobami. Wszystko to ma szansę działać dzięki temu, że precyzyjnie określono słownik pojęć, którymi można się posługiwać w plikach FOAF oraz semantykę tych pojęć. Od strony technicznej dokument FOAF jest zwykłym dokumentem RDF zgodnym z ontologią FOAF. 21
22 Łączenie grafów FOAF name Szymon Zioło name Jan Kowalski knows mbox mbox contact:nearestairport mbox airport:iatacode WAW Technologie zarządzania wiedzą 22 Dwa dokumenty FOAF różnych osób pozornie nie mają ze sobą nic wspólnego i trudno byłoby je połączyć. 22
23 Łączenie grafów FOAF Wartość własności mbox identyfikuje jednoznacznie osobę! name Szymon Zioło name Jan Kowalski knows mbox mbox contact:nearestairport mbox airport:iatacode WAW Technologie zarządzania wiedzą 23 Jednak twórcy FOAF przyjęli założenie, że własnością jednoznacznie identyfikującą osobę jest jej atrybut mbox, Można dyskutować, czy to założenie jest słuszne, ale na pewno skorzystanie z niego pozwala utożsamiać obiekty reprezentujące jedną osobę w róznych plikach FOAF. Dzięki temu można zagregować informacje semantyczne o danej osobie umieszczone w bardzo rozproszonej bazie danych, jaką jest Internet. 23
24 Łączenie grafów FOAF Wartość własności mbox identyfikuje jednoznacznie osobę! name Szymon Zioło knows mbox name Jan Kowalski mbox contact:nearestairport airport:iatacode WAW Technologie zarządzania wiedzą 24 24
25 Gdzie szukać dalej egov.pl Forum Nowoczesnej Administracji Publicznej Opracowania Zarządzanie wiedzą Fazlagić, A., publikacje n/t zarządzania wiedzą e-mentor czasopismo internetowe Szkoły Głównej Handlowej w Warszawie e-mentor.edu.pl/archiwum.php?id_kategorii=2 Gotcha! On target for the needs of the knowledge management community Technologie zarządzania wiedzą 25 25
26 Gdzie szukać dalej Bray. T., What Is RDF? topicmap.com Hand-crafted Machine-generated Knowledge Interchange Learn more about Topic Maps Berners-Lee, T., Lassila, O., Hendler, J., Semantic Web Scientific American, May 21 modul4/rawdata/article.html Technologie zarządzania wiedzą 26 26
Technologie zarządzania wiedzą
Technologie zarządzania wiedzą 1 Tendencje w biznesie Źródło: Gladstone, B., From Know-How to Knowledge The Essential Guide to Understanding and Implementing Knowledge Management (za: Brdulak, J., Zarządzanie
Bardziej szczegółowoTendencje w biznesie. Technologie zarządzania wiedzą. Modne hasło: zarządzanie wiedzą. Wiedza dostępna i ukryta. Piramida wiedzy
Tendencje w biznesie Technologie zarządzania wiedzą Źródło: Gladstone, B., From Know-How to Knowledge The Essential Guide to Understanding and Implementing Knowledge Management (za: Brdulak, J., wiedzą
Bardziej szczegółowo2
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 szczegółowoTechnologie zarządzania wiedzą
Technologie zarządzania wiedzą Szymon Zioło sziolo@mimuw.edu.pl Tendencje w biznesie Źródło: Gladstone, B., From Know-How to Knowledge The Essential Guide to Understanding and Implementing Knowledge Management
Bardziej szczegółowoTechnologie zarządzania wiedzą. Szymon Zioło.
Technologie zarządzania wiedzą Szymon Zioło sziolo@mimuw.edu.pl Tendencje w biznesie Źródło: Gladstone, B., From Know-How to Knowledge The Essential Guide to Understanding and Implementing Knowledge Management
Bardziej szczegółowoModne hasło: zarządzanie wiedzą. Technologie wspierające zarządzanie wiedzą. Wiedza a kultura organizacyjna. Rozwiązania. Co autor miał na myśli
Modne hasło: zarządzanie wiedzą Technologie wspierające zarządzanie wiedzą Wiedza najcenniejszy zasób w organizacji. Zarządzanie wiedzą: powstawanie wiedzy, przesyłanie wiedzy (dzielenie się wiedzą), wykorzystanie
Bardziej szczegółowoZarządzanie wiedzą. Technologie wspierające zarządzanie wiedzą. Modne hasło: zarządzanie wiedzą. Wiedza a kultura organizacyjna.
