INFORMACIONI SISTEMI ZA PODRŠKU MENADŽMENTU
|
|
- Bertina Naomi Hensley
- 5 years ago
- Views:
Transcription
1 INFORMACIONI SISTEMI ZA PODRŠKU MENADŽMENTU OBLAST: ČVOROVI (WIDGET): SKUPOVI PODATAKA: Classification Test learners, Predictions, Confusion matrix, ROC analysis, Calibration Plot Heart disease AUTOR: Kablar Dragan 513/ , Beograd
2
3 Na početku naravno treba učitati bazu podataka, u našem slučaju reč je o bazi Heart disease. To činimo tako što na radnu površinu prevučemo File ikonicu sa Data kartice, a zatim dvoklikom na istu otvaramo prozor u kome biramo koju bazu podataka želimo da obraďujemo. Preporučljivo je da u sledećem koraku našu bazu tabelarno predstavimo da bismo stekli bolji uvid u same atribute u datoj bazi. To ćemo učiniti tako što ćemo na radnu površinu prevući Data Table ikonicu, koja se takoďe nalazi na Data kartici. Izlaz File ikonice povezujemo sa ulazom Data Table ikonice (Drag and drop operacija). Dvoklikom na Data Table ikonicu će nam se otvoriti tabela sa pregledom svih naših atributa. Sa leve strane će nam se pojaviti neke informacije vezane za našu bazu, u našem slučaju program nas informiše da naša baza ima 303 zapisa, svaki od njih ima 13 atributa, takoďe nam piše i da je broj nedostajućih atributa 2 i da ne postoje meta atributi, izlazni atribut je diskretna vrednost koja u našem slučaju može biti 1 ili 0. Desna strana nam daje kompletan uvid u sve zapise kao i u vrednost atributa svakog od zapisa. Objasnimo sada čvor Test Learners. Kako su svi čvorovi koji će ovde biti opisani ustvari čvorovi za evaluaciju, odnosno ocenu modela, prvo treba da istreniramo neki model na konkretnoj bazi, pa tek onda da vršimo ocenjivanje
4 kvaliteta modela, odnosno njegove tačnosti. Mi ćemo u našem slučaju izvršiti klasifikaciju i to koristeći Classification Tree čvor (odnosno metod klasifikacije). Na radnu površinu ćemo prevući ranije pomenuta dva čvora koji se nalaze na karticama Classify i Evaluate. Način povezivanja ovih čvorova (videti sliku) jasno pokazuje njihovu funkciju, odnosno jasno se vidi da je čvor Test Learners zapravo čvor koji se koristi za OCENU kvaliteta nekog modela (metode), ovde konkretno stabla odlučivanja. Dvoklikom na čvor Test Learners se otvara se prozor u kome na levoj strani možemo da odaberemo način na koji ćemo da vršimo ocenu modela, kao i kriterijume (parametre) ocenjivanja. Cross-validation metoda celu bazu deli na broj zadatih Foldova (jednakih skupova), u našem slučaju pet, zatim trenira na četiri skupa, a testira na jednom. Ova operacija se ponavlja pet puta (svaki skup je po jedan put izabran za test skup), za ocenu tačnosti se uzima prosečna vrednost ovih pet ponavljanja. Kod manjih baza možemo koristiti i Leave-one-out metod koji u svakoj iteraciji izbacuje po jedan zapis za test, a trenira na ostalima, na kraju nam daje uprosečenu vrednost svih iteracija (nije preporučljiv za velike baze(veliki broj iteracija smanjuje brzinu obrade)). Random sampling nam omogućuje da odredimo veličinu trening skup (u procentima) i broj iteracija pre nego što nam da uprosečene vrednosti kriterijuma ocenjivanja. Opcija Test on train data, kako joj samo ime kaže, testira na trening podacima. Poslednja opcija, Test on test data, nam omogućava da testiramo na test podacima, ali nam ona nije dostupna sada zato što nismo podelili podatke na trening i test set pre obrade koristeći Data Sampler. Preporučuje se da dugme Apply on any change bude čekirano jer će nam omogućiti da svaka promena bude automatski prihvaćena, u suprotnom bismo morali da nakon svakog menjanja kliknemo na Apply dugme koje se nalazi tik ispod. Što se parametara ocenjivanja tiče mi smo ovde odabrali neke koji će nadalje biti objašnjeni. Bitno je napomenuti da se parametri čitaju za svaku izlaznu klasu ponaosob, klasa se bira u padajućem meniju Target class. Classification accuracy ili tačnost klasifikacije 73,93% u našem primeru, što znači da model u 73,93% slučajeva daje tačan izlaz. Sensitivity nam govori u koliko posto slučajeva je model rekao da je izlazna klasa 0 kada ona to zaista i jeste bila(78,66% slučajeva), dok nam Specificity govori u koliko posto slučajeva model nije odredio izlaznu klasu 0 kada ona to zaista nije bila(68,35% slučajeva). Area under ROC curve, odnosno površina ispod ROC krive iznosi 0,7969 (što je vrednost bliža 1 model je kvalitetniji). Što se tiče Predictions čvora njime ćemo izvršiti ocenjivanje tako što ćemo prvo pomoću Data Sampler čvora (Data kartica) podeliti podatke na test i trening skup, metodom Random sampling, i to u razmeri 30% prema 70%. Zatim ćemo sa Evaluate kartice prevući i Predictions čvor i vezati ga kao na slici (na model i na podatke).
5 Sa leve strane biramo da li će nam biti prikazana izlazna klasa iz modela tako što čekiramo Show predicted class, takoďe biramo i da li će nam biti prikazane verovatnoće predviďanja za odreďivanje u koju će klasu biti svrstan koji zapis čekirajući Show predicted probabilities, i to birajući koje klase želimo (u našem slučaju 0 i/ili 1), kao i broj decimala za te verovatnoće. Možemo odabrati i da li želimo da nam se prikazuju vrednosti atributa za svaki zapis i to u opciji Data atributes => Show all. Primer isčitavanja tabele: za zapis broj 3 je model 100% siguran da pripada klasi 0. Confusion Matrix vezujemo na Test Learners čvor kao na slici, ovaj čvor će nam pokazati vezu izmeďu stvarnih klasa, koji su prikazani u redovima matrice, i klasa koje je predvideo model, koje su prikazane u kolonama matrice. Dvoklikom na Confusion Matrix čvor će nam se otvoriti prozor u kome će biti prikazana matrica čija polja se nalaze u preseku stvarnih klasa (redovi) i klasa koje je predvideo model (kolone). Koje vrednosti će biti predstavljene u samim poljima matrice (presecima kolona i redova) odabiramo iz padajućeg menija Show. Možemo odabrati da nam predstavi: broj slučajeva (number of examples), odnos posmatranih i očekivanih slučajeva (observed and expected examples), proporciju predviďanja (proportions of predicted) i proporciju tačnosti (proportions of true).
