ZASTOSOWANIE ROSZERZONEJ METODOLOGII WNIOSKOWANIA NA PODSTAWIE PRZYPADKÓW TEXTUAL CBR W PRACY Z DOKUMENTAMI TEKSTOWYMI
|
|
- Jolanta Łukasik
- 8 lat temu
- Przeglądów:
Transkrypt
1 ZASTOSOWANIE ROSZERZONEJ METODOLOGII WNIOSKOWANIA NA PODSTAWIE PRZYPADKÓW TEXTUAL CBR W PRACY Z DOKUMENTAMI TEKSTOWYMI Anna Kempa Wstęp Próby automatycznego wyszukiwania, analizy i obróbki dokumentów tekstowych przez komputer prowadzone są od dawna. Przedstawienie jednej ze stosowanych motodologii na tym obszarze Textual Case-Based Reasoning (Textual CBR, TCBR) zostanie poprzedzone krótkim omówieniem znanych metod i kategorii systemów zajmujących się czytaniem dokumentów tekstowych. Głównym celem artykułu jest przedstawienie Textual CBR na tle innych stosowanych rozwiązań w pracy z tekstami. Przy czym naleŝy zaznaczyć, Ŝe inne rozwiązania nie oznacza tu alternatywne, czy konkurencyjne. Prace nad takimi systemami polegają w duŝej mierze na interdyscyplinarnym kojarzeniu wielu róŝnych metod, w tym matematycznych i statystycznych. Kolejne rozwiązania stanowią nierzadko drobną mutację poprzednich, a o ich skuteczności, a takŝe dalszym kierunku zmian zdecydują zrealizowane zastosowania. Sama metodologia Textual CBR nie jest statycznym, z góry zdefiniowanym narzędziem, jak zostanie pokazane to w dalszej części takŝe ewoluuje ogarniając coraz to nowe obszary dziedzinowego zastosowania. Podejścia wyszukiwania i analizy tekstu Wśród stosowanych podejść wyszukiwania i analizy dokumentów tekstowych wymienia się m.in.: Systemy wyszukiwania informacji ( ang. Information Retrieval, IR) Rozumienie języków naturalnych ( ang. Natural Language Processing) Metody ekstrakcji informacji ( ang. Information Extraction, IE) Metody eksploracji tekstu ( ang. Text Mining)
2 ZARZĄDZANIE WIEDZĄ I ROZWIĄZANIA BUSINESS INTELLIGENCE Information Retrieval Information Retrieval, IR (wyszukiwanie informacji) jest określeniem powszechnie uŝywanym, chociaŝ po części nie do końca trafnie. System wyszukiwania informacji nie tyle informuje uŝytkownika na temat, który go interesuje, co informuje o istnieniu (lub jego braku) miejsca, gdzie dokument odpowiadający wymaganiom uŝytkownika się znajduje [Toma02]. W typowym IR uŝytkownik tworzy zapytanie, złoŝone z jednego lub kilku wyrazów, na podstawie którego system wyszukuje dokumenty. WyróŜnia się dwa główne podejścia IR: model Boolowski (Boolean Logic Model, BLM) oraz rankingowy (ranked-output systems) [Toma02]. Zapytanie BML składa się ze słów lub fraz połączonych logicznymi operatorami AND, OR oraz NOT. Rezultatem zapytania jest zazwyczaj podział zbioru dokumentów na dwie części: jedną zawierającą dopasowane dokumenty oraz drugą zawierającą dokumenty niedopasowane. System rankingowy, stosując algebrę wektorów ocenia podobieństwo treści dokumentów z treścią zapytania i na tej podstawie dokonuje rankingu znalezionych dokumentów. Systemy rankingowe wykorzystują najczęściej następujące modele do oceny podobieństwa dokumentów: Model wektorowy (Vector Space Model, VSM), model probabilistyczny (Probabilistic Model, PM), a takŝe inne, m.in. Inference Network Model (INM). Zaletą systemów IR jest dziedzinowa niezaleŝność oraz elastyczność językowa (zmiana języka nie wymaga zbyt wielu adaptacji). Natomiast do najwaŝniejszych ograniczeń tych systemów naleŝy załoŝenie niezaleŝności indeksów termów, co moŝe prowadzić do oszacowania zerowego podobieństwa między dokumentami zawierającymi synonimiczne wyraŝenia [Toma02]. Natural Language Processing Metody Natural Language Processing, NLP (rozumienie języków naturalnych) zawierają mechanizmy próbujące dokonać zrozumienia kontekstu tekstu. W metodach tych nie oblicza się podobieństwa termów, ale oznacza się poszczególne części mowy (analiza płytka) oraz szuka się znaczenia danego wyraŝenia w kontekście poprzez pełną analizę gramatyczną (analiza głęboka). Niektóre serwisy internetowe proponują uŝytkownikom alternatywnie dla metod IR wyszukiwanie informacji poprzez systemy wzbogacone o NLP, co moŝe dać w wyniku lepiej dopasowane do danego zapytania dokumenty. Metody NLP mają jednak swoje wady, naleŝą do nich: większa złoŝoność i czasochłonność (zwłaszcza głęboka analiza), są silnie związane z danym językiem (adaptacja na inne języki wymaga wiele pracy), tracą znacznie swoją skuteczność w przypadku występowania w tekście terminów spoza słowników oraz w przypadku analizy tekstów sporządzonych jako krótkie notatki (dość często pozbawione poprawnej struktury gramatycznej). 317
3 ROZDZIAŁ III Information Extraction Zadaniem ekstrakcji informacji (Information Extraction, IE) jest zidentyfikowanie instancji pewnej predefiniowanej klasy zdarzeń, ich powiązań oraz wystąpień w dokumentach pisanych w języku naturalnym [Fili04]. W odróŝnieniu od systemów IR, systemy IE nie wyszukują samych dokumentów, ale zgodnie z nazwą dokonują ekstrakcji informacji z ich treści. Pozyskane informacje mogą zostać umieszczone w bazie danych. Informacja, jaka będzie pozyskiwana z dokumentu jest specyfikowana przez uŝytkownika, który tworzy wzorzec. Zawiera on określone sekcje - dziury (ang. slots), które wypełniane są fragmentami tekstu. Jądro systemu ekstrakcji informacji składa się z dwóch komponentów: procesora tekstów (którym moŝe być jedna z metod NLP) oraz generatora wzorców, które osadzone są w wiedzy dziedzinowej. Zadaniem procesora tekstów jest analiza leksykalna tekstu (obecnie najczęściej stosuje się płytką analizę) [Fili04]. Text Mining Text mining jest metodologią wywodzącą się z data mining, wyszukiwania informacji, ekstrakcji danych, kategoryzacji tekstu, modelowania probabilistycznego, algebry liniowej, uczenia maszynowego zastosowanych w celu wykrycia wiedzy z dokumentów tekstowych [Fili04]. Definicja wskazuje na podobieństwo z technikami IE. Ekstrakcji informacji dokonuje się jednak zwykle w oparciu o znane wzorce, w przypadku text mining wzorce wychwytywane są dopiero w procesie przetwarzania dokumentu. Do typowych zadań text mining naleŝy: znajdowanie dokumentów najbardziej pasujących do zapytania uŝytkownika, tworzenie rankingów dokumentów, grupowanie dokumentów (analiza skupień), klasyfikowanie dokumentów (kategoryzacja), analiza powiązań między jednostkami tekstu, dokonywanie automatycznych streszczeń dokumentów [Fili04]. Textual Case-Based Reasoning W dalszej części opisano główne załoŝenia metodologii CBR oraz je rozszerzenia - Textual CBR. Case-Based Reasoning CBR definiowane są jako systemy rozwiązujące nowe problemy poprzez adaptację rezultatów, które były wykorzystane podczas rozwiązywania starych problemów. Nowy problem jest rozwiązywany poprzez odnalezienie podobnego do niego przypadku w zbiorze i zastosowaniu do niego rozwiązania skojarzonego z odnalezionym przypadkiem. Cykl działania systemu realizującego metodę 318
4 ZARZĄDZANIE WIEDZĄ I ROZWIĄZANIA BUSINESS INTELLIGENCE CBR moŝna opisać przy pomocy czterech procesów [AaPl94]: Wyszukanie (ang. retrieve) najbardziej podobnego przypadku lub zbioru przypadku; Wykorzystanie (ang. reuse) wiedzy zawartej w tym przypadku do rozwiązania problemu; Ocena przydatności (ang. revise) zaproponowanego rozwiązania; Zapamiętanie (ang. retain) doświadczenia w celu późniejszego wykorzystania podczas rozwiązywania nowych problemów w przyszłości. Definicja Textual CBR W klasycznych systemach CBR wiedza o przypadkach, zapisana w bazie przypadków, ma postać uporządkowanych, wydzielonych porcji informacji (bazy przypadków wraz z metodami dostępu i aktualizacji). Textual Case-Based Reasoning (Textual CBR, TCBR) jest podejściem poszukującym moŝliwości stosowania wnioskowania na podstawie przypadków (CBR) w obszarach, gdzie wiedza o przypadkach zapisana jest w postaci tekstowej [AsLe98] [WiBr99]. W systemach TCBR wykorzystuje się opisane w poprzednim rozdziale metody analizy tekstu, w największym stopniu IR, ale takŝe metody NLP. Istotnym punktem przewagi, który wyróŝnia Textual CBR od wymienionych metod pracujących samodzielnie (bez CBR), jest zdolność TCBR pozyskiwania wiedzy podczas procesu wnioskowania, czyli uczenie się w trakcie działania systemu. Porównując TCBR z metodologią Text Mining, która takŝe obejmuje typowe metody NLP, IR oraz IE moŝna zauwaŝyć, Ŝe mimo podobieństw nie są wobec siebie konkurencyjne, a raczej w razie potrzeby mogą się stać komplementarne. W Data Mining moduły CBR uŝywane są do rozwiązywania problemów kategoryzacji, natomiast CBR mogą wykorzystywać Data (i/lub) Text Mining do budowy przypadków 1. Stopień ustrukturalizowania przypadku Istnieją systemy TCBR pracujące na przypadkach, które odpowiadają w całości zawartości pełnotekstowych dokumentów. Jednak przypadek moŝe zawierać zarówno pełnotekstowe jak i ustrukturalizowane komponenty. Przykładowo w problemach serwisu sprzętowego operator otrzymuje strukturalne informacje (np. typ maszyny, system operacyjny) wraz z tekstowym opisem problemu w działaniu danego sprzętu. Częściowo ustrukturalizowane przypadki (ang. semi-structured cases) definiowane są [WiBr99] jako proste lub złoŝone przypadki zawierające zarówno dobrze zdefiniowane, bogate w wiedzę cechy jak i nieustrukturalizowane elementy charakterystyczne dla dokumentów tekstowych. W [WiBr99] przedstawiono proces kompozycji przypadku jako kontinuum for- 1 Przykład wykorzystania Text Mining (systemu TextAnalyst) do budowy przypadków: 319
5 ROZDZIAŁ III my przypadku od pełnotekstowej, poprzez częściowo ustrukturalizowaną do w pełni strukturalnej (Rys 1). Fully Structured Semi-Structured Fully Textual Rys 1. Częściowo ustrukturalizowana wiedza przypadku Źródło: [WiBr99] Silny i słaby Textual CBR W zaleŝności od wagi tekstu w procesie wnioskowania wyróŝnia się silnie i słabo tekstowe podejście TCBR. Systemy, w których waga tekstu przewyŝsza wagę dostępnych informacji ustrukturalizowanych są silnie tekstowe (ang. strongly-textual CBR). Natomiast systemy, w których przewaŝa wpływ informacji ustrukturalizowanych są słabo tekstowe (ang. Weakly-textual CBR). Silnie tekstowy TCBR Stopień analizy tekstu Słabo tekstowy TCBR Dostępność kontekstu przypadku Rys. 2. Poziomy wagi tekstu w TCBR Źródło: [WiBr99] Rysunek 2 pokazuje kontinuum pomiędzy silnym i słabym TCBR. Przy niskiej dostępności kontekstu przypadku w procesie wnioskowania (np. gdy przypadkiem jest dokument pełnotekstowy) konieczne jest włączenie metod, które pozwolą zrozumieć kontekst (np. metody NLP). Wraz ze wzrostem dostępności kontekstu przypadku maleje wkład pracy systemów nad samym tekstem, przy słabo tekstowym TCBR ogranicza się on do tradycyjnych metod IR (np. model wektorowy). 320
6 ZARZĄDZANIE WIEDZĄ I ROZWIĄZANIA BUSINESS INTELLIGENCE Wybrane projekty Textual CBR Nazwa projektu CBR- Answer DRAMA SPIRE Wybrane projekty Textual CBR Opis Tabela 1 System opracowano na Uniwersytecie Humbolt w Berlinie. CBR-Answer wspomaga działanie FAQs (Frequently Asked Questions). Typowy FAQ składa się z pytania i odpowiedzi, para pytanie-odpowiedź wykorzystana jest to do reprezentacji przypadku. System składa się z dwóch faz: offline pre-processing oraz online retrieval. W obu fazach uruchamiane są podprocesy, które obejmują m.in.: wygenerowanie na podstawie tekstu zbioru encji, płytkie NLP (oparte na częściach mowy), metody ekstrakcji danych (IE). Inne, znane w literaturze, projekty TCBR działające na obszarze FAQ FALLQ, SIMANTIC, FAQ Finder [Toma02] Zadaniem projektu DRAMA, zrealizowanego dla NASA, jest interaktywne wspomaganie działu planowania