Zarządzanie wiedzą Technologie wspierające zarządzanie wiedzą Kontekst organizacyjny zarządzania wiedzą. Techniki wspierające zarządzanie wiedzą: sieci semantyczne, wyszukiwanie wsparte modelem wiedzy.
Bardziej szczegółowoZarządzanie wiedzą. Technologie wspierające zarządzanie wiedzą. Modne hasło: zarządzanie wiedzą. Wiedza a kultura organizacyjna
Zarządzanie wiedzą 18 grudnia 23 Technologie wspierające zarządzanie wiedzą Kontekst organizacyjny zarządzania wiedzą. Techniki wspierające zarządzanie wiedzą: sieci semantyczne / mapy wiedzy, wyszukiwanie
Bardziej szczegółowoOd metadanych do map wiedzy
Od metadanych do map wiedzy BachoTeX 2004 Mariusz Olko Mariusz.Olko@empolis.pl 1 maja 2004 1 20 lutego 2004 Metadane co to jest? Informacja na temat informacji! Opisuje własności informacji
Bardziej szczegółowoTopic Maps geneza. Modelowanie wiedzy. Pojęcia. Wystąpienia. Kompletny przykład. Powiązania. Firma. urodzony w. siedziba. stolica.
Topic Maps geneza Modelowanie wiedzy W dzisiejszych czasach większość ludzi nie potrzebuje więcej informacji. Jeśli już, to potrzebują jej mniej, ponieważ już toną w ogromnych jej ilościach. Pepper, S.
Bardziej szczegółowoO 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 szczegółowo3 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 szczegółowoO badaniach nad SZTUCZNĄ INTELIGENCJĄ
O badaniach nad SZTUCZNĄ INTELIGENCJĄ Jak określa się inteligencję naturalną? Jak określa się inteligencję naturalną? Inteligencja wg psychologów to: Przyrodzona, choć rozwijana w toku dojrzewania i uczenia
Bardziej szczegółowoPODSTAWY 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 szczegółowoWprowadzenie do teorii systemów ekspertowych
Myślące komputery przyszłość czy utopia? Wprowadzenie do teorii systemów ekspertowych Roman Simiński siminski@us.edu.pl Wizja inteligentnych maszyn jest od wielu lat obecna w literaturze oraz filmach z
Bardziej szczegółowoInternet Semantyczny. Linked Open Data
Internet Semantyczny Linked Open Data Dzień dzisiejszy database Internet Dzisiejszy Internet to Internet dokumentów (Web of Dokuments) przeznaczonych dla ludzi. Dzień dzisiejszy Internet (Web) to dokumenty
Bardziej szczegółowoO badaniach nad SZTUCZNĄ INTELIGENCJĄ
O badaniach nad SZTUCZNĄ INTELIGENCJĄ SZTUCZNA INTELIGENCJA dwa podstawowe znaczenia Co nazywamy sztuczną inteligencją? zaawansowane systemy informatyczne (np. uczące się), pewną dyscyplinę badawczą (dział
Bardziej szczegółowoSemantic 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 szczegółowoPRZEWODNIK PO PRZEDMIOCIE
Nazwa przedmiotu: Kierunek: Informatyka Rodzaj przedmiotu: obowiązkowy w ramach treści kierunkowych, moduł kierunkowy oólny Rodzaj zajęć: wykład, laboratorium I KARTA PRZEDMIOTU CEL PRZEDMIOTU PRZEWODNIK
Bardziej szczegółowoKIERUNKOWE EFEKTY KSZTAŁCENIA KIERUNEK STUDIÓW INFORMATYCZNE TECHNIKI ZARZĄDZANIA
KIERUNKOWE EFEKTY KSZTAŁCENIA KIERUNEK STUDIÓW INFORMATYCZNE TECHNIKI ZARZĄDZANIA Nazwa kierunku studiów: Informatyczne Techniki Zarządzania Ścieżka kształcenia: IT Project Manager, Administrator Bezpieczeństwa
Bardziej szczegółowoOntologie, 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 szczegółowoWykład 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 szczegółowoWymagania edukacyjne z informatyki w klasie IIIa gimnazjum
Lp. Wymagania edukacyjne z informatyki w klasie IIIa gimnazjum 1. Internet i sieci [17 godz.] 1 Sieci komputerowe. Rodzaje sieci, topologie, protokoły transmisji danych w sieciach. Internet jako sie rozległa
Bardziej szczegółowoSemantic 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 szczegółowoWprowadzenie do multimedialnych baz danych. Opracował: dr inż. Piotr Suchomski
Wprowadzenie do multimedialnych baz danych Opracował: dr inż. Piotr Suchomski Wprowadzenie bazy danych Multimedialne bazy danych to takie bazy danych, w których danymi mogą być tekst, zdjęcia, grafika,
Bardziej szczegółowoFestiwal Myśli Abstrakcyjnej, Warszawa, Czy SZTUCZNA INTELIGENCJA potrzebuje FILOZOFII?
