Fenomén Big Data Pohled technický

Rozměr: px
Začít zobrazení ze stránky:

Download "Fenomén Big Data Pohled technický"

Transkript

1 Fenomén Big Data Pohled technický Diribet / Q-DAS Konference Homo Digitalis,

2 Motivace Běžná situace při rozhodování: Mám více dat, než jsem schopen zpracovat Mám pocit nedostatku informací Více dat Pocit nedostatku informací Více možných rozhodnutí Zhoršená rozhodovací schopnost

3 Rozhodování na základě informace Rozhodovací Systém Lidský člověk, team, společnost Automatizovaný např. bezpečnostní prvek v autě, automatizovaná regulace výrobního procesu 3 skupiny problémů Absence informace v systému chybí, není k dispozici Ignorance informace je k dispozici, ale systém jí nezpracovává Chyba informace je k dispozici, systém ji zpracuje nesprávně Přidaná informace řeší jen problém typu Absence Intuitivní odhad, že informace se nachází ve velkém množství dat

4 Zdroje dat Big Data Informace o počasí rostoucí počet čidel a rostoucí vzorkovací frekvence Velký hadronový urychlovač (LHC): čidel při Hz Informace o spotřebitelském chování, telefonní sítě, sociální sítě Výrobní stroj, automobil, domácí spotřebič Virtuální simulace

5 Kde začínají Big Data? Definice Nejednotná, vágní definice Obecně: Množství dat je větší, než je možné efektivně zpracovat Objektivní rozvoj kompetencí ke zpracování velkého množství dat Vývoj nových technik, výkonného hardware, posun poznání Big Data jako slogan Vychází vstříc (nedůvodné) poptávce po množství metrik Populární (marketingové) zaříkávadlo

6 Analytický stroj Augusta Ada King, hraběnka z Lovelace Článek o Babbageově analytickém stroji (1843) První programátor(ka) Konceptuální přerod z počítacího stroje na analytický stroj, který umí řešit problém jakékoliv komplexnosti Poetická věda : Rozvíjela hypotézy a kladla si otázky o tom, jak se jednotlivci a společnost vztahují k výpočetní technice jako nástroji pro spolupráci

7 Velká čísla =

8 Taková normální optimalizační úloha Stroj (auto, bagr, frézka) 400 parametrů, každý jen 2 možnosti (min, max) Například kontrola tolerančního řetězce Počet elementárních částic ve vesmíru Každá částice provede výpočtů za vteřinu (Tera Herz) Výpočetní čas = Hz 600 tisíc krát stáří vesmíru

9 Technologie s Big Data - příklady Data Mining (Information Mining) Vyhledávání schémat/vzorů ve velkých souborech dat (anomálie, shluky, klasifikace, regrese,...) informace o (dříve) neznámých vlastnostech dat Strojové učení Program se mění podle dat Predikce na základě poznaných vlastností Umělá inteligence, optimalizace Učitel versus dříví v lese Tvorba předsudků, předporozumění

10 Technologie s Big Data - příklady Multilinear subspace learning nízkodimenzionální reprezentace vysokodimenzionálního tenzoru Problém inicializace, Lokální optimum mechanický příklad: Tenzometr Statistický strojní překlad (1949, 1980) E.g. Google Translate Statistický model na textovém korpusu Nepředvídatelný výsledek Genetické algoritmy Heuristické algoritmy mimikující přirozený výběr Problém nulté populace, evoluce nemá předvídavost

11 Technologie pro zpracování Big Data Vizualizace Florence Nightingale 1850 Charles Minard (6D) 1866

12 Florence Nightingale Klínový diagram

13 Charles Minard Vizualizace Big Data Svět potřebuje moudré inspektory silnic a mostů v důchodu!

14 Aplikační příklad Best Fit v metrologii Scan bodů na povrchu měřeného objektu Porovnání s CAD modelem Výhody Není třeba stavět program měření Není třeba metrologická kompetence Intuitivní přečtení výsledku Rychlé a atraktivní předvedení Nevýhody Všechny body mají stejnou váhu Chybí informace o funkčních rozměrech Neodpovídá na otázku je díl v toleranci?

15 Aplikační příklad Best Fit v metrologii Na každou komplikovanou otázku existuje nejméně jedna jednoduchá, srozumitelná, nesprávná odpověď

16 Informace versus Kompetence Informaci lze vnímat jen skrze kompetenci Kompetence k podstatě problému Technická, sociologická, medicínská,... Čím vyšší je odborná kompetence, tím vyšší je užitek z dat a jejich analýzy Kompetenci nelze nahradit daty / informacemi Karl Pearson parafráze: Statistika je gramatikou technické kompetence

17 Statistické a matematické metody Pozoruhodné vlastnosti: Metoda není nástroj Ostrá logika Ryzí abstraktnost Výstup je v jasném a logickém vztahu ke vstupu It is not box of chocolates, we know what we re gonna get Metody dávají smysl samy sobě, nevztahují se k žádnému reálnému problému. Praktická náplň přichází jen aplikací Aplikace Praktický problém Statistický problém Úskalí: Aplikace Je technický problém správně přeložen do statistického? Je statistický výsledek relevantní k technickému problému? Je logické pozadí metody ve vztahu k technickým/fyzikálním vlastnostem? Vede řešení k závěru? Může být závěr ověřen jinou metodou? Čas do poruchy výrobku A a B je zamlžen nejistotou Je životnost B alespoň tak dobrá jako A? Nejasná logika Praktický závěr Životnost B je nejméně taková, jako životnost A. Aplikace H0: Výběr z B je podřadný výběru z A H1: Výběr z B je nepodřadný výběru z A Známá logika Statistický výsledek H0 zamítnuta na úrovni α.