powietrznej przestrzeni ziemskiej. DRAMA przy pomocy CBR wzbogaconym o metodę concept mapping pozyskuje i wykorzystuje wiedzę dziedzinową na temat planowania. Część danych na temat planu ma postać ustrukturalizowaną, plan jednak jest takŝe opisywany słownie przez tworzące go osoby. Opis słowny zawiera m.in. uzasadnienia i dodatkowe wyjaśnienia dotyczące budowanego planu. DRAMA wykorzystuje słabo tekstowe podejście TCBR bazując głównie na typowych metodach IR [WiBr99] SPIRE jest hybrydowym systemem integrującym CBR i IR, którego zadaniem jest automatyczne generowanie zapytań. UŜytkownicy tradycyjnych IR mają nierzadko problemy z formułowaniem trafnych zapytań, SPIRE na podstawie doświadczeń w wyszukiwaniu dokumentów z przeszłości, zapisanych w bazie przypadków, daje wskazówki podczas formułowania pytania odnoszącego się do nowego problemu [Toma02] MERCURE Projekt opracowany na Uniwersytecie w Montrealu wspomaga generowanie odpowiedzi . Zakres dziedzinowy obejmuje zagadnienia dotyczące komunikacji inwestorów z firmą. System prezentuje silnie tekstowe podejście TCBR, wykorzystano do pracy nad tekstem oprócz metod IR (model wektorowy) takŝe płytkie metody NLP (podział części mowy) [LaLa03] Pozyskiwanie wiedzy przez Textual CBR W zaleŝności od stopnia ustrukturalizowania dokumentu tekstowego, stosuje się róŝne metody pozyskiwania wiedzy z tekstu przez TCBR. Słabo tekstowe TCBR wykorzystują najczęściej typowe metody IR, których zaleta niezaleŝność dziedzinowa bywa jednocześnie wadą powodującą błędne uproszczenia. W niektórych systemach TCBR stosuje się bardziej ukierunkowane dziedzinowo metody ekstrakcji danych (IE), które na podstawie szablonów pozwalają wydobyć z tekstu dane w postaci pary atrybut wartość. Przykładowo w tekście opi- 321
7 ROZDZIAŁ III sującym samochód mogą się pojawić wyraŝenia Audi, km, 4 drzw.. Wykonanie porównania takiego przypadku z innymi w bazie przypadków musi być oparte o wiedzę dziedzinową, z której będzie wynikać, Ŝe Audi to jest nazwa marki, km to przebieg km, 4 drzw. to wersja czterodrzwiowa samochodu. Zawarte jednak w opisie samochodu sformułowanie: Komfort bezpiecznej jazdy uzyskano dzięki zastosowaniu poduszek powietrznych moŝe juŝ wymagać dokładniejszych analiz gramatycznych opartych na NLP, tak aby przy porównaniu z tekstem W modelu nie zastosowano poduszek powietrznych było oczywiste, Ŝe w pierwszym przypadku poduszki są, a w drugim nie. Metody NLP są jednak kosztowne i jak opisano wcześniej zawodne w sytuacji, gdy tekst pojawia się w postaci lakonicznej, pozbawionej poprawnych struktur gramatycznych. Dobór metod analizy tekstu w TCBR zale- Ŝy, jak wspomniano wyŝej, od stopnia ustrukturalizowania przypadku, a takŝe obszaru, w którym uŝywany będzie TCBR. Wybrane przykłady projektów TCBR przedstawia Tabela 1. Do tradycyjnego dorobku metod operujących na tekstach: IR, IE, NLP autorzy [CWPF+04] dodają dla potrzeb TCBR metodę opierającą się na prezentacji przypadków tekstowych w postaci grafów. W grafie składającym się z węzłów i łuków moŝna opisać związki pomiędzy elementami, co pozwala lepiej zawrzeć wiedzę w treści przypadku. Konstrukcja grafu zezwala na łatwe usuwanie lub dodawanie nowych elementów, co czyni taką prezentację bardzo elastyczną i dobrze dopasowaną do idei samouczącego się CBR. Uwagi końcowe W odniesieniu do CBR i TCBR często uŝywa się zamiennie określeń technika, technologia oraz metodologia. Niemniej jak wskazuje [Wats99] poprawne właściwie jest tylko jedno z nich metodologia. Główne cechy tej metodologii opisują cztery podstawowe fazy cyklu CBR (retrieve, reuse, revise, retain), natomiast stosowane komponenty techniczne w poszczególnych systemach CBR bywają róŝne. Do wyszukania najbardziej podobnych przypadków uŝywa się najczęściej algorytmu najbliŝszego sąsiada, niemniej stosowane są takŝe inne algorytmy (np. dla przypadków prezentowanych w postaci grafu izomorfizm grafów, w niektórych TCBR model wektorowy). ZauwaŜalny jest udział systemów CBR w hybrydowych projektach współpracują m.in. z systemami ekspertowymi, sieciami neuronowymi. W przypadku TCBR współpraca obejmuje metody analizy tekstu (m.in. IR, IE, NLP). Integracja ta moŝe mieć róŝnoraki charakter, moŝna spotkać zarówno CBR z innymi metodami jako pomocniczymi komponentami jak i inne metody z CBR na usługach. Postrzeganie TCBR jako metodologii jest istotne z punktu widzenia moŝliwości jej rozwoju. Brak technologicznej sztywności pozwala na liczne eksperymenty kompozycji poszczególnych technologii. Badania te obejmują bardzo zróŝnicowane dziedzinowo obsza- 322
8 ZARZĄDZANIE WIEDZĄ I ROZWIĄZANIA BUSINESS INTELLIGENCE ry i niemoŝliwe jest obiektywne porównanie ich rezultatów bez kontekstu dziedzinowego. Kryterium selekcji osadzone jest w realiach biznesu, które wymagają coraz większej sprawności w zarządzaniu wiedzą i informacją. Metodologia Textual CBR (podobnie jak i CBR) opierając się na swojej głównej idei uczenia się na podstawie przykładów z przeszłości podejmuje te wyzwania. Literatura [AaPl94] [AsLe98] [CWPF+04] [Fili04] [LaLa03] [Toma02] [Wats99] [WiBr99] Aamodt A., Plaza E.: Case-Based Reasoning: Foundational Issues, Methodological Variations, and System Approaches, AI- Com, Artificial Intelligence Communications, IOS Press Ashley K.D., Lenz M.: Textual Case-Based Reasoning, AAAI- 98 Workshop, Menlo Park: AAAI Press Cunningham C.M., Weber R., Proctor J.M., Flowler C., Murphy M.: Investigating Graphs in Textual Case-Based Reasoning in Funk P., Gonzalez Calero, Pedro A. (Eds) Advanced in Case- Based Reasoning, Lecture Notes in Artificial Intelligence, Vol. 3155, Springer-Verlag Filipowska A.: Jak zaoszczędzić na czytaniu? Automatyczne tworzenie abstraktów z dokumentów, Gazeta IT nr 3, marzec Lamontagne L., Lapalme G., Applying Cased-Based Reasoning To Response, International Conference of Enterprise Information Systems ICEIS-03, Angers, France Tomassen S.L.: Semi-automatic generation of ontologies for knowledge-intensive CBR, Norwegian University of Science and Technology, Watson I.: Case-Based Reasoning is methodology not technology, Knowledge-Based Systems 12, Wilson D. C., Bradshah S.: CBR Textuality, Expert Update, Vol.3(1),