Festiwal Myśli Abstrakcyjnej, Warszawa, 22.10.2017 Czy SZTUCZNA INTELIGENCJA potrzebuje FILOZOFII? Dwa kluczowe terminy Co nazywamy sztuczną inteligencją? zaawansowane systemy informatyczne (np. uczące
Bardziej szczegółowoPojęcie bazy danych. Funkcje i możliwości.
Pojęcie bazy danych. Funkcje i możliwości. Pojęcie bazy danych Baza danych to: zbiór informacji zapisanych według ściśle określonych reguł, w strukturach odpowiadających założonemu modelowi danych, zbiór
Bardziej szczegółowoZarządzanie wiedzą w instytucji naukowej cz. I
Zarządzanie wiedzą w instytucji naukowej cz. I Jolanta Przyłuska Dział Zarządzania Wiedzą IMP Łódź Projekt współfinansowany przez Unię Europejską ze środków Europejskiego Funduszu Rozwoju Regionalnego
Bardziej szczegółowoInternet, jako ocean informacji. Technologia Informacyjna Lekcja 2
Internet, jako ocean informacji Technologia Informacyjna Lekcja 2 Internet INTERNET jest rozległą siecią połączeń, między ogromną liczbą mniejszych sieci komputerowych na całym świecie. Jest wszechstronnym
Bardziej szczegółowoTomasz Grześ. Systemy zarządzania treścią
Tomasz Grześ Systemy zarządzania treścią Co to jest CMS? CMS (ang. Content Management System System Zarządzania Treścią) CMS definicje TREŚĆ Dowolny rodzaj informacji cyfrowej. Może to być np. tekst, obraz,
Bardziej szczegółowoKomputerowe 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 szczegółowoThe 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 szczegółowoPrzetwarzanie języka naturalnego (NLP)
Przetwarzanie języka naturalnego (NLP) NLP jest dziedziną informatyki łączącą zagadnienia sztucznej inteligencji i lingwistyki zajmującą się automatyzacją analizy, rozumienia, tłumaczenia i generowania
Bardziej szczegółowoĆwiczenie 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 szczegółowoWeb 3.0 Sieć Pełna Znaczeń (Semantic Web) Perspektywy dla branży motoryzacyjnej i finansowej. Przyjęcie branżowe EurotaxGlass s Polska 10 luty 2012
Web 3.0 Sieć Pełna Znaczeń (Semantic Web) Perspektywy dla branży motoryzacyjnej i finansowej Przyjęcie branżowe EurotaxGlass s Polska 10 luty 2012 Web 3.0 - prawdziwa rewolucja czy puste hasło? Web 3.0
Bardziej szczegółowoNarzędzia Informatyki w biznesie
Narzędzia Informatyki w biznesie Przedstawiony program specjalności obejmuje obszary wiedzy informatycznej (wraz z stosowanymi w nich technikami i narzędziami), które wydają się być najistotniejsze w kontekście
Bardziej szczegółowoSHAREPOINT SHAREPOINT QM SHAREPOINT DESINGER SHAREPOINT SERWER. Opr. Barbara Gałkowska
SHAREPOINT SHAREPOINT QM SHAREPOINT DESINGER SHAREPOINT SERWER Opr. Barbara Gałkowska Microsoft SharePoint Microsoft SharePoint znany jest również pod nazwą Microsoft SharePoint Products and Technologies
Bardziej szczegółowoElementy kognitywistyki II: Sztuczna inteligencja
Elementy kognitywistyki II: Sztuczna inteligencja Piotr Konderak Zakład Logiki i Filozofii Nauki p.203b, Collegium Humanicum konsultacje: wtorki, 16:00-17:00 kondorp@bacon.umcs.lublin.pl http://konderak.eu
Bardziej szczegółowoEfekt 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 szczegółowoWprowadzenie do XML. Joanna Jędrzejowicz. Instytut Informatyki
