Nehody způsobené střety letadel s ptáky
|
|
- Ivo Marek
- před 8 lety
- Počet zobrazení:
Transkript
1 Mendelova univerzita v Brně Provozně ekonomická fakulta Nehody způsobené střety letadel s ptáky Bird Strikes Databázové systémy II Zpracovali: Bc. Tomáš Orálek Bc. Tomáš Przybek Bc. Jiří Syrový Brno 2015
2 2 Obsah Obsah 1 Úvod a cíl práce Úvod Cíl práce Metodika ETL proces Extrakce Transformace Loadování Výsledky 9 4 Diskuze a závěr 18 5 Literatura 19
3 Úvod a cíl práce 3 1 Úvod a cíl práce 1.1 Úvod V současné době rozmachu letecké dopravy více než kdy dříve díky značnému zpřístupnění této služby je velice důležité zajistit co nejvyšší bezpečnost pro všechny osoby, jež využívají tohoto druhu přepravy. Nicméně některé důvody porušení bezpečnosti nelze zcela eliminovat. Mezi nejčastější příčiny nehod spojených s letadly řadíme kromě srážky letadla s terénem či s objektem na zemi také srážku ve vzduchu (střet s ptáky). Střet s ptáky patří mezi významné hrozby co do vztahu k bezpečnosti letu. Existují i případy kde následkem střetu letadla s ptákem byly lidské oběti. Ve většině případů zmíněného druhu nehod pták narazí do čelního skla letadla, nebo vletí do motoru. Což každoročně způsobí celosvětově škody na komerčních letadlech ve výši až 1,2 miliardy amerických dolarů (Wikipedia, 2014). Veškeré informace o těchto nehodách jsou pečlivě evidovány. Následně je pak tedy možné tyto data podrobit důkladné analýze, za účelem nalezení určitých skrytých vzorů, jež se v nich mohou nacházet. Všechny objevené informace skryté v těchto datech by poté mělo být teoreticky možné uplatnit jako podklady pro optimalizované plánování leteckého provozu. Zdroj dat: Cíl práce Hlavním cílem této seminární práce je zjistit, zdali existují určité rozpoznatelné vzory mezi vybraným statistickými ukazateli. Analýza provedená nad zdrojovými daty by měla mimo jiné odhalit odpovědi na následující otázky: Podílí se na nehodách určití specifičtí ptáci, popřípadě jací? Existuje klíčová fáze letu, při níž dochází nejčastěji ke střetům? Mění se vybrané ukazatele výkonnosti v čase, a pokud ano, tak co to mohlo způsobit? Současně bychom chtěli také ověřit správnost námi definovaných hypotéz: H1: S klesající výškou, ve které se letadlo nachází, roste počet střetů. H2: Velikost zvířete má přímý vliv na růst celkových nákladů vzniklých při střetu. H3: Nejvíce střetů letadel s ptáky se odehraje v noci.
4 4 Úvod a cíl práce Ukazatele výkonnosti (KPI): Celkové náklady definují rozsah skutečné škody po incidentu. Typ letadla s největším počtem srážek model, který v průměru zabije nejvíce ptáků. Letiště s největším výskytem ptáků žebříček stanovený v závislosti na počtu srážek. Fáze letu při nárazu jedná se o fázi letu, kdy dochází ke střetu letadla s ptákem. Doba incidentu doba, ve které se v průměru usmrtí nejvíce těchto zvířat.