Systemy wnioskujące na podstawie przypadków
WSPOMAGANIE TWORZENIA ODPOWIEDZI E-MAIL PRZY POMOCY TECHNIKI WNIOSKOWANIA NA PODSTAWIE PRZYPADKÓW (CBR) Streszczenie Anna Kempa Akademia Ekonomiczna kempa@ae.katowice.pl W artykule opisano zastosowanie
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 szczegółowobo od managera wymaga się perfekcji
bo od managera wymaga się perfekcji MODELOWANIE PROCESÓW Charakterystyka modułu Modelowanie Procesów Biznesowych (BPM) Modelowanie procesów biznesowych stanowi fundament wdroŝenia systemu zarządzania jakością
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 szczegółowoAproksymacja funkcji a regresja symboliczna
Aproksymacja funkcji a regresja symboliczna Problem aproksymacji funkcji polega na tym, że funkcję F(x), znaną lub określoną tablicą wartości, należy zastąpić inną funkcją, f(x), zwaną funkcją aproksymującą
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 szczegółowoPROJEKT CZĘŚCIOWO FINANSOWANY PRZEZ UNIĘ EUROPEJSKĄ. Opis działania raportów w ClearQuest
PROJEKT CZĘŚCIOWO FINANSOWANY PRZEZ UNIĘ EUROPEJSKĄ Opis działania raportów w ClearQuest Historia zmian Data Wersja Opis Autor 2008.08.26 1.0 Utworzenie dokumentu. Wersja bazowa dokumentu. 2009.12.11 1.1
Bardziej szczegółowoHurtownie danych i business intelligence - wykład II. Zagadnienia do omówienia. Miejsce i rola HD w firmie
Hurtownie danych i business intelligence - wykład II Paweł Skrobanek, C-3 pok. 321 pawel.skrobanek@pwr.wroc.pl oprac. Wrocław 2005-2008 Zagadnienia do omówienia 1. 2. Przegląd architektury HD 3. Warsztaty
Bardziej szczegółowoMultiwyszukiwarka EBSCO Discovery Service - przewodnik
Ekran Wyszukiwania Podstawowego w multiwyszukiwarce EBSCO Discovery Service zapewnia dostęp poprzez jedno okienko wyszukiwawcze na platformie EBSCOhost do wszystkich zasobów biblioteki. Na ekranie do wyszukiwania
Bardziej szczegółowoAUTOMATYKA INFORMATYKA
AUTOMATYKA INFORMATYKA Technologie Informacyjne Sieć Semantyczna Przetwarzanie Języka Naturalnego Internet Edytor Serii: Zdzisław Kowalczuk Inteligentne wydobywanie informacji z internetowych serwisów
Bardziej szczegółowoMultiwyszukiwarka EBSCO Discovery Service - przewodnik
Multiwyszukiwarka EDS daje możliwość przeszukania większości baz udostępnianych przez Bibliotekę Główną Uniwersytetu Medycznego w Poznaniu. Odnajdziesz publikacje na potrzebny Ci temat szybko, łatwo i
Bardziej szczegółowoDefinicje. Najprostszy schemat blokowy. Schemat dokładniejszy
Definicje owanie i symulacja owanie zastosowanie określonej metodologii do stworzenia i weryfikacji modelu dla danego rzeczywistego Symulacja zastosowanie symulatora, w którym zaimplementowano model, do
Bardziej szczegółowoSpis treści. I. Czym jest Indeks Haseł 3 II. Wyszukiwanie hasła 4. 1) Alfabetyczna lista haseł 4 2) Wyszukiwarka haseł 4 3) Grupy haseł 6
Spis treści I. Czym jest Indeks Haseł 3 II. Wyszukiwanie hasła 4 1) Alfabetyczna lista haseł 4 2) Wyszukiwarka haseł 4 3) Grupy haseł 6 III. Dokumenty powiązane z wybranym hasłem 7 IV. Moje hasła 10 1)
Bardziej szczegółowoAPIO. W7 SPECYFIKACJA (UŻYCIA) DOSTĘPU DO DANYCH I SPOSOBU ICH PRZETWARZANIA 1. METODA CRUD 2. LOGIKA FUNKCJI
APIO. W7 SPECYFIKACJA (UŻYCIA) DOSTĘPU DO DANYCH I SPOSOBU ICH PRZETWARZANIA 1. METODA CRUD 2. LOGIKA FUNKCJI dr inż. Grażyna Hołodnik-Janczura W8/K4 CO SIĘ MOŻE DZIAĆ PODCZAS WYKONYWANIA BIZNESOWEJ FUNKCJI
Bardziej szczegółowoLaboratorium modelowania oprogramowania w języku UML. Ćwiczenie 6 Modelowanie przypadków uŝycia i czynności. Materiały dla studentów
Zakład Elektrotechniki Teoretycznej i Informatyki Stosowanej Wydział Elektryczny, Politechnika Warszawska Laboratorium modelowania oprogramowania w języku UML Ćwiczenie 6 Modelowanie przypadków uŝycia
Bardziej szczegółowoZAKRES WYMAGAŃ EDUKACYJNYCH NA POSZCZEGÓLNE OCENY SZKOLNE MEINE DEUTSCHTOUR KL.II gimnazjum
ZAKRES WYMAGAŃ EDUKACYJNYCH NA POSZCZEGÓLNE OCENY SZKOLNE MEINE DEUTSCHTOUR KL.II gimnazjum Ocena bieżąca postępów ucznia uwzględnia wszystkie cztery sprawności językowe, tj.: rozumienie ze słuchu, pisanie,
Bardziej szczegółowoLaboratorium modelowania oprogramowania w języku UML. Ćwiczenie 5 Ćwiczenia w narzędziu CASE diagram przypadków uŝycia. Materiały dla nauczyciela
Zakład Elektrotechniki Teoretycznej i Informatyki Stosowanej Wydział Elektryczny, Politechnika Warszawska Ćwiczenie 5 Ćwiczenia w narzędziu CASE diagram przypadków uŝycia Materiały dla nauczyciela Projekt
Bardziej szczegółowoInformacje 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 szczegółowoNajprostszy schemat blokowy
Definicje Modelowanie i symulacja Modelowanie zastosowanie określonej metodologii do stworzenia i weryfikacji modelu dla danego układu rzeczywistego Symulacja zastosowanie symulatora, w którym zaimplementowano
Bardziej szczegółowoHurtownie danych i business intelligence. Plan na dziś : Wprowadzenie do przedmiotu
i business intelligence Paweł Skrobanek, C-3 pok. 321 pawel.skrobanek@pwr.wroc.pl Wrocław 2005-2007 Plan na dziś : 1. Wprowadzenie do przedmiotu (co będzie omawiane oraz jak będę weryfikował zdobytą wiedzę
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 szczegółowow analizie wyników badań eksperymentalnych, w problemach modelowania zjawisk fizycznych, w analizie obserwacji statystycznych.
Aproksymacja funkcji a regresja symboliczna Problem aproksymacji funkcji polega na tym, że funkcję F(), znaną lub określoną tablicą wartości, należy zastąpić inną funkcją, f(), zwaną funkcją aproksymującą
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 szczegółowoWYMAGANIA EDUKACYJNE Z JĘZYKA NIEMIECKIEGO W KLASIE VII PODRĘCZNIK MEINE DEUTSCHTOUR ZAKRES WYMAGAŃ EDUKACYJNYCH NA POSZCZEGÓLNE OCENY SZKOLNE
WYMAGANIA EDUKACYJNE Z JĘZYKA NIEMIECKIEGO W KLASIE VII PODRĘCZNIK MEINE DEUTSCHTOUR ZAKRES WYMAGAŃ EDUKACYJNYCH NA POSZCZEGÓLNE OCENY SZKOLNE Ocena bieżąca postępów ucznia uwzględnia wszystkie cztery
Bardziej szczegółowoPLAN ZARZĄDZANIA WYMAGANIAMI PROJEKT <NAZWA PROJEKTU> WERSJA <NUMER WERSJI DOKUMENTU>
Załącznik nr 4.4 do Umowy nr 35-ILGW-253-.../20.. z dnia... MINISTERSTWO FINANSÓW DEPARTAMENT INFORMATYKI PLAN ZARZĄDZANIA WYMAGANIAMI PROJEKT WERSJA numer wersji
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 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 szczegółowoMultiwyszukiwarka EBSCO Discovery Service przewodnik
Multiwyszukiwarka EBSCO Discovery Service to narzędzie zapewniające łatwy i skuteczny dostęp do wszystkich źródeł elektronicznych Biblioteki Uczelnianej (prenumerowanych i Open Access) za pośrednictwem
Bardziej szczegółowoNazwa wariantu modułu (opcjonalnie): Laboratorium programowania w języku C++
Uniwersytet Śląski w Katowicach str. 1 Kierunek i poziom studiów: Chemia, poziom pierwszy Sylabus modułu: Laboratorium programowania (0310-CH-S1-019) Nazwa wariantu modułu (opcjonalnie): Laboratorium programowania
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 szczegółowoZAKRES WYMAGAŃ EDUKACYJNYCH NA POSZCZEGÓLNE OCENY SZKOLNE
ZAKRES WYMAGAŃ EDUKACYJNYCH NA POSZCZEGÓLNE OCENY SZKOLNE Ocena bieżąca postępów ucznia uwzględnia wszystkie cztery sprawności językowe, tj.: rozumienie ze słuchu, pisanie, czytanie, mówienie, oraz tzw.
Bardziej szczegółowoMETODY INŻYNIERII WIEDZY ASOCJACYJNA REPREZENTACJA POWIĄZANYCH TABEL I WNIOSKOWANIE IGOR CZAJKOWSKI
METODY INŻYNIERII WIEDZY ASOCJACYJNA REPREZENTACJA POWIĄZANYCH TABEL I WNIOSKOWANIE IGOR CZAJKOWSKI CELE PROJEKTU Transformacja dowolnej bazy danych w min. 3 postaci normalnej do postaci Asocjacyjnej Grafowej
Bardziej szczegółowoRelacyjne bazy danych. Podstawy SQL
Relacyjne bazy danych Podstawy SQL Język SQL SQL (Structured Query Language) język umoŝliwiający dostęp i przetwarzanie danych w bazie danych na poziomie obiektów modelu relacyjnego tj. tabel i perspektyw.
Bardziej szczegółowoSemantyczny Monitoring Cyberprzestrzeni
Semantyczny Monitoring Cyberprzestrzeni Partnerzy projektu: Katedra Informatyki Ekonomicznej Uniwersytet Ekonomiczny w Poznaniu Partnerzy projektu: Zarys problemu Źródło internetowe jako zasób użytecznych
Bardziej szczegółowoSYSTEM OCENIANIA Z JĘZYKA ROSYJSKIEGO
SYSTEM OCENIANIA Z JĘZYKA ROSYJSKIEGO I. KONTROLI PODLEGAJĄ ZARÓWNO SPRA2WNOŚCI PRODUKTYWNE (MÓWIENIE I PISANIE), JAK I RECEPTYWNE (ROZUMIENIE I PISANIE TEKSTU CZYTANEGO I SŁUCHANEGO). 1a. Mówienie. Umiejętności
Bardziej szczegółowo!!!!!!!!!!! PORTFOLIO: Analiza zachowań użytkowników serwisów internetowych. Autorzy: Marek Zachara
PORTFOLIO: Analiza zachowań użytkowników serwisów internetowych Autorzy: Marek Zachara Opis merytoryczny Cel naukowy (jaki problem wnioskodawca podejmuje się rozwiązać, co jest jego istotą, co uzasadnia
Bardziej szczegółowoThe University of Michigan Digital Library Production Service Collection http://www.umdl.umich.edu/
1 The University of Michigan Digital Library Production Service Collection http://www.umdl.umich.edu/ 1. Zawartość Biblioteka elektroniczna Uniwersytetu w Michigan, która oferuje elektroniczne dane i usługi.
Bardziej szczegółowoTechnologia informacyjna
Technologia informacyjna Pracownia nr 9 (studia stacjonarne) - 05.12.2008 - Rok akademicki 2008/2009 2/16 Bazy danych - Plan zajęć Podstawowe pojęcia: baza danych, system zarządzania bazą danych tabela,
Bardziej szczegółowoPRZEDMIOTOWY SYSTEM OCENIANIA Z JĘZYKA NIEMIECKIEGO W SZKOLE PODSTAWOWEJ NR 11 W JAWORZNIE NA PODSTAWIE PODRĘCZNIKA MEINE DEUTSCHTOUR 3
PRZEDMIOTOWY SYSTEM OCENIANIA Z JĘZYKA NIEMIECKIEGO W SZKOLE PODSTAWOWEJ NR 11 W JAWORZNIE NA PODSTAWIE PODRĘCZNIKA MEINE DEUTSCHTOUR 3 ROZUMIENIE TEKSTU SŁUCHANEGO / CZYTANEGO uczeń w pełni rozumie wszystkie
Bardziej szczegółowoS O M SELF-ORGANIZING MAPS. Przemysław Szczepańczyk Łukasz Myszor
S O M SELF-ORGANIZING MAPS Przemysław Szczepańczyk Łukasz Myszor Podstawy teoretyczne Map Samoorganizujących się stworzył prof. Teuvo Kohonen (1982 r.). SOM wywodzi się ze sztucznych sieci neuronowych.
Bardziej szczegółowoSYSTEM OCENIANIA Z JĘZYKÓW OBCYCH.
SYSTEM OCENIANIA Z JĘZYKÓW OBCYCH. I. KONTROLI PODLEGAJĄ ZARÓWNO SPRAWNOŚCI PRODUKTYWNE ( MÓWIENIE I PISANIE ), JAK I RECEPTYWNE ( ROZUMIENIE I PISANIE TEKSTU CZYTANEGO I SŁUCHANEGO. 1 a. Mówienie. Ocena
Bardziej szczegółowoOd Expert Data Scientist do Citizen Data Scientist, czyli jak w praktyce korzystać z zaawansowanej analizy danych
Od Expert Data Scientist do Citizen Data Scientist, czyli jak w praktyce korzystać z zaawansowanej analizy danych Tomasz Demski StatSoft Polska www.statsoft.pl Analiza danych Zaawansowana analityka, data
Bardziej szczegółowoPROGRAM KSZTAŁCENIA DLA STUDIÓW PODYPLOMOWYCH: ZINTEGROWANE NAUCZANIE PRZEDMIOTOWO-JĘZYKOWE (JĘZYK ANGIELSKI)
PROGRAM KSZTAŁCENIA DLA STUDIÓW PODYPLOMOWYCH: ZINTEGROWANE NAUCZANIE PRZEDMIOTOWO-JĘZYKOWE (JĘZYK ANGIELSKI) Efekty kształcenia dla studiów podyplomowych: Po ukończeniu studiów ich absolwent: 1. swobodnie
Bardziej szczegółowoZAKRES WYMAGAŃ EDUKACYJNYCH NA POSZCZEGÓLNE OCENY SZKOLNE
ZAKRES WYMAGAŃ EDUKACYJNYCH NA POSZCZEGÓLNE OCENY SZKOLNE Ocena bieżąca postępów ucznia uwzględnia wszystkie cztery sprawności językowe, tj.:, rozumienie ze słuchu, pisanie, czytanie, mówienie oraz tzw.
Bardziej szczegółowo1. WYMAGANIA WSTĘPNE W ZAKRESIE WIEDZY, UMIEJĘTNOŚCI I INNYCH KOMPETENCJI
KARTA PRZEDMIOTU przedmiotu Stopień studiów i forma Rodzaj przedmiotu Grupa kursów Zaawansowane techniki analizy systemowej oparte na modelowaniu warsztaty Studia podyplomowe Obowiązkowy NIE Wykład Ćwiczenia
Bardziej szczegółowoJĘZYK NIEMIECKI - ZAKRES WYMAGAŃ EDUKACYJNYCH NA POSZCZEGÓLNE OCENY SZKOLNE
JĘZYK NIEMIECKI - ZAKRES WYMAGAŃ EDUKACYJNYCH NA POSZCZEGÓLNE OCENY SZKOLNE Ocena bieżąca postępów ucznia uwzględnia wszystkie cztery sprawności językowe, tj.: rozumienie ze słuchu, pisanie, czytanie,
Bardziej szczegółowoWymagania edukacyjne z języka niemieckiego w roku szkolnym 2017/2018. Kryteria Oceniania
Wymagania edukacyjne z języka niemieckiego w roku szkolnym 2017/2018 Kryteria Oceniania Przedmiotowy System Oceniania z języka niemieckiego jest zgodny z Wewnątrzszkolnym Systemem Oceniania (WSO), Rozporządzeniem
Bardziej szczegółowoLaboratorium modelowania oprogramowania w języku UML. Ćwiczenie 1 Wprowadzenie do narzędzia CASE. Materiały dla nauczyciela
Zakład Elektrotechniki Teoretycznej i Informatyki Stosowanej Wydział Elektryczny, Politechnika Warszawska Laboratorium modelowania oprogramowania w języku UML Ćwiczenie 1 Wprowadzenie do narzędzia CASE
Bardziej szczegółowoPodstawowe zasady projektowania w technice
Podstawowe zasady projektowania w technice Projektowanie w technice jest działalnością twórczą z określonym udziałem prac rutynowych i moŝe dotyczyć głównie nowych i modernizowanych: produktów (wyrobów
Bardziej szczegółowoSPRAWNOŚĆ MÓWIENIA SPRAWNOŚĆ PISANIA GRAMATYKA I SŁOWNICTWO
ZAKRES WYMAGAŃ EDUKACYJNYCH NA POSZCZEGÓLNE OCENY SZKOLNE MEINE DEUTSCHTOUR KL. 8 Ocena bieżąca postępów ucznia uwzględnia wszystkie cztery sprawności językowe, tj.: rozumienie ze słuchu, pisanie, czytanie,
Bardziej szczegółowoTransformacja wiedzy w budowie i eksploatacji maszyn
Uniwersytet Technologiczno Przyrodniczy im. Jana i Jędrzeja Śniadeckich w Bydgoszczy Wydział Mechaniczny Transformacja wiedzy w budowie i eksploatacji maszyn Bogdan ŻÓŁTOWSKI W pracy przedstawiono proces
Bardziej szczegółowoMulti-wyszukiwarki. Mediacyjne Systemy Zapytań wprowadzenie. Architektury i technologie integracji danych Systemy Mediacyjne
Architektury i technologie integracji danych Systemy Mediacyjne Multi-wyszukiwarki Wprowadzenie do Mediacyjnych Systemów Zapytań (MQS) Architektura MQS Cechy funkcjonalne MQS Cechy implementacyjne MQS
Bardziej szczegółowoKryteria oceniania obejmujące zakres umiejętności ucznia na poszczególne oceny cząstkowe w klasach VII-VIII z Języka Hiszpańskiego
Kryteria oceniania obejmujące zakres umiejętności ucznia na poszczególne oceny cząstkowe w klasach VII-VIII z Języka Hiszpańskiego W każdym semestrze uczeń uzyskuje oceny cząstkowe za poszczególne umiejętności:
Bardziej szczegółowoPRZEDMIOTOWE ZASADY OCENIANIA Z JĘZYKA NIEMIECKIEGO DLA KLASY 7 W ROKU SZKOLNYM 2017/2018. PODRĘCZNIK Meine Deutschtour.
Z JĘZYKA NIEMIECKIEGO DLA KLASY 7 W ROKU SZKOLNYM 2017/2018 PODRĘCZNIK. OCENA CELUJĄCA uczeń w pełni rozumie uczeń tworzy uczeń bez żadnych uczeń bezbłędnie stosuje uczeń posiadł wiedzę i wszystkie polecenia
Bardziej szczegółowoWykorzystanie standardów serii ISO 19100 oraz OGC dla potrzeb budowy infrastruktury danych przestrzennych
Wykorzystanie standardów serii ISO 19100 oraz OGC dla potrzeb budowy infrastruktury danych przestrzennych dr inż. Adam Iwaniak Infrastruktura Danych Przestrzennych w Polsce i Europie Seminarium, AR Wrocław
Bardziej 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 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 szczegółowoAgile Project Management
Charles G. Cobb, pmp Zrozumieć Agile Project Management Równowaga kontroli i elastyczności przekład: Witold Sikorski APN Promise Warszawa 2012 Spis treści Wstęp...vii Kto powinien przeczytać tę książkę?...
Bardziej szczegółowoOCENA CELUJĄCA SPRAWNOŚĆ PISANIA
ROZUMIENIE TEKSTU uczeń w pełni rozumie wszystkie polecenia i formułowane w języku angielskim i poprawnie na nie reaguje, pisane, których słownictwo i wykraczają poza program jego główną myśl, sprawnie
Bardziej szczegółowoLaboratorium modelowania oprogramowania w języku UML. Ćwiczenie 2 Ćwiczenia w narzędziu CASE diagram klas. Materiały dla nauczyciela
Zakład Elektrotechniki Teoretycznej i Informatyki Stosowanej Wydział Elektryczny, Politechnika Warszawska Laboratorium modelowania oprogramowania w języku UML Ćwiczenie 2 Ćwiczenia w narzędziu CASE diagram
Bardziej szczegółowoWymagania edukacyjne na poszczególne oceny z języka niemieckiego MEINE DEUTSCHTOUR 3 OCENA CELUJĄCA GRAMATYKA I SŁOWNICTWO SPRAWNOŚĆ PISANIA
Wymagania edukacyjne na poszczególne oceny z języka niemieckiego MEINE DEUTSCHTOUR 3 Aleksandra Silezin kl.iii gim uczeń w pełni rozumie wszystkie polecenia i formułowane w języku niemieckim i prawidłowo
Bardziej szczegółowoOCENA CELUJĄCA INNE UMIEJĘTNOŚCI I FORMY ROZUMIENIE TEKSTU SPRAWNOŚĆ MÓWIENIA SPRAWNOŚĆ PISANIA GRAMATYKA I SŁOWNICTWO
OCENA CELUJĄCA ROZUMIENIE TEKSTU SŁUCHANEGO/CZYTANEGO SPRAWNOŚĆ MÓWIENIA SPRAWNOŚĆ PISANIA GRAMATYKA I SŁOWNICTWO INNE UMIEJĘTNOŚCI I FORMY AKTYWNOŚCI uczeń w pełni rozumie wszystkie uczeń tworzy wypowiedzi
Bardziej szczegółowoDziałania w zakresie dodawania i odejmowania Bezbłędnie wykonuje działania w poznanym zakresie liczbowym.
