4. Stabla odlučivanja
|
|
- Osborne Stokes
- 5 years ago
- Views:
Transcription
1 4. Stabla odlučivanja MARIJANA ZEKIĆ-SUŠAC SVEUČILIŠTE J.J. STROSSMAYERA U OSIJEKU, EKONOMSKI FAKULTET U OSIJEKU 1
2 Što ćete naučiti u ovom poglavlju? Što su i koje su vrste stabala odlučivanja? Kako funkcioniraju stabla odlučivanja za klasifikaciju? Kako se klasifikacijska stabla odlučivanja koriste na primjerima (u alatu Statistica)? Kako se tumače numerički i grafički rezultati klasifikacijskih stabala? Kako se provodi analiza osjetljivosti kod klasifikacijskih stabala? M. ZEKIĆ- SUŠAC 2
3 Stabla odlučivanja u analizi odlučivanja Stabla odlučivanja kao metoda pojavljuju se u dva područja znanosti: 1. U analizi odlučivanja (eng. Decision analysis) koriste se kako bi vizualno (grafički) predstavila način donošenja odluka od strane eksperta koriste se kod ekspertnih sustava Atributi za donošenje odluke Cilj - odluka Takva stabla odlučivanja opisuju način kako ljudski ekspert dolazi do odluke kod nekog problema odlučivanja, npr. kupovine automobila, izbora lokacije tvrtke, dijagnoze u medicini i slično. Kod ove metode se polazi od ručnog kreiranja stabla. M. ZEKIĆ- SUŠAC 3
4 Stabla odlučivanja u strojnom učenju i rudarenju podataka 2. U strojnom učenju stabla odlučivanja su prediktivni modeli koji na temelju podataka izvode njihove veze u cilju dobivanja izlaznih vrijednosti. Kao takvi modeli koriste se u rudarenju podataka (eng. Datamining) traženju skrivenih veza među podacima Listovi stabla (eng. Leaves) klasifikacije ili kategorije Takva se stabla temelje na podacima, a ne na odluci eksperta, a još se zovu i: klasifikacijska stabla i/ili regresijska stabla. Kod ove metode stablo je rezultat koji se dobiva metodom. Grane (eng. Branches) karakteristike koje dovode do razvrstavanja u kategorije ili klase Na ovom kolegiju bavit ćemo se ovom drugom vrstom stabala odlučivanja koja se temelje na podacima. M. ZEKIĆ- SUŠAC 4
5 Klasifikacijska i regresijska stabla odlučivanja Klasifikacijska i regresijska stabla (eng. Classification And Regression Trees CART) su metoda kojom se dobiva grafički prikaz modela utjecaja ulaznih varijabli na izlaznu. Pri tome izlazna varijabla mora biti izražena u obliku klasa ili kategorija. Način funkcioniranja stabla: Svaki čvor u grafičkom stablu predstavlja jednu ulaznu varijablu, na čijim rubovima su označena djeca-čvorovi za svaku moguću vrijednost neke ulazne varijable. Svaki list u stablu predstavlja vrijednost ciljne (izlazne) varijable ako su dane vrijednosti ulaznih varijabli predstavljene putom od korijena stabla do tog lista. Stablo se dobiva učenjem na podacima, na način da se vrši grananje (eng. splitting) izvornog skupa podataka u podskupove na temelju testiranja vrijednosti varijabli. Proces se ponavlja na svakom izvedenom podskupu na rekurzivni način (eng. recursive partitioning). Rekurzija je završena kada podskup određenog čvora ima sve iste vrijednosti izlazne varijable, ili kada daljnje grananje više ne doprinosi poboljšanju rezultata (Witten, Frank, 2000). M. ZEKIĆ- SUŠAC 5
6 Algoritam za izgradnju stabla Za izgradnju stabla koristi se najčešće CART algoritam prema Breiman et al. (u Witten i Frank, 2000), koji na temelju raspoloživih podataka o ulaznim i izlaznim varijablama kreira binarno stablo grananjem slogova u svakom čvoru prema funkciji određenoj za svaku ulaznu varijablu. Evaluacijska funkcija korištena za prijelom je Gini indeks (IG), definiran prema formuli (Apte, 1997): m I ( t) 1 2 G p i i 1 gdje je t trenutni čvor, pi je vjerojatnost klase i u čvoru t, a m je broj klasa u modelu (u našem slučaju m=2). Algoritam CART uzima u obzir sva moguća grananja kako bi pronašao najbolje grananje za točnost modela. Najbolje grananje određuje se za svaki atribut u svakom čvoru, a pobjednik se izabire s pomoću Gini indeksa. M. ZEKIĆ- SUŠAC 6
7 Algoritam za izgradnju stabla - nastavak Algoritam može uspješno raditi s kontinuiranim i kategorijalnim varijablama. Stablo raste sve dok se ne pronađe novo grananje koje poboljšava uspješnost stabla u razdvajanju slogova u klase. S obzirom da svako sljedeće grananje ima na raspolaganju manje reprezentativnu populaciju, potrebno je smanjivati stablo (eng. pruning), kako bi se dobila točnija klasifikacija. Cilj je identificirati one grane koje omogućuju najmanje prediktivne sposobnosti po listu u grani, kako bi ih se izbacilo iz stabla. U proceduri smanjivanja stabla (pruning) skupovi grana smanjivani su u odnosu na početno kompletno stablo odlučivanja, što je procedura slična eliminiranju prediktora u diskriminantnoj analizi. Na kraju je izabrano stablo odgovarajuće veličine s obzirom na točnost klasifikacije. Pri tome se uzima u obzir odnos složenosti stabla i veličine greške. Pobjedničko podstablo se odabire na temelju ukupne greške (stope pogrešne klasifikacije) dobivene kada se model primijeni na testnom uzorku (Berry i Linoff, 1997). M. ZEKIĆ- SUŠAC 7
8 Faze u kreiranju stabla odlučivanja 1. Priprema podataka pripremiti ulazne varijable, izlaznu varijablu (kategorijalnu), podjelu uzorka (varijablu koja će označiti koji dio uzorka se koristi za treniranje, a koji za testiranje stabla) 2. Izbor algoritma i parametara stabla 3. Generiranje grafičkog stabla odlučivanja (tree plot) i numeričke strukture stabla (tree structure) 4. Generiranje matrice konfuzije (na uzorku za treniranje i na uzorku za testiranje) 5. Tumačenje rezultata stabla odlučivanja (računanje greške) 6. Upotreba stabla odlučivanja u praksi M. ZEKIĆ- SUŠAC 8
9 Primjer 1 klasifikacija irisa s pomoću stabla odlučivanja Pretpostavimo da želimo s pomoću stabla odlučivanja razvrstati cvjetove irisa u tri kategorije: (1) Setosa, (2) Versicolor, (3) Virginica Koristit ćemo alat Statistica, u njemu učitati podatke iris.sta U podacima su cvjetovi slučajno razmješteni, postoji varijabla Sample koja će biti indikator koji slučajevi će biti korišteni za treniranje, a koji za test: 1 treniranje (80% uzorka ili 120 slučajeva) 2 test (20% uzorka, ili 30 slučajeva) M. ZEKIĆ- SUŠAC 9
10 Primjer 1 priprema datoteke s podacima Datoteka s podacima (iris.sta) izgleda ovako: M. ZEKIĆ- SUŠAC 10
11 Primjer 1 klasifikacija irisa s pomoću stabla odlučivanja Za kreiranje stabla potrebno je aktivirati naredbu Statistics / Multivariate Exploratory Techniques / Classification Trees Prvi korak je izbor varijabli, pa treba izabrati izlaznu, ulazne varijable, te sampling varijablu kao na slici: M. ZEKIĆ- SUŠAC 11
12 Primjer 1 provjera uzorkovanja Klikom na sivu karticu Advanced treba provjeriti da li će program koristiti slučajeve označene s 1 za treniranje (učenje), a s 2 za testiranje: Provjeriti kako je program učitao podatke za uzorkovanje M. ZEKIĆ- SUŠAC 12
13 Primjer 1 izbor algoritma i parametara stabla Klikom na sivu karticu Method izabire se algoritam stabla odlučivanja. Moguće je koristiti 3 algoritma: discriminant based univariate splits discriminant based linear combination splits C&RT (CART) style exhaustive search for univariate splits Ovi algoritmi predstavljaju različite načine pretraživanja stabla i prijeloma grana, kako bi se dobilo što manje stablo koje objašnjava veze između ulaznih i izlazne varijable. Za naše potrebe koristit ćemo treći algoritam (CART), iako u svrhu eksperimentiranja možete koristiti sva tri algoritma pojedinačno i usporediti rezultate. M. ZEKIĆ- SUŠAC 13
14 Primjer 1 izbor algoritma i parametara stabla U okviru Goodness of fit koristit ćemo Gini measure što je mjera za izbor uspješnosti stabla koja koristi formulu Gini indeksa (objašnjeno prije). Sve ostale parametre ostavit ćemo standarno postavljeno (default): Prior probabilities estimated znači da će program iz podataka odrediti koliki je udio pojedine klase u uzorku i odrediti prethodnu vjerojatnost pripadanja slučajeva u pojedinu klasu Misclassification costs equal znači da će se pogrešno svrstavanje slučajeva u klasu tretirati s podjednakim troškom (greškom) za svaku klasu Sve parametre u sivim karticama Stopping options i Sampling ostavljamo standardno postavljene. M. ZEKIĆ- SUŠAC 14
15 Primjer 1 Rezultati stabla odlučivanja Klikom na sivu karticu Quick, te na tipku Classification tree plot dobiva se grafički prikaz stabla kao na slici: Classification Tree for Vrsta Number of splits = 2; Number of terminal nodes = LaticaD<= LaticaS<= M. ZEKIĆ- SUŠAC 15
16 Tumačenje stabla Na grafičkom prikazu stabla vidljivo je da su se samo dvije varijable pokazale relevantnima za razvrstavanje cvjetova irisa: LaticaD (duljina latice) i LaticaS (širina latice). U prvom pravokutniku (na vrhu stabla) prikazane su tri kategorije cvijeta irisa (označene manjim pravokutnicima svaki drugačijom bojom). Stablo ima dvije glavne grane lijevu i desnu. Stablo ima 5 čvorova (eng. nodes) U lijevoj grani je samo jedno dijete (child node), a u desnoj troje djece ili čvorova. M. ZEKIĆ- SUŠAC 16
17 Tumačenje stabla - nastavak Stablo pokazuje da cvjetovi koji imaju duljinu latica <=2,45, svi pripadaju u prvu klasu (od 120 cvjetova prisutnih u uzorku za treniranje, njih 39 zadovoljava ovaj uvjet). Cvjetovi koji imaju duljinu latica >2,45, dalje se razvrstavaju ovisno o širini latice. Ako je širina latice <= 1,75, tada pripadaju u klasu 2, a ako je > 1,75, tada pripadaju u klasu 3. Također je na linijama (granama) vidljivo koliko je cvjetova koji zadovoljavaju gore navedene uvjete. M. ZEKIĆ- SUŠAC 17
18 Numerički prikaz stabla Klikom na tipku Summary Tree Structure dobiva se numerički (tablični) prikaz stabla, koji također prikazuje grane i čvorove unutar njih, te vrijednosti varijabli koje se koriste za prijelom (split) stabla: M. ZEKIĆ- SUŠAC 18
19 Matrica konfuzije klasifikacijskog stabla Klikom na sivu karticu Predicted Classes, tipku Predicted Class by Observed Class, dobije se matrica konfuzije na uzorku za treniranje: Tumačenje:Od 39 cvjetova koji su stvarno pripadali u prvu klasu, stablo je svih 39 ispravno svrstalo. Od 36 cvjetova koji su pripadali u drugu klasu, stablo je ispravno svrstalo njih 35, dok je jedan pogrešno svrstan u 3. klasu. Od 45 cvjetova koji su pripadali u treću klasu, stablo je njih 40 ispravno svrstalo, dok je 5 pogrešno svrstano u 2. klasu. M. ZEKIĆ- SUŠAC 19
20 Matrica pogrešne klasifikacije na uzorku za testiranje Klikom na karticu Cross Validation, tipku Misclassicification Matrix, na uzorku za testiranje dobiva se matrica: Matrica pokazuje da nema pogrešno svrstanih cvjetova na uzorku za testiranje, što znači da je stopa točnosti klasifikacije na tom uzorku 100%. M. ZEKIĆ- SUŠAC 20
21 Rezultati stabla odlučivanja Način na koji je stablo razvrstalo slučajeve na uzorku za testiranje moguće je dobiti klikom na tipku Test sample / Predicted CAses, iz čega se kasnije u Excelu mogu izračunati različita mjerila uspješnosti, npr. stopa točnosti klasifikacije za svaku klasu i prosječna stopa klasifikacije. Primjer pokazuje da je stablo odlučivanja kao metoda klasifikacije uspješna na uzorku cvjetova irisa. Stablo odlučivanje može se kao metoda strojnog učenja koristiti za klasifikaciju slučajeve iz različitih područja: npr. pacijenata, klijenata banke, tvrtke, proizvoda, artikala itd. M. ZEKIĆ- SUŠAC 21
22 Analiza značajnosti ulaznih varijabli - tablično Za analizu značajnosti ulaznih varijabli kod stabla odlučivanja potrebno je kliknuti na sivu karticu Tree structure a zatim na tipku Predictor Importance, nakog čega se dobiva tablica koja predstavlja rang značajnosti svake ulazne varijable (u stupcu Ranking). Tumačenje tablice: što je viša vrijednost ranga, veća je značajnost pojedine varijable u modelu (0=najniži značaj, 100=najviši značaj) M. ZEKIĆ- SUŠAC 22
23 Analiza značajnosti ulaznih varijabli - grafički Klikom na tipku Importance Plot na istoj kartici dobiva se grafički prikaz (u obliku histograma) značajnosti varijabli prema tabličnim vrijednostima rangova. Ranking Predictor Variable Importance Rankings Dependent variable: Vrsta Rankings on scale from 0=low importance to 100=high importance 20 0 ListD ListS LaticaD LaticaS Predictor variable Iz grafikona je vidljivo također da su duljina latica i širina latica najznačajnije varijable u modelu, zatim slijedi duljina lista i najmanje je značajna širina lista. M. ZEKIĆ- SUŠAC 23
24 Primjer 2 kreiranje stabla za klasifikaciju studenata prema uspjehu Stablo u ovom radu kreirano je na temelju 8 ulaznih kategorijalnih varijabli, pri čemu su korištene sljedeće vrijednosti parametara za izbor najpogodnijeg stabla: (1) minimalni broj slučajeva koji kontrolira u kojem trenutku će se zaustaviti izbor prijeloma i započeti procedura pruning-a postavljen je na 16, (2) jednake prethodne vjerojatnosti za obje klase studenata, (3) kao pravilo zaustavljanja korištena je stopa pogrešne klasifikacije. Nakon 3-fold unakrsne validacije, izabrano je najbolje klasifikacijsko stablo, koje je na kraju primijenjeno na testnom uzorku (istom uzorku na kojem su konačno testirane i neuronske mreže) radi dobivanja uvida u mogućnosti generalizacije modela na novim podacima, ali i usporedbe uspješnosti modela stabla odlučivanja i neuronskih mreža. Struktura konačnog stabla odlučivanja dobivenog za promatrane podatke prikazana je na Slici 2. M. ZEKIĆ- SUŠAC 24
25 0 1 ID=1 N=83 0 ID=2 N=60 0 SP = 2 = Other(s) ID=3 N=23 1 ID=4 N=31 1 VOCJ = 2, 3 = Other(s) ID=5 N=29 0 ID=6 N=26 1 VRI = 2, 3 = Other(s) ID=7 N=5 0 ID=8 N=22 0 VRI = 2, 3 = Other(s) ID=9 N=7 1 M. ZEKIĆ- SUŠAC 25
26 Prednosti stabala odlučivanja kao metode klasifikacije Mogu raditi i s kategorijalnim i kontinuiranim ulaznim vrijednostima Jednostavna su za razumijevanje i interpretaciju - grafička stabla dobivena ovom metodom su pregledna za opis modela Mogu se kombinirati s drugim metodama za potporu odlučivanju neuronskim mrežama, ekspertnim sustavima i dr. M. ZEKIĆ- SUŠAC 26
27 Literatura G. Klepac, L. Mršić, Poslovna inteligencija kroz poslovne slučajeve, Lider, Tim Press, Zagreb, Ž. Panian, G. Klepac, Poslovna inteligencija, Masmedia, Zagreb, V.Čerić, M., Varga, Informacijska tehnologija u poslovanju, Element, Zagreb, 2004., poglavlja T. Hastie, R. Tibshirani, J. Friedman, The Elements of Statistical Learning, Data Mining, Inference, and Prediction, Springer, Second Edition, F. Provost, T. Fawcett, Data Science for Business, What You Need to Know about Data Mining and Data-Analytic Thinking, O'Reilly Media, S. J. Russell, P.Norvig, Artificial Intelligence: A Modern Approach, Prentice Hall; 2nd edition, I.H. Witten, E. Frank, Data Mining: Practical Machine Learning Tools and Techniques with Java Implementation. Morgan Kaufman Publishers, San Francisco, CA, D. Graupe, Principles of Artificial Neural Networks (2nd edition), Advanced Series in Circuits and Systems - Vol. 6, World Scientific, Singapore Zekić-Sušac, M., Has, A., Predictive analytics in Big Data platforms comparison and strategies, MIPRO BIS 2016, Opatija, Hrvatska 27
SAS On Demand. Video: Upute za registraciju:
SAS On Demand Video: http://www.sas.com/apps/webnet/video-sharing.html?bcid=3794695462001 Upute za registraciju: 1. Registracija na stranici: https://odamid.oda.sas.com/sasodaregistration/index.html U
More informationPodešavanje za eduroam ios
Copyright by AMRES Ovo uputstvo se odnosi na Apple mobilne uređaje: ipad, iphone, ipod Touch. Konfiguracija podrazumeva podešavanja koja se vrše na računaru i podešavanja na mobilnom uređaju. Podešavanja
More informationSIMPLE PAST TENSE (prosto prošlo vreme) Građenje prostog prošlog vremena zavisi od toga da li je glagol koji ga gradi pravilan ili nepravilan.
SIMPLE PAST TENSE (prosto prošlo vreme) Građenje prostog prošlog vremena zavisi od toga da li je glagol koji ga gradi pravilan ili nepravilan. 1) Kod pravilnih glagola, prosto prošlo vreme se gradi tako
More informationStruktura indeksa: B-stablo. ls/swd/btree/btree.html
Struktura indeksa: B-stablo http://cis.stvincent.edu/html/tutoria ls/swd/btree/btree.html Uvod ISAM (Index-Sequential Access Method, IBM sredina 60-tih godina 20. veka) Nedostaci: sekvencijalno pretraživanje
More informationSTABLA ODLUČIVANJA. Jelena Jovanovic. Web:
STABLA ODLUČIVANJA Jelena Jovanovic Email: jeljov@gmail.com Web: http://jelenajovanovic.net 2 Zahvalnica: Ovi slajdovi su bazirani na materijalima pripremljenim za kurs Applied Modern Statistical Learning
More information5. Asocijacijska pravila
5. Asocijacijska pravila MARIJANA ZEKIĆ-SUŠAC SVEUČILIŠTE J.J. STROSSMAYERA U OSIJEKU, EKONOMSKI FAKULTET U OSIJEKU 1 Što ćete naučiti u ovom poglavlju? Što su asocijacijska pravila? Kako se ta metoda
More information1. Uvod Metodologija neuronskih mreža. 2. Metodologija istraživanja
Dr. sc. Kata Ivić* Zvonimir Jurković, univ. bacc. oec.** Rozalija Marinković, univ. bacc. oec.** IZRADA MODELA NEURONSKIH MREŽA ZA UČESTALOST KORIŠTENJA FAKULTETSKE KNJIŽNICE SAŽETAK Neuronske mreže, kao
More informationBENCHMARKING HOSTELA
BENCHMARKING HOSTELA IZVJEŠTAJ ZA SVIBANJ. BENCHMARKING HOSTELA 1. DEFINIRANJE UZORKA Tablica 1. Struktura uzorka 1 BROJ HOSTELA BROJ KREVETA Ukupno 1016 643 1971 Regije Istra 2 227 Kvarner 4 5 245 991
More informationBiznis scenario: sekcije pk * id_sekcije * naziv. projekti pk * id_projekta * naziv ꓳ profesor fk * id_sekcije
Biznis scenario: U školi postoje četiri sekcije sportska, dramska, likovna i novinarska. Svaka sekcija ima nekoliko aktuelnih projekata. Likovna ima četiri projekta. Za projekte Pikaso, Rubens i Rembrant
More informationEduroam O Eduroam servisu edu roam Uputstvo za podešavanje Eduroam konekcije NAPOMENA: Microsoft Windows XP Change advanced settings
Eduroam O Eduroam servisu Eduroam - educational roaming je besplatan servis za pristup Internetu. Svojim korisnicima omogućava bezbedan, brz i jednostavan pristup Internetu širom sveta, bez potrebe za
More informationAMRES eduroam update, CAT alat za kreiranje instalera za korisničke uređaje. Marko Eremija Sastanak administratora, Beograd,
AMRES eduroam update, CAT alat za kreiranje instalera za korisničke uređaje Marko Eremija Sastanak administratora, Beograd, 12.12.2013. Sadržaj eduroam - uvod AMRES eduroam statistika Novine u okviru eduroam
More informationGUI Layout Manager-i. Bojan Tomić Branislav Vidojević
GUI Layout Manager-i Bojan Tomić Branislav Vidojević Layout Manager-i ContentPane Centralni deo prozora Na njega se dodaju ostale komponente (dugmići, polja za unos...) To je objekat klase javax.swing.jpanel
More informationKlasterizacija. NIKOLA MILIKIĆ URL:
Klasterizacija NIKOLA MILIKIĆ EMAIL: nikola.milikic@fon.bg.ac.rs URL: http://nikola.milikic.info Klasterizacija Klasterizacija (eng. Clustering) spada u grupu tehnika nenadgledanog učenja i omogućava grupisanje
More informationPort Community System
Port Community System Konferencija o jedinstvenom pomorskom sučelju i digitalizaciji u pomorskom prometu 17. Siječanj 2018. godine, Zagreb Darko Plećaš Voditelj Odsjeka IS-a 1 Sadržaj Razvoj lokalnog PCS
More informationPriprema podataka. NIKOLA MILIKIĆ URL:
Priprema podataka NIKOLA MILIKIĆ EMAIL: nikola.milikic@fon.bg.ac.rs URL: http://nikola.milikic.info Normalizacija Normalizacija je svođenje vrednosti na neki opseg (obično 0-1) FishersIrisDataset.arff
More informationPROJEKTNI PRORAČUN 1
PROJEKTNI PRORAČUN 1 Programski period 2014. 2020. Kategorije troškova Pojednostavlj ene opcije troškova (flat rate, lump sum) Radni paketi Pripremni troškovi, troškovi zatvaranja projekta Stope financiranja
More informationNejednakosti s faktorijelima
Osječki matematički list 7007, 8 87 8 Nejedakosti s faktorijelima Ilija Ilišević Sažetak Opisae su tehike kako se mogu dokazati ejedakosti koje sadrže faktorijele Spomeute tehike su ilustrirae a izu zaimljivih
More informationIZDAVANJE SERTIFIKATA NA WINDOWS 10 PLATFORMI
IZDAVANJE SERTIFIKATA NA WINDOWS 10 PLATFORMI Za pomoć oko izdavanja sertifikata na Windows 10 operativnom sistemu možete se obratiti na e-mejl adresu esupport@eurobank.rs ili pozivom na telefonski broj
More informationKOMPARATIVNA ANALIZA PREDIKTIVNIH TEHNIKA RUDARENJA PODATAKA
SVEUČILIŠTE U SPLITU EKONOMSKI FAKULTET DIPLOMSKI RAD KOMPARATIVNA ANALIZA PREDIKTIVNIH TEHNIKA RUDARENJA PODATAKA MENTOR: STUDENT: izv.prof.dr.sc. Mario Jadrić Frane Ivanišević Split, rujan 2016 2 SAŽETAK
More informationCJENIK APLIKACIJE CERAMIC PRO PROIZVODA STAKLO PLASTIKA AUTO LAK KOŽA I TEKSTIL ALU FELGE SVJETLA
KOŽA I TEKSTIL ALU FELGE CJENIK APLIKACIJE CERAMIC PRO PROIZVODA Radovi prije aplikacije: Prije nanošenja Ceramic Pro premaza površina vozila na koju se nanosi mora bi dovedena u korektno stanje. Proces
More informationModelling Transport Demands in Maritime Passenger Traffic Modeliranje potražnje prijevoza u putničkom pomorskom prometu
Modelling Transport Demands in Maritime Passenger Traffic Modeliranje potražnje prijevoza u putničkom pomorskom prometu Drago Pupavac Polytehnic of Rijeka Rijeka e-mail: drago.pupavac@veleri.hr Veljko
More informationUpute za korištenje makronaredbi gml2dwg i gml2dgn
SVEUČILIŠTE U ZAGREBU - GEODETSKI FAKULTET UNIVERSITY OF ZAGREB - FACULTY OF GEODESY Zavod za primijenjenu geodeziju; Katedra za upravljanje prostornim informacijama Institute of Applied Geodesy; Chair
More informationUlazne promenljive se nazivaju argumenti ili fiktivni parametri. Potprogram se poziva u okviru programa, kada se pri pozivu navode stvarni parametri.
Potprogrami su delovi programa. Često se delovi koda ponavljaju u okviru nekog programa. Logično je da se ta grupa komandi izdvoji u potprogram, i da se po želji poziva u okviru programa tamo gde je potrebno.
More informationSveučilište Jurja Dobrile u Puli Fakultet ekonomije i turizma «Dr. Mijo Mirković» SARA NIKOLAŠEVIĆ METODE I PROGRAMI ZA RUDARENJE PODATAKA
Sveučilište Jurja Dobrile u Puli Fakultet ekonomije i turizma «Dr. Mijo Mirković» SARA NIKOLAŠEVIĆ METODE I PROGRAMI ZA RUDARENJE PODATAKA Završni rad Pula, 2016. Sveučilište Jurja Dobrile u Puli Fakultet
More informationINFORMACIONI SISTEMI ZA PODRŠKU MENADŽMENTU
INFORMACIONI SISTEMI ZA PODRŠKU MENADŽMENTU TEMA: CRISP-DM metodologija u Data Mining alatu Orange AUTOR: Baketarić Lidija 202/07 2011, Beograd Sadržaj: CRISP DM metodologija u Data Mining alatu Orange...
More information1. Instalacija programske podrške
U ovom dokumentu opisana je instalacija PBZ USB PKI uređaja na računala korisnika PBZCOM@NET internetskog bankarstva. Uputa je podijeljena na sljedeće cjeline: 1. Instalacija programske podrške 2. Promjena
More informationVrednovanje postupka semantičke segmentacije temeljenog na slučajnim šumama
SVEUČILIŠTE U ZAGREBU FAKULTET ELEKTROTEHNIKE I RAČUNARSTVA ZAVRŠNI RAD br. 3943 Vrednovanje postupka semantičke segmentacije temeljenog na slučajnim šumama Ivan Fabijanić Zagreb, lipanj 2015. Velika
More informationAdvertising on the Web
Advertising on the Web On-line algoritmi Off-line algoritam: ulazni podaci su dostupni na početku, algoritam može pristupati podacima u bilo kom redosljedu, na kraju se saopštava rezultat obrade On-line
More informationKAPACITET USB GB. Laserska gravura. po jednoj strani. Digitalna štampa, pun kolor, po jednoj strani USB GB 8 GB 16 GB.
9.72 8.24 6.75 6.55 6.13 po 9.30 7.89 5.86 10.48 8.89 7.30 7.06 6.61 11.51 9.75 8.00 7.75 7.25 po 0.38 10.21 8.66 7.11 6.89 6.44 11.40 9.66 9.73 7.69 7.19 12.43 1 8.38 7.83 po 0.55 0.48 0.37 11.76 9.98
More informationPrimjer 3 Prikaz i interpretacija rezultata
Primjer 3 Prikaz i interpretacija rezultata - uđite u task Postprocessing - odaberite naredbu Results - odaberite prikaz Von Misesovih naprezanja: - odaberite iz popisa stavku 2 - B.C. 1.STRESS_2 i pomoću
More informationUvod u relacione baze podataka
Uvod u relacione baze podataka 25. novembar 2011. godine 7. čas SQL skalarne funkcije, operatori ANY (SOME) i ALL 1. Za svakog studenta izdvojiti ime i prezime i broj različitih ispita koje je pao (ako
More informationIdejno rješenje: Dubrovnik Vizualni identitet kandidature Dubrovnika za Europsku prijestolnicu kulture 2020.
Idejno rješenje: Dubrovnik 2020. Vizualni identitet kandidature Dubrovnika za Europsku prijestolnicu kulture 2020. vizualni identitet kandidature dubrovnika za europsku prijestolnicu kulture 2020. visual
More informationPOSTUPAK OPTIMIZIRANJA IZBORA OGLASA NA TEMELJU STABALA ODLUČIVANJA
SVEUČILIŠTE JOSIPA JURJA STROSSMAYERA U OSIJEKU ELEKTROTEHNIČKI FAKULTET Diplomski studij računarstva POSTUPAK OPTIMIZIRANJA IZBORA OGLASA NA TEMELJU STABALA ODLUČIVANJA Diplomski rad Dominik Babić Osijek,
More informationPrimjena genetskog programiranja na problem klasifikacije podataka
SVEUČILIŠTE U ZAGREBU FAKULTET ELEKTROTEHNIKE I RAČUNARSTVA ZAVRŠNI RAD br. 4334 Primjena genetskog programiranja na problem klasifikacije podataka Ivan Vlašić Zagreb, lipanj 2016. Zahvaljujem se mentoru
More informationWindows Easy Transfer
čet, 2014-04-17 12:21 - Goran Šljivić U članku o skorom isteku Windows XP podrške [1] koja prestaje 8. travnja 2014. spomenuli smo PCmover Express i PCmover Professional kao rješenja za preseljenje korisničkih
More informationEKSPLORATIVNA ANALIZA PODATAKA IZ SUSTAVA ZA ISPORUKU OGLASA
SVEUČILIŠTE JOSIPA JURJA STROSSMAYERA U OSIJEKU FAKULTET ELEKTROTEHNIKE, RAČUNARSTVA I INFORMACIJSKIH TEHNOLOGIJA Sveučilišni diplomski studij računarstva EKSPLORATIVNA ANALIZA PODATAKA IZ SUSTAVA ZA ISPORUKU
More informationCJENOVNIK KABLOVSKA TV DIGITALNA TV INTERNET USLUGE
CJENOVNIK KABLOVSKA TV Za zasnivanje pretplatničkog odnosa za korištenje usluga kablovske televizije potrebno je da je tehnički izvodljivo (mogude) priključenje na mrežu Kablovskih televizija HS i HKBnet
More informationOffice 365, upute za korištenje elektroničke pošte
Office 365, upute za korištenje elektroničke pošte Naša ustanova koristi uslugu elektroničke pošte u oblaku, u sklopu usluge Office 365. To znači da elektronička pošta više nije pohranjena na našem serveru
More informationKONFIGURACIJA MODEMA. ZyXEL Prestige 660RU
KONFIGURACIJA MODEMA ZyXEL Prestige 660RU Sadržaj Funkcionalnost lampica... 3 Priključci na stražnjoj strani modema... 4 Proces konfiguracije... 5 Vraćanje modema na tvorničke postavke... 5 Konfiguracija
More informationJEDINSTVENI PORTAL POREZNE UPRAVE. Priručnik za instalaciju Google Chrome dodatka. (Opera preglednik)
JEDINSTVENI PORTAL POREZNE UPRAVE Priručnik za instalaciju Google Chrome dodatka (Opera preglednik) V1 OPERA PREGLEDNIK Opera preglednik s verzijom 32 na dalje ima tehnološke promjene zbog kojih nije moguće
More informationMINISTRY OF THE SEA, TRANSPORT AND INFRASTRUCTURE
MINISTRY OF THE SEA, TRANSPORT AND INFRASTRUCTURE 3309 Pursuant to Article 1021 paragraph 3 subparagraph 5 of the Maritime Code ("Official Gazette" No. 181/04 and 76/07) the Minister of the Sea, Transport
More informationWWF. Jahorina
WWF For an introduction Jahorina 23.2.2009 What WWF is World Wide Fund for Nature (formerly World Wildlife Fund) In the US still World Wildlife Fund The World s leading independent conservation organisation
More informationFactors influencing passengers choice of transport mode to Warsaw Chopin Airport
Factors influencing passengers choice of transport mode to Warsaw Chopin Airport Aleksandra GÓRECKA Warsaw University of Life Sciences - SGGW, Faculty of Economic Sciences Abstract Airport accessibility
More informationOtpremanje video snimka na YouTube
Otpremanje video snimka na YouTube Korak br. 1 priprema snimka za otpremanje Da biste mogli da otpremite video snimak na YouTube, potrebno je da imate kreiran nalog na gmailu i da video snimak bude u nekom
More informationPRIMJENA STABLA ODLUČIVANJA U KREDITNOM SKORINGU
Doc. dr. sc. Ljiljanka Kvesić ljkvesic@gmail.com Sveučilište u Mostaru Fakultet prirodoslovno - matematičkih i odgojnih znanosti Matice Hrvatske bb, 88000 Mostar Bosna i Hercegovina tel.: +38736355455
More informationint[] brojilo; // polje cjelih brojeva double[] vrijednosti; // polje realnih brojeva
Polja Polje (eng. array) Polje je imenovani uređeni skup indeksiranih vrijednosti istog tipa (niz, lista, matrica, tablica) Kod deklaracije, iza naziva tipa dolaze uglate zagrade: int[] brojilo; // polje
More informationKorak X1 X2 X3 F O U R T W START {0,1}
1) (8) Formulisati Traveling Salesman Problem (TSP) kao problem traženja. 2) (23) Dato je prostor stanja sa slike, sa početnim stanjem A i završnim stanjem Q. Broj na grani označava cijenu operatora, a
More informationINFORMACIONI SISTEMI ZA PODRŠKU MENADŽMENTU
INFORMACIONI SISTEMI ZA PODRŠKU MENADŽMENTU OBLAST: Classification ČVOROVI (WIDGET): Classification Tree, K-NN, Test learners, Predictions SKUPOVI PODATAKA: Titanic AUTOR: Jovana Mina Runić 141/07 2011,
More informationTrening: Obzor financijsko izvještavanje i osnovne ugovorne obveze
Trening: Obzor 2020. - financijsko izvještavanje i osnovne ugovorne obveze Ana Ključarić, Obzor 2020. nacionalna osoba za kontakt za financijska pitanja PROGRAM DOGAĐANJA (9:30-15:00) 9:30 10:00 Registracija
More informationINFORMACIONI SISTEMI ZA PODRŠKU MENADŽMENTU
INFORMACIONI SISTEMI ZA PODRŠKU MENADŽMENTU OBLAST: ČVOROVI (WIDGET): SKUPOVI PODATAKA: Classification Test learners, Predictions, Confusion matrix, ROC analysis, Calibration Plot Heart disease AUTOR:
More informationParalelna implementacija metode nadziranog učenja
ZAVOD ZA ELEKTRONIČKE SUSTAVE I OBRADU INFORMACIJA FAKULTET ELEKTROTEHNIKE I RAČUNARSTVA SVEUČILIŠTE U ZAGREBU Paralelna implementacija metode nadziranog učenja Vedrana Baličevid Maja Bellotti Mirna Bokšid
More informationTRENING I RAZVOJ VEŽBE 4 JELENA ANĐELKOVIĆ LABROVIĆ
TRENING I RAZVOJ VEŽBE 4 JELENA ANĐELKOVIĆ LABROVIĆ DIZAJN TRENINGA Model trening procesa FAZA DIZAJNA CILJEVI TRENINGA Vrste ciljeva treninga 1. Ciljevi učesnika u treningu 2. Ciljevi učenja Opisuju željene
More informationPrediction of Skytrax airline rankings, short formula (2e)
Site: Wiki of Science at http://wikiofscience.wikidot.com Source page: 20120725 - Prediction of Skytrax airline rankings, short formula (2e) - 2010 at http://wikiofscience.wikidot.com/print:20120725-skytrax-al-short-perezgonzalez2010
More informationTRAJANJE AKCIJE ILI PRETHODNOG ISTEKA ZALIHA ZELENI ALAT
TRAJANJE AKCIJE 16.01.2019-28.02.2019 ILI PRETHODNOG ISTEKA ZALIHA ZELENI ALAT Akcija sa poklonima Digitally signed by pki, pki, BOSCH, EMEA, BOSCH, EMEA, R, A, radivoje.stevanovic R, A, 2019.01.15 11:41:02
More informationThe SAS System 18:28 Saturday, March 10, Clustering Clusters by Ward's Method
The SAS System 8:28 Saturday, March 0, 208 Obs Species SepalLength SepalWidth PetalLength PetalWidth Setosa 50 33 4 2 2 Setosa 46 34 4 3 3 Setosa 46 36 0 2 4 Setosa 5 33 7 5 5 Setosa 55 35 3 2 6 Setosa
More informationMindomo online aplikacija za izradu umnih mapa
Mindomo online aplikacija za izradu umnih mapa Mindomo je online aplikacija za izradu umnih mapa (vrsta dijagrama specifične forme koji prikazuje ideje ili razmišljanja na svojevrstan način) koja omogućuje
More informationRANI BOOKING TURSKA LJETO 2017
PUTNIČKA AGENCIJA FIBULA AIR TRAVEL AGENCY D.O.O. UL. FERHADIJA 24; 71000 SARAJEVO; BIH TEL:033/232523; 033/570700; E-MAIL: INFO@FIBULA.BA; FIBULA@BIH.NET.BA; WEB: WWW.FIBULA.BA SUDSKI REGISTAR: UF/I-1769/02,
More informationPROGRAMIRANJE I ALGORITMI
Sveuč ilište u Zagrebu Fakultet strojarstva i brodogradnje Katedra za osnove konstruiranja N. Pavković, D. Marjanović, N. Bojčetić PROGRAMIRANJE I ALGORITMI Skripta, drugi dio Zagreb, 2005. Sadržaj Potprogrami
More informationUpotreba selektora. June 04
Upotreba selektora programa KRONOS 1 Kronos sistem - razina 1 Podešavanje vremena LAMPEGGIANTI 1. Kada je pećnica uključena prvi put, ili u slučaju kvara ili prekida u napajanju, simbol SATA i odgovarajuća
More informationSVEUČILIŠTE U ZAGREBU FAKULTET STROJARSTVA I BRODOGRADNJE DIPLOMSKI RAD VIKTORIJA IVANDIĆ. Zagreb, godina 2016.
SVEUČILIŠTE U ZAGREBU FAKULTET STROJARSTVA I BRODOGRADNJE DIPLOMSKI RAD VIKTORIJA IVANDIĆ Zagreb, godina 2016. SVEUČILIŠTE U ZAGREBU FAKULTET STROJARSTVA I BRODOGRADNJE Proces otkrivanja znanja primjenom
More informationCRNA GORA
HOTEL PARK 4* POLOŽAJ: uz more u Boki kotorskoj, 12 km od Herceg-Novog. SADRŽAJI: 252 sobe, recepcija, bar, restoran, besplatno parkiralište, unutarnji i vanjski bazen s terasom za sunčanje, fitnes i SPA
More informationMogudnosti za prilagođavanje
Mogudnosti za prilagođavanje Shaun Martin World Wildlife Fund, Inc. 2012 All rights reserved. Mogudnosti za prilagođavanje Za koje ste primere aktivnosti prilagođavanja čuli, pročitali, ili iskusili? Mogudnosti
More informationIZDAVAČ / Publisher Sveučilište u Zadru / University of Zadar Mihovila Pavlinovića 1, Zadar, Hrvatska
IZDAVAČ / Publisher Sveučilište u Zadru / University of Zadar Mihovila Pavlinovića 1, 23000 Zadar, Hrvatska POVJERENSTVO ZA IZDAVAČKU DJELATNOST / Publishing Committee Josip Faričić (predsjednik) GLAVNA
More informationDiscriminate Analysis of Synthetic Vision System Equivalent Safety Metric 4 (SVS-ESM-4)
Discriminate Analysis of Synthetic Vision System Equivalent Safety Metric 4 (SVS-ESM-4) Cicely J. Daye Morgan State University Louis Glaab Aviation Safety and Security, SVS GA Discriminate Analysis of
More informationIDENTIFYING THE FACTORS OF TOURISM COMPETITIVENESS LEVEL IN THE SOUTHEASTERN EUROPEAN COUNTRIES UDC : (4-12)
FACTA UNIVERSITATIS Series: Economics and Organization Vol. 10, N o 2, 2013, pp. 117-127 Review paper IDENTIFYING THE FACTORS OF TOURISM COMPETITIVENESS LEVEL IN THE SOUTHEASTERN EUROPEAN COUNTRIES UDC
More informationPoboljšanje tačnosti klasifikacije algoritama za induktivno učenje pravila primenom metoda prethodnog učenja
Poboljšanje tačnosti klasifikacije algoritama za induktivno učenje pravila primenom metoda prethodnog učenja JASMINA Đ. NOVAKOVIĆ, Beogradska poslovna škola, Stručni rad Visoka škola strukovnih studija,
More informationTutorijal za Štefice za upload slika na forum.
Tutorijal za Štefice za upload slika na forum. Postoje dvije jednostavne metode za upload slika na forum. Prva metoda: Otvoriti nova tema ili odgovori ili citiraj već prema želji. U donjem dijelu obrasca
More informationMeđimursko veleučilište u Čakovcu. Stručni studij računarstva. Anteja Vuk Maček
Stručni studij računarstva Anteja Vuk Maček Modeliranje neuro-fuzzy sustava za klasifikaciju kandidata pomoću ANFIS-a Završni rad br. 24-RAČ-R-23 Čakovec, 24 Stručni studij računarstva Anteja Vuk Maček
More informationPRIMJENA RAZLIČITIH METODA STROJNOG UČENJA U PROBLEMU KLASIFIKACIJE SLIKARSKIH DJELA PREMA AUTORU
SVEUČILIŠTE U ZAGREBU FAKULTET ELEKTROTEHNIKE I RAČUNARSTVA PRIMJENA RAZLIČITIH METODA STROJNOG UČENJA U PROBLEMU KLASIFIKACIJE SLIKARSKIH DJELA PREMA AUTORU Autor: Eva Cetinić, mag. ing. Predmet: Otkrivanje
More information- Vežba 1 (dodatan materijal) - Kreiranje Web šablona (template) pomoću softvera Adobe Photoshop CS
- Vežba 1 (dodatan materijal) - Kreiranje Web šablona (template) pomoću softvera Adobe Photoshop CS 1. Pokrenite Adobe Photoshop CS i otvorite novi dokument sa komandom File / New 2. Otvoriće se dijalog
More informationULOGA STABLA ODLUKE U VREDNOVANJU INVESTICIONIH PROJEKATA USING DECISION TREES FOR INVESTMENT PROJECT EVALUATING
Stručni rad Škola biznisa Broj 4/2012 UDC 330.322:005.21 Ivan Pavkov Dragan Jočić ULOGA STABLA ODLUKE U VREDNOVANJU INVESTICIONIH PROJEKATA Sažetak: Stabla odluke su se koristila za grafički prikaz alternativa
More informationINSTALIRANJE SOFTVERSKOG SISTEMA SURVEY
INSTALIRANJE SOFTVERSKOG SISTEMA SURVEY Softverski sistem Survey za geodeziju, digitalnu topografiju i projektovanje u niskogradnji instalira se na sledeći način: 1. Instalirati grafičko okruženje pod
More informationSveučilište u Zagrebu Fakultet prometnih znanosti Zavod za inteligentne transportne sustave Katedra za primijenjeno računarstvo
Sveučilište u Zagrebu Fakultet prometnih znanosti Zavod za inteligentne transportne sustave Katedra za primijenjeno računarstvo Vježba: #7 Kolegij: Umjetna inteligencija Tema: Neuronske mreže - primjena
More informationPrimena algoritma stabla odlučivanja u prepoznavanju ponašanja i zdravstvenih rizika kod starijih osoba
Univerzitet u Beogradu Matematički fakultet Pejčić Biserka Primena algoritma stabla odlučivanja u prepoznavanju ponašanja i zdravstvenih rizika kod starijih osoba MASTER RAD Beograd, Septembar 2017. Univerzitet
More informationMRS MRSLab09 Metodologija Razvoja Softvera Vežba 09
MRS MRSLab09 Metodologija Razvoja Softvera Vežba 09 LAB 09 Fizički model podatka 1. Fizički model podataka Fizički model podataka omogućava da se definiše struktura baze podataka sa stanovišta fizičke
More informationProgramiranje. Nastava: prof.dr.sc. Dražena Gašpar. Datum:
Programiranje Nastava: prof.dr.sc. Dražena Gašpar Datum: 21.03.2017. 1 Pripremiti za sljedeće predavanje Sljedeće predavanje: 21.03.2017. Napraviti program koji koristi sve tipove podataka, osnovne operatore
More informationPredicting Flight Delays Using Data Mining Techniques
Todd Keech CSC 600 Project Report Background Predicting Flight Delays Using Data Mining Techniques According to the FAA, air carriers operating in the US in 2012 carried 837.2 million passengers and the
More informationENR 1.4 OPIS I KLASIFIKACIJA VAZDUŠNOG PROSTORA U KOME SE PRUŽAJU ATS USLUGE ENR 1.4 ATS AIRSPACE CLASSIFICATION AND DESCRIPTION
VFR AIP Srbija / Crna Gora ENR 1.4 1 ENR 1.4 OPIS I KLASIFIKACIJA VAZDUŠNOG PROSTORA U KOME SE PRUŽAJU ATS USLUGE ENR 1.4 ATS AIRSPACE CLASSIFICATION AND DESCRIPTION 1. KLASIFIKACIJA VAZDUŠNOG PROSTORA
More informationKAKO GA TVORIMO? Tvorimo ga tako, da glagol postavimo v preteklik (past simple): 1. GLAGOL BITI - WAS / WERE TRDILNA OBLIKA:
Past simple uporabljamo, ko želimo opisati dogodke, ki so se zgodili v preteklosti. Dogodki so se zaključili v preteklosti in nič več ne trajajo. Dogodki so se zgodili enkrat in se ne ponavljajo, čas dogodkov
More informationNIS PETROL. Uputstvo za deaktiviranje/aktiviranje stranice Veleprodajnog cenovnika na sajtu NIS Petrol-a
NIS PETROL Uputstvo za deaktiviranje/aktiviranje stranice Veleprodajnog cenovnika na sajtu NIS Petrol-a Beograd, 2018. Copyright Belit Sadržaj Disable... 2 Komentar na PHP kod... 4 Prava pristupa... 6
More information- je mreža koja služi za posluživanje prometa između centrala
Spojna mreža - je mreža koja služi za posluživanje prometa između centrala Zvjezdasti T - sve centrale na nekom području spajaju se na jednu od njih, koja onda dalje posreduje njihov promet - u manjim
More informationIskustva video konferencija u školskim projektima
Medicinska škola Ante Kuzmanića Zadar www.medskolazd.hr Iskustva video konferencija u školskim projektima Edin Kadić, profesor mentor Ante-Kuzmanic@medskolazd.hr Kreiranje ideje 2003. Administracija Učionice
More informationECONOMIC EVALUATION OF TOBACCO VARIETIES OF TOBACCO TYPE PRILEP EKONOMSKO OCJENIVANJE SORTE DUHANA TIPA PRILEP
ECONOMIC EVALUATION OF TOBACCO VARIETIES OF TOBACCO TYPE PRILEP EKONOMSKO OCJENIVANJE SORTE DUHANA TIPA PRILEP M. Mitreski, A. Korubin-Aleksoska, J. Trajkoski, R. Mavroski ABSTRACT In general every agricultural
More information1 Howard, R.A.: Knowledge Maps, Management Science, 35, , 1989.
Slika 6.2.: Stablo odlučivanja za problem pokretanja proizvodnje mikrovalnih pećnica Pretpostavimo da menadžer namjerava primijeniti kriterij očekivane vrijednosti (za isti primjer to je učinjeno u prethodnom
More informationFAKULTET ELEKTROTEHNIKE I RAČUNARSTVA
SVEUČILIŠTE U ZAGREBU FAKULTET ELEKTROTEHNIKE I RAČUNARSTVA ZAVRŠNI RAD br. 4188 SUFIKSNO STABLO Tomislav Šebrek Zagreb, lipanj 2015. Sadržaj 1. Uvod... 1 2. Sufiksno stablo... 2 3. Naivni Ukkonenov algoritam...
More informationSVEUČILIŠTE U RIJECI TEHNIČKI FAKULTET
SVEUČILIŠTE U RIJECI TEHNIČKI FAKULTET Sveučilišni diplomski studij računarstva Diplomski rad ANALIZA MODELA PREDVIĐANJA TRENDOVA KRETANJA CIJENA VRIJEDNOSNIH PAPIRA Rijeka, rujan2015 Marko Kujundţić 0069047935
More informationTEHNO SISTEM d.o.o. PRODUCT CATALOGUE KATALOG PROIZVODA TOPLOSKUPLJAJUĆI KABLOVSKI PRIBOR HEAT-SHRINKABLE CABLE ACCESSORIES
TOPOSKUPJAJUĆI KABOVSKI PRIBOR HEAT-SHRINKABE CABE ACCESSORIES KATAOG PROIZVODA PRODUCT CATAOGUE 8 TEHNO SISTEM d.o.o. NISKONAPONSKI TOPOSKUPJAJUĆI KABOVSKI PRIBOR TOPOSKUPJAJUĆE KABOVSKE SPOJNICE kv OW
More informationDEFINISANJE TURISTIČKE TRAŽNJE
DEFINISANJE TURISTIČKE TRAŽNJE Tražnja se može definisati kao spremnost kupaca da pri različitom nivou cena kupuju različite količine jedne robe na određenom tržištu i u određenom vremenu (Veselinović
More informationDirektan link ka kursu:
Alat Alice može da se preuzme sa sledeće adrese: www.alice.org Kratka video uputstva posvećena alatu Alice: https://youtu.be/eq120m-_4ua https://youtu.be/tkbucu71lfk Kurs (engleski) posvećen uvodu u Java
More informationInternational Journal of Research and Review E-ISSN: ; P-ISSN:
International Journal of Research and Review www.gkpublication.in E-ISSN: 2349-9788; P-ISSN: 2454-2237 Original Research Article Patterns of Tourist Arrivals to Sri Lanka from Konarasinghe Mudiyanselage
More informationPROGRAMSKI SUSTAV ZA RASPOZNAVANJE TISKANOG TEKSTA
SVEUČILIŠTE U ZAGREBU FAKULTET ELEKTROTEHNIKE I RAČUNARSTVA ZAVRŠNI RAD br. 858 PROGRAMSKI SUSTAV ZA RASPOZNAVANJE TISKANOG TEKSTA Mladen Jurković Zagreb, lipanj 2009. Mladen Jurković, 0036428019 Sadržaj
More informationDa bi se napravio izvještaj u Accessu potrebno je na izborniku Create odabrati karticu naredbi Reports.
IZVJEŠTAJI U MICROSOFT ACCESS-u (eng. reports) su dijelovi baze podataka koji omogućavaju definiranje i opisivanje načina ispisa podataka iz baze podataka na papir (ili PDF dokument). Način izrade identičan
More informationAn Architecture for Combinator Graph Reduction Philip J. Koopman Jr.
An Architecture for Combinator Graph Reduction Philip J. Koopman Jr. Copyright 1990, Philip J. Koopman Jr. All Rights Reserved To my parents vi Contents List of Tables.............................. xi
More informationDANI BRANIMIRA GUŠICA - novi prilozi poznavanju prirodoslovlja otoka Mljeta. Hotel ODISEJ, POMENA, otok Mljet, listopad 2010.
DANI BRANIMIRA GUŠICA - novi prilozi poznavanju prirodoslovlja otoka Mljeta Hotel ODISEJ, POMENA, otok Mljet, 03. - 07. listopad 2010. ZBORNIK SAŽETAKA Geološki lokalitet i poucne staze u Nacionalnom parku
More informationSTRUČNA PRAKSA B-PRO TEMA 13
MAŠINSKI FAKULTET U BEOGRADU Katedra za proizvodno mašinstvo STRUČNA PRAKSA B-PRO TEMA 13 MONTAŽA I SISTEM KVALITETA MONTAŽA Kratak opis montže i ispitivanja gotovog proizvoda. Dati izgled i sadržaj tehnološkog
More informationAutumn semester 2018 Courses in English code
Autumn semester 2018 Courses in English Course code Credits (ECTS) Study period School of Humanities, Education, and Social Sciences Swedish Politics and Policy SK004G 11031 7.5 Autumn semester week 36
More informationUPUTE ZA INSTALACIJU PROGRAMA FINBOLT 2007 tvrtke BOLTANO d.o.o.
UPUTE ZA INSTALACIJU PROGRAMA FINBOLT 2007 tvrtke BOLTANO d.o.o. Šta je potrebno za ispravan rad programa? Da bi program FINBOLT 2007 ispravno i kvalitetno izvršavao zadaću koja je postavljena pred njega
More informationANALIZA PRIKUPLJENIH PODATAKA O KVALITETU ZRAKA NA PODRUČJU OPĆINE LUKAVAC ( ZA PERIOD OD DO GOD.)
Bosna i Hercegovina Federacija Bosne i Hercegovine Tuzlanski kanton Ministarstvo prostornog uređenja i zaštite okolice ANALIZA PRIKUPLJENIH PODATAKA O KVALITETU ZRAKA NA PODRUČJU OPĆINE LUKAVAC ( ZA PERIOD
More informationMetode opisivanja skupa podataka
Statistika, Prehrambeno-tehnološki fakultet 1 Metode opisivanja skupa podataka Metode opisivanja kvalitativnih podataka Kvalitativne varijable primaju vrijednosti koje su razvrstane u kategorije. Mjere
More informationThird International Scientific Symposium "Agrosym Jahorina 2012"
10.7251/AGSY1203656N UDK 635.1/.8 (497.6 Republika Srpska) TENDENCY OF VEGETABLES DEVELOPMENT IN REPUBLIC OF SRPSKA Nebojsa NOVKOVIC 1*, Beba MUTAVDZIC 2, Ljiljana DRINIC 3, Aleksandar ОSTOJIC 3, Gordana
More information