5 Metodika 5 2 Metodika Pro tento projekt jsme se rozhodli použít databázový systém Microsoft SQL server 2012, konkrétně tedy v kombinaci s lokální datovým uložištěm. K provádění jednotlivých operací nad daty nám především posloužily nástroje jako Management Studio a Visual Studio Zdrojová data vybraná pro účely tohoto projektu měli formu excelovské tabulky, a tudíž je bylo nutné upravit prostřednictvím ETL procesu tak, aby z nich následně bylo možné vytvořit datový sklad. 2.1 ETL proces ETL jak již název napovídá, se skládá ze tří částí: Extrakce, Transformace a Loadování. Při tomto procesu jsme použili celkem dvě datová uložiště: BirdStrikes2014 (data stage) neutrální prostor, data zde získali určitou integritu. BS_DWH_Birdstrikes2014 (data warehouse) již transformovaná data, které lze podrobit analýze Extrakce Fáze Extrakce spočívala v získání zdrojových dat a jejich nahrání do námi definovaného datového uložiště (obr. 1). K tomu byl využit nástroj určený pro import a export dat, který je součástí MS SQL Serveru. Již při importu díky možnostem tohoto nástroje jsme upravili datové typy u jednotlivých sloupců zdrojových dat, aby odpovídaly jejich skutečné povaze. Většinou se jednalo o změny datového typu float (špatně rozpoznaný typ) na int, který více odpovídal konkrétním datům. Dále jsme vynechali sloupce Number of human fatalities, Location: Nearby if en route a Location: Freeform en route vzhledem k tomu, že neobsahovaly dostatečné množství hodnot, nebo pro nás nebyly reálně využitelné. Úpravou v této fázi prošly také názvy jednotlivých sloupců, aby vyhovovali definovaným konvencím (např. Aircraft: Type upraveno na AircraftType). Obr. 1 Vzorek dat z datového úložiště BirdSrikes Transformace Náplní této fáze bylo transformovat data, která jsme si v předchozím kroku uložily do databáze BirdStrikes2014 tak, abychom je mohli nahrát do datového skladu. Jak
6 6 Metodika již bylo zmíněno výše, tyto transformovaná data poslouží k realizaci zamýšlených analýz. Nejprve však bylo nutné cílové uložiště připravit. Datový sklad BS_DWH_Birdstrikes2014 (obr. 2), jež byl vytvořen na základě vytyčených zdrojových dat, se skládá z dimenzionálních tabulek dimaircraft, dimbird, dimcost, dimdate, dimflight a faktové tabulky factaccident. Během vytváření těchto tabulek jsme do nich navíc kromě vytyčených atributů přidali ještě umělé primární klíče (AircraftKey, BirdKey, FlightKey, ). Obr. 2 Struktura datového skladu BS_DWH_BirdStrikes2014 Po vytvoření jednotlivých tabulek přišlo na řadu jejich naplnění. U dimenzí dimaircraft, dimbird, dimcost a dimflight bylo nejdříve zapotřebí prostřednictvým SQL dotazu (obr. 3) odstranit duplicity, které se v původních datech nacházely. Následně bylo nutné v datech vyřešit přítomné NULL hodnoty. K tomu posloužil nástroj Derived Column, ve kterém byly NULL hodnoty ve sloupcích typu řetězec nahrazeny za NA a ve sloupcích typu int podle významu, aby nedošlo ke změně vypovídající hodnoty, nahrazeny buď za -1 (např. CostAircraftTimeOutOfServiceInHours) nebo za 0 (např. SpeedIAS).
7 Metodika 7 Obr. 3 Selekce dat pro dimenzionální tabulku dimaircraft Specifickým případem v této části bylo vytvoření a nahrání dimenze dimdate. Což se událo s využitím částečné upraveného externího skriptu, jehož originál je dostupný z Ve chvíli, kdy byly jednotlivé dimenze hotové, tak přišla na řadu faktová tabulka factaccident. Zde bylo nejdůležitější namapovat jednotlivá vstupní data na vyselektovaná data z dimenzionálních tabulek a získat tak jejich primární klíče, které budou následně uloženy v tabulce faktů. Tento problém jsme řešili prostřednictvím nástroje Lookup, jež byl navržen pro každou dimenzi zvlášť. Následovalo nahrazení NULL hodnot za jiné použitelné hodnoty (viz řešení skrze nástroj Derived column u dimenzionálních tabulek). Speciálně tedy NULL hodnoty ve sloupci ReportedDate jsme nahradili za 0. Což reprezentuje záznam, jenž byl navíc vložen do tabulky dimdate pro tyto účely (vložené hodnoty: 0, 'Unknown', 'Unknown', ' ', 'Unknown'). Tento záznam je vytvořený tak, aby byl jednoznačně rozpoznatelný, a tudíž nezkresloval výstupy budoucích analýz. Finální verze datového skladu BS_DWH_Birdstrikes2014, jež vyplynula z uskutečnění jednotlivých činností popsaných výše, je zachycena na obrázku 4.