18 Interakce Informace a jejího okolí Vlastnosti okolí mají vliv na vnímání informace Odbornost, profesní kontext, kulturní kontext Informace a její forma má vliv na vlastnosti okolí Rychlá dostupnost informace umožní věnovat čas její interpretaci Snadná dostupnost informace negativně ovlivní krátkodobou pamět Porušená krátkodobá pamět zabraňuje učení / tvorbě kompetence

19 Závěry, teze Metody pro zpracování Big Data přináší (nové) příležitosti pro získání informací Nové technologie umožňují komplexnější analýzy a nové způsoby prezentace jejich výsledku Neexistuje záruka, že v datech je (potřebná) informace obsažena Neexistuje záruka, že příležitost bude využita Každé použití statistiky je z podstaty doprovozeno ztrátou informace, tím spíše při velké destilaci z velkých dat Člověku je třeba poskytnout takový výstup (a průběh) analýzy, aby Byl srozumitelný, odpovídající oprávněně očekávané kompetenci Mohl zapojit kritický pohled na výsledek a proces jeho vzniku Mohl informaci vnímat v jejím kontextu Vznik a použití informace bylo efektivní (výsledek, čas, peníze)

Moderní systémy pro získávání znalostí z informací a dat

Moderní systémy pro získávání znalostí z informací a dat Moderní systémy pro získávání znalostí z informací a dat Jan Žižka IBA Institut biostatistiky a analýz PřF & LF, Masarykova universita Kamenice 126/3, 625 00 Brno Email: zizka@iba.muni.cz Bioinformatika:

Více

Výrobní pracoviště budoucnosti

Výrobní pracoviště budoucnosti Výrobní pracoviště budoucnosti Průmysl 4.0 Radomír Zbožínek \ 4. 11. 2016 Charakteristika konceptu Průmysl 4.0 Počítačové propojení výrobních strojů, produktů, osob a všech dalších systémů průmyslového

Více

Umělá inteligence a rozpoznávání

Umělá inteligence a rozpoznávání Václav Matoušek KIV e-mail: matousek@kiv.zcu.cz 0-1 Sylabus předmětu: Datum Náplň přednášky 11. 2. Úvod, historie a vývoj UI, základní problémové oblasti a typy úloh, aplikace UI, příklady inteligentních

Více

5.3.1. Informatika pro 2. stupeň

5.3.1. Informatika pro 2. stupeň 5.3.1. Informatika pro 2. stupeň Charakteristika vzdělávací oblasti Vzdělávací oblast Informační a komunikační technologie umožňuje všem žákům dosáhnout základní úrovně informační gramotnosti - získat

Více

UČENÍ BEZ UČITELE. Václav Hlaváč

UČENÍ BEZ UČITELE. Václav Hlaváč UČENÍ BEZ UČITELE Václav Hlaváč Fakulta elektrotechnická ČVUT v Praze katedra kybernetiky, Centrum strojového vnímání hlavac@fel.cvut.cz, http://cmp.felk.cvut.cz/~hlavac 1/22 OBSAH PŘEDNÁŠKY ÚVOD Učení

Více

Operátory pro maticové operace (operace s celými maticemi) * násobení maticové Pro čísla platí: 2*2

Operátory pro maticové operace (operace s celými maticemi) * násobení maticové Pro čísla platí: 2*2 * násobení maticové Pro čísla platí: Pro matice - násobení inverzní maticí inv inverzní matice A -1 k dané matici A je taková matice, která po vynásobení s původní maticí dá jednotkovou matici. Inverzní

Více

Časové a organizační vymezení

Časové a organizační vymezení Vzdělávací oblast Vzdělávací obor Vyučovací předmět Týdenní hodinové dotace Časové a organizační vymezení Matematika a její aplikace Matematika a její aplikace Matematika 1. stupeň 2. stupeň 1. ročník

Více

PowerOPTI Řízení účinnosti tepelného cyklu

PowerOPTI Řízení účinnosti tepelného cyklu PowerOPTI Řízení účinnosti tepelného cyklu VIZE Zvýšit konkurenceschopnost provozovatelů elektráren a tepláren. Základní funkce: Spolehlivé hodnocení a řízení účinnosti tepelného cyklu, včasná diagnostika

Více

Emergence chování robotických agentů: neuroevoluce

Emergence chování robotických agentů: neuroevoluce Emergence chování robotických agentů: neuroevoluce Petra Vidnerová, Stanislav Slušný, Roman Neruda Ústav Informatiky, AV ČR Kognice a umělý život VIII Praha 28. 5. 2008 Evoluční robotika: EA & neuronové

Více

Úvodem Dříve les než stromy 3 Operace s maticemi

Úvodem Dříve les než stromy 3 Operace s maticemi Obsah 1 Úvodem 13 2 Dříve les než stromy 17 2.1 Nejednoznačnost terminologie 17 2.2 Volba metody analýzy dat 23 2.3 Přehled vybraných vícerozměrných metod 25 2.3.1 Metoda hlavních komponent 26 2.3.2 Faktorová

Více

ZÍSKÁVÁNÍ ZNALOSTÍ Z DATABÁZÍ

ZÍSKÁVÁNÍ ZNALOSTÍ Z DATABÁZÍ metodický list č. 1 Dobývání znalostí z databází Cílem tohoto tematického celku je vysvětlení základních pojmů z oblasti dobývání znalostí z databází i východisek dobývání znalostí z databází inspirovaných

Více

ZÍSKÁVÁNÍ ZNALOSTÍ Z DATABÁZÍ

ZÍSKÁVÁNÍ ZNALOSTÍ Z DATABÁZÍ Metodický list č. 1 Dobývání znalostí z databází Cílem tohoto tematického celku je vysvětlení základních pojmů z oblasti dobývání znalostí z databází i východisek dobývání znalostí z databází inspirovaných

Více

Národní informační středisko pro podporu kvality

Národní informační středisko pro podporu kvality Národní informační středisko pro podporu kvality Využití metody bootstrapping při analýze dat II.část Doc. Ing. Olga TŮMOVÁ, CSc. Obsah Klasické procedury a statistické SW - metody výpočtů konfidenčních

Více

1. Číselné posloupnosti - Definice posloupnosti, základní vlastnosti, operace s posloupnostmi, limita posloupnosti, vlastnosti limit posloupností,

1. Číselné posloupnosti - Definice posloupnosti, základní vlastnosti, operace s posloupnostmi, limita posloupnosti, vlastnosti limit posloupností, KMA/SZZS1 Matematika 1. Číselné posloupnosti - Definice posloupnosti, základní vlastnosti, operace s posloupnostmi, limita posloupnosti, vlastnosti limit posloupností, operace s limitami. 2. Limita funkce

Více

Automatizační a měřicí technika (B-AMT)

Automatizační a měřicí technika (B-AMT) Ústav automatizace a měřicí techniky Bakalářský studijní program Automatizační a měřicí technika () Specializace oboru Řídicí technika Měřicí technika Průmyslová automatizace Robotika a umělá inteligence

Více

Big Data a oficiální statistika. Unicorn College Open 24. dubna 2015 Doc. Ing. Marie Bohatá, CSc.

Big Data a oficiální statistika. Unicorn College Open 24. dubna 2015 Doc. Ing. Marie Bohatá, CSc. Big Data a oficiální statistika Unicorn College Open 24. dubna 2015 Doc. Ing. Marie Bohatá, CSc. Obsah příspěvku Charakteristiky Big Data Výzvy a úskalí z perspektivy statistiky Výzvy z perspektivy computing

Více

Statistika. Klíčové kompetence V rámci výuky statistiky jsou naplňovány tyto klíčové kompetence: řešení problémů, komunikativní,

Statistika. Klíčové kompetence V rámci výuky statistiky jsou naplňovány tyto klíčové kompetence: řešení problémů, komunikativní, Dodatek č. 5. Školního vzdělávacího programu Obchodní akademie Lysá nad Labem, obor 63-41-M/02 Obchodní akademie, platného od 1. 9. 2012 - platnost od 1. 9. 2015 Statistika je povinný předmět pro 2. ročník,

Více

BA_EM Electronic Marketing. Pavel

BA_EM Electronic Marketing. Pavel BA_EM Electronic Marketing Pavel Kotyza @VŠFS Agenda Efektivní data mining jako zdroj relevantních dat o potřebách zákazníků Co je data mining? Je absolutní Je předem neznámý Je užitečný Co jsou data?

Více

Otázky ke státní závěrečné zkoušce

Otázky ke státní závěrečné zkoušce Otázky ke státní závěrečné zkoušce obor Ekonometrie a operační výzkum a) Diskrétní modely, Simulace, Nelineární programování. b) Teorie rozhodování, Teorie her. c) Ekonometrie. Otázka č. 1 a) Úlohy konvexního

Více

Matematika - Kvarta. řeší ekvivalentními úpravami rovnice s neznámou ve jmenovateli

Matematika - Kvarta. řeší ekvivalentními úpravami rovnice s neznámou ve jmenovateli - Kvarta Matematika Výchovné a vzdělávací strategie Kompetence k řešení problémů Kompetence komunikativní Kompetence sociální a personální Kompetence občanská Kompetence k učení Kompetence pracovní Učivo

Více

Mechanika s Inventorem

Mechanika s Inventorem CAD Mechanika s Inventorem 1. Úvodní pojednání Petr SCHILLING, autor přednášky Ing. Kateřina VLČKOVÁ, obsahová korekce Tomáš MATOVIČ, publikace 1 Obsah přednášky: Cíl projektu 3 Význam mechanických analýz

Více

Mechanika s Inventorem

Mechanika s Inventorem Mechanika s Inventorem 1. Úvodní pojednání CAD data FEM výpočty Petr SCHILLING, autor přednášky Ing. Kateřina VLČKOVÁ, obsahová korekce Optimalizace Tomáš MATOVIČ, publikace 1 Obsah přednášky: Cíl projektu

Více

Synergické efekty VaVpI projektů na VŠB-TU Ostrava

Synergické efekty VaVpI projektů na VŠB-TU Ostrava Synergické efekty VaVpI projektů na VŠB-TU Ostrava Prof. Ing. Ivo Vondrák, CSc. VŠB - Technická univerzita Ostrava Fakulta elektrotechniky a informatiky www.it4innovations.eu 1 Obsah 1. Projekty VaVpI

Více

UMÌLÁ INTELIGENCE V MODELOVÁNÍ A ØÍZENÍ Miroslav POKORNÝ Praha 1996, BEN Miroslav Pokorný UMÌLÁ INTELIGENCE V MODELOVÁNÍ A ØÍZENÍ Bez pøedchozího písemného svolení nakladatelství nesmí být kterákoli èást

Více

Statistika. Jindřich Soukup. University of South Bohemia in České Budějovice Faculty of Fisheries and Protection of Waters, School of complex systems

Statistika. Jindřich Soukup. University of South Bohemia in České Budějovice Faculty of Fisheries and Protection of Waters, School of complex systems Statistika Jindřich Soukup 2013-07-24 University of South Bohemia in České Budějovice Faculty of Fisheries and Protection of Waters, School of complex systems Statistika umí: Předpovídat budoucnost? "...

Více

Biologicky inspirované výpočty. Schématické rozdělení problematiky a výuky

Biologicky inspirované výpočty. Schématické rozdělení problematiky a výuky Biologicky inspirované výpočty Schématické rozdělení problematiky a výuky 1 Biologicky inspirované výpočty - struktura problematiky Evoluční systémy: evoluční algoritmy, evoluční hardware, víceúčelová

Více

Informační a komunikační technologie. Informační a komunikační technologie

Informační a komunikační technologie. Informační a komunikační technologie Oblast Předmět Období Časová dotace Místo realizace Charakteristika předmětu Průřezová témata Informační a komunikační technologie Informační a komunikační technologie 5. 6. ročník 1 hodina týdně počítačová

Více

METODY DOLOVÁNÍ V DATECH DATOVÉ SKLADY TEREZA HYNČICOVÁ H2IGE1

METODY DOLOVÁNÍ V DATECH DATOVÉ SKLADY TEREZA HYNČICOVÁ H2IGE1 METODY DOLOVÁNÍ V DATECH DATOVÉ SKLADY TEREZA HYNČICOVÁ H2IGE1 DOLOVÁNÍ V DATECH (DATA MINING) OBJEVUJE SE JIŽ OD 60. LET 20. ST. S ROZVOJEM POČÍTAČOVÉ TECHNIKY DEFINICE PROCES VÝBĚRU, PROHLEDÁVÁNÍ A MODELOVÁNÍ

Více

Měření výsledků výuky a vzdělávací standardy

Měření výsledků výuky a vzdělávací standardy Měření výsledků výuky a vzdělávací standardy Erika Mechlová Ostravská univerzita v Ostravě Obsah Úvod 1. Měření výsledků výuky 2. Taxonomie učebních úloh 3. Standardy vzdělávání Závěry Úvod Měření výsledků

Více

Základy společenských věd (ZSV) Psychologie, sociální psychologie a části oboru Člověk a svět práce 1. ročník a kvinta

Základy společenských věd (ZSV) Psychologie, sociální psychologie a části oboru Člověk a svět práce 1. ročník a kvinta Předmět: Náplň: Třída: Počet hodin: Pomůcky: Základy společenských věd (ZSV) Psychologie, sociální a části oboru Člověk a svět práce 1. ročník a kvinta 1 hodina týdně PC, dataprojektor, odborné publikace,

Více

coachpage.cz MARKETINGOVÝ VÝZKUM Faktory ovlivňující nákupní chování ve vztahu ke koupi automobilu TOOLS for SUCCESS in TODAY s BUSINESS

coachpage.cz MARKETINGOVÝ VÝZKUM Faktory ovlivňující nákupní chování ve vztahu ke koupi automobilu TOOLS for SUCCESS in TODAY s BUSINESS coachpage.cz TOOLS for SUCCESS in TODAY s BUSINESS MARKETINGOVÝ VÝZKUM Faktory ovlivňující nákupní chování Faktory ovlivňující nákupní chování Hlavní cíl výzkumného projektu Výzkumný projekt si klade za

Více

3.5.2 Členění a klasifikace kontrolních procesů 3.5.3 Kritéria hodnocení používaná v kontrolní činnosti 3.5.4 Specifika strategické kontroly 3.

