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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

V tomto předmětu budou učitelé pro utváření a rozvoj klíčových kompetencí využívat zejména tyto strategie:

V tomto předmětu budou učitelé pro utváření a rozvoj klíčových kompetencí využívat zejména tyto strategie: Vyučovací předmět: ZEMĚPISNÁ PRAKTIKA Učební osnovy 2. stupně 5.3.2. ná praktika A. Charakteristika vyučovacího předmětu. a) Obsahové, časové a organizační vymezení předmětu Časové vymezení vyučovacího

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

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

Automatická detekce anomálií při geofyzikálním průzkumu. Lenka Kosková Třísková NTI TUL Doktorandský seminář, 8. 6. 2011

Automatická detekce anomálií při geofyzikálním průzkumu. Lenka Kosková Třísková NTI TUL Doktorandský seminář, 8. 6. 2011 Automatická detekce anomálií při geofyzikálním průzkumu Lenka Kosková Třísková NTI TUL Doktorandský seminář, 8. 6. 2011 Cíle doktorandské práce Seminář 10. 11. 2010 Najít, implementovat, ověřit a do praxe

Více

kapitola 2 předprojektová fáze 31

kapitola 2 předprojektová fáze 31 OBSAH 6 projektové řízení Předmluva 3 Kapitola 1 Základní pojmy a východiska 13 1.1 Úvod do řízení projektů 14 1.1.1 Co je to projektové řízení 14 1.2 Základní pojmy projektového řízení 17 1.2.1 Projekt

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

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

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

4.9.59. Seminář z chemie

4.9.59. Seminář z chemie 4.9.59. Seminář z chemie Seminář z chemie si mohou žáci zvolit ve třetím ročníku je koncipován jako dvouletý. Umožňuje žákům, kteří si jej zvolili, prohloubit základní pojmy z chemie, systematizovat poznatky

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

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

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

Inovace výstupů, obsahu a metod bakalářských programů vysokých škol neuniverzitního typu. CZ.1.07/2.2.00/28.0115. EUR. Ing. Petra Bednářová, Ph.

Inovace výstupů, obsahu a metod bakalářských programů vysokých škol neuniverzitního typu. CZ.1.07/2.2.00/28.0115. EUR. Ing. Petra Bednářová, Ph. Inovace výstupů, obsahu a metod bakalářských programů vysokých škol neuniverzitního typu. CZ.1.07/2.2.00/28.0115 EUR. Ing. Petra Bednářová, Ph.D Co jsou výstupy z učení? Výstupy z učení jsou oborové 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

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

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

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

VÝVOJ ŘÍDICÍCH ALGORITMŮ HYDRAULICKÝCH POHONŮ S VYUŽITÍM SIGNÁLOVÉHO PROCESORU DSPACE

VÝVOJ ŘÍDICÍCH ALGORITMŮ HYDRAULICKÝCH POHONŮ S VYUŽITÍM SIGNÁLOVÉHO PROCESORU DSPACE VÝVOJ ŘÍDICÍCH ALGORITMŮ HYDRAULICKÝCH POHONŮ S VYUŽITÍM SIGNÁLOVÉHO PROCESORU DSPACE Přednáška na semináři CAHP v Praze 4.9.2013 Prof. Ing. Petr Noskievič, CSc. Ing. Miroslav Mahdal, Ph.D. Katedra automatizační

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

Identifikace. Jiří Jelínek. Katedra managementu informací Fakulta managementu J. Hradec Vysoká škola ekonomická Praha

Identifikace. Jiří Jelínek. Katedra managementu informací Fakulta managementu J. Hradec Vysoká škola ekonomická Praha Identifikace tématických sociálních sítí Katedra managementu informací Fakulta managementu J. Hradec Vysoká škola ekonomická Praha 2 Obsah prezentace Cíl Fáze řešení a navržené postupy Prototyp a výsledky

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

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

VZDĚLÁVACÍ OBLAST INFORMAČNÍ A KOMUNIKAČNÍ TECHNOLOGIE VYUČOVACÍ PŘEDMĚT: INFORMAČNÍ A KOMUNIKAČNÍ TECHNOLOGIE. Charakteristika vyučovacího předmětu:

VZDĚLÁVACÍ OBLAST INFORMAČNÍ A KOMUNIKAČNÍ TECHNOLOGIE VYUČOVACÍ PŘEDMĚT: INFORMAČNÍ A KOMUNIKAČNÍ TECHNOLOGIE. Charakteristika vyučovacího předmětu: VZDĚLÁVACÍ OBLAST VYUČOVACÍ PŘEDMĚT: Charakteristika vyučovacího předmětu: Vyučovací předmět I/IKTje zařazen samostatně v 6. - 9. ročníku v hodinové dotaci 1 hod. týdně. Svým obsahem navazuje na výuku

Více

6.30 Ekologický seminář

6.30 Ekologický seminář VZDĚLÁVACÍ OBLAST : VZDĚLÁVACÍ OBOR: VYUČOVACÍ PŘEDMĚT: Člověk a příroda Přírodopis 6.30 Ekologický seminář CHARAKTERISTIKA PŘEDMĚTU: Ekologický seminář je volitelným předmětem, který se zaměřuje na rozšíření

Více

Management. Ing. Jan Pivoňka

Management. Ing. Jan Pivoňka Management Ing. Jan Pivoňka Stanovení osobní vize V souladu s kotvou Konkrétní představa Citový náboj Stimul pro aktivní jednání Krátkodobější cíle motivace Výjimky Jasná vize Pohodoví lidé Úspěch bez

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

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

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

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

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

Vysoká škola finanční a správní, o.p.s. Katedra řízení podniku a podnikové ekonomiky. Metodické listy pro předmět ŘÍZENÍ PODNIKU 2

Vysoká škola finanční a správní, o.p.s. Katedra řízení podniku a podnikové ekonomiky. Metodické listy pro předmět ŘÍZENÍ PODNIKU 2 Vysoká škola finanční a správní, o.p.s. Katedra řízení podniku a podnikové ekonomiky Metodické listy pro předmět ŘÍZENÍ PODNIKU 2 Studium předmětu umožní studentům základní orientaci v procesech, které

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

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

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

PŘÍLOHA C Požadavky na Dokumentaci

PŘÍLOHA C Požadavky na Dokumentaci PŘÍLOHA C Požadavky na Dokumentaci Příloha C Požadavky na Dokumentaci Stránka 1 z 5 1. Obecné požadavky Dodavatel dokumentaci zpracuje a bude dokumentaci v celém rozsahu průběžně aktualizovat při každé

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

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

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

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

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

Bezpečnostní systémy - rychlostní kamery Identifikace SPZ a RZ. www.mestozlin.cz

Bezpečnostní systémy - rychlostní kamery Identifikace SPZ a RZ. www.mestozlin.cz Bezpečnostní systémy - rychlostní kamery Identifikace SPZ a RZ Město Zlín Jednou z možností monitorování a řízení dopravy v obcích je automatické snímání silničního provozu Monitorování dopravy vozidel

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

Psychodiagnostika Hogan a 360 dotazník

Psychodiagnostika Hogan a 360 dotazník Psychodiagnostika Hogan a 360 dotazník Na svých pozicích řešíte množství situací a vztahů, které jsou pro vás náročnější než jiné a pravděpodobně si kladete otázku proč. Jednou z možností, jak na tuto

Více

Algoritmus. Přesné znění definice algoritmu zní: Algoritmus je procedura proveditelná Turingovým strojem.

Algoritmus. Přesné znění definice algoritmu zní: Algoritmus je procedura proveditelná Turingovým strojem. Algoritmus Algoritmus je schematický postup pro řešení určitého druhu problémů, který je prováděn pomocí konečného množství přesně definovaných kroků. nebo Algoritmus lze definovat jako jednoznačně určenou

Více

egovernment v bance ZÁKLADNÍ REGISTRY A MOŽNOST PLNĚNÍ LEGISLATIVNÍCH POVINNOSTÍ VYBRANÝCH SOUKROMÝCH SUBJEKTŮ Petr Jaroš 3.9.

egovernment v bance ZÁKLADNÍ REGISTRY A MOŽNOST PLNĚNÍ LEGISLATIVNÍCH POVINNOSTÍ VYBRANÝCH SOUKROMÝCH SUBJEKTŮ Petr Jaroš 3.9. egovernment v bance ZÁKLADNÍ REGISTRY A MOŽNOST PLNĚNÍ LEGISLATIVNÍCH POVINNOSTÍ VYBRANÝCH SOUKROMÝCH SUBJEKTŮ Petr Jaroš 3.9.2013 Mikulov Co bylo loni? ZÁKLADNÍ REGISTRY - zjednodušení života občana ad