Załącznik nr 5 Kryteria oceniania uczniów ze specyficznymi trudnościami w uczeniu się lub deficytami rozwojowymi w klasie 2 w edukacji wczesnoszkolnej Dobry (db) -4 Edukacja polonistyczna Czyta płynnie
Bardziej szczegółowoPlan prezentacji 0 Wprowadzenie 0 Zastosowania 0 Przykładowe metody 0 Zagadnienia poboczne 0 Przyszłość 0 Podsumowanie 7 Jak powstaje wiedza? Dane Informacje Wiedza Zrozumienie 8 Przykład Teleskop Hubble
Bardziej szczegółowoPortale raportowe, a narzędzia raportowe typu self- service
Portale raportowe, a narzędzia raportowe typu self- service Bartłomiej Graczyk Kierownik Projektów / Architekt rozwiązań Business Intelligence E mail: bartek@graczyk.info.pl Site: www.graczyk.info.pl Agenda
Bardziej szczegółowoDziałania naprawcze po analizie wyników sprawdzianu zewnętrznego Szkoły Podstawowej nr 21 w Bytomiu Bytom, wrzesień 2016 r.
Działania naprawcze po analizie wyników sprawdzianu zewnętrznego Szkoły Podstawowej nr 21 w Bytomiu Bytom, wrzesień 2016 r. str. 1 I. uczniów. Zadania szczegółowe uczniów klasy Ia, uczniów klasy IIa, IIb,
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 szczegółowoWymagania edukacyjne język niemiecki dla klas: I, II i III
Wymagania edukacyjne język niemiecki dla klas: I, II i III Wymagania edukacyjne zostały opracowane na podstawie planów wynikowych nauczania języka niemieckiego w szkole ponadgimnazjalnej, które realizuje
Bardziej szczegółowoWyszukiwarka naukowa EBSCO Discovery Service - przewodnik
Wyszukiwarka EDS daje możliwość przeszukania większości baz udostępnianych przez Bibliotekę Uniwersytetu w Białymstoku oraz katalogu Biblioteki. Odnajdziesz publikacje na potrzebny Ci temat szybko, łatwo
Bardziej szczegółowoOprogramowanie dla biznesu Numer 11 (69) Listopad 2009 JAK SZYBKO I SKUTECZNIE ZAMKNĄĆ ROK?
Oprogramowanie dla biznesu Numer 11 (69) Listopad 2009 JAK SZYBKO I SKUTECZNIE ZAMKNĄĆ ROK? CZY TO MOśLIWE, ABY PRZEZ PROCES ZAMKNIĘCIA ROKU W DUśEJ FIRMIE LEASINGOWEJ PRZEJŚĆ SZYBKO I BEZBOLEŚNIE? MY
Bardziej szczegółowoCo to jest jest oprogramowanie? 8. Co to jest inżynieria oprogramowania? 9. Jaka jest różnica pomiędzy inżynierią oprogramowania a informatyką?
ROZDZIAŁ1 Podstawy inżynierii oprogramowania: - Cele 2 - Zawartość 3 - Inżynieria oprogramowania 4 - Koszty oprogramowania 5 - FAQ o inżynierii oprogramowania: Co to jest jest oprogramowanie? 8 Co to jest
Bardziej szczegółowoKRYTERIA OCENIANIA Z JĘZYKA NIEMIECKIEGO DLA KLAS TRZECICH ODDZIAŁÓW GIMNAZJALNYCH
KRYTERIA OCENIANIA Z JĘZYKA NIEMIECKIEGO DLA KLAS TRZECICH ODDZIAŁÓW GIMNAZJALNYCH Ocenę celującą otrzymuje uczeń, który spełnia wszystkie kryteria oceny bardzo dobrej, a także wykazuje się dodatkowymi
Bardziej szczegółowoZastosowanie sztucznej inteligencji w testowaniu oprogramowania
Zastosowanie sztucznej inteligencji w testowaniu oprogramowania Problem NP Problem NP (niedeterministycznie wielomianowy, ang. nondeterministic polynomial) to problem decyzyjny, dla którego rozwiązanie
Bardziej szczegółowoZAKRES WYMAGAŃ EDUKACYJNYCH NA POSZCZEGÓLNE OCENY Z JĘZYKA NIEMIECKIEGO Nauczyciel prowadzący: mgr Agnieszka Krzeszowiak, mgr Teresa Jaśkowska
ZAKRES WYMAGAŃ EDUKACYJNYCH NA POSZCZEGÓLNE OCENY Z JĘZYKA NIEMIECKIEGO Nauczyciel prowadzący: mgr Agnieszka Krzeszowiak, mgr Teresa Jaśkowska Ocena bieżąca postępów ucznia uwzględnia wszystkie cztery
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 szczegółowoKryteria wymagań na poszczególne oceny do podręcznika Meine Deutschtour do języka niemieckiego do klasy VII
Kryteria wymagań na poszczególne oceny do podręcznika Meine Deutschtour do języka niemieckiego do klasy VII uczeń w pełni rozumie wszystkie polecenia i wypowiedzi nauczyciela formułowane w języku niemieckim
Bardziej szczegółowoScenariusz zajęć języka angielskiego w klasie Va Temat: Where is the bank? opis położenia budynków względem siebie.
Anna Rzeszot-Zalewska nauczyciel języka angielskiego Scenariusz zajęć języka angielskiego w klasie Va Temat: Where is the bank? opis położenia budynków względem siebie. 1. Usytuowanie problematyki omawianej
Bardziej szczegółowoKryteria wymagań na poszczególne oceny z języka niemieckiego dla klasy VII OCENA CELUJĄCA
Kryteria wymagań na poszczególne oceny z języka niemieckiego dla klasy VII OCENA CELUJĄCA uczeń w pełni rozumie wszystkie uczeń tworzy wypowiedzi uczeń bez żadnych trudności uczeń bezbłędnie stosuje uczeń
Bardziej szczegółowoOCENA CELUJĄCA SPRAWNOŚĆ PISANIA
OCENA CELUJĄCA uczeń w pełni rozumie wszystkie polecenia i wypowiedzi nauczyciela formułowane w języku niemieckim i prawidłowo na nie reaguje, i pisane, których słownictwo i struktury gramatyczne wykraczają
Bardziej szczegółowoWymagania edukacyjne z informatyki w klasie VIII
Wymagania edukacyjne z informatyki w klasie VIII Wymagania konieczne K dotyczą zagadnień elementarnych, stanowiących swego rodzaju podstawę, powinien je zatem opanować każdy uczeń. Wymagania podstawowe
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 szczegółowoPrzedmiotowy System Oceniania Fizyka z Astronomią
Przedmiotowy System Oceniania Fizyka z Astronomią I. Postanowienia ogólne 1. Nauczyciel ocenia wiedzę i umiejętności ucznia w sposób pisemny jak i ustny zgodnie z Wewnątrzszkolnym Systemem Oceniania i
Bardziej szczegółowo9. ILE TO KOSZTUJE CZYLI OD ZAGADKI DO ZADANIA TEKSTOWEGO, CZ. III
46 Mirosław Dąbrowski 9. ILE TO KOSZTUJE CZYLI OD ZAGADKI DO ZADANIA TEKSTOWEGO, CZ. III Cele ogólne w szkole podstawowej: zdobycie przez uczniów umiejętności wykorzystywania posiadanych wiadomości podczas
Bardziej szczegółowoWykaz tematów prac magisterskich w roku akademickim 2018/2019 kierunek: informatyka
Wykaz tematów prac magisterskich w roku akademickim 2018/2019 kierunek: informatyka L.p. Nazwisko i imię studenta Promotor Temat pracy magisterskiej 1. Wojciech Kłopocki dr Bartosz Ziemkiewicz Automatyczne
Bardziej szczegółowo7. ILE TO KOSZTUJE CZYLI OD ZAGADKI DO ZADANIA TEKSTOWEGO, CZ. I
7. ILE TO KOSZTUJE CZYLI OD ZAGADKI DO ZADANIA TEKSTOWEGO, CZ. I 37 Mirosław Dąbrowski 7. ILE TO KOSZTUJE CZYLI OD ZAGADKI DO ZADANIA TEKSTOWEGO, CZ. I Cele ogólne w szkole podstawowej: zdobycie przez
Bardziej szczegółowoPLAN ZARZĄDZANIA KONFIGURACJĄ OPROGRAMOWANIA PROJEKT <NAZWA PROJEKTU> WERSJA <NUMER WERSJI DOKUMENTU>
Załącznik nr 4.6 do Umowy nr 35-ILGW-253-.../20.. z dnia... MINISTERSTWO FINANSÓW DEPARTAMENT INFORMATYKI PLAN ZARZĄDZANIA KONFIGURACJĄ OPROGRAMOWANIA PROJEKT WERSJA
Bardziej szczegółowoMówienie. Rozumienie ze słuchu
Kryteria oceniania z języka angielskiego Ocena celująca Stopień CELUJĄCY otrzymuje uczeń, który spełnia wszystkie kryteria potrzebne na ocenę bardzo dobrą, ponadto opanował wiadomości i umiejętności wykraczające
Bardziej szczegółowoW poszukiwaniu sensu w świecie widzialnym
W poszukiwaniu sensu w świecie widzialnym Andrzej Śluzek Nanyang Technological University Singapore Uniwersytet Mikołaja Kopernika Toruń AGH, Kraków, 28 maja 2010 1 Podziękowania Przedstawione wyniki powstały
Bardziej szczegółowoWprowadzenie do baz danych
Wprowadzenie do baz danych Dr inż. Szczepan Paszkiel szczepanpaszkiel@o2.pl Katedra Inżynierii Biomedycznej Politechnika Opolska Wprowadzenie DBMS Database Managment System, System za pomocą którego można
Bardziej szczegółowoRachunek prawdopodobieństwa projekt Ilustracja metody Monte Carlo obliczania całek oznaczonych
Rachunek prawdopodobieństwa projekt Ilustracja metody Monte Carlo obliczania całek oznaczonych Autorzy: Marta Rotkiel, Anna Konik, Bartłomiej Parowicz, Robert Rudak, Piotr Otręba Spis treści: Wstęp Cel
Bardziej szczegółowoKarta opisu przedmiotu Zaawansowane techniki analizy systemowej oparte o modelowanie warsztaty
Karta opisu przedmiotu Zaawansowane techniki analizy systemowej oparte o modelowanie warsztaty przedmiotu Stopień studiów i forma: Rodzaj przedmiotu Kod przedmiotu Grupa kursów Zaawansowane techniki analizy
Bardziej szczegółowoSAS wybrane elementy. DATA MINING Część III. Seweryn Kowalski 2006
SAS wybrane elementy DATA MINING Część III Seweryn Kowalski 2006 Algorytmy eksploracji danych Algorytm eksploracji danych jest dobrze zdefiniowaną procedurą, która na wejściu otrzymuje dane, a na wyjściu
Bardziej szczegółowoProcesy biznesowe w praktyce. Przykłady użycia z wykorzystaniem jbpm 4.4
Procesy biznesowe w praktyce Przykłady użycia z wykorzystaniem jbpm 4.4 1 Agenda Definicja i zastosowanie procesu biznesowego Języki dziedzinowe (DSL) a rozwiązania BPM JBPM: jbpm 4.4 krótka charakterystyka
Bardziej szczegółowoCo to jest SUR-FBD? 3
1 Utrzymanie Ruchu Często firmy funkcjonują w swoistym błędnym kole, polegającym na skupieniu uwagi na naprawach tego co się psuje, tym samym powielają wzorce biernego utrzymania ruchu Z powodu braku danych,
Bardziej szczegółowoWYMAGANIA EDUKACYJNE Z JĘZYKA NIEMIECKIEGO KLASA
OCENA DOBRA OCENA DOSTATECZNA OCENA DOPUSZCZJĄCA WYMAGANIA EDUKACYJNE Z JĘZYKA NIEMIECKIEGO KLASA 7 ROZUMIENIE TEKSTU SŁUCHANEGO/CZYTANEGO uczeń rozumie tylko nieliczne polecenia i wypowiedzi nauczyciela
Bardziej szczegółowoWymagania edukacyjne z języka angielskiego dla klasy czwartej
Szkoła Podstawowa z Oddziałami Integracyjnymi nr 162 im. Władysława Szafera Rok szkolny 2018/ 2019 Wymagania edukacyjne z języka angielskiego dla klasy czwartej (podręcznik: Brainy ) 1 Wymagania edukacyjne
Bardziej szczegółowoWymagania edukacyjne na poszczególne oceny z języka niemieckiego
Wymagania edukacyjne na poszczególne oceny z języka niemieckiego Ocena niedostateczna: Uczeń nie spełnia wymagań na ocenę dopuszczający. Uczeń nie opanował niezbędnego minimum podstawowych wiadomości i
Bardziej szczegółowoSystemy ekspertowe. Wnioskowanie w systemach regułowych. Część piąta. Autor Roman Simiński.
Część piąta Autor Roman Simiński Kontakt siminski@us.edu.pl www.us.edu.pl/~siminski Niniejsze opracowanie zawiera skrót treści wykładu, lektura tych materiałów nie zastąpi uważnego w nim uczestnictwa.
Bardziej szczegółowoAnna Kempa Akademia Ekonomiczna
INTEGRACJA SYSTEMÓW EKSPERTOWYCH I SYSTEMÓW WNIOSKUJĄCYCH NA PODSTAWIE PRZYPADKÓW Streszczenie Anna Kempa Akademia Ekonomiczna kempa@sulu.ae.katowice.pl W artykule scharakteryzowano w ogólnym zarysie dwie
Bardziej szczegółowo