Instytut Informatyki Literatura http://www.w3c.org/tr/ - Technical Reports K. B. Stall - XML Family of Specifications, Addison-Wesley 2003 P. Kazienko, K. Gwiazda - XML na poważnie, Helion 2002 XML Rozszerzalny
Bardziej szczegółowoKIERUNKOWE EFEKTY KSZTAŁCENIA
WYDZIAŁ INFORMATYKI I ZARZĄDZANIA Kierunek studiów: INFORMATYKA Stopień studiów: STUDIA I STOPNIA Obszar Wiedzy/Kształcenia: OBSZAR NAUK TECHNICZNYCH Obszar nauki: DZIEDZINA NAUK TECHNICZNYCH Dyscyplina
Bardziej szczegółowoBPM vs. Content Management. Jarosław Żeliński analityk biznesowy, projektant systemów
BPM vs. Content Management Jarosław Żeliński analityk biznesowy, projektant systemów Cel prezentacji Celem prezentacji jest zwrócenie uwagi na istotne różnice pomiędzy tym co nazywamy: zarzadzaniem dokumentami,
Bardziej szczegółowoUniwersytet w Białymstoku Wydział Ekonomiczno-Informatyczny w Wilnie SYLLABUS na rok akademicki 2012/2013 http://www.wilno.uwb.edu.
SYLLABUS na rok akademicki 01/013 Tryb studiów Studia stacjonarne Kierunek studiów Informatyka Poziom studiów Pierwszego stopnia Rok studiów/ semestr /3 Specjalność Bez specjalności Kod katedry/zakładu
Bardziej szczegółowoOBIEG INFORMACJI I WSPOMAGANIE DECYZJI W SYTUACJACH KRYZYSOWYCH
OBIEG INFORMACJI I WSPOMAGANIE DECYZJI W SYTUACJACH KRYZYSOWYCH AGENDA Prezentacja firmy Tecna Informacja i jej przepływ Workflow i BPM Centralny portal informacyjny Wprowadzanie danych do systemu Interfejsy
Bardziej szczegółowo3.1. Na dobry początek
Klasa I 3.1. Na dobry początek Regulamin pracowni i przepisy BHP podczas pracy przy komputerze Wykorzystanie komputera we współczesnym świecie Zna regulamin pracowni i przestrzega go. Potrafi poprawnie
Bardziej szczegółowoSCENARIUSZ 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 szczegółowoSystemy 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 szczegółowoProjektowanie logiki aplikacji
Jarosław Kuchta Projektowanie Aplikacji Internetowych Projektowanie logiki aplikacji Zagadnienia Rozproszone przetwarzanie obiektowe (DOC) Model klas w projektowaniu logiki aplikacji Klasy encyjne a klasy
Bardziej szczegółowoi działanie urządzeń związanych równieŝ budowę i funkcje urządzeń
Wymagania edukacyjne Informatyka III etap edukacyjny (gimnazjum) Uczeń potrafi I. Bezpiecznie posługiwać się komputerem i jego oprogramowaniem, wykorzystywać sieć komputerową; komunikować się za pomocą
Bardziej szczegółowoOdniesienie do efektów kształcenia dla obszaru nauk EFEKTY KSZTAŁCENIA Symbol
KIERUNKOWE EFEKTY KSZTAŁCENIA Wydział Informatyki i Zarządzania Kierunek studiów INFORMATYKA (INF) Stopień studiów - pierwszy Profil studiów - ogólnoakademicki Projekt v1.0 z 18.02.2015 Odniesienie do
Bardziej szczegółowoSzkolenie autoryzowane. MS Zaawansowany użytkownik programu SharePoint 2016
Szkolenie autoryzowane MS 55217 Zaawansowany użytkownik programu SharePoint 2016 Strona szkolenia Terminy szkolenia Rejestracja na szkolenie Promocje Opis szkolenia Szkolenie przeznaczone jest dla zaawansowanych
Bardziej szczegółowoMetody indeksowania dokumentów tekstowych
Metody indeksowania dokumentów tekstowych Paweł Szołtysek 21maja2009 Metody indeksowania dokumentów tekstowych 1/ 19 Metody indeksowania dokumentów tekstowych 2/ 19 Czym jest wyszukiwanie informacji? Wyszukiwanie
Bardziej szczegółowoProjektowanie BAZY DANYCH
Projektowanie BAZY DANYCH Podstawowe pojęcia Encją jest każdy przedmiot, zjawisko, stan lub pojęcie, czyli każdy obiekt, który potrafimy odróżnić od innych obiektów ( np. pies, rower,upał). Encje podobne
Bardziej szczegółowoZarządzanie wiedzą jako element systemu zarządzania zasobami ludzkimi
Zarządzanie wiedzą jako element systemu zarządzania zasobami ludzkimi Struktura prezentacji Czym jest wiedza? Zarządzanie wiedzą wybrane definicje Dlaczego warto zarządzać wiedzą? Zarządzanie wiedzą w
Bardziej szczegółowoProjektowanie oprogramowania cd. Projektowanie oprogramowania cd. 1/34
Projektowanie oprogramowania cd. Projektowanie oprogramowania cd. 1/34 Projektowanie oprogramowania cd. 2/34 Modelowanie CRC Modelowanie CRC (class-responsibility-collaborator) Metoda identyfikowania poszczególnych
Bardziej szczegółowoDLA SEKTORA INFORMATYCZNEGO W POLSCE
DLA SEKTORA INFORMATYCZNEGO W POLSCE SRK IT obejmuje kompetencje najważniejsze i specyficzne dla samego IT są: programowanie i zarządzanie systemami informatycznymi. Z rozwiązań IT korzysta się w każdej
Bardziej szczegółowoUCHWAŁA NR 46/2013. Senatu Akademii Marynarki Wojennej im. Bohaterów Westerplatte z dnia 19 września 2013 roku
UCHWAŁA NR 46/2013 Senatu Akademii Marynarki Wojennej im. Bohaterów Westerplatte z dnia 19 września 2013 roku w sprawie: korekty efektów kształcenia dla kierunku informatyka Na podstawie ustawy z dnia
Bardziej szczegółowoINFORMATYKA, 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 szczegółowoBazy Danych. Bazy Danych i SQL Podstawowe informacje o bazach danych. Krzysztof Regulski WIMiIP, KISiM,
Bazy Danych Bazy Danych i SQL Podstawowe informacje o bazach danych Krzysztof Regulski WIMiIP, KISiM, regulski@metal.agh.edu.pl Oczekiwania? 2 3 Bazy danych Jak przechowywać informacje? Jak opisać rzeczywistość?
Bardziej szczegółowoSCENARIUSZ LEKCJI. Tajemniczy ciąg Fibonacciego sztuka przygotowania dobrej prezentacji
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 szczegółowoRozszerzenie funkcjonalności systemów wiki w oparciu o wtyczki i Prolog
Knowledge Rozszerzenie funkcjonalności systemów wiki w oparciu o wtyczki i Prolog 9 stycznia 2009 Knowledge 1 Wstęp 2 3 4 5 Knowledge 6 7 Knowledge Duża ilość nieusystematyzowanych informacji... Knowledge
Bardziej szczegółowoZałącznik nr 1. Specyfikacja. Do tworzenia Mapy Kompetencji
Załącznik nr 1 Specyfikacja Do tworzenia Mapy Kompetencji 1. Cel projektu Celem projektu jest utworzenie Mapy kompetencji. Ma ona zawierać informacje o kompetencjach, celach kształcenia, umożliwiać ich
Bardziej szczegółowoUCHWAŁA NR 60/2013 Senatu Akademii Marynarki Wojennej im. Bohaterów Westerplatte z dnia 21 listopada 2013 roku
UCHWAŁA NR 60/2013 Senatu Akademii Marynarki Wojennej im. Bohaterów Westerplatte z dnia 21 listopada 2013 roku w sprawie: korekty efektów kształcenia dla kierunku informatyka Na podstawie ustawy z dnia
Bardziej szczegółowoM T E O T D O ZI Z E E A LG L O G R O Y R TM
O ALGORYTMACH I METODZIE ALGORYTMICZNEJ Czym jest algorytm? Czym jest algorytm? przepis schemat zestaw reguł [ ] program ALGORYTM (objaśnienie ogólne) Algorytm Pojęcie o rodowodzie matematycznym, oznaczające
Bardziej szczegółowoKomputer i urządzenia cyfrowe
Temat 1. Komputer i urządzenia cyfrowe Cele edukacyjne Celem tematu 1. jest uporządkowanie i rozszerzenie wiedzy uczniów na temat budowy i działania komputera, przedstawienie różnych rodzajów komputerów
Bardziej szczegółowoWIEDZA T1P_W06. K_W01 ma podstawową wiedzę o zarządzaniu jako nauce, jej miejscu w systemie nauk i relacjach do innych nauk;
SYMBOL Efekty kształcenia dla kierunku studiów: inżynieria zarządzania; Po ukończeniu studiów pierwszego stopnia na kierunku inżynieria zarządzania, absolwent: Odniesienie do obszarowych efektów kształcenia
Bardziej szczegółowoPRÓBNY EGZAMIN MATURALNY Z INFORMATYKI 2016 ROK
PRÓBNY EGZAMIN MATURALNY Z INFORMATYKI 2016 ROK KLUCZ ODPOWIEDZI Arkusz I ZADANIE 1. TEST (5 PUNKTÓW) ZADANIE 1.1 (0-1) Zdający przedstawia sposoby reprezentowania różnych form informacji w komputerze:
Bardziej szczegółowoSystemy ekspertowe i sztuczna inteligencja. dr Agnieszka Nowak Brzezioska
Systemy ekspertowe i sztuczna inteligencja dr Agnieszka Nowak Brzezioska Email: agnieszka.nowak@us.edu.pl Architektura SE Pojęcia z dziedziny systemów ekspertowych Inżynieria wiedzy - dziedzina sztucznej
Bardziej szczegółowoPlatforma Microsoft SharePoint. Opis usługi
Platforma Microsoft SharePoint Opis usługi Firma GM System Integracja Systemów Inżynierskich Sp. z o.o. została założona w 2001 roku. Zajmujemy się dostarczaniem systemów CAD/CAM/CAE/PDM. Jesteśmy jednym
Bardziej szczegółowoRozkład materiału do zajęć z informatyki. realizowanych według podręcznika
Rozkład materiału do zajęć z informatyki realizowanych według podręcznika E. Gurbiel, G. Hardt-Olejniczak, E. Kołczyk, H. Krupicka, M.M. Sysło Informatyka, nowe wydanie z 007 roku Poniżej przedstawiamy
Bardziej szczegółowo[1] [2] [3] [4] [5] [6] Wiedza
3) Efekty dla studiów drugiego stopnia - profil ogólnoakademicki na kierunku Informatyka w języku angielskim (Computer Science) na specjalności Sztuczna inteligencja (Artificial Intelligence) na Wydziale
Bardziej szczegółowoSpis treści. Analiza i modelowanie_nowicki, Chomiak_Księga1.indb :03:08
Spis treści Wstęp.............................................................. 7 Część I Podstawy analizy i modelowania systemów 1. Charakterystyka systemów informacyjnych....................... 13 1.1.
Bardziej szczegółowoLingwistyczny system definicyjny wykorzystujący korpusy tekstów oraz zasoby internetowe.
Lingwistyczny system definicyjny wykorzystujący korpusy tekstów oraz zasoby internetowe. Autor: Mariusz Sasko Promotor: dr Adrian Horzyk Plan prezentacji 1. Wstęp 2. Cele pracy 3. Rozwiązanie 3.1. Robot
Bardziej szczegółowoextensible Markup Language, cz. 1 Marcin Gryszkalis, mg@fork.pl
extensible Markup Language, cz. 1 Marcin Gryszkalis, mg@fork.pl Plan wykładu Wprowadzenie: historia rozwoju technik znakowania tekstu Motywacje dla prac nad XML-em Podstawowe koncepcje XML-a XML jako metajęzyk
Bardziej szczegółowoNowoczesne aplikacje mobilne i ich rola w podnoszeniu jakości danych
Nowoczesne aplikacje mobilne i ich rola w podnoszeniu jakości danych www.ascen.pl 1 Agenda O firmie Zarządzanie jakością danych Aplikacje mobilne i ich rola w zarządzaniu jakością danych 2 O firmie Data
Bardziej szczegółowoPytania z przedmiotów kierunkowych
Pytania na egzamin dyplomowy z przedmiotów realizowanych przez pracowników IIwZ studia stacjonarne I stopnia Zarządzanie i Inżynieria Produkcji Pytania z przedmiotów kierunkowych 1. Co to jest algorytm?