3.5.2 Členění a klasifikace kontrolních procesů 3.5.3 Kritéria hodnocení používaná v kontrolní činnosti 3.5.4 Specifika strategické kontroly 3. 1. ZÁKLADY MANAGEMENTU V MAJETKOVÉ STRUKTUŘE 1.1 Vymezení pojmu a předmětu správy majetku a správy společností 1.1.1 Pojem správy majetku a správy společností 1.1.2 Předmět správy majetku a správy společností

Více

ZLOMKY. Standardy: M-9-1-01 CELÁ A RACIONÁLNÍ ČÍSLA. Záporná celá čísla Racionální čísla Absolutní hodnota Početní operace s racionálními čísly

ZLOMKY. Standardy: M-9-1-01 CELÁ A RACIONÁLNÍ ČÍSLA. Záporná celá čísla Racionální čísla Absolutní hodnota Početní operace s racionálními čísly a algoritmů matematického aparátu Vyjádří a zapíše část celku. Znázorňuje zlomky na číselné ose, převádí zlomky na des. čísla a naopak. Zapisuje nepravé zlomky ve tvaru smíšeného čísla. ZLOMKY Pojem zlomku,

Více

Školení v rámci zemědělské a lesnické činnosti 2014

Školení v rámci zemědělské a lesnické činnosti 2014 Vindex JIH, s.r.o. Platnéřská 191 110 00 Praha IČO: 25173278 Název projektu: Školení v rámci zemědělské a lesnické činnosti 2014 Číslo projektu: 13/0181310b/131/000199 Financováno z Programu Rozvoje Venkova

Více

Vysoká škola báňská technická univerzita Ostrava. Fakulta elektrotechniky a informatiky

Vysoká škola báňská technická univerzita Ostrava. Fakulta elektrotechniky a informatiky Vysoká škola báňská technická univerzita Ostrava Fakulta elektrotechniky a informatiky Bankovní účty (semestrální projekt statistika) Tomáš Hejret (hej124) 18.5.2013 Úvod Cílem tohoto projektu, zadaného

Více

Vliv podrobnosti definice procesu a úrovně CMM na charakteristiky procesu

Vliv podrobnosti definice procesu a úrovně CMM na charakteristiky procesu Vliv podrobnosti definice procesu a úrovně CMM na charakteristiky procesu Jiří Voř VŠE-KIT http://nb.vse.cz/~vorisek Úroveň podrobnosti popisu procesu Metoda KBPR (Knowledge Based Process Reengineering)

Více

Vzdělávací obsah předmětu matematika a její aplikace je rozdělen na čtyři tématické okruhy:

Vzdělávací obsah předmětu matematika a její aplikace je rozdělen na čtyři tématické okruhy: 4.2. Vzdělávací oblast: Matematika a její aplikace Vzdělávací obor: Matematika a její aplikace Charakteristika předmětu Matematika 1. Obsahové vymezení vyučovacího předmětu Vzdělávací oblast matematika

Více

MODELOVÁNÍ DAT V INFORMAČNÍCH SYSTÉMECH. Jindřich Kaluža Ludmila Kalužová

MODELOVÁNÍ DAT V INFORMAČNÍCH SYSTÉMECH. Jindřich Kaluža Ludmila Kalužová MODELOVÁNÍ DAT V INFORMAČNÍCH SYSTÉMECH Jindřich Kaluža Ludmila Kalužová Recenzenti: prof. Ing. Milan Turčáni, CSc. prof. Ing. Ivan Vrana, DrSc. Tato kniha vznikla za finanční podpory Studentské grantové

Více

Normy ČSN a ČSN ISO z oblasti aplikované statistiky (stav aktualizovaný k 1.1.2008)

Normy ČSN a ČSN ISO z oblasti aplikované statistiky (stav aktualizovaný k 1.1.2008) Normy ČSN a ČSN ISO z oblasti aplikované statistiky (stav aktualizovaný k 1.1.2008) Ing. Vratislav Horálek, DrSc., předseda TNK 4 při ČNI 1 Terminologické normy [1] ČSN ISO 3534-1:1994 Statistika Slovník

Více

Seznam úloh v rámci Interního grantového systému EPI

Seznam úloh v rámci Interního grantového systému EPI Evropský polytechnický institut, s.r.o. Kunovice Seznam úloh v rámci Interního grantového systému I rok/p ořadí Číslo úlohy Název Obor 2008 B1/2008 Vývojové tendence globalizujícího se podnikatelského

Více

MATEMATIKA. Statistika

MATEMATIKA. Statistika MATEMATIKA Statistika Během těchto vyučovacích hodin změří žáci pomocí senzorů Pasco svoji klidovou tepovou frekvenci a tepovou frekvenci po námaze. Získané výsledky budou v další hodině zpracovávat do

Více

Využití strojového učení k identifikaci protein-ligand aktivních míst

Využití strojového učení k identifikaci protein-ligand aktivních míst Využití strojového učení k identifikaci protein-ligand aktivních míst David Hoksza, Radoslav Krivák SIRET Research Group Katedra softwarového inženýrství, Matematicko-fyzikální fakulta Karlova Univerzita

Více

Manažerská ekonomika KM IT

Manažerská ekonomika KM IT KVANTITATIVNÍ METODY INFORMAČNÍ TECHNOLOGIE (zkouška č. 3) Cíl předmětu Získat základní znalosti v oblasti práce s ekonomickými ukazateli a daty, osvojit si znalosti finanční a pojistné matematiky, zvládnout

Více

OBSAH KAPITOLY PODNIKOVÍ ZÁKAZNÍCI DRUHY PODNIKOVÝCH ZÁKAZNÍKŮ SPOTŘEBITELSKÝ TRH

OBSAH KAPITOLY PODNIKOVÍ ZÁKAZNÍCI DRUHY PODNIKOVÝCH ZÁKAZNÍKŮ SPOTŘEBITELSKÝ TRH OBSAH KAPITOLY PODNIKOVÍ ZÁKAZNÍCI Ing. Lukáš Kučera druhy podnikových zákazníků spotřebitelský trh a jeho chování průmyslový trh a jeho chování nákupní rozhodovací proces spotřebitele životní cyklus produktu