8 8 Metodika Obr. 4 Schéma datového skladu BS_DWH_BirdStrikes Loadování Fázi loadování transformovaných dat lze opakovaně provádět skrze balíčky, vytvořené pro jednotlivé tabulky v nástroji Visual Studio. Nejvíce dat je nahráváno v balíčku určeném pro faktovou tabulku factaccident, což lze vidět na obrázku 5. Obr. 5 Nahrávání dat do faktové tabulky factaccident
9 Výsledky 9 3 Výsledky Našim cílem seminární práce bylo zjistit, zdali existují rozpoznatelné vzory mezi statistickými ukazateli. Analýza dat nám dala odpovědi na následující otázky: Podílí se na nehodách určití specifičtí ptáci, popřípadě jací? Obr. 6 Počet nehod podle druhu ptáků (Count of Accident According Bird Species) V grafu počet nehod podle druhu ptáků můžeme vidět, že nejvíce střetů letadla s ptáky, je pták neznámého druhu střední velikosti ( střetů), dále neznámý druh malé velikosti ( střetů) a dále je to holubice (4365 střetů, Mourning dove), neznámý druh či netopýr, racek (Gulls), poštolka (American Kestrel), čejka (Killdeer) a špaček (European starling). Celkem jsme zjistili přes 600 druhů ptáků, kteří se střetli s letadlem (helikoptérou). Existuje klíčová fáze letu, při níž dochází nejčastěji ke střetům? V grafu počet nehod podle fáze letu vidíme, že nejvíce ke střetům dochází při nezaznamenaném údaji ( střetů), dále při přípravě letadla na přistání (Approach, 26329), rozjezdu letadla (Take-off run, ), přistání (Landing Roll, ), stoupání (Climb, ), sestupu (Descent), za letu (En Route), přistání (Landing), pojíždění (Taxi) a parkování (Parked).
10 10 Výsledky Obr. 7 Počet nehod podle fáze letu (Count of Accident Phase Of Flight) Mění se vybrané ukazatele výkonnosti v čase, a pokud ano, tak co to mohlo způsobit? Obr. 8 Počet nehod v jednotlivých letech podle velikosti ptáků (Count of Accident According Bird Size and Year) V grafu můžeme vidět, že od roku 2002 do roku 2012 počet nehod podle velikosti ptáků klesá. V roce 2002 bylo počet nehod: malá velikost ptáka (Small, 1 976), nezaznamenaná (NA, 555), střední (Large, 2 288), velká (Large, 293). V roce 2012, je u všech velikostí ptáků zaznamenám menší počet nehod: malá (Small, 28), nezaznamenaná (NA, 160), střední (Medium, 4) a velká (Large, 1). V grafu jsme nezahrnuli záznamy, které nemají datum, protože by znehodnotily graf. Jsou to hodnoty: malá velikost (Small, ), nezaznamenaná (NA, 9 818), střední (Medium, ) a velká (Large, 3 846).
11 Výsledky 11 Obr. 9 Počet celkových nákladů v jednotlivých letech podle velikosti ptáků (Count of Accident According Total Cost and Year) V grafu počet celkových nákladů v jednotlivých letech podle velikosti ptáků vidíme, že nejvíce nákladů bylo v letech 2001 až Je to způsobeno tím, že v těchto letech bylo zaznamenáno i nejvíce nehod podle grafu počet nehod v jednotlivých letech podle velikosti ptáků. Celkové náklady od roku 2006 klesají podle klesajícího počtu nehod (obr. 8). Obr. 10 Počet nehod v jednotlivých letech podle fáze letu (Count of Accident According Phase of Flight and Year) V grafu počet nehod v jednotlivých letech podle fáze letu vidíme, že nejvíce ke střetům dochází v roce 2002 při nezaznamenaném údaji (NA, střetů), dále při přípravě letadla na přistání (Approach, 1 366), rozjezdu letadla (Take-off run, 722), přistání (Landing Roll, 598), stoupání (Climb, 654), sestupu (Descent, 115), za letu (En Route, 49), pojíždění (Taxi, 10) a parkování (Parked, 7). V následujících letech počet střetů klesá a v roce 2011 jsou údaje následující: nezaznamenáno (NA, 351), dále při přípravě letadla na přistání (Approach, 188), rozjezdu letadla (Takeoff run, 107), přistání (Landing Roll, 90), