Mašinsko učenje Uvod. Bojan Furlan УНИВЕРЗИТЕТ У БЕОГРАДУ ЕЛЕКТРОТЕХНИЧКИ ФАКУЛТЕТ
|
|
- Adrian Sullivan
- 6 years ago
- Views:
Transcription
1 Mašinsko učenje Uvod Bojan Furlan УНИВЕРЗИТЕТ У БЕОГРАДУ ЕЛЕКТРОТЕХНИЧКИ ФАКУЛТЕТ
2 Šta je to mašinsko učenje? Disciplina koja omogućava računarima da uče bez eksplicitnog programiranja (Arthur Samuel 1959). 1. Generalizacija znanja na osnovu prethodnog iskustva (podataka o pojavama/entitetima koji su predmet učenja) 2. Dobijeno znanje koristi se kako bi se dali odgovori na pitanja za entitete/pojave koji nisu ranije viđeni
3 Primer
4 Definicija (Tom Mitchell 1998) Za kompjuterski program se kaže da uči iz iskustva E (experience), vezanog za zadatak T (task), i meru performansi P (performance), ukoliko se njegove performanse na zadatku T, merene metrikama P, unapređuju sa iskustvom E
5 Primer Program koji označava kreditne zahteve kao dobre (Good) i loše (Bad) Zadatak (T): klasifikacija zahteva na Good/Bad Iskustvo (E): zahtevi prethodno označeni kao dobri i loši kreditni rizici (stvarni ishodi) Performanse (P): procenat korektno klasifikovanih zahteva kao Good/Bad
6 Prednosti ML-a? 1. Vrlo je teško precizno (algoritamski) opisati neke vrste zadataka koje ljudi lako rešavaju. Primeri: prepoznavanje lica (face detection), prepoznavanje govora (speech recognition) 2. Za neke vrste zadataka mogu se definisati algoritmi za rešavanje, ali su ti algoritmi vrlo složeni i/ili zahtevaju velike baze znanja Primer: automatsko prevođenje (MT)
7 Prednosti ML-a? 3. U mnogim oblastima se kontinuirano prikupljaju podaci sa ciljem da se iz njih nešto sazna ; npr: u medicini: podaci o pacijentima i terapijama u marketingu: o korisnicima/kupcima i tome šta su kupili, za šta su se interesovali, kako su proizvode ocenili, Analiza podataka ovog tipa zahteva pristupe koji će omogućiti da se otkriju pravilnosti, zakonitosti u podacima koje nisu ni poznate, ni očigledne, a mogu biti korisne (Data mining)
8 IR vs. ML vs. DM Pretraživanje informacija (Information retrieval IR) je pronalaženje postojećih informacija što je brže moguće. Primer: veb pretraživač pronaći stranicu u okviru (velikog) skupa postojećih Mašinsko učenje (Machine learning ML ) je skup tehnika koje generalizuju postojeće znanje nad novim podacima, što je moguće preciznije. Primer: prepoznavanje govora Data mining DM se prvenstveno odnosi na otkrivanje nečega skrivenog unutar podataka, nekih novih zakonitosti koje nisu ranije bile poznate. Primer: CRM analiza kupaca
9 IR vs. ML vs. DM Sve tri oblasti se ukrštaju i dele mnoge tehnike: DM i IR koriste indeksne strukture kako bi ubrzale proces. DM koristi mnoge ML tehnike Npr. zavisnost prepoznata u skupu podataka, koja predstavlja generalizaciju znanja, može biti i neko novo znanje
10 Oblasti primene Klasifikacija Predikcija Grupisanje Asocijacija
11 Klasifikacija U klasifikaciji postoji ciljana kategorička promenljiva (atribut), čiju vrednost treba odrediti. Klasifikacija se odnosi na dodelu pojave/entitete u određenu kategoriju na osnovu vrednosti ostalih atributa.