Více

Aplikace při posuzování inv. projektů

Aplikace při posuzování inv. projektů Aplikace při posuzování inv. projektů Pokročilé metody investiční analýzy Výpočet bodu zvratu Citlivostní analýza Analýzy scénářů Statistické simulace Reálné opce Analýza stochastických procesů Příklad

Více

Národní informační středisko pro podporu jakosti

Národní informační středisko pro podporu jakosti Národní informační středisko pro podporu jakosti STATISTICKÉ METODY V LABORATOŘÍCH Ing. Vratislav Horálek, DrSc. Ing. Jan Král 2 A.Základní a terminologické normy 1 ČSN 01 0115:1996 Mezinárodní slovník

Více

Obsah ČÁST I JAK SE UCHÁZET O ZÁKAZNÍKY NA WEBU KAPITOLA 1

Obsah ČÁST I JAK SE UCHÁZET O ZÁKAZNÍKY NA WEBU KAPITOLA 1 Obsah O autorech 11 Poděkování 13 Předmluva 15 Úvod 17 Proč byste se měli přečíst tuto knihu 17 Co tato kniha obsahuje 18 Jak používat tuto knihu 19 Zpětná vazba od čtenářů 20 Errata 20 ČÁST I JAK SE UCHÁZET

Více

MOCNINY A ODMOCNINY. Standardy: M-9-1-01 M-9-1-02 PYTHAGOROVA VĚTA. Standardy: M-9-3-04 M-9-3-01

MOCNINY A ODMOCNINY. Standardy: M-9-1-01 M-9-1-02 PYTHAGOROVA VĚTA. Standardy: M-9-3-04 M-9-3-01 matematických pojmů a vztahů, k poznávání základě těchto vlastností k určování a zařazování pojmů matematického aparátu Zapisuje a počítá mocniny a odmocniny racionálních čísel Používá pro počítání s mocninami

Více

Číslicové zpracování signálů a Fourierova analýza.

Číslicové zpracování signálů a Fourierova analýza. Číslicové zpracování signálů a Fourierova analýza www.kme.zcu.cz/kmet/exm 1 Obsah prezentace 1. Úvod a motivace 2. Data v časové a frekvenční oblasti 3. Fourierova analýza teoreticky 4. Fourierova analýza

Více

Část 2 Vývojové diagramy

Část 2 Vývojové diagramy Část 2 Vývojové diagramy Následující vývojové diagramy poskytují informace o obsahu směrnice a návod, jak musí výrobce postupovat, ať již za účasti notifikovaného orgánu nebo bez jeho účasti, při uvádění

Více

Mark tingový výzkum. Téma. Marketingový výzkum. Realizace. Tomek - Vávrová Katedra ekonomiky, manažerství a humanitních věd FEL-ČVUT Y16MVY

Mark tingový výzkum. Téma. Marketingový výzkum. Realizace. Tomek - Vávrová Katedra ekonomiky, manažerství a humanitních věd FEL-ČVUT Y16MVY Marketingový výzkum Realizace Tomek - Vávrová YMVY Proces marketingového výzkumu Návrh projektu výzkumu Stanovení zdrojů a způsobu získávání informací Sběr informací Vyhodnocení výzkumu a interpretace

Více

5.1.7 Informatika a výpočetní technika. Časové, obsahové a organizační vymezení. ročník 1. 2. 3. 4. hodinová dotace 2 2 0 0

5.1.7 Informatika a výpočetní technika. Časové, obsahové a organizační vymezení. ročník 1. 2. 3. 4. hodinová dotace 2 2 0 0 5.1.7 Informatika a výpočetní technika Časové, obsahové a organizační vymezení ročník 1. 2. 3. 4. hodinová dotace 2 2 0 0 Realizuje se vzdělávací obor Informatika a výpočetní technika RVP pro gymnázia.

Více

Okruhy ke SZZK nmgr. studium knihovnické zaměření

Okruhy ke SZZK nmgr. studium knihovnické zaměření Okruhy ke SZZK nmgr. studium knihovnické zaměření Aktualizace k 11. 6. 2016 Otázky platí pro SZZK v září 2016 a dále Předpoklady ke zkoušce - student/ka si vybírá 3 okruhy 2 povinné předměty (Informační

Více

Stárnoucí pracovní populace. Hlávková J., Cikrt M., Kolacia L., Vavřinová J., Šteflová A., Kolacia L. SZÚ Praha, Centrum pracovního lékařství

Stárnoucí pracovní populace. Hlávková J., Cikrt M., Kolacia L., Vavřinová J., Šteflová A., Kolacia L. SZÚ Praha, Centrum pracovního lékařství Stárnoucí pracovní populace Hlávková J., Cikrt M., Kolacia L., Vavřinová J., Šteflová A., Kolacia L. SZÚ Praha, Centrum pracovního lékařství Rožnov,2006 Základní problém Stárnutí populace celosvětový fenomén

Více

Obchodní akademie, Náchod, Denisovo nábřeží 673

Obchodní akademie, Náchod, Denisovo nábřeží 673 Název vyučovacího předmětu: ÚČETNICTVÍ na PC (UPC) Obor vzdělání: 18 20 M/01 Informační technologie Forma studia: denní Celkový počet vyučovacích hodin za studium: 64 (2 hodiny týdně) Platnost: 1. 9. 2009

Více

A B C D E F 1 Vzdělávací oblast: Matematika a její aplikace 2 Vzdělávací obor: Matematika 3 Ročník: 8. 4 Klíčové kompetence. Opakování 7.

A B C D E F 1 Vzdělávací oblast: Matematika a její aplikace 2 Vzdělávací obor: Matematika 3 Ročník: 8. 4 Klíčové kompetence. Opakování 7. A B C D E F 1 Vzdělávací oblast: Matematika a její aplikace 2 Vzdělávací obor: Matematika 3 Ročník: 8. 4 Klíčové kompetence Výstupy Učivo Průřezová témata Evaluace žáka Poznámky (Dílčí kompetence) 5 Kompetence

Více

Globální strategie, podnikové procesy, IT strategie. Jaroslav Žáček jaroslav.zacek@osu.cz http://www1.osu.cz/~zacek/

Globální strategie, podnikové procesy, IT strategie. Jaroslav Žáček jaroslav.zacek@osu.cz http://www1.osu.cz/~zacek/ Globální strategie, podnikové procesy, IT strategie Jaroslav Žáček jaroslav.zacek@osu.cz http://www1.osu.cz/~zacek/ Globální podniková strategie Co budeme dělat? Jak to budeme dělat? Jak využijeme IT Co

Více

Představení projektu Metodika

Představení projektu Metodika Představení projektu Metodika přípravy veřejných strategií Strategické plánování a řízení v obcích metody, zkušenosti, spolupráce Tematická sekce Národní sítě Zdravých měst Praha, 10. května 2012 Obsah

Více

BIM & Simulace CFD simulace ve stavebnictví. Ing. Petr Fischer

BIM & Simulace CFD simulace ve stavebnictví. Ing. Petr Fischer BIM & Simulace CFD simulace ve stavebnictví Ing. Petr Fischer Agenda 10:15 11:00 Úvod do problematiky Petr Fischer Technické informace a příklady Jiří Jirát Otázky a odpovědi Používané metody navrhování

Více

Měření finanční gramotnosti v PISA 2012

Měření finanční gramotnosti v PISA 2012 Měření finanční gramotnosti v PISA 2012 Ing. Dušan Hradil Vysoká škola ekonomická v Praze Konference S bankou před tabulí i v životě Praha, 11. června 2014 OBSAH PISA 2012 v kostce FG v PISA 2012 - Koncepční

Více

Význam inteligentních sítí pro využívání obnovitelných zdrojů energie

Význam inteligentních sítí pro využívání obnovitelných zdrojů energie Význam inteligentních sítí pro využívání obnovitelných zdrojů energie Konference Energie pro budoucnost, Brno 14.4.2010 Ing. Jiří Borkovec Česká technologická platforma Smart Grid Obsah Definice pojmu

Více

Zápočtová úloha z předmětu KIV/ZSWI DOKUMENT SPECIFIKACE POŽADAVKŮ

Zápočtová úloha z předmětu KIV/ZSWI DOKUMENT SPECIFIKACE POŽADAVKŮ Zápočtová úloha z předmětu KIV/ZSWI DOKUMENT SPECIFIKACE POŽADAVKŮ 10. 5. 2011 Tým: Simplesoft Členové: Zdeněk Malík Jan Rada Ladislav Račák Václav Král Marta Pechová malikz@students.zcu.cz jrada1@students.zcu.cz

Více

vzorek1 0.0033390 0.0047277 0.0062653 0.0077811 0.0090141... vzorek 30 0.0056775 0.0058778 0.0066916 0.0076192 0.0087291

vzorek1 0.0033390 0.0047277 0.0062653 0.0077811 0.0090141... vzorek 30 0.0056775 0.0058778 0.0066916 0.0076192 0.0087291 Vzorová úloha 4.16 Postup vícerozměrné kalibrace Postup vícerozměrné kalibrace ukážeme na úloze C4.10 Vícerozměrný kalibrační model kvality bezolovnatého benzinu. Dle následujících kroků na základě naměřených

Více

CHARAKTERISTIKA. VZDĚLÁVACÍ OBLAST VYUČOVACÍ PŘEDMĚT ZODPOVÍDÁ VOLITELNÉ PŘEDMĚTY Seminář z matematiky Mgr. Dana Rauchová

CHARAKTERISTIKA. VZDĚLÁVACÍ OBLAST VYUČOVACÍ PŘEDMĚT ZODPOVÍDÁ VOLITELNÉ PŘEDMĚTY Seminář z matematiky Mgr. Dana Rauchová CHARAKTERISTIKA VZDĚLÁVACÍ OBLAST VYUČOVACÍ PŘEDMĚT ZODPOVÍDÁ VOLITELNÉ PŘEDMĚTY Seminář z matematiky Mgr. Dana Rauchová Vyučovací volitelný předmět Cvičení z matematiky je zařazen samostatně na druhém

Více

Nabídka zastavitelných ploch pro bydlení v územních plánech obcí vliv na disparity ve fyzické dostupnosti bydlení. RNDr.

Nabídka zastavitelných ploch pro bydlení v územních plánech obcí vliv na disparity ve fyzické dostupnosti bydlení. RNDr. Nabídka zastavitelných ploch pro bydlení v územních plánech obcí vliv na disparity ve fyzické dostupnosti bydlení RNDr. Milan Polednik Výchozí teze: Systém územního plánování ovlivňuje dlouhodobě nabídku

Více

UČEBNÍ OSNOVA PŘEDMĚTU

UČEBNÍ OSNOVA PŘEDMĚTU UČEBNÍ OSNOVA PŘEDMĚTU ROZPOČTY STAVEB Název školního vzdělávacího programu: Kód a název oboru vzdělání: Management ve stavebnictví 63-41-M/001 Celkový počet hodin za studium: 3. ročník = 66 hodin/ročník

Více

Řízení vztahů se zákazníky

Řízení vztahů se zákazníky Řízení vztahů se zákazníky Řízení vztahů se zákazníky Vychází z představy, že podnik je řízen zákazníkem Používanými nástroji jsou: Call Centra Customer Relationship Management (CRM) Základní vazby v řízení

Více

Technologie ve službách online komunikace

Technologie ve službách online komunikace Technologie ve službách online komunikace Lucie Staňková SAS ČR 4. prosince 2009 Digitální zkušenost E-mail Očekávání? Nízkonákladová komunikace Kreativní, intenzivní a samozřejmě úspěšné Výsledek? Malá

Více

XD16MPS Manažerská psychologie pro kombinované studium. Úvod do manažerské psychologie Předmět, význam, vývoj

XD16MPS Manažerská psychologie pro kombinované studium. Úvod do manažerské psychologie Předmět, význam, vývoj XD16MPS Manažerská psychologie pro kombinované studium Úvod do manažerské psychologie Předmět, význam, vývoj Mgr. Petra Halířová ZS 2009/10 Literatura Bedrnová, Nový: Psychologie a sociologie řízení, s.

Více

Obsah DÍL 2 KAPITOLA 6. 6 Automatická regulace 9. 6.1 Základní terminologie historické souvislosti 12

Obsah DÍL 2 KAPITOLA 6. 6 Automatická regulace 9. 6.1 Základní terminologie historické souvislosti 12 Obsah DÍL 2 KAPITOLA 6 6 Automatická regulace 9 6.1 Základní terminologie historické souvislosti 12 6.2 Dynamický systém, nástroje a metody jeho analýzy 18 6.2.1 Popis dynamického systému 19 6.2.2 Simulace

Více

Základní škola a Mateřská škola Třemešná 793 82 Třemešná 341 tel: 554 652 218 IČ: 00852538

Základní škola a Mateřská škola Třemešná 793 82 Třemešná 341 tel: 554 652 218 IČ: 00852538 Jazyk a jazyková komunikace Charakteristika vzdělávací oblasti Vzdělávací obsah vzdělávacího oboru Český jazyk a literatura má komplexní charakter a pro přehlednost je rozdělen do tří složek: Komunikační

Více

ZÁKLADY PROGRAMOVÁNÍ. Mgr. Vladislav BEDNÁŘ 2014 7.4 13/14

ZÁKLADY PROGRAMOVÁNÍ. Mgr. Vladislav BEDNÁŘ 2014 7.4 13/14 ZÁKLADY PROGRAMOVÁNÍ Mgr. Vladislav BEDNÁŘ 2014 7.4 13/14 Co je vhodné vědět, než si vybereme programovací jazyk a začneme programovat roboty. 1 / 13 0:40 Implementace Umělá inteligence (UI) Umělá inteligence

Více

Informační systémy. Jaroslav Žáček jaroslav.zacek@osu.cz

Informační systémy. Jaroslav Žáček jaroslav.zacek@osu.cz Informační systémy Jaroslav Žáček jaroslav.zacek@osu.cz Úvod - co možná umíte z předmětu SWENG Rozdělení IT Architektura IS Klíčový prvek řízení IS z něj vycházejí detailní analytické i plánovací charakteristiky

Více

Úvodní přednáška. Význam a historie PIS

Úvodní přednáška. Význam a historie PIS Úvodní přednáška Význam a historie PIS Systémy na podporu rozhodování Manažerský informační systém Manažerské rozhodování Srovnávání, vyhodnocování, kontrola INFORMACE ROZHODOVÁNÍ organizace Rozhodovacích

Více

MANAŽER KVALITY PŘEHLED POŽADOVANÝCH ZNALOSTÍ K HODNOCENÍ ZPŮSOBILOSTI CO 4.4/2007

MANAŽER KVALITY PŘEHLED POŽADOVANÝCH ZNALOSTÍ K HODNOCENÍ ZPŮSOBILOSTI CO 4.4/2007 Gradua-CEGOS, s.r.o., Certifikační orgán pro certifikaci osob č. 3005 akreditovaný Českým institutem pro akreditaci, o.p.s. podle ČSN EN ISO/IEC 17024 MANAŽER KVALITY PŘEHLED POŽADOVANÝCH ZNALOSTÍ K HODNOCENÍ

Více

Superpočítač včera, dnes a zítra; v Ostravě a mimo ni

Superpočítač včera, dnes a zítra; v Ostravě a mimo ni Superpočítač včera, dnes a zítra; v Ostravě a mimo ni Co je superpočítač? Velmi výkonný počítač, který má řádově vyšší výpočetní výkon než běžný počítač. Umožňuje výpočty, které by klasickému počítači

Více

Matematika. ochrana životního prostředí analytická chemie chemická technologie Forma vzdělávání:

Matematika. ochrana životního prostředí analytická chemie chemická technologie Forma vzdělávání: Studijní obor: Aplikovaná chemie Učební osnova předmětu Matematika Zaměření: ochrana životního prostředí analytická chemie chemická technologie Forma vzdělávání: denní Celkový počet vyučovacích hodin za

Více

CHARAKTERISTIKA PŘEDMĚTU FYZIKA ( čtyřleté studium a vyšší stupeň osmiletého gymnázia)

CHARAKTERISTIKA PŘEDMĚTU FYZIKA ( čtyřleté studium a vyšší stupeň osmiletého gymnázia) CHARAKTERISTIKA PŘEDMĚTU FYZIKA ( čtyřleté studium a vyšší stupeň osmiletého gymnázia) 1. Obsahové vymezení předmětu v předmětu fyzika se realizuje obsah vzdělávacího oboru Fyzika ze vzdělávací oblasti

Více

Ing. Petr Hájek, Ph.D. Podpora přednášky kurzu Aplikace umělé inteligence

Ing. Petr Hájek, Ph.D. Podpora přednášky kurzu Aplikace umělé inteligence APLIKACE UMĚLÉ INTELIGENCE Ing. Petr Hájek, Ph.D. Podpora přednášky kurzu Aplikace umělé inteligence Aplikace umělé inteligence - seminář ING. PETR HÁJEK, PH.D. ÚSTAV SYSTÉMOVÉHO INŽENÝRSTVÍ A INFORMATIKY

Více

Organizační chování. Rozvoj poznání v organizačním chování

Organizační chování. Rozvoj poznání v organizačním chování Organizační chování Rozvoj poznání v organizačním chování Operační program Vzdělávání pro konkurenceschopnost Název projektu: Inovace magisterského studijního programu Fakulty vojenského leadershipu Registrační

Více

Doc. PhDr. Ivana Švarcová CSc Ing. Tomáš Rain Ph.D.

Doc. PhDr. Ivana Švarcová CSc Ing. Tomáš Rain Ph.D. Doc. PhDr. Ivana Švarcová CSc Ing. Tomáš Rain Ph.D. Osnova Cíl a metodika práce Web Life Style Komparace edukačních konceptů Cíl a metodika práce Autoři deduktivně vybírají klíčové rozdíly vzdělávání v

Více

6.9 Pojetí vyučovacího předmětu Základy společenských věd

6.9 Pojetí vyučovacího předmětu Základy společenských věd 6.9 Pojetí vyučovacího předmětu Základy společenských věd Obecné cíle výuky ZSV Předmět a výuka ZSV je koncipována tak, aby žáky vedla k pochopení dění ve světě. Žáci se učí respektovat společenskou skutečnost,

Více

Komplexita a turbulence

Komplexita a turbulence SA414 - přednáška č. 5 Sociální systémy, systémy lidských aktivit Kybernetika (2. řádu): člověk a znalos(i) Povaha znalosti - mentální modely jako vzory Externalizace znalostí symboly a jazyk Znalosti

Více

DUÁLNÍ SYSTÉM VZDĚLÁVÁNÍ V ČECHÁCH?

DUÁLNÍ SYSTÉM VZDĚLÁVÁNÍ V ČECHÁCH? HOSPODÁŘSKÁ KOMORA ČESKÉ REPUBLIKY www.komora.cz DUÁLNÍ SYSTÉM VZDĚLÁVÁNÍ V ČECHÁCH? RNDr. Zdeněk Somr Viceprezident HKČR Ústupky, 28. listopadu 2014 Strana 1 HOSPODÁŘSKÁ KOMORA ČESKÉ REPUBLIKY www.komora.cz

Více

ale taky protivný nepřítel

ale taky protivný nepřítel ale taky protivný nepřítel Co chceme? Chceme být zdraví a silní. Chceme být vzdělaní a moudří Chceme být úspěšní a bohatí. Co k tomu potřebujeme? Komplexní výuku Schopné učitele Dostatek žáků Vhodnou koncepci

Více

Příklady novějších přístupů k hodnocení kvality poskytovaných služeb v zahraničních veřejných knihovnách

Příklady novějších přístupů k hodnocení kvality poskytovaných služeb v zahraničních veřejných knihovnách Efektivní informační služby NTK pro veřejnost a státní správu Příklady novějších přístupů k hodnocení kvality poskytovaných služeb v zahraničních veřejných knihovnách Martin Šály, Komix s.r.o. 9. září

Více

Optimalizace obecný úvod. [proč optimalizovat?] Formalizace problému. [existují podobné problémy?]

Optimalizace obecný úvod. [proč optimalizovat?] Formalizace problému. [existují podobné problémy?] Optimalizace obecný úvod 1 Optimalizace obecný úvod Motivace optimalizačních úloh [proč optimalizovat?] Formalizace problému [jak obecně popsat optimalizační úlohu?] Klasifikace optimalizačních problémů

Více

Stonožka jak se z výsledků dozvědět co nejvíce

Stonožka jak se z výsledků dozvědět co nejvíce Stonožka jak se z výsledků dozvědět co nejvíce Vytvoření Map učebního pokroku umožňuje vyhodnotit v testování Stonožka i dílčí oblasti učiva. Mapy učebního pokroku sledují individuální pokrok žáka a nabízejí

Více

Systémy pro podporu rozhodování. Modelování a analýza

Systémy pro podporu rozhodování. Modelování a analýza Systémy pro podporu rozhodování Modelování a analýza 1 Připomenutí obsahu minulé přednášky Datové sklady, přístup, analýza a vizualizace Povaha a zdroje dat (data, informace, znalosti a interní, externí,

Více

Využití ICT v technických oborech. Jiří Hrbáček, Martin Kučera, Zdeněk Hodis, Martin Dosedla

Využití ICT v technických oborech. Jiří Hrbáček, Martin Kučera, Zdeněk Hodis, Martin Dosedla Využití ICT v technických oborech Jiří Hrbáček, Martin Kučera, Zdeněk Hodis, Martin Dosedla ICT technologie ve výuce nahradily pomůcky a praktické činnosti s reálnými systémy - špatná řemeslná zručnost,

Více

Tabulace učebního plánu

Tabulace učebního plánu Tabulace učebního plánu Vzdělávací obsah pro vyučovací předmět : Informační a výpočetní technika Ročník: 3. - 4. ročník (septima - oktáva) Tématická oblast DIGITÁLNÍ TECHNOLOGIE informatika hardware software

Více

Předmět a cíle rizikové analýzy přehrad Koncepční přístupy k rizikové analýze přehrad. Aktuální stav RA přehrad v ČR

Předmět a cíle rizikové analýzy přehrad Koncepční přístupy k rizikové analýze přehrad. Aktuální stav RA přehrad v ČR ÚVOD VYMEZENÍ CÍLŮ A OBSAHU PUBLIKACE TERMINOLOGIE POUŽÍVANÁ v ANALÝZE RIZIKA PŘEHRAD NÁVRHOVÉ PARAMETRY VODNÍCH DĚL BEZPEČNOST PŘEHRAD TECHNICKO-BEZPEČNOSTNÍ DOHLED Charakteristika a rámec činností TBD

Více

4.9.70. Logika a studijní předpoklady

4.9.70. Logika a studijní předpoklady 4.9.70. Logika a studijní předpoklady Seminář je jednoletý, je určen pro studenty posledního ročníku čtyřletého studia, osmiletého studia a sportovní přípravy. Cílem přípravy je orientace ve formální logice,

Více

Rozvoj lidských zdrojů ve zdravotnictví

Rozvoj lidských zdrojů ve zdravotnictví Rozvoj lidských zdrojů ve zdravotnictví Konference ČAS Jak mohou české sestry více ovlivnit zdraví populace? 22. 5. 2014 Praha Společný cíl zdravá populace Rozvoj lidských zdrojů ve zdravotnictví zahrnuje:

Více

Přírodou inspirované metody umělé inteligence

Přírodou inspirované metody umělé inteligence Přírodou inspirované metody umělé inteligence Roman Neruda Ústav informatiky AVČR roman@cs.cas.cz Nové Hrady, červenec 2012 Od Darwina a Mendela... ... k inteligentním agentům. Umělá inteligence 2 přístupy

Více

Získávání dat z databází 1 DMINA 2010

Získávání dat z databází 1 DMINA 2010 Získávání dat z databází 1 DMINA 2010 Získávání dat z databází Motto Kde je moudrost? Ztracena ve znalostech. Kde jsou znalosti? Ztraceny v informacích. Kde jsou informace? Ztraceny v datech. Kde jsou

Více

Potřebujeme kybernetickou bezpečnost? Jak chráníme informační aktiva?

Potřebujeme kybernetickou bezpečnost? Jak chráníme informační aktiva? Potřebujeme kybernetickou bezpečnost? Jak chráníme informační aktiva? Ing. Jiří Sedláček Chief of Security Experts jiri.sedlacek@nsmcluster.com Kybernetická bezpečnost III Kdo jsme Kooperační odvětvové

Více

Management projektu III. Fakulta sportovních studií přednáška do předmětu Projektový management ve sportu

Management projektu III. Fakulta sportovních studií přednáška do předmětu Projektový management ve sportu Management projektu III. Fakulta sportovních studií 2016 5. přednáška do předmětu Projektový management ve sportu doc. Ing. Petr Pirožek,Ph.D. Ekonomicko-správní fakulta Lipova 41a 602 00 Brno Email: pirozek@econ.muni.cz

Více

Informace. Roman Bartoš

Informace. Roman Bartoš Informace Roman Bartoš Copyright istudium, 2005, http://www.istudium.cz Žádná část této publikace nesmí být publikována a šířena žádným způsobem a v žádné podobě bez výslovného svolení vydavatele. Produkce,

Více

Řízení rizik. Ing. Petra Plevová. plevova.petra@klikni.cz http://plevovapetra.wbs.cz

Řízení rizik. Ing. Petra Plevová. plevova.petra@klikni.cz http://plevovapetra.wbs.cz Řízení rizik Ing. Petra Plevová plevova.petra@klikni.cz http://plevovapetra.wbs.cz Procesní řízení a řízení rizik V kontextu současných změn je třeba vnímat řízení jakékoli organizace jako jednoduchý,

Více