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

MATEMATICKÝ SEMINÁŘ (volitelný a nepovinný předmět)

MATEMATICKÝ SEMINÁŘ (volitelný a nepovinný předmět) MATEMATICKÝ SEMINÁŘ (volitelný a nepovinný předmět) Charakteristika vyučovacího předmětu Obsahové vymezení Vzdělání v matematickém semináři je zaměřeno na: užití matematiky v reálných situacích osvojení

Více

Charakteristika vyučovacího předmětu

Charakteristika vyučovacího předmětu Seminář k odborné práci Charakteristika vyučovacího předmětu Vyučovací předmět je zařazen jako podpůrný předmět při zpracování odborné práce BOČ (Botičská odborná činnost). Studenti získají kompetence

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

TREND 07-201 POPIS ODPOVĚDNOSTI PRACOVNÍKA MANAŽER VÝVOJE

TREND 07-201 POPIS ODPOVĚDNOSTI PRACOVNÍKA MANAŽER VÝVOJE Tel. +420 543426329 TREND 07-201 POPIS ODPOVĚDNOSTI PRACOVNÍKA MANAŽER VÝVOJE Autor: Vít Chvál Verze dokumentu: 1.0 Datum poslední změny: 18.2.2013 Obsah: 1 Pracovník 3 2 Pracovní činnosti (Náplň práce)

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

Vývoj informačních systémů. Obecně o IS

Vývoj informačních systémů. Obecně o IS Vývoj informačních systémů Obecně o IS Informační systém Informační systém je propojení informačních technologií a lidských aktivit směřující k zajištění podpory procesů v organizaci. V širším slova smyslu

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

Přednáška č.6. Mezinárodní marketingový výzkum

Přednáška č.6. Mezinárodní marketingový výzkum Přednáška č.6 Mezinárodní marketingový výzkum Mezinárodní výzkum trhu Motto Kdo zná svého zákazníka, ten mu umí nabídnout zboží, které potřebuje způsobem, který ho zaujme. Marketingový výzkum systematické

Více

MATURITNÍ OTÁZKY ELEKTROTECHNIKA - POČÍTAČOVÉ SYSTÉMY 2003/2004 PROGRAMOVÉ VYBAVENÍ POČÍTAČŮ

MATURITNÍ OTÁZKY ELEKTROTECHNIKA - POČÍTAČOVÉ SYSTÉMY 2003/2004 PROGRAMOVÉ VYBAVENÍ POČÍTAČŮ MATURITNÍ OTÁZKY ELEKTROTECHNIKA - POČÍTAČOVÉ SYSTÉMY 2003/2004 PROGRAMOVÉ VYBAVENÍ POČÍTAČŮ 1) PROGRAM, ZDROJOVÝ KÓD, PŘEKLAD PROGRAMU 3 2) HISTORIE TVORBY PROGRAMŮ 3 3) SYNTAXE A SÉMANTIKA 3 4) SPECIFIKACE

Více

3. Očekávání a efektivnost aplikací

3. Očekávání a efektivnost aplikací VYUŽÍVANÍ INFORMAČNÍCH SYSTÉMŮ V ŘÍZENÍ FIREM Ota Formánek 1 1. Úvod Informační systémy (IS) jsou v současnosti naprosto nezbytné pro úspěšné řízení firem. Informačním ním systémem rozumíme ucelené softwarové

Více

Práce s laboratorní technikou 6.ročník

Práce s laboratorní technikou 6.ročník Práce s laboratorní technikou 6.ročník Období Ročníkový výstup Učivo Kompetence Mezipředmětové vztahy, průřezová témata vybere a prakticky využívá vhodné postupy, přístroje, zařízení a pomůcky pro konání

Více

4.3. Vzdělávací oblast: Informační a komunikační technologie Vzdělávací obor: Informační a komunikační technologie

4.3. Vzdělávací oblast: Informační a komunikační technologie Vzdělávací obor: Informační a komunikační technologie 4.3. Vzdělávací oblast: Informační a komunikační technologie Vzdělávací obor: Informační a komunikační technologie Charakteristika vyučovacího předmětu Informatika 1. Obsahové vymezení vyučovacího předmětu

Více

Vzdělávání jako cesta do budoucnosti knihoven? Mgr. Jan Zikuška Kabinet informačních studií a knihovnictví, FF MU

Vzdělávání jako cesta do budoucnosti knihoven? Mgr. Jan Zikuška Kabinet informačních studií a knihovnictví, FF MU Vzdělávání jako cesta do budoucnosti knihoven? Mgr. Kabinet informačních studií a knihovnictví, FF MU Veřejná knihovna je místní bránou do světa vědomostí a základním předpokladem celoživotního vzdělávání,

Více

ŘEŠENÍ PROJEKTOVÝCH ÚLOH S MODELOVÁNÍM A SIMULACÍ ZAŘÍZENÍ A PROCESŮ VE VÝUCE

ŘEŠENÍ PROJEKTOVÝCH ÚLOH S MODELOVÁNÍM A SIMULACÍ ZAŘÍZENÍ A PROCESŮ VE VÝUCE Projekt: ŘEŠENÍ PROJEKTOVÝCH ÚLOH S MODELOVÁNÍM A SIMULACÍ ZAŘÍZENÍ A PROCESŮ VE VÝUCE Úvodní seminář SOUHRNNÉ INFORMACE O PROJEKTU Název operačního programu: Vzdělávání pro konkurenceschopnost Název prioritní

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

shine. light of change.

shine. light of change. shine. light of change. Jak rozpoznat, je-li člověk vhodný jako projektový manažer? Michael Motal Záměr Ukázat Iniciovat Jak podpořit rozhodování Jak zvážit smysluplnost investice do člověka Výměnu názorů

Více

Informatizace společnosti Petra Štogrová Jedličková

Informatizace společnosti Petra Štogrová Jedličková Informatizace společnosti Petra Štogrová Jedličková Program 1. Seznámení 2. Podstata změny 3. Aktuální trendy 1. Big Data 2. Sociální média 3. Elektronický obchod a PR 4. Mobilní inteligence 5. Geolokace

Více

STATUS SCAN INVENTORY. Unikátní diagnostický nástroj pro firmy

STATUS SCAN INVENTORY. Unikátní diagnostický nástroj pro firmy STATUS SCAN INVENTORY Unikátní diagnostický nástroj pro firmy STATUS SCAN je naším unikátním diagnostickým nástrojem, kterým začínáme jakoukoliv spolupráci s firmami a organizacemi. Prostřednictvím přehledné

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

Informační systémy plánování výroby - pokročilé rozvrhování

Informační systémy plánování výroby - pokročilé rozvrhování Tento materiál vznikl jako součást projektu EduCom, který je spolufinancován Evropským sociálním fondem a státním rozpočtem ČR. Informační systémy plánování výroby - pokročilé rozvrhování Technická univerzita

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

Projektově orientované studium Základní principy a filozofie PBL Co a co není PBL Co je to projekt. CIIV červenec 2013 odpovědný manažer: Petr Hynek

Projektově orientované studium Základní principy a filozofie PBL Co a co není PBL Co je to projekt. CIIV červenec 2013 odpovědný manažer: Petr Hynek Základní principy a filozofie PBL Co a co není PBL Co je to projekt Projektově orientované studium není nic nového Po celou historii je stále a znova voláno po praktické výuce Fantazie je důležitější než

Více

ANALÝZA NÁKUPNÍHO KOŠÍKU SEMINÁŘ

ANALÝZA NÁKUPNÍHO KOŠÍKU SEMINÁŘ ANALÝZA NÁKUPNÍHO KOŠÍKU SEMINÁŘ 18.11.2012 Radim Tvardek, Petr Bulava, Daniel Mašek U&SLUNO a.s. I Sadová 28 I 702 00 Ostrava I Czech Republic PŘEDPOKLADY PRO ANALÝZU NÁKUPNÍHO KOŠÍKU 18.11.2012 Daniel

Více

4.9.60. Seminář a cvičení z chemie

4.9.60. Seminář a cvičení z chemie 4.9.60. Seminář a cvičení z chemie Jednoletý Seminář a cvičení z chemie si mohou žáci zvolit ve čtvrtém ročníku. Navazuje na povinný předmět chemie a je určen žákům s hlubším zájmem o chemii. Umožňuje

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