Customer Attribution Models. czyli o wykorzystaniu machine learning w domu mediowym.
|
|
- Michalina Wysocka
- 8 lat temu
- Przeglądów:
Transkrypt
1 Customer Attribution Models czyli o wykorzystaniu machine learning w domu mediowym.
2 Proces decyzyjny MAILING SEO SEM DISPLAY RETARGETING PRZEGRANI??? ZWYCIĘZCA!!!
3 Modelowanie atrybucja > Słowo klucz: wpływ > Dopasowane do potrzeb Prosta heurystyka Analiza ścieżek Pełny model
4 Wyzwanie technologiczne ~2 dni obliczeń na analizy i przetwarzanie danych
5 Jest co optymalizować Średni czas od pierwszego wyświetlenia reklamy do konwersji ~2,5 h Średnia długość ścieżki zakończona konwersją ~217 interakcji
6 Dwa podejścia 1 2
7 Dwa podejścia 1 2
8 Random Forest jak działa? 1 2 3
9 Random Forest czemu to takie dobre? 1. 1 Jest najlepszy jeśli chodzi o dokładność klasyfikacji wśród pozostałych algorytmów Poszczególne lasy mogą być zapisane, połączone, wykorzystane w przyszłości do innych zbiorów danych Skuteczny na dużych bazach danych Łatwo dostępny praktycznie we wszystkich językach programowania Łatwy do przeniesienia na maszyny wieloprocesorowe Nie wymaga wiedzy eksperckiej.
10 Random Forest. Modelowanie Atrybucji Początkowa baza zmiennych (~500) Random Forest Wyselekcjonowana baza (~ 90) Błąd klasyfikacji dla typów konwersji: A: 8 % B: 3 % Ranking zmiennych wg wpływu na klasyfikację do typu konwersji
11 Random Survival Forest Najbardziej czasochłonna analiza. Służąca do oceny wpływu poszczególnych zmiennych na prawdopodobieństwo konwersji oraz krzywych przeżycia (czyli nie konwersji). Tutaj w wyniku również otrzymamy ranking zmiennych, ale również możemy wyznaczyć krzywe przeżycia dla wszystkich ciasteczek.
12 Random Survival Forest Krzywe przeżycia dla przykładowych zmiennych i ich wpływ na prawdopodobieństwo konwersji: Konieczne zwiększenie intensywności tej zmiennej w kampanii
13 Random Survival Forest Krzywe przeżycia dla przykładowych zmiennych i ich wpływ na prawdopodobieństwo konwersji: Optymalna wartość intensywności zmiennej w ścieżce = 13
14 Random Survival Forest Krzywe przeżycia dla przykładowych zmiennych i ich wpływ na prawdopodobieństwo konwersji: Konieczna obecność zmiennej w ścieżce
15 Random Survival Forest Krzywe przeżycia dla przykładowych zmiennych i ich wpływ na prawdopodobieństwo konwersji: Jeżeli zmienna jest uwzględniana w planowaniu to jej intensywność >5
16 Random Survival Forest Krzywe przeżycia dla przykładowych zmiennych i ich wpływ na prawdopodobieństwo konwersji: Tą zmienną należy pominąć przy planowaniu
17 Dwa podejścia 1 2
18 Łańcuchy Markova 1. 1 Wyznaczanie macierzy przejścia z wagami przejścia odpowiadającymi prawdopodobieństwu przejścia ze stanu i do stanu j Wykorzystanie łańcuchów Markova wyższego rzędu, mających symulować pamięć poprzednich stanów Wyliczanie Efektu Wykreślenia dla każdego węzła, będącego średnią zmianą w prawdopodobieństwie dotarcia do węzła KONWERSJA w n krokach z każdego węzła w grafie.
19 Łańcuchy Markova czemu to takie dobre? Co przemawia za? 1. 1 Pozwala na bardzo dokładne wyznaczenie efektów oraz wzajemnych relacji w grafie Elastyczny wyników. pod względem dokładności uzyskiwanych 3. 3 Łatwo dostępny programowania. praktycznie we wszystkich językach 4. 4 Łatwy do przeniesienia na maszyny wieloprocesorowe Nie wymaga wiedzy eksperckiej.
20 Case study branża finansowa Display Affiliate marketing Display Programmatic SEM Display Mailing
21 Case study branża finansowa Wizualizacja wszystkich relacji pomiędzy węzłami
22 Jak to przetłumaczyć na ludzki? Najwięksi wspieracze Najmocniejsze relacje Type Site Removed size Average Effect click Site ,8% click Site ,5% click Site ,3% click Site ,6% click Site ,9% click Site ,6% click Site ,2% impression Site ,9% click Site ,8% click Site ,7% Type Removed Type Affected Removed size Effect click Site 1 impression Site ,6% click Site 2 impression Site ,1% click Site 3 impression Site ,2% impression Site 4 impression Site ,0% click Site 5 impression Site ,3% click Site 6 impression Site ,1% click Site 7 click Site ,0% click Site 8 click Site ,7% click Site 9 click Site ,2% impression Site 10 impression Site ,6%
23 Wyniki 42% Wyniki muszą być dostarczane z opóźnieniem 24h, ze względu na dynamikę kampanii prowadzonych w Internecie 20% 45%
24 Narzędzia wykorzystane w analizach
25 Dziękujemy za uwagę Krzysztof Struś Tomasz Lechowicz
Łukasz Siemaszko. Atrybucja jako proces Markowa
Łukasz Siemaszko Atrybucja jako proces Markowa Połowa pieniędzy, które wydaje na marketing jest zmarnowana. Problemem jest to, że nie wiem, która połowa Henry Ford Atrybucja Co? Gdzie? Jak? I właściwie
Bardziej szczegółowoAKADEMIA MARKETINGU CYFROWEGO SZKOLENIE DEDYKOWANE
AKADEMIA MARKETINGU CYFROWEGO SZKOLENIE DEDYKOWANE brand managerom i product managerom dyrektorom marketingu Poznasz trendy marketingu cyfrowego zwiększające efektywność Dowiesz się czym jest efekt ROPO
Bardziej szczegółowoNetsprint Group. Z większością naszych klientów realizujemy długoterminowe kontrakty. Przeprowadzamy także projekty dedykowane.
Netsprint Group Realizujemy kampanie reklamowe dla największych branż ze szczególnym uwzględnieniem handlu, motoryzacji, farmacji, technologii, finansów i CPG Analizujemy i wyciągamy wnioski korzystając
Bardziej szczegółowoJak wybrać 45 najlepszych. prezentacji na FORUM?
Jak skutecznie dotrzeć do Klienta? Multikanałowa, zintegrowana komunikacja i wiedza Jak wybrać 45 najlepszych kluczem do sukcesu w Internecie. prezentacji na FORUM? Na przykładzie case study Neckermann
Bardziej szczegółowoTURNING DATA INTO GOLD. Od czego zacząć?
TURNING DATA INTO GOLD Od czego zacząć? 2 www.netsprint.group 3 86% reklam programatycznych w Europie wykorzystuje dane beahwioralne Wielkość rynku reklamy Europa: wydatki na targetowane reklamy (mld )
Bardziej szczegółowoALGORYTM RANDOM FOREST
SKRYPT PRZYGOTOWANY NA ZAJĘCIA INDUKOWANYCH REGUŁ DECYZYJNYCH PROWADZONYCH PRZEZ PANA PAWŁA WOJTKIEWICZA ALGORYTM RANDOM FOREST Katarzyna Graboś 56397 Aleksandra Mańko 56699 2015-01-26, Warszawa ALGORYTM
Bardziej szczegółowoPlanowanie drogi robota, algorytm A*
Planowanie drogi robota, algorytm A* Karol Sydor 13 maja 2008 Założenia Uproszczenie przestrzeni Założenia Problem planowania trasy jest bardzo złożony i trudny. W celu uproszczenia problemu przyjmujemy
Bardziej szczegółowoOferta szkolenia trenerskiego Train-the-Trainer
Oferta szkolenia trenerskiego Train-the-Trainer DIMAQ to pierwszy w Polsce program standaryzacji i weryfikacji kompetencji digital marketingowych. Definiuje niezbędny poziom wiedzy i kwalifikacji specjalistów
Bardziej szczegółowoCASE STUDY SUKCES KAMPANII NAPĘDZANEJ DANYMI DLA MARKI RAINBOW
CASE STUDY SUKCES KAMPANII NAPĘDZANEJ DANYMI DLA MARKI RAINBOW www.hitspot.media 1 Kluczem do sukcesu w kampanii dla marki Rainbow było zrozumienie potrzeb klienta i stworzenie mechanizmu umożliwiającego
Bardziej szczegółowoMOŻEMY DORADZIĆ. Jak nie przepłacać za powierzchnię reklamową? (np. kupować CPM za 2 zł na witrynach biznesowych)
MOŻEMY DORADZIĆ Jak nie przepłacać za powierzchnię reklamową? (np. kupować CPM za 2 zł na witrynach biznesowych) Jak precyzyjnie i tanio docierać do Twojej Grupy Docelowej? Jakie efektywne modele komunikacji
Bardziej szczegółowoSEDNO PERSONALIZACJA 1:1 TO KLUCZ DO SKUTECZNEJ KOMUNIKACJI. 2
www.hitspot.media 1 SEDNO PERSONALIZACJA 1:1 TO KLUCZ DO SKUTECZNEJ KOMUNIKACJI www.hitspot.media 2 LICZBY MÓWIĄ SAME ZA 41% WZROSTU współczynnika konwersji w stosunku do klasycznych kampanii remarketingu
Bardziej szczegółowoOferta szkolenia trenerskiego Train-the Trainer
Oferta szkolenia trenerskiego Train-the Trainer O IAB Polska Związek Pracodawców Branży Internetowej IAB Polska: funkcjonuje od 2000 roku zrzesza około 200 najważniejszych firm polskiego rynku internetowego:
Bardziej szczegółowoAlgorytm Dijkstry znajdowania najkrótszej ścieżki w grafie
Algorytm Dijkstry znajdowania najkrótszej ścieżki w grafie Używane struktury danych: V - zbiór wierzchołków grafu, V = {1,2,3...,n} E - zbiór krawędzi grafu, E = {(i,j),...}, gdzie i, j Î V i istnieje
Bardziej szczegółowoAnalityka internetowa w Polsce A.D. 2014. Trendy i prognozy na najbliższe miesiące wybrane przez ekspertów Bluerank
Analityka internetowa w Polsce A.D. 2014 Trendy i prognozy na najbliższe miesiące wybrane przez ekspertów Bluerank Obecnie: Bez pomiaru nie ma zarządzania. Gdzie: - Peter Drucker, guru zarządzania Dane
Bardziej szczegółowoOpenAI Gym. Adam Szczepaniak, Kamil Walkowiak
OpenAI Gym Adam Szczepaniak, Kamil Walkowiak Plan prezentacji Programowanie agentowe Uczenie przez wzmacnianie i problemy związane z rozwojem algorytmów Charakterystyka OpenAI Gym Biblioteka gym Podsumowanie
Bardziej szczegółowoDrzewa decyzyjne i lasy losowe
Drzewa decyzyjne i lasy losowe Im dalej w las tym więcej drzew! ML Gdańsk http://www.mlgdansk.pl/ Marcin Zadroga https://www.linkedin.com/in/mzadroga/ 20 Czerwca 2017 WPROWADZENIE DO MACHINE LEARNING CZYM
Bardziej szczegółowoZintegrowane środowisko informatyczne jako narzędzie modelowania i dynamicznej wizualizacji jakości powietrza. Tomasz Kochanowski
Zintegrowane środowisko informatyczne jako narzędzie modelowania i dynamicznej wizualizacji jakości powietrza Tomasz Kochanowski Złożoność systemu zarządzania jakością powietrza Monitoring jakości powietrza
Bardziej szczegółowoWybrane podstawowe rodzaje algorytmów
Wybrane podstawowe rodzaje algorytmów Tomasz Głowacki tglowacki@cs.put.poznan.pl Zajęcia finansowane z projektu "Rozwój i doskonalenie kształcenia na Politechnice Poznańskiej w zakresie technologii informatycznych
Bardziej szczegółowoTestowanie i walidacja oprogramowania
Testowanie i walidacja oprogramowania Inżynieria oprogramowania, sem.5 cz. 5 Rok akademicki 2010/2011 Dr inż. Wojciech Koziński Przykład Obliczmy sumę: 0+1+2+...+i, i є [0,100] read(i); if((i < 0)(i >
Bardziej szczegółowoNarzędzia marketingu internetowego (1): SEO, SEM, afiliacja, kampanie banerowe, e-mail marketing, inne.
2012 Narzędzia marketingu internetowego (1): SEO, SEM, afiliacja, kampanie banerowe, e-mail marketing, inne. Rafał Marek Kampania marketingowa e-usługi Rzeszów, 24.10.2012 Narzędzia marketingu internetowego
Bardziej szczegółowoDziałanie algorytmu oparte jest na minimalizacji funkcji celu jako suma funkcji kosztu ( ) oraz funkcji heurystycznej ( ).
Algorytm A* Opracowanie: Joanna Raczyńska 1.Wstęp Algorytm A* jest heurystycznym algorytmem służącym do znajdowania najkrótszej ścieżki w grafie. Jest to algorytm zupełny i optymalny, co oznacza, że zawsze
Bardziej szczegółowoMarketing Internetowy
Marketing Internetowy Jak być widocznym w Google dzięki PPC - podstawy mgr Marcin Darecki Marketing Internetowy Koncepcja T-shaped marketera Spośród dostępnych narzędzi stosowanych do promocji w internecie,
Bardziej szczegółowoModelowanie krzywych i powierzchni
3 Modelowanie krzywych i powierzchni Modelowanie powierzchniowe jest kolejną metodą po modelowaniu bryłowym sposobem tworzenia części. Jest to też sposób budowy elementu bardziej skomplikowany i wymagający
Bardziej szczegółowoEFEKTYWNOŚĆ TELEWIZJI
Wymierne dowody, a nie opinie: EFEKTYWNOŚĆ TELEWIZJI na podstawie wyników modeli ekonometrycznych Publicis Media Cel analizy Wyniki O Publicis Media w Polsce Tło i metodologia Data, Technology & Innovation
Bardziej szczegółowoEFEKTYWNOŚĆ TELEWIZJI
Wymierne dowody, a nie opinie: EFEKTYWNOŚĆ TELEWIZJI na podstawie wyników modeli ekonometrycznych Publicis Media Cel analizy Wyniki O Publicis Media w Polsce Tło i metodologia Data, Technology & Innovation
Bardziej szczegółowoKreuj eksperymentem. Magda Nojszewska & Dominik Majewski
Kreuj eksperymentem Magda Nojszewska & Dominik Majewski 12 / 16 Plan na dziś 1. 2. 3. 4. 5. 6. 7. 8. Key Performance Inidicators Jak pogłębiać wiedzę, żeby działać mądrze Czy można sprawdzić potencjał
Bardziej szczegółowoMagda Puchała Marcin Sugak Jerzy Zimowski. e-marketing / marketing elektroniczny /
Pozycjonowanie stron w wyszukiwarkach internetowych emarketing e-marketing / marketing elektroniczny / Wykorzystywanie Internetu w celu promocji produktów lub usług firmy; marketing on-line. e-marketing
Bardziej szczegółowoJak długo żyją spółki na polskiej giełdzie? Zastosowanie statystycznej analizy przeżycia do modelowania upadłości przedsiębiorstw
Jak długo żyją spółki na polskiej giełdzie? Zastosowanie statystycznej analizy przeżycia do modelowania upadłości przedsiębiorstw dr Karolina Borowiec-Mihilewicz Uniwersytet Ekonomiczny we Wrocławiu Zastosowania
Bardziej szczegółowoPLANOWANIE, REALIZACJA I OPTYMALIZACJA KOMUNIKACJI REKLAMOWEJ Z WYKORZYSTANIEM WIDEO I AUDIENCE E-MAILINGU
PLANOWANIE, REALIZACJA I OPTYMALIZACJA KOMUNIKACJI REKLAMOWEJ Z WYKORZYSTANIEM WIDEO I AUDIENCE E-MAILINGU Grzegorz Trondowski Business Development Director Katarzyna Olender Head of Agency Team Anna Milewska
Bardziej szczegółowoLp. nd. Opcjonalnie jeśli to możliwe materiały te mogą zawierać logo instytucji oraz informację o współfinansowaniu projektu.
Wykaz istotnych zamian i uzupełnień w Przewodniku w zakresie promocji projektów finansowanych w ramach Programu Operacyjnego Innowacyjna Gospodarka, 2007 2013 dla beneficjentów i instytucji zaangażowanych
Bardziej szczegółowo"Wsparcie procesu decyzyjnego dla metodyk zwinnych w procesie testowania z wykorzystaniem modeli z obszaru teorii niezawodności."
"Wsparcie procesu decyzyjnego dla metodyk zwinnych w procesie testowania z wykorzystaniem modeli z obszaru teorii niezawodności." Click to edit Master subtitle style Krzysztof Senczyna Agenda 1. Software
Bardziej szczegółowoPraktyczne aspekty stosowania metody punktów funkcyjnych COSMIC. Jarosław Świerczek
Praktyczne aspekty stosowania metody punktów funkcyjnych COSMIC Jarosław Świerczek Punkty funkcyjne Punkt funkcyjny to metryka złożoności oprogramowania wyznaczana w oparciu o określające to oprogramowanie
Bardziej szczegółowoWstęp do sieci neuronowych, wykład 11 Łańcuchy Markova
Wstęp do sieci neuronowych, wykład 11 Łańcuchy Markova M. Czoków, J. Piersa 2010-12-21 1 Definicja Własności Losowanie z rozkładu dyskretnego 2 3 Łańcuch Markova Definicja Własności Losowanie z rozkładu
Bardziej szczegółowoWprowadzenie do badań operacyjnych - wykład 2 i 3
Wprowadzenie do badań operacyjnych - wykład 2 i 3 Hanna Furmańczyk 14 listopada 2008 Programowanie liniowe (PL) - wszystkie ograniczenia muszą być liniowe - wszystkie zmienne muszą być ciągłe n j=1 c j
Bardziej szczegółowoMarketing Online. O nas w kilku słowach. Copyright 2014 Marketing Online
Marketing Online O nas w kilku słowach Marketing Online Firma Marketing Online działa na rynku od roku 2001 i zajmuje się opracowywaniem i realizacją marketingowych strategii reklamy online. Specjalizujemy
Bardziej szczegółowoInstrukcja. Laboratorium Metod i Systemów Sterowania Produkcją.
Instrukcja do Laboratorium Metod i Systemów Sterowania Produkcją. 2010 1 Cel laboratorium Celem laboratorium jest poznanie metod umożliwiających rozdział zadań na linii produkcyjnej oraz sposobu balansowania
Bardziej szczegółowoWstęp do sieci neuronowych, wykład 12 Łańcuchy Markowa
Wstęp do sieci neuronowych, wykład 12 Łańcuchy Markowa M. Czoków, J. Piersa 2012-01-10 1 Łańcucha Markowa 2 Istnienie Szukanie stanu stacjonarnego 3 1 Łańcucha Markowa 2 Istnienie Szukanie stanu stacjonarnego
Bardziej szczegółowoWykładnicze grafy przypadkowe: teoria i przykłady zastosowań do analizy rzeczywistych sieci złożonych
Gdańsk, Warsztaty pt. Układy Złożone (8 10 maja 2014) Agata Fronczak Zakład Fizyki Układów Złożonych Wydział Fizyki Politechniki Warszawskiej Wykładnicze grafy przypadkowe: teoria i przykłady zastosowań
Bardziej szczegółowoWORD OF MOUTH MARKETING
SZKOLENIE DEDYKOWANE BROSZURA INFORMACYJNA WORD OF MOUTH MARKETING Spraw by konsumenci Twojej marki zaczęli ją polecać. Poznaj potęgę marketingu rekomendacji (Word-of-Mouth Marketing) i spraw, by opinie
Bardziej szczegółowoElementy modelowania matematycznego
Elementy modelowania matematycznego Łańcuchy Markowa: zagadnienia graniczne. Ukryte modele Markowa. Jakub Wróblewski jakubw@pjwstk.edu.pl http://zajecia.jakubw.pl/ KLASYFIKACJA STANÓW Stan i jest osiągalny
Bardziej szczegółowoProcedury pozwalające na uproszczenie procesu. projektowania. ZW3D CAD/CAM Biała księga
Procedury pozwalające na uproszczenie procesu projektowania Wstęp Niniejsze opracowanie ukazuje typowy proces projektowania elementów mechanicznych. Ponadto wyjaśni typowe zagadnienia pozwalające uprościć
Bardziej szczegółowoPlan wykładu. Przykład. Przykład 3/19/2011. Przykład zagadnienia transportowego. Optymalizacja w procesach biznesowych Wykład 2 DECYZJA?
/9/ Zagadnienie transportowe Optymalizacja w procesach biznesowych Wykład --9 Plan wykładu Przykład zagadnienia transportowego Sformułowanie problemu Własności zagadnienia transportowego Metoda potencjałów
Bardziej szczegółowoSłowem wstępu. Część rodziny języków XSL. Standard: W3C XSLT razem XPath 1.0 XSLT Trwają prace nad XSLT 3.0
Słowem wstępu Część rodziny języków XSL Standard: W3C XSLT 1.0-1999 razem XPath 1.0 XSLT 2.0-2007 Trwają prace nad XSLT 3.0 Problem Zakładane przez XML usunięcie danych dotyczących prezentacji pociąga
Bardziej szczegółowoPROGRAMOWANIE SIECIOWE. METODA ŚCIEŻKI KRYTYCZNEJ
PROGRAMOWANIE SIECIOWE. METODA ŚCIEŻKI KRYTYCZNEJ Maciej Patan Uniwersytet Zielonogórski WPROWADZENIE Metody programowania sieciowego wprowadzono pod koniec lat pięćdziesiatych Ze względu na strukturę
Bardziej szczegółowoAdfocus platforma RTB. Retargeting spersonalizowany.
Adfocus platforma RTB. Retargeting spersonalizowany. 1 Czy retargeting jest mi potrzebny? Jak zaangażować pozostałe 98% aby dokonali zakupu? 2% klientów kupuje podczas pierwszej wizyty w sklepie. 2 Czy
Bardziej szczegółowoĆwiczenie: JavaScript Cookies (3x45 minut)
Ćwiczenie: JavaScript Cookies (3x45 minut) Cookies niewielkie porcje danych tekstowych, które mogą być przesyłane między serwerem a przeglądarką. Przeglądarka przechowuje te dane przez określony czas.
Bardziej szczegółowoModelowanie komputerowe
Modelowanie komputerowe wykład 5- Klasyczne systemy kolejkowe i ich analiza dr Marcin Ziółkowski Instytut Matematyki i Informatyki Akademia im. Jana Długosza w Częstochowie 16,23listopada2015r. Analiza
Bardziej szczegółowoAnaliza wykonalności dla wskaźnika: dostępność obszarów pod zabudowę
Analiza wykonalności dla wskaźnika: dostępność obszarów pod zabudowę Analizę wykonalności dla wskaźnika dostępności obszarów pod zabudowę wykonamy zgodnie z przedstawionym schematem postępowania rozpoczynając
Bardziej szczegółowoKoordynacja działań w wielu kanałach promocji, czyli jak kompleksowo zadbać o potrzeby klienta
Koordynacja działań w wielu kanałach promocji, czyli jak kompleksowo zadbać o potrzeby klienta Piotr Świstak DM Sales & Operations Manager Warszawa, 21 kwietnia 2016 0 Rynek apteczny: struktura rynku 1
Bardziej szczegółowoĆwiczenia nr 7. TEMATYKA: Krzywe Bézier a
TEMATYKA: Krzywe Bézier a Ćwiczenia nr 7 DEFINICJE: Interpolacja: przybliżanie funkcji za pomocą innej funkcji, zwykle wielomianu, tak aby były sobie równe w zadanych punktach. Poniżej przykład interpolacji
Bardziej szczegółowoOSTASZEWSKI Paweł (55566) PAWLICKI Piotr (55567) Algorytmy i Struktury Danych PIŁA
OSTASZEWSKI Paweł (55566) PAWLICKI Piotr (55567) 16.01.2003 Algorytmy i Struktury Danych PIŁA ALGORYTMY ZACHŁANNE czas [ms] Porównanie Algorytmów Rozwiązyjących problem TSP 100 000 000 000,000 10 000 000
Bardziej szczegółowoEniro wyciąga lepsze wnioski i podejmuje bardziej świadome decyzje. dzięki Google Analytics 360, Google Tag Manager i BigQuery
Eniro wyciąga lepsze wnioski i podejmuje bardziej świadome decyzje Eniro Eniro zajmuje się kompleksową obsługą firm z branży marketingu internetowego, od optymalizacji wyszukiwarek po tworzenie baz danych.
Bardziej szczegółowoPRACA DYPLOMOWA MAGISTERSKA
Politechnika Poznańska Wydział Budowy Maszyn i Zarządzania PRACA DYPLOMOWA MAGISTERSKA Konstrukcja autonomicznego robota mobilnego Małgorzata Bartoszewicz Promotor: prof. dr hab. inż. A. Milecki Zakres
Bardziej szczegółowoDrzewa spinające MST dla grafów ważonych Maksymalne drzewo spinające Drzewo Steinera. Wykład 6. Drzewa cz. II
Wykład 6. Drzewa cz. II 1 / 65 drzewa spinające Drzewa spinające Zliczanie drzew spinających Drzewo T nazywamy drzewem rozpinającym (spinającym) (lub dendrytem) spójnego grafu G, jeżeli jest podgrafem
Bardziej szczegółowoPrzykłady grafów. Graf prosty, to graf bez pętli i bez krawędzi wielokrotnych.
Grafy Graf Graf (ang. graph) to zbiór wierzchołków (ang. vertices), które mogą być połączone krawędziami (ang. edges) w taki sposób, że każda krawędź kończy się i zaczyna w którymś z wierzchołków. Graf
Bardziej szczegółowoZmienność wiatru w okresie wieloletnim
Warsztaty: Prognozowanie produktywności farm wiatrowych PSEW, Warszawa 5.02.2015 Zmienność wiatru w okresie wieloletnim Dr Marcin Zientara DCAD / Stermedia Sp. z o.o. Zmienność wiatru w różnych skalach
Bardziej szczegółowoDane - klucz do serc. Jak wybrać 45 najlepszych Twoich użytkowników. prezentacji na FORUM?
Dane - klucz do serc Jak wybrać 45 najlepszych Twoich użytkowników prezentacji na FORUM? Artur Banach, CEO Tomasz Brzeziński, BDD Netsprint SA Joanna Komuda, IAB Polska 1 W dobie wyjątkowo wysokich oczekiwań
Bardziej szczegółowoWykorzystanie algorytmów mrówkowych w dynamicznym problem
Wykorzystanie algorytmów mrówkowych w dynamicznym problemie marszrutyzacji Promotor: dr inż. Aneta Poniszewska-Marańda Współpromotor: mgr inż. Łukasz Chomątek 18 stycznia 2013 Przedmiot i cele pracy dyplomowej
Bardziej szczegółowoI. KARTA PRZEDMIOTU CEL PRZEDMIOTU
I. KARTA PRZEDMIOTU 1. Nazwa przedmiotu: SYSTEMY WSPOMAGANIA DECYZJI. Kod przedmiotu: Ecs 3. Jednostka prowadząca: Wydział Mechaniczno-Elektryczny. Kierunek: Mechatronika 5. Specjalność: Techniki Komputerowe
Bardziej szczegółowoJak zwiększyć efektywność działań reklamowych dzięki Google Analytics i Big Data
Jak zwiększyć efektywność działań reklamowych dzięki Google Analytics i Big Data TARGI EHANDLU Poznań, 24 marca 2015 Piotr Guziur Nie istnieje jedno lekarstwo na wszystkie dolegliwości Ecommerce. Rekomendujemy
Bardziej szczegółowoŻ ż Ł ż ż ż Ż Ś ż ż ż Ł Ż Ż ć ż Ż Ż Ż Ń Ż Ź ż Ź Ź ż Ż ż ż Ż Ł Ż Ł Ż ż Ż ż Ż Ż Ń Ą Ż Ń Ż Ń ć ż Ż ź Ś ć Ł Ł Ź Ż Ż ż Ł ż Ż Ł Ż Ł ź ć ż Ż Ż ż ż Ó ż Ł Ż ć Ż Ż Ę Ż Ż Ż ż Ż ż ż Ś ż Ż ż ż ź Ż Ń ć Ż ż Ż Ż ż ż ż
Bardziej szczegółowoŚ Ł Ą Ś Ś ź Ś ń ż ż Ó ż ż Ś Ł ż ń ń ń ż ń Ś ń ć ŚĘ Ó Ł Ę Ł Ś Ę Ę ń ń ń ń ń Ź ń ń ń ń ń ż ń ń ń ń ń Ę ż ż ć Ść ń ń ż Ń ż ż ń ń Ś Ą ń Ś ń ń ż Ó ż Ź ń ż ń Ś Ń Ó ż Ł ż Ą ź ź Ś Ł ć Ś ć ż ź ż ć ć Ę Ó Ś Ó ż ż
Bardziej szczegółowoŁ Ł Ś ź ń ź ź ź Ś Ł Ę Ę Ś ż Ś ń Ą Ś Ą Ł ż ż ń ż ć ż ż ż ź ż ć ź Ę Ę ń ć ż Ł ń ż ż ż Ś ż Ś ż ż ż ż ż ż ż ń ń ż ż ż ć ż ń ż ń ź ż ć ż ż ć ń ż Ę Ę ć ń Ę ż ż ń ń ź Ę ź ż ń ż ń ź ż ż ż ń ż ż ż ż ż ż ż ż ń ń
Bardziej szczegółowoŁ Ł Ś Ę ź ń ź ź Ś Ę Ę Ś Ą Ś Ę Ż Ł ń Ę Ś ć ć ń ć ń ń ń ź ń Ę ź ń ń ń ź ź Ś ź ź ć ń ń ń ń Ś ć Ś ń ń Ś ź ń Ę ń Ś ź ź ź ź ź Ę Ę Ę Ś ń Ś ć ń ń ń ń ń ń Ę ń ń ń ń ć ń ń ń ń ć ń Ś ć Ł ń ń ń ć ń ć ź ń ź ć ń ń ć
Bardziej szczegółowoPRZEWODNIK PO PRZEDMIOCIE
Nazwa przedmiotu: Kierunek: Informatyka Rodzaj przedmiotu: moduł specjalności obowiązkowy: Inżynieria oprogramowania, Programowanie aplikacji Rodzaj zajęć: wykład I KARTA PRZEDMIOTU CEL PRZEDMIOTU PRZEWODNIK
Bardziej szczegółowo1 Wprowadzenie do algorytmiki
Teoretyczne podstawy informatyki - ćwiczenia: Prowadzący: dr inż. Dariusz W Brzeziński 1 Wprowadzenie do algorytmiki 1.1 Algorytm 1. Skończony, uporządkowany ciąg precyzyjnie i zrozumiale opisanych czynności
Bardziej szczegółowoKorzyści i. Niekorzyści skali. produkcji
utarg (przychód) Koszt ekonomiczny utarg (przychód) Zakres tematyczny: Koszty w krótkim i długim okresie 1. Koszty pojęcie 2. Rodzaje kosztów wg różnych kryteriów 3. Krzywe kosztów 4. Zależności pomiędzy
Bardziej szczegółowoJak wybrać 45 najlepszych. prezentacji na FORUM?
Ile wart jest Twój najlepszy klient? Czyli jak mierzyć Customer Lifetime Value Jak wybrać 45 najlepszych i dlaczego warto to robić. prezentacji na FORUM? Łukasz Dziekan Joanna Komuda, IAB Polska Katarzyna
Bardziej szczegółowoD. Miszczyńska, M.Miszczyński KBO UŁ, Badania operacyjne [1]
D. Miszczyńska, M.Miszczyński KBO UŁ, Badania operacyjne [1] Co to są badania operacyjne? Termin "badanie operacji" (Operations' Research) powstał podczas II wojny światowej i przetrwał do dzisiaj. W terminologii
Bardziej szczegółowoAlgorytmy wyznaczania centralności w sieci Szymon Szylko
Algorytmy wyznaczania centralności w sieci Szymon Szylko Zakład systemów Informacyjnych Wrocław 10.01.2008 Agenda prezentacji Cechy sieci Algorytmy grafowe Badanie centralności Algorytmy wyznaczania centralności
Bardziej szczegółowoPlan studiów stacjonarnych pierwszego stopnia Kierunek: MARKETING INTERNETOWY A. Moduły międzykierunkowe obligatoryjne
A. Moduły międzykierunkowe obligatoryjne Moduł ogólny I Zz 1 5 20 20 1 BHP Zz 1 5 5 2 Ochrona własności intelektualnej Zz 1 5 5 3 Wstęp do studiowania Zz 1 5 5 4 Szkolenie biblioteczne Zz 1 5 5 Moduł Wychowanie
Bardziej szczegółowoWprowadzenie do analizy korelacji i regresji
Statystyka dla jakości produktów i usług Six sigma i inne strategie Wprowadzenie do analizy korelacji i regresji StatSoft Polska Wybrane zagadnienia analizy korelacji Przy analizie zjawisk i procesów stanowiących
Bardziej szczegółowoZASTOSOWANIE PROGRAMOWANIA LINIOWEGO W ZAGADNIENIACH WSPOMAGANIA PROCESU PODEJMOWANIA DECYZJI
Wstęp ZASTOSOWANIE PROGRAMOWANIA LINIOWEGO W ZAGADNIENIACH WSPOMAGANIA PROCESU PODEJMOWANIA DECYZJI Problem podejmowania decyzji jest jednym z zagadnień sterowania nadrzędnego. Proces podejmowania decyzji
Bardziej szczegółowoPracownia Inżynierii Procesowej
Pracownia Inżynierii Procesowej Aktualizacja oferty styczeń 2016 WŁAŚCICIEL mgr inż. Alicja Wróbel Absolwent Politechniki Opolskiej, Wydziału Zarzadzania i Inżynierii Produkcji Rysunek techniczny 2D 3D
Bardziej szczegółowoWykorzystanie algorytmów mrówkowych w dynamicznym problem
Wykorzystanie algorytmów mrówkowych w dynamicznym problemie marszrutyzacji Promotor: dr inż. Aneta Poniszewska-Marańda Współpromotor: mgr inż. Łukasz Chomątek 14 czerwca 2013 Przedmiot i cele pracy dyplomowej
Bardziej szczegółowoMatematyczne Podstawy Informatyki
Matematyczne Podstawy Informatyki dr inż. Andrzej Grosser Instytut Informatyki Teoretycznej i Stosowanej Politechnika Częstochowska Rok akademicki 2013/2014 Automat ze stosem Automat ze stosem to szóstka
Bardziej szczegółowoPlan studiów niestacjonarnych pierwszego stopnia Kierunek: MARKETING INTERNETOWY A. Moduły międzykierunkowe obligatoryjne
Plan studiów niestacjonarnych pierwszego stopnia A. Moduły międzykierunkowe obligatoryjne Moduł ogólny I Zz 1 5 20 20 1 BHP Zz 1 5 5 2 Ochrona własności intelektualnej Zz 1 5 5 3 Wstęp do studiowania Zz
Bardziej szczegółowoEFEKTY WSPARCIA PRZEDSIĘBIORSTW RPO ORAZ POIG. ANALIZA KONTRFAKTYCZNA
EFEKTY WSPARCIA PRZEDSIĘBIORSTW RPO ORAZ POIG. ANALIZA KONTRFAKTYCZNA DR DOMINIK ROZKRUT RAFAŁ TRZCIŃSKI Dz. współfinansowane ze środków Programu Operacyjnego Pomoc Techniczna 2007-2013 Wsparcie systemu
Bardziej szczegółowoZAGADNIENIE TRANSPORTOWE
ZAGADNIENIE TRANSPORTOWE ZT jest specyficznym problemem z zakresu zastosowań programowania liniowego. ZT wykorzystuje się najczęściej do: optymalnego planowania transportu towarów, przy minimalizacji kosztów,
Bardziej szczegółowoInteligencja obliczeniowa
Ćwiczenie nr 3 Zbiory rozmyte logika rozmyta Sterowniki wielowejściowe i wielowyjściowe, relacje rozmyte, sposoby zapisu reguł, aproksymacja funkcji przy użyciu reguł rozmytych, charakterystyki przejściowe
Bardziej szczegółowoSkuteczność NCBrain. Funkcja NCBrain. Usuwanie zbędnych przejść w powietrzu. Automatyczne dodawanie ścieżek w obszarach przeciążenia narzędzia
Skuteczność NCBrain Redukcja czasu obróbki poprzez zoptymalizowanie parametrów i zwiększenie prędkości skrawania dzięki użyciu ATC Zmienny Kąt Opasania Zapobieganie uszkodzeniu narzędzia i łatwe sterowanie
Bardziej szczegółowoModele i narzędzia optymalizacji w systemach informatycznych zarządzania
Politechnika Poznańska Modele i narzędzia optymalizacji w systemach informatycznych zarządzania Joanna Józefowska POZNAŃ 2010/11 Spis treści Rozdział 1. Metoda programowania dynamicznego........... 5
Bardziej szczegółowoKomunikacja wczoraj, dziś i jutro
Komunikacja wczoraj, dziś i jutro Zbigniew Nowicki, Managing Director, Bluerank Warszawa, 2010 Wprowadzenie Czyli krótka opowieść o tym jak hartowała się stal 2 Ciężkie prehistoryczne początki 3 Walka
Bardziej szczegółowoProgrammatic In-House czy w warunkach polskich to ma sens? Arkadiusz Miegoń - Mexad
Programmatic In-House czy w warunkach polskich to ma sens? Arkadiusz Miegoń - Mexad Programmatic in-house - Szef agencji programmatic Mexad partnera DataXu w PL - Wykładowca Marketingu Internetowego na
Bardziej szczegółowoAlgorytmy mrówkowe. H. Bednarz. Wydział Informatyki Zachodniopomorski Uniwersytet Technologiczny w Szczecinie Inteligentne systemy informatyczne
Algorytmy mrówkowe H. Bednarz Wydział Informatyki Zachodniopomorski Uniwersytet Technologiczny w Szczecinie Inteligentne systemy informatyczne 13 kwietnia 2015 1 2 3 4 Przestrzeń poszukiwań Ograniczenia
Bardziej szczegółowoSystemy wbudowane. Uproszczone metody kosyntezy. Wykład 11: Metody kosyntezy systemów wbudowanych
Systemy wbudowane Wykład 11: Metody kosyntezy systemów wbudowanych Uproszczone metody kosyntezy Założenia: Jeden procesor o znanych parametrach Znane parametry akceleratora sprzętowego Vulcan Początkowo
Bardziej szczegółowoJak zwiększyliśmy widoczność. Kazar.com w Google?
Jak zwiększyliśmy widoczność.com w Google? Wyzwania: wzrost wizyt w serwisie z poziomu organicznych wyników wyszukiwania z wykluczeniem zapytań brandowych; poprawa widoczności serwisu w płatnych i bezpłatnych
Bardziej szczegółowoContent Marketing. najpiękniejsza idea wymyślona przez marketerów od 200 lat
Content Marketing najpiękniejsza idea wymyślona przez marketerów od 200 lat Content Marketing - przykład Wartości, na których opiera się content marketing: uczciwość, odwaga, wiara. Content marketing Tworzymy,
Bardziej szczegółowoK.Pieńkosz Badania Operacyjne Wprowadzenie 1. Badania Operacyjne. dr inż. Krzysztof Pieńkosz
K.Pieńkosz Wprowadzenie 1 dr inż. Krzysztof Pieńkosz Instytut Automatyki i Informatyki Stosowanej Politechniki Warszawskiej pok. 560 A tel.: 234-78-64 e-mail: K.Pienkosz@ia.pw.edu.pl K.Pieńkosz Wprowadzenie
Bardziej szczegółowoModuł SEM/SEO. Generowanie ruchu narzędzia marketingu on-line, kampanie SEO/SEM Jak skutecznie promować firmę w sieci?
Generowanie ruchu narzędzia marketingu on-line, kampanie SEO/SEM Jak skutecznie promować firmę w sieci? Trenerzy: Adam Dyba/Piotr Poznański Terminy: 21 i 22 marca 11 i 12 kwietnia 22 i 23 kwietnia Konsorcjum
Bardziej szczegółowoZofia Kruczkiewicz, Algorytmu i struktury danych, Wykład 14, 1
Wykład Algorytmy grafowe metoda zachłanna. Właściwości algorytmu zachłannego:. W przeciwieństwie do metody programowania dynamicznego nie występuje etap dzielenia na mniejsze realizacje z wykorzystaniem
Bardziej szczegółowoProgram Obliczeń Wielkich Wyzwań Nauki i Techniki (POWIEW)
Program Obliczeń Wielkich Wyzwań Nauki i Techniki (POWIEW) Maciej Cytowski, Maciej Filocha, Maciej E. Marchwiany, Maciej Szpindler Interdyscyplinarne Centrum Modelowania Matematycznego i Komputerowego
Bardziej szczegółowoInżynieria oprogramowania. Część 8: Metoda szacowania ryzyka - PERT
UNIWERSYTET RZESZOWSKI KATEDRA INFORMATYKI Opracował: mgr inż. Przemysław Pardel v1.01 2010 Inżynieria oprogramowania Część 8: Metoda szacowania ryzyka - PERT ZAGADNIENIA DO ZREALIZOWANIA (3H) PERT...
Bardziej szczegółowoPodstawy informatyki. Elektrotechnika I rok. Język C++ Operacje na danych - wskaźniki Instrukcja do ćwiczenia
Podstawy informatyki Elektrotechnika I rok Język C++ Operacje na danych - wskaźniki Instrukcja do ćwiczenia Katedra Energoelektroniki i Automatyki Systemów Przetwarzania Energii AGH Kraków 2017 Tematyka
Bardziej szczegółowoAkademia Górniczo-Hutnicza Wydział Elektrotechniki, Automatyki, Informatyki i Elektroniki
Akademia Górniczo-Hutnicza Wydział Elektrotechniki, Automatyki, Informatyki i Elektroniki Przetwarzanie Sygnałów Studia Podyplomowe, Automatyka i Robotyka. Wstęp teoretyczny Zmienne losowe Zmienne losowe
Bardziej szczegółowoMultiSETTER: web server for multiple RNA structure comparison. Sandra Sobierajska Uniwersytet Jagielloński
MultiSETTER: web server for multiple RNA structure comparison Sandra Sobierajska Uniwersytet Jagielloński Wprowadzenie Budowa RNA: - struktura pierwszorzędowa sekwencja nukleotydów w łańcuchu: A, U, G,
Bardziej szczegółowoCASE STUDY Facebook Ads: ponad 700% ROAS w e-commerce z branży fashion
CASE STUDY Facebook Ads: ponad 700% ROAS w e-commerce z branży fashion O kliencie to sklep internetowy z odzieżą dla kobiet. W jego asortymencie znajdują się głównie sukienki, ale także spodnie, bluzki,
Bardziej szczegółowoSYLABUS/KARTA PRZEDMIOTU
PAŃSTWOWA WYŻSZA SZKOŁA ZAWODOWA W GŁOGOWIE SYLABUS/KARTA PRZEDMIOTU 1. NAZWA PRZEDMIOTU Systemy produkcyjne komputerowo zintegrowane. NAZWA JEDNOSTKI PROWADZĄCEJ PRZEDMIOT Instytut Politechniczny 3. STUDIA
Bardziej szczegółowo