6 U delu Selection odabiramo da nam se osenče polja u matrici u kojima su vrednisti tačnih predviďanja, koja će se naći na glavnoj dijagobali matrice (opcija Correct), polja sa vrednostima za koja je model izneo pogrešna predviďanja (opcija Misclassified) ili pak da nam ne osenči ništa (opcija None). Kada su u opciji Output čekirana oba polja (Append class predictions i Append predicted class probabilites) tada smo osigurali da će dodavanje novih atributa u bazu imati uticaja na svrstavanje odreďenog slučaja u neku klasu, odnosno na verovatniću sa kojom model vrši tačnost predviďanja. Što se tiče čitanja vrednosti u samoj matrici primer bi bio sledeći: Model je u 31,7% slučajeva rekao da će izlazna klasa biti 0, a trebao je da odredi klasu 1. Ista analogija se primenjuje i na sva druga polja u matrici. Čvor ROC Analysis se takoďe vezuje na čvor Test Learners. Dvoklikom na ovaj čvor će nam se pojaviti prozor u kome će biti prikazan grafikon na čijoj je X-osi predstavljen FP Rate (false positive rate), a na Y-osi TP Rate (true positive rate). Na našem konkretnom primeru TP Rate bi bili procenti slučajevi kada je model rekao da je izlazna klasa 0, a ona to stvarno i jeste, dok bi FP Rate prikazivao procenat slučajeva za koje je model trebao da odredi izlaznu klasu 1, a on je pogrešio i odredio klasu 0 (analogna metodologija se primenjuje i za klasu 1 kada se ona odabere u opciji Target class). Na kartici General se vrši odabir klase (Target class) za koju želimo da vidimo ROC krivu (u našem slučaju je odabrana
7 klasa 0). Ukoliko smo više klasifikacionih modela (njihovih izlaza) povezali na ulaz Roc Analysis-a moguće je u opciji Classifiers odabrati krivu modela (odnosno metoda klasifikacije) koji nas zanima. U našem slučaju smo radili smo sa modelom Classification Tree pa je on jedini prikazan. Ova opcija daje vrlo jasan prikaz površina ispod ROC krive (za različite metode klasifikacije) što pokazuje i kvalitet samog modela, što je površina veća to je model bolji. Da bismo jasnije (slikovitije) predstavili ovo o čemu govorimo upotrebićemo još jedan klasifikator, Naive Bayes. Kao što nam sama slika prikazuje, vidimo da je model Naive Bayes (plava linija) daleko kvalitetnije obradio našu bazu od modela Classifucation Tree (crvena linija), jer je površina ispod plave linije znatno veća od površine pod crvenom linijom (vrednosti površina možemo pronaći u čvoru Test Learners parametar AUC(area under curve)). **Napomenimo da i čvor Confusion Matrix omogućava uporedni prikaz ova dva modela. Kada ponovo dvokliknemo na njega videćemo da se u polju Learners pojavio i Naive Bayes, a kada ga odaberemo videćemo da se verovatnoća greške koja je ranije iznosila 31,7% upotrebom novog modela smanjila na 19,4%.**Ostale opcije na karticama General, Analysis i Setings se pre svega koriste za samo grafičko prikazivanje modela, odnosno debljine linija, veličina tačaka i sl. Na kartici Analysis pod opcijom Test Sets možemo odabrati koliko i koje skupove zapisa (Folds) želimo da predstavimo ROC krivom. Kod nas se pojavljuje pet skupova (0-4) što je posledica načina uzorkovanja u Test Learnes čvoru kada smo odabrali metod Cross-validation u opciji Sampling i odredili da nam se ona odradi na pet foldova (da smo tu izabrali 8 Fold-ova u ROC analysis-u bi imali Test set-ove 0-7). Čvor Calibration Plot nam daje uvid u odnos stvarnih verovatnoća (actual probability) i predviďenih verovatnoća (estimated probability). Kao i kod čvora Roc Analysis biramo za koju klasu želimo da vidimo grafikon (opcija Target class), a takoďe biramo i za koje klasifikatore želimo da vidimo krivu u odabranoj klasi (opcija Classifiers). Na samom grafikonu je predstavljena dijagonalna linija (koju možemo i isključiti u opciji Show Diagonal Line na kartici Setings), njena svrha je da jasnije i preciznije vidimo kvalitet modela (odnosno klasifikatora) za odabranu klasu. Naime, što je kriva koja predstavlja model bliža toj dijagonali to je model kvalitetniji. Ovo je naravno posledica toga što su stvarne i predviďene verovatnoće približne jedno drugoj, u idealnoj situaciji kriva modela bi se preklopila sa dijagonalnom linijom grafikona. U našem slučaju model Naive Bayes je bolji od Classification Tree model, što je predstavljeno i na slici gde kriva koja više odgovara dijagonalnoj liniji predstavlja krivu Naive Bayes modela.
8 Vrednosti na samoj krivoj modela se tumače na sledeći način: ukoliko se vrednost na krivoj nalazi iznad dijagonale reč je o takozvanim potcenjenim predviďenim verovatnoćama (predviďene verovatnoće su manjih vrednosti od stvarnih verovatnoća), a u slučaju da su vrednosti na krivoj ispod dijagonale reč je o precenjenim predviďenim verovatnoćama (model je dao veće vrednosti verovatnoća od onih koje su stvarne). Ovo odstupanje je posledica toga što model nije sto posto siguran koji slučaj će biti svrstan u koju klasu. **Objašnjenje ovoga je moguće prikazati i sa slikom Predictions čvora gde možemo videti da je model za četvrti zapis u bazi odredio verovatnoću od 25% da će model biti svrstan u klasu 0, dok verovatnoća da će biti svrstan u klasu 1 iznosi 75%.**
Podešavanje 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 informationPravljenje Screenshota. 1. Korak
Prvo i osnovno, da biste uspesno odradili ovaj tutorijal, morate imati instaliran GOM Player. Instalacija je vrlo jednostavna, i ovaj player u sebi sadrzi sve neophodne kodeke za pustanje video zapisa,
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 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 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 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 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 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 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 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 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 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 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 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 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 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 informationPrimer-1 Nacrtati deo lanca.
Primer-1 Nacrtati deo lanca. 1. Nacrtati krug sa Ellipse alatkom i sa CTRL tasterom. 2. Napraviti kopiju kruga unutar glavnog kruga (desni klik za kopiju). 3. Selektovati oba kruga pa onda ih kombinovati
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 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 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 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 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 informationBabylon - instalacija,aktivacija i rad sa njim
Babylon - instalacija,aktivacija i rad sa njim Babilon je vodeći svetski prevodilac brzog online i offline rečnika sa prevođenjem u preko 75 jezika jednim jednostavnim klikom misa i koriste ga miloni privatnih
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 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 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 information1. MODEL (Ulaz / Zadržavanje / Stanje)
1. MODEL (Ulaz / Zadržavanje / Stanje) Potrebno je kreirati model koji će preslikavati sledeći realan sistem: Svaki dan dolazi određen broj paleta u skladište Broj paleta na nivou dana se može opisati
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 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 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 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 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 informationVEŽBA 4 TOOLS - RAD SA ALATIMA
VEŽBA 4 TOOLS - RAD SA ALATIMA Tools (opis i rad sa alatima) Alati (Tools) Ovde ćemo objasniti alate koji se upotrebljavaju u Premiere Pro programu: Tool Bar - Alati 1: (V na tastaturi) Selection (strelica)
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 informationPowerPoint deo Umetanje oblika (shapes)
PowerPoint 2010 2. deo Umetanje oblika (shapes) Vrši se preko Insert menija: Insert Illustrations Shapes. Bira se jedan od ponuđenih oblika, kliknemo na mesto gde želimo da ga stavimo i vučemo dok se ne
More informationUputstva za upotrebu štampača CITIZEN S310II
Upravljanje sistemom COBISS Uputstva za upotrebu štampača CITIZEN S310II V1.0 VIF-NA-27-XX IZUM, 2015. COBISS, COMARC, COBIB, COLIB, IZUM su zaštićeni znaci u posedu javnog zavoda IZUM. SADRŽAJ 1 Uvod...
More informationINFORMATIKA II AutoCAD 9. deo. Rudarsko-geološki fakultet Rudarski odsek
INFORMATIKA II AutoCAD 9. deo Rudarsko-geološki fakultet Rudarski odsek Raspoređivanje i štampanje crteža Štampanje iz AutoCAD-a je komplikovanije nego iz drugih programa zašta postoje i sasvim određeni
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 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 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 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 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 informationza STB GO4TV in alliance with GSS media
za STB Dugme za uključivanje i isključivanje STB uređaja Browser Glavni meni Osnovni meni Vrsta liste kanala / omiljeni kanali / kraći meni / organizacija kanala / ponovno pokretanje uređaja / ponovno
More informationPokretanje (startovanje) programa Microsoft Word
Šta je Microsoft Word? Microsoft Word je korisnički (aplikativni) program - tekst procesor, za unos, promenu, uređenje, skladištenje (čuvanje, arhiviranje) i štampanje dokumenta. Word je sastavni deo programskog
More informationDesna strana menija sadrži spisak nedavno otvaranih dokumenata.