Bardziej szczegółowoDOKUMENT INFORMACYJNY COMARCH BUSINESS INTELLIGENCE:
DOKUMENT INFORMACYJNY COMARCH BUSINESS INTELLIGENCE: JAKIE PROBLEMY ROZWIĄZUJE BI 1 S t r o n a WSTĘP Niniejszy dokument to zbiór podstawowych problemów, z jakimi musi zmagać się przedsiębiorca, analityk,
Bardziej szczegółowoWPROWADZENIE 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 szczegółowoForma. Główny cel kursu. Umiejętności nabywane przez studentów. Wymagania wstępne:
WYDOBYWANIE I WYSZUKIWANIE INFORMACJI Z INTERNETU Forma wykład: 30 godzin laboratorium: 30 godzin Główny cel kursu W ramach kursu studenci poznają podstawy stosowanych powszechnie metod wyszukiwania informacji
Bardziej szczegółowoProporcje 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 szczegółowoINFORMATYKA dla gimnazjum Opis założonych osiągnięć ucznia wymagania na poszczególne oceny szkolne
INFORMATYKA dla gimnazjum Opis założonych osiągnięć ucznia wymagania na poszczególne oceny szkolne 1 Klasa II 1. Praca z dokumentem tekstowym Opracowywanie tekstu przy użyciu edytora tekstu tworzy prosty
Bardziej szczegółowoTeraz bajty. Informatyka dla szkół ponadpodstawowych. Zakres rozszerzony. Część 1.
Teraz bajty. Informatyka dla szkół ponadpodstawowych. Zakres rozszerzony. Część 1. Grażyna Koba MIGRA 2019 Spis treści (propozycja na 2*32 = 64 godziny lekcyjne) Moduł A. Wokół komputera i sieci komputerowych
Bardziej szczegółowoInteligentne Multimedialne Systemy Uczące
Działanie realizowane w ramach projektu Absolwent informatyki lub matematyki specjalistą na rynku pracy Matematyka i informatyka może i trudne, ale nie nudne Inteligentne Multimedialne Systemy Uczące dr
Bardziej szczegółowoPROGRAM 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 szczegółowoO ALGORYTMACH I MASZYNACH TURINGA
O ALGORYTMACH I MASZYNACH TURINGA ALGORYTM (objaśnienie ogólne) Algorytm Pojęcie o rodowodzie matematycznym, oznaczające współcześnie precyzyjny schemat mechanicznej lub maszynowej realizacji zadań określonego
Bardziej szczegółowoINFORMATYKA POZIOM ROZSZERZONY
EGZAMIN MATURALNY W ROKU SZKOLNYM 2016/2017 FORMUŁA OD 2015 ( NOWA MATURA ) INFORMATYKA POZIOM ROZSZERZONY ZASADY OCENIANIA ROZWIĄZAŃ ZADAŃ ARKUSZ MIN-R1, R2 MAJ 2017 Uwaga: Akceptowane są wszystkie odpowiedzi
Bardziej szczegółowozna podstawową terminologię w języku obcym umożliwiającą komunikację w środowisku zawodowym
Wykaz kierunkowych efektów kształcenia PROGRAM KSZTAŁCENIA: Kierunek Edukacja techniczno-informatyczna POZIOM KSZTAŁCENIA: studia pierwszego stopnia PROFIL KSZTAŁCENIA: praktyczny Przyporządkowanie kierunku
Bardziej szczegółowoWymagania edukacyjne na ocenę z informatyki KLASA III
Wymagania edukacyjne na ocenę z informatyki KLASA III 0. Logo [6 godz.] PODSTAWA PROGRAMOWA: Rozwiązywanie problemów i podejmowanie decyzji z wykorzystaniem komputera, stosowanie podejścia algorytmicznego.
Bardziej szczegółowoPRZEWODNIK PO PRZEDMIOCIE
Nazwa przedmiotu: Systemy ekspertowe Expert systems Kierunek: Zarządzanie i Inżynieria Produkcji Rodzaj przedmiotu: Rodzaj zajęć: Wyk. Ćwicz. Lab. Sem. Proj. Poziom studiów: studia I stopnia forma studiów:
Bardziej szczegółowoStanusch Technologies S.A. lider w rozwiązaniach opartych o sztuczną inteligencję
Stanusch Technologies S.A. lider w rozwiązaniach opartych o sztuczną inteligencję Maciej Stanusch Prezes Zarządu Stanusch is getting a real runner-up in the world wide list of chatbot developers! Erwin
Bardziej szczegółowoWYMAGANIA EDUKACYJNE Z ZAJĘĆ KOMPUTEROWYCH DLA KLASY SZÓSTEJ W ZAKRESIE WIADOMOŚCI I UMIEJĘTNOŚCI UCZNIÓW
EDUKACYJNE Z ZAJĘĆ KOMPUTEROWYCH DLA KLASY SZÓSTEJ W ZAKRESIE I UCZNIÓW Ocena celujący bardzo dobry dobry dostateczny dopuszczający Zakres wiadomości wykraczający dopełniający rozszerzający podstawowy
Bardziej szczegółowoSTUDIA I MONOGRAFIE NR
STUDIA I MONOGRAFIE NR 21 WYBRANE ZAGADNIENIA INŻYNIERII WIEDZY Redakcja naukowa: Andrzej Cader Jacek M. Żurada Krzysztof Przybyszewski Łódź 2008 3 SPIS TREŚCI WPROWADZENIE 7 SYSTEMY AGENTOWE W E-LEARNINGU
Bardziej szczegółowoNowe spojrzenie na prawo
LEX 2 Nowe spojrzenie na prawo Od 25 lat informujemy o prawie i tworzymy narzędzia przekazujące tę wiedzę. Szybko. Intuicyjnie. Nowocześnie. Stawiamy sobie za cel sprostanie wymaganiom naszych Klientów.
Bardziej szczegółowoKryteria oceniania z przedmiotu Informatyka
Kryteria oceniania z przedmiotu Informatyka w klasie 6 Szkoły Podstawowej (2 godziny przedmiotu tygodniowo) Dział: Podstawy tworzenia stron i ich publikacja uczeń nie zna pojęć: domena, hosting, plik.
Bardziej szczegółowoUniwersytet Łódzki Wydział Matematyki i Informatyki, Katedra Analizy Nieliniowej. Wstęp. Programowanie w Javie 2. mgr inż.
Uniwersytet Łódzki Wydział Matematyki i Informatyki, Katedra Analizy Nieliniowej Wstęp Programowanie w Javie 2 mgr inż. Michał Misiak Agenda Założenia do wykładu Zasady zaliczeń Ramowy program wykładu
Bardziej szczegółowoPROGRAM LEKCJI BIBLIOTECZNYCH KL. I VI - rok szk. 2014/2015 realizowany przez nauczyciela bibliotekarza na zajęciach grupowych
PROGRAM LEKCJI BIBLIOTECZNYCH KL. I VI - rok szk. 2014/2015 realizowany przez nauczyciela bibliotekarza na zajęciach grupowych Koordynator - Alina Rodak TREŚCI KSZTAŁCENIA CELE EDUKACYJNE OSIĄGNIĘCIA UCZNIÓW
Bardziej szczegółowoWymagania edukacyjne na poszczególne oceny z informatyki w gimnazjum klasa III Rok szkolny 2015/16
Wymagania edukacyjne na poszczególne oceny z informatyki w gimnazjum klasa III Rok szkolny 2015/16 Internet i sieci Temat lekcji Wymagania programowe 6 5 4 3 2 1 Sieci komputerowe. Rodzaje sieci, topologie,
Bardziej szczegółowoUML w Visual Studio. Michał Ciećwierz
UML w Visual Studio Michał Ciećwierz UNIFIED MODELING LANGUAGE (Zunifikowany język modelowania) Pozwala tworzyć wiele systemów (np. informatycznych) Pozwala obrazować, specyfikować, tworzyć i dokumentować
Bardziej szczegółowoMonitoring procesów z wykorzystaniem systemu ADONIS
Monitoring procesów z wykorzystaniem systemu ADONIS 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
Bardziej szczegółowo