12 Klasifikacija - primer Ostali primeri: Kategorizacija teksta prema temi (npr. sport, politika,...), iskazanim osećanjima, itd.
13 Predikcija Sličan postupak klasifikaciji, s tim što ciljani atribut predstavlja numeričku vrednost. Predicting the price of a stock three months in the future
14 Grupisanje Grupisanje (Clustering) se odnosi na grupisanje pojava/entiteta u grupe (klastere) sličnih objekata. Klaster je kolekcija pojava/entiteta koji su međusobno slični, a značajno se razlikuju od onih pojava/entiteta u drugim klasterima. Grupisanje se razlikuje od klasifikacije: ne postoji ciljni atribut za grupisanje. Algoritam nastoji da segmentira ceo skup podataka u homogene podgrupe ili klastere: gde sličnost podataka u okviru klastera je maksimalna, a sličnost sa podacima izvan klastera je sveden na minimum.
15 Grupisanje - primeri Grupisanje klijenata na osnovu demografskih podataka. Grupisanje reči iz dokumenata koje opisuju teme (topic modeling).
16 Asocijacija Zadatak asocijacije je da pronađe koje pojave/entiteti idu zajedno. Asocijacija otkriva pravila za kvantifikovanje odnosa između dva ili više atributa. Dobijena pravila su u obliku IF uslov THEN konsekvenca Sa merom zastupljenosti i pouzdanosti za pravilo
17 Asocijacija - pirmer U supermarketu od 1000 kupaca, 200 su kupili pelene, i od tih 200 koji su kupili pelene, 50 je kupilo pivo. Pravilo asocijacije će biti IF pelene THEN pivo Uz zastupljenost 200/1000 = 20% i pouzdanost 50/200 = 25%.
18 Proces mašinskog učenja Prikupljanje/ razumevanje Priprema Upotreba Izbor atr/alg Modelovanje Evaluacija
19 Podaci Potrebni su za trening, validaciju i testiranje modela Tipična podela na 60% za trening, 20% za validaciju i 20% za testiranje Izbor uzoraka treba uraditi na slučajan način (random selection)
20 Atributi (features) Model treba da verno opisuje pojave/entitete Zato prepoznajemo osobine i odnose u datom domenu i predstavljamo ih atributima Izazov je odabrati prave atribute
21 Atributi - primeri Za kreditne zahteve: vrednost imovine podnosioca, primanja, zaposlenje, bračno stanje, itd. Za identifikaciju nepoželjne elektronske pošte (spam): naslov, prisustvo tipičnih reči (buy, visit, ), dužina -a, broj primalaca, itd.
22 Testiranje Procena uspešnosti modela Koriste se podaci kojima model nije imao pristup u fazi učenja (20-30% ukupnih podataka) Uspešnost se utvrđuje različitim metrikama: tačnost, preciznost, odziv,
23 TRAIN/VALIDATE/TEST Pored treniranja i testiranja modela, najčešće se radi i validacija modela kako bi se: a) izabrao najbolji model između više kandidata b) odredila optimalna konfiguracija parametara modela c) izbegli problemi over/under-fitting-a ukupan skup podataka se deli u odnosu 60/20/20 na podatake za trening, validaciju i testiranje Podaci za validaciju koriste se za poređenje performansi različitih modela (a); izabranog modela sa različitim vrednostima parametara (b)
24 Analiza greške ručno pregledanje primera na kojima je model pogrešio Pomaže da se stekne osećaj zbog čega model greši i šta bi se moglo uraditi da se greške otklone; npr: identifikovati suvišne atribute identifikovati atribute koji nedostaju drugačije podesiti parametre modela
25 Reference Mašinsko učenje, Jelena Jovanović, Fakultet Organizacionih Nauka, Coursera: Discovering Knowledge in Data: An Introduction to Data Mining (Wiley, 2005) Larose D.
MAŠINSKO UČENJE. JELENA JOVANOVIĆ Web:
MAŠINSKO UČENJE JELENA JOVANOVIĆ Email: jeljov@gmail.com Web: http://jelenajovanovic.net PREGLED PREDAVANJA Šta je mašinsko učenje? Zašto (je potrebno/bitno) m. učenje? Oblasti primene m. učenja Oblici
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 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 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 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 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 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 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 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 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 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 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 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 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 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 informationUNIVERZITET U BEOGRADU RUDARSKO GEOLOŠKI FAKULTET DEPARTMAN ZA HIDROGEOLOGIJU ZBORNIK RADOVA. ZLATIBOR maj godine
UNIVERZITETUBEOGRADU RUDARSKOGEOLOŠKIFAKULTET DEPARTMANZAHIDROGEOLOGIJU ZBORNIKRADOVA ZLATIBOR 1720.maj2012.godine XIVSRPSKISIMPOZIJUMOHIDROGEOLOGIJI ZBORNIKRADOVA IZDAVA: ZAIZDAVAA: TEHNIKIUREDNICI: TIRAŽ:
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 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 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 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 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 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 informationPOSEBNA POGLAVLJA INDUSTRIJSKOG TRANSPORTA I SKLADIŠNIH SISTEMA
Master akademske studije Modul za logistiku 1 (MLO1) POSEBNA POGLAVLJA INDUSTRIJSKOG TRANSPORTA I SKLADIŠNIH SISTEMA angažovani su: 1. Prof. dr Momčilo Miljuš, dipl.inž., kab 303, mmiljus@sf.bg.ac.rs,
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 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 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 informationMODEL OBJEKTI - VEZE KONCEPTI MODELA METODOLOGIJA MODELIRANJA
MODEL OBJEKTI - VEZE MODEL OBJEKTI - VEZE KONCEPTI MODELA METODOLOGIJA MODELIRANJA MODELI PODATAKA Model objekti-veze Relacioni model Objektni model Objektno-relacioni model Aktivne baze podataka XML kao
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 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 informationСТРУКТУРА СТАНДАРДА СИСТЕМАМЕНАЏМЕНТАКВАЛИТЕТОМ
1 СТРУКТУРА СТАНДАРДА СИСТЕМАМЕНАЏМЕНТАКВАЛИТЕТОМ 2 ПРИНЦИПИ МЕНАЏМЕНТА КВАЛИТЕТОМ 3 ПРИНЦИПИ МЕНАЏМЕНТА КВАЛИТЕТОМ 4 ПРИНЦИПИ МЕНАЏМЕНТА КВАЛИТЕТОМ Edwards Deming Не морате то чинити, преживљавање фирми
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 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 informationUvod. Uvod u strojno učenje. Motivacija. Automatizirano prikupljanje znanja. Automatizirano prikupljanje znanja
Uvod Uvod u strojno učenje Krunoslav Puljić Stojno učenje: eng. Machine Learning (ML) Povijesno: razvoj ML započeo prije 50-tak godina Problem: Kako indukcijom/generalizacijom izvesti novo znanje iz primjera/podataka?
More informationCILJ UEFA PRO EDUKACIJE
CILJ UEFA PRO EDUKACIJE Ciljevi programa UEFA PRO M s - Omogućiti trenerima potrebnu edukaciju, kako bi mogli uspešno raditi na PRO nivou. - Utvrdjenim programskim sadržajem, omogućiti im kredibilitet.
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 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 informationCiljevi. Poslije kompletiranja ove lekcije trebalo bi se moći:
Pogledi Ciljevi Poslije kompletiranja ove lekcije trebalo bi se moći: Opisati pogled Formirati novi pogled Vratiti podatke putem pogleda Izmijeniti postojeći pogled Insertovani, ažurirati i brisati podatke
More informationBušilice nove generacije. ImpactDrill
NOVITET Bušilice nove generacije ImpactDrill Nove udarne bušilice od Bosch-a EasyImpact 550 EasyImpact 570 UniversalImpact 700 UniversalImpact 800 AdvancedImpact 900 Dostupna od 01.05.2017 2 Logika iza
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 informationfontool alat za klasifikaciju i generisanje računarskih fontova
Univerzitet u Beogradu Matematički fakultet Master Rad fontool alat za klasifikaciju i generisanje računarskih fontova Autor: Nemanja Mićović Mentor: dr Mladen Nikolić Članovi komsije: prof. dr Predrag
More informationSAS 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 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 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 informationWELLNESS & SPA YOUR SERENITY IS OUR PRIORITY. VAŠ MIR JE NAŠ PRIORITET!
WELLNESS & SPA YOUR SERENITY IS OUR PRIORITY. VAŠ MIR JE NAŠ PRIORITET! WELLNESS & SPA DNEVNA KARTA DAILY TICKET 35 BAM / 3h / person RADNO VRIJEME OPENING HOURS 08:00-21:00 Besplatno za djecu do 6 godina
More informationPristup rizicima u sistemu menadžmenta kvaliteta zasnovan na FMEA metodi
Pristup rizicima u sistemu menadžmenta kvaliteta zasnovan na FMEA metodi Ana Čobrenović, MPC Holding doc. dr Mladen Đurić, Fakultet organizacionih nauka 1 Uvod i definicije Rizik Organizacije se konstantno
More informationStruktura i organizacija baza podataka
Fakultet tehničkih nauka, DRA, Novi Sad Predmet: Struktura i organizacija baza podataka Dr Slavica Aleksić, Milanka Bjelica, Nikola Obrenović Primer radnik({mbr, Ime, Prz, Sef, Plt, God, Pre}, {Mbr}),
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 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 informationPractical training. Flight manoeuvres and procedures
ATL/type rating skill test and proficiency - helicopter anoeuvres/rocedures Section 1 elicopter exterior visual inspection; 1.1 location of each item and purpose of inspection FTD ractical training ATL//Type
More informationRešavanje problema pomoću računara
Rešavanje problema pomoću računara Vladimir Filipović vladaf@matf.bg.ac.rs Softversko inženjerstvo Šta podrazumevamo pod softverskim inženjerstvom? vladaf@matf.bg.ac.rs 2/16 Konstrukcija prevodilaca Prevođenje
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 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 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 informationUniverzitet u Beogradu Matematički fakultet. Mašina pravila ekspertski sistem dokazivanja zasnovan na pravilima. master rad
Univerzitet u Beogradu Matematički fakultet Mašina pravila ekspertski sistem dokazivanja zasnovan na pravilima master rad Student: Miloš Radosavljević 1024/2011 Mentor: prof. dr Miroslav Marić septembar,
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 informationPregled metodologija:
Dr Milunka Damnjanović, red.prof, OBJEKTNO ORIJENTISANE TEHNIKE PROJEKTOVANJA SISTEMA 2 Objektno orijentisano projektovanje 1 Metodologija: Način na koji je nešto urađeno ( t.j. strategija, koraci, smernice
More informationPrimena istraživanja podataka za otkrivanje obrazaca u oblasti kulinarskih recepata
INFOTEH-JAHORINA Vol. 12, March 2013. Primena istraživanja podataka za otkrivanje obrazaca u oblasti kulinarskih recepata Nevena Nikolić nevena.nikolic.ns@gmail.com Bernadeta Ralbovski bernadeta_ralbovsky@hotmail.com
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 informationFILOGENETSKA ANALIZA
FILOGENETSKA ANALIZA MOLEKULSKA EVOLUCIJA MOLEKULSKA EVOLUCIJA Kako možemo utvrditi da li dve vrste potiču od istog pretka? Starije metode: preko fosilnih ostataka i osobina organizama Novije metode: na
More informationMODEL ZA SELEKCIJU POSLOVNIH PROCESA I METODOLOGIJA NJIHOVOG POBOLJŠANJA
UNIVERZITET U BEOGRADU FAKULTET ORGANIZACIONIH NAUKA Dragana D. Stojanović MODEL ZA SELEKCIJU POSLOVNIH PROCESA I METODOLOGIJA NJIHOVOG POBOLJŠANJA doktorska disertacija Beograd, 2015 UNIVERSITY OF BELGRADE
More informationDr.Miroljub Banković, prof. Kragujevac, 2008.
VISOKA TEHNIČKA ŠKOLA STRUKOVNIH STUDIJA KRAGUJEVAC Skripta iz predmeta PROJEKTOVANJE INFORMACIONIH SISTEMA Dr.Miroljub Banković, prof. Kragujevac, 2008. SADRŽAJ OSNOVI TEORIJE SISTEMA... 3 DEFINICIJE
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 informationPERSONAL INFORMATION. Name: Fields of interest: Teaching courses:
PERSONAL INFORMATION Name: E-mail: Fields of interest: Teaching courses: Almira Arnaut Berilo almira.arnaut@efsa.unsa.ba Quantitative Methods in Economy Quantitative Methods in Economy and Management Operations
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 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 informationTestiranje koda - JUnit. Bojan Tomić
Testiranje koda - JUnit Bojan Tomić Testiranje programa Dinamička provera ponašanja programa izvođenjem konačnog broja testova i upoređivanjem sa očekivanim ponašanjem programa Programska mana ( software
More informationEn-route procedures VFR
anoeuvres/procedures Section 1 1.1 Pre-flight including: Documentation, mass and balance, weather briefing, NOTA FTD FFS A Instructor initials when training 1.2 Pre-start checks 1.2.1 External P# P 1.2.2
More informationTEHNIĈKO VELEUĈILIŠTE U ZAGREBU ELEKTROTEHNIĈKI ODJEL Prof.dr.sc.KREŠIMIR MEŠTROVIĆ POUZDANOST VISOKONAPONSKIH PREKIDAĈA
TEHNIĈKO VELEUĈILIŠTE U ZAGREBU ELEKTROTEHNIĈKI ODJEL Prof.dr.sc.KREŠIMIR MEŠTROVIĆ POUZDANOST VISOKONAPONSKIH PREKIDAĈA SF6 PREKIDAĈ 420 kv PREKIDNA KOMORA POTPORNI IZOLATORI POGONSKI MEHANIZAM UPRAVLJAĈKI
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 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 informationUNAPREƉENJE MODELA POSLOVNOG ODLUČIVANJA SISTEMOM ASOCIJATIVNIH PRAVILA
U N I V E R Z I T E T U B E O G R A D U F A K U L T E T O R G A N I Z A C I O N I H N A U K A UNIVERZITET U BEOGRADU FAKULTET ORGANIZACIONIH NAUKA Višnja P. Istrat UNAPREƉENJE MODELA POSLOVNOG ODLUČIVANJA
More informationFAKULTET ZA POSLOVNU INFORMATIKU
FAKULTET ZA POSLOVNU INFORMATIKU Prof. dr Mladen Veinović Igor Franc Aleksandar Jevremović BAZE PODATAKA - PRAKTIKUM - Prvo izdanje Beograd 2006. Autori: Prof. dr Mladen Veinović Igor Franc Aleksandar
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 informationPrimena tehnika veštačke inteligencije u prepoznavanju oblika na slikama
Univerzitet UNION u Beogradu Računarski fakultet Nikola Todorović Primena tehnika veštačke inteligencije u prepoznavanju oblika na slikama Diplomski rad Beograd, 2007. godine Računarski fakultet u Beogradu
More information24th International FIG Congress
Conferences and Exhibitions KiG 2010, 13 24th International FIG Congress Sydney, April 11 16, 2010 116 The largest congress of the International Federation of Surveyors (FIG) was held in Sydney, Australia,
More informationTema 11 Analiza algoritama, pretraživanje i sortiranjeu jeziku Python
Tema 11 Analiza algoritama, pretraživanje i sortiranjeu jeziku Python dr Vladislav Miškovic vmiskovic@singidunum.ac.rs Fakultet za informatiku i računarstvo, Tehnički fakultet Osnove programiranja (Python)
More information3D GRAFIKA I ANIMACIJA
1 3D GRAFIKA I ANIMACIJA Uvod u Flash CS3 Šta će se raditi? 2 Upoznavanje interfejsa Osnovne osobine Definisanje osnovnih entiteta Rad sa bojama Rad sa linijama Definisanje i podešavanje ispuna Pregled
More informationKABUPLAST, AGROPLAST, AGROSIL 2500
KABUPLAST, AGROPLAST, AGROSIL 2500 kabuplast - dvoslojne rebraste cijevi iz polietilena visoke gustoće (PEHD) za kabelsku zaštitu - proizvedene u skladu sa ÖVE/ÖNORM EN 61386-24:2011 - stijenka izvana
More informationANALIZA PRIMJENE KOGENERACIJE SA ORGANSKIM RANKINOVIM CIKLUSOM NA BIOMASU U BOLNICAMA
ANALIZA PRIMJENE KOGENERACIJE SA ORGANSKIM RANKINOVIM CIKLUSOM NA BIOMASU U BOLNICAMA Nihad HARBAŠ Samra PRAŠOVIĆ Azrudin HUSIKA Sadržaj ENERGIJSKI BILANSI DIMENZIONISANJE POSTROJENJA (ORC + VRŠNI KOTLOVI)
More informationMaterijali za pripremu usmenog ispita Predmet: Procesi razvoja softvera
Materijali za pripremu usmenog ispita Predmet: Procesi razvoja softvera 1. Uvod 1.1. Šta je UML? UML je jedna o najpoznatijih skraćenica u informatičkom svetu. Skraćenica potiče od englskog termina Unified
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 informationModeli podataka. Model podataka - osnovne komponente
Model podataka - osnovne komponente Modeli podataka Osnovni pojmovi modela podataka Primeri MOV-a Logičko modeliranje podataka (6 koraka) Tipovi veza kod IDEF1X metodologije Logičko modeliranja podataka
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 informationOBJEKTNO ORIJENTISANO PROGRAMIRANJE
OBJEKTNO ORIJENTISANO PROGRAMIRANJE PREDAVANJE 3 DEFINICIJA KLASE U JAVI Miloš Kovačević Đorđe Nedeljković 1 /18 OSNOVNI KONCEPTI - Polja - Konstruktori - Metode - Parametri - Povratne vrednosti - Dodela
More informationTema 2: Uvod u sisteme za podršku odlučivanju (VEŽBE)
Tema 2: Uvod u sisteme za podršku odlučivanju (VEŽBE) SISTEMI ZA PODRŠKU ODLUČIVANJU dr Vladislav Miškovic vmiskovic@singidunum.ac.rs Fakultet za računarstvo i informatiku 2013/2014 Tema 2: Uvod u sisteme
More informationCroatian Automobile Club: Contribution to road safety in the Republic of Croatia
Croatian Automobile Club: Contribution to road safety in the Republic of Croatia DRTD 2018, Ljubljana, 5th December 2018 Mr.sc.Krešimir Viduka, Head of Road Traffic Safety Office Republic of Croatia Roads
More informationBig Data: kako smo došli do Velikih podataka i kamo nas oni vode
Big Data: kako smo došli do Velikih podataka i kamo nas oni vode Sažetak: Količina informacija nastala u razmaku od otprilike 1200 godina, od osnivanja Carigrada pa do otkrića Gutenbergova tiskarskoga
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 informationMRS MRSLab08 Metodologija Razvoja Softvera Vežba 08
MRS MRSLab08 Metodologija Razvoja Softvera Vežba 08 LAB 08 Konceptualni model podataka Logički model podataka 1. Konceptualni model podataka Modeli podataka omogućavaju modelovanje semantičke i logičke
More informationUniverzitet u Beogradu Fakultet organizacionih nauka Miloš Milić
Univerzitet u Beogradu Fakultet organizacionih nauka Miloš Milić Sadržaj Kvalitet softvera ISO/IEC 9126 standard ISO/IEC 14598 standard ISO/IEC 25000 standard Softverske metrike Zaključak 2 Kvalitet softvera
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 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 informationPLAN RADA. 1. Počnimo sa primerom! 2. Kako i zašto? 3. Pejzaž višestruke upotrebe softvera 4. Frameworks 5. Proizvodne linije softvera 6.
KOREKTAN PREVOD? - Reupotrebljiv softver? ( ne postoji prefiks RE u srpskom jeziku ) - Ponovo upotrebljiv softver? ( totalno bezveze ) - Upotrebljiv više puta? - Itd. PLAN RADA 1. Počnimo sa primerom!
More informationMRS. MRSLab03 Metodologija Razvoja Softvera Vežba 03 LAB Dijagram aktivnosti
MRS LAB 03 MRSLab03 Metodologija Razvoja Softvera Vežba 03 Dijagrami aktivnosti 1. Dijagram aktivnosti Dijagram aktivnosti je UML dijagram koji modeluje dinamičke aspekte sistema. On predstavlja pojednostavljenje
More informationAlgoritamski aspekti razvoja i implementacije Web pretraživača
ELEKTROTEHNIČ KI FAKULTET BEOGRAD Algoritamski aspekti razvoja i implementacije Web pretraživača Diplomski rad iz predmeta: Pretraživanje i Istraživanje podataka na Internetu RI5PIP Student : Aleksandar
More informationDonosnost zavarovanj v omejeni izdaji
Donosnost zavarovanj v omejeni izdaji informacije za stranke, ki investirajo v enega izmed produktov v omejeni izdaji ter kratek opis vsakega posameznega produkta na dan 31.03.2014. Omejena izdaja Simfonija
More informationprese presses proizvedene u kija-inoxu made by kija-inox
prese proizvedene u kija-inoxu presses made by kija-inox NAŠE PRESE SU PATENTIRANE. BR. PATENTNE PRIJAVE: 2017/0571 OUR PRESSES IS PATENTED. Nr. PATENT APPLICATIONS: 2017/0571 Dobrodošli u Kija-Inox, mi
More informationTEHNIKA I INFORMATIKA U OBRAZOVANJU
TEHNIKA I INFORMATIKA U OBRAZOVANJU Konferencija 32000 Čačak 9-11. Maja 2008. UDK: 004 : 371 Stručni rad VEZA ZAVISNOSTI INSTANCE Munir Šabanović 1, Momčilo Vujičić 2 Rezime: Objektno orijentisani jezici
More informationUPUTSTVO. za ruter TP-LINK TD-854W/ TD-W8951NB
UPUTSTVO za ruter TP-LINK TD-854W/ TD-W8951NB Uputstvo za ruter TP-Link TD-854W / TD-W8951NB 2 PRAVILNO POVEZIVANJE ADSL RUTERA...4 PODEŠAVANJE KONEKCIJE PREKO MREŽNE KARTE ETHERNET-a...5 PODEŠAVANJE INTERNET
More informationSveučilište Jurja Dobrile u Puli Fakultet ekonomije i turizma «Dr. Mijo Mirković» SARA IBRULJ CRM SUSTAV PODUZEĆA RUDAN D.O.O.
Sveučilište Jurja Dobrile u Puli Fakultet ekonomije i turizma «Dr. Mijo Mirković» SARA IBRULJ CRM SUSTAV PODUZEĆA RUDAN D.O.O. Diplomski rad Pula, 2016. Sveučilište Jurja Dobrile u Puli Fakultet ekonomije
More information