Radno okruženje Informatička pismenost Obrada teksta Ikone za brz pristup alatima Dugme Office Radna površina Traka sa alatima Statusna linija Dugme Office Desna strana menija sadrži spisak nedavno otvaranih
More informationSkalabilni klaster algoritmi Seminarski rad iz Istraživanja podataka
Skalabilni klaster algoritmi Seminarski rad iz Istraživanja podataka Maljković Mirjana 079/008 Smer Informatika, master studije Matematički fakultet, Beograd Sadržaj Sadržaj... Uvod... 3 Definicija klasterovanja...
More information2. Kreiranje nove baze podataka
2. Kreiranje nove baze podataka Stvaranje strukture za bazu podataka je lako. Međutim, prazna baza nije ništa korisnija od praznog dokumenta u Microsoft Word-u ili praznog radog lista Microsoft Excel-a.
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 informationMASKE U MICROSOFT ACCESS-u
MASKE U MICROSOFT ACCESS-u Maske (Forms) ili obrasci su objekti baze podataka u Accessu koji služe za unošenje, brisanje i mijenjanje podataka u tablicama ili upitima koji imaju ljepše korisničko sučelje
More informationKvalitativni model višekriterijumskog odlučivanja DEX
Kvalitativni model višekriterijumskog odlučivanja DEX U procesu donošenja strateških i operativnih odluka često je teško kvantitativno izraziti sve elemente posmatranog problema, bilo zbog nedostupnosti
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 informationmdita Editor - Korisničko uputstvo -
mdita Editor - Korisničko uputstvo - Sadržaj 1. Minimalna specifikacija računara... 3 2. Uputstvo za instalaciju aplikacije... 3 3. Korisničko uputstvo... 11 3.1 Odabir File opcije iz menija... 11 3.2
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 informationImplementacija sparsnih matrica upotrebom listi u programskom jeziku C
INFOTEH-JAHORINA Vol. 10, Ref. E-I-15, p. 461-465, March 2011. Implementacija sparsnih matrica upotrebom listi u programskom jeziku C Đulaga Hadžić, Ministarstvo obrazovanja, nauke, kulture i sporta Tuzlanskog
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 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 informationMašinsko učenje Uvod. Bojan Furlan УНИВЕРЗИТЕТ У БЕОГРАДУ ЕЛЕКТРОТЕХНИЧКИ ФАКУЛТЕТ
Mašinsko učenje Uvod Bojan Furlan УНИВЕРЗИТЕТ У БЕОГРАДУ ЕЛЕКТРОТЕХНИЧКИ ФАКУЛТЕТ Šta je to mašinsko učenje? Disciplina koja omogućava računarima da uče bez eksplicitnog programiranja (Arthur Samuel 1959).
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 informationIkone za brz pristup alatima. Slovne oznake kolona. ime. Traka sa alatima. Dugme Office Brojčane oznake redova
Radno okruženje Informatička pismenost Tabelarni proračuni Polje za ime Dugme Office Brojčane oznake redova Polje za formule Ikone za brz pristup alatima Kartice (jezičci) radnih listova Traka sa alatima
More informationSKRIPTA ZA VEŽBE IZ PREDMETA ELEKTRONSKO POSLOVANJE
SKRIPTA ZA VEŽBE IZ PREDMETA ELEKTRONSKO POSLOVANJE KompoZer 0.77 Laboratorija za elektronsko poslovanje Beograd 2008. Sadržaj SADRŽAJ...2 1 O KOMPOZER-U...4 2 RADNO OKRUŽENJE KOMPOZER-A...6 3 RAD SA DOKUMENTIMA...13
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 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 information4. Stabla odlučivanja
4. Stabla odlučivanja MARIJANA ZEKIĆ-SUŠAC SVEUČILIŠTE J.J. STROSSMAYERA U OSIJEKU, EKONOMSKI FAKULTET U OSIJEKU 1 Što ćete naučiti u ovom poglavlju? Što su i koje su vrste stabala odlučivanja? Kako funkcioniraju
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 informationJelena Radić, Bane Popadić, Marko Gecić, Vladimir Milosavljević, Vladimir Popadić, Vladimir Rajs, Jovan Bajic Softverski praktikum
Jelena Radić, Bane Popadić, Marko Gecić, Vladimir Milosavljević, Vladimir Popadić, Vladimir Rajs, Jovan Bajic Softverski praktikum FTN Izdavaštvo, Novi Sad, 2016. Sadržaj 1 WINDOWS 7-OSNOVNI POJMOVI...
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 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 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 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 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 informationMASTER S THESIS. Ioannis Mamalikidis, UID: 633
MASTER S THESIS Aristotle University of Thessaloniki, Faculty of Sciences, Department of Informatics Supervisor: Dr. Eleftherios Angelis; Thesis Committee: Grigorios Tsoumakas, Ioannis Vlahavas Ioannis
More informationP R O J E K T N I R A D
Elektrotehnički fakultet Banja Luka P R O J E K T N I R A D iz predmeta: M U L T I M E D I J A L N I S I S T E M I zadatak: Virtuelna multimedijalna biblioteka Studenti: Vladimir Javorina, 80/02 Milan
More informationSADRŽAJ. strana 1. strana 2. Hadži Đerina 2, tel.011 / Cvijićeva 98, tel.011 / e mail:
SADRŽAJ 1. Roboti i robotika...5 1.1 Na šta mislimo kada kažemo robot?...5 1.2 Šta je robot?...5 1.3 Dizajn robota...7 2. Delovi robota...7 2.1 Pokretni delovi i kretanje robota...8 2.2 Senzori...8 2.3
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 informationOSNOVE QGIS-a ZA ARHEOLOGE
Institut za arheologiju / Arheološki muzej u Zagrebu Nera Šegvić, Filomena Sirovica, Kristina Turkalj Priručnik uz radionicu: OSNOVE QGIS-a ZA ARHEOLOGE Arheološki muzej u Zagrebu, 27. lipnja 2016. OSNOVE
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 informationPRŽNO Tourist complex
PRŽNO Tourist complex Location wider location NARROW location Pržno the authentic fishermen village, is located within the Municipality of Budva, nearby Sv. Stefan. The complex is situated on a raised
More informationAUTODESK INVENTOR SKRIPTA. Uradio: Prof. Saša Ilić
AUTODESK INVENTOR SKRIPTA Uradio: Prof. Saša Ilić Sadržaj: Autodesk Inventor 2008...4 Radno okruženje programa inventor 2008...5 Početak rada u programu Autodesk Inventor 2008...6 Podešavanje programa
More informationIMPLEMENTACIJA TEHNIKA ZA POVEĆANJE BROJA PODRŽANIH KONKURENTNIH KORISNIKA VEB SAJTA
ELEKTROTEHNIČKI FAKULTET UNIVERZITETA U BEOGRADU IMPLEMENTACIJA TEHNIKA ZA POVEĆANJE BROJA PODRŽANIH KONKURENTNIH KORISNIKA VEB SAJTA Master rad Kandidat: Janko Sokolović 2012/3142 Mentor: doc. dr Zoran
More informationPrimer izrade dinamičkog sajta
Primer izrade dinamičkog sajta U ovom odeljku opisademo postupak izrade jednostavnog dinamičkog sajta elektronske prodavnice. Struktura sajta Sajt se sastoji iz četiri celine. Prvi deo, početna strana,
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 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 informationProgramiranje za internet zimski semestar 2013/2014. Java kroz primjere (skripta je u fazi izradi)
Programiranje za internet zimski semestar 2013/2014 Java kroz primjere (skripta je u fazi izradi) Zadatak broj 1 Nacrtati kocku. (Zanimljiv teži problem za razmišljanje: Nacrtat kocku čije će dimenzije
More informationPoglavlje 1 POČETAK RADA SA MICROSOFT OFFICE-OM 2016
Poglavlje 1 POČETAK RADA SA MICROSOFT OFFICE-OM 2016 Premda je Microsoft Office 2016 jednostavan i lak za upotrebu, vredi uložiti nekoliko minuta na istraživanje njegovog interfejsa i njegovih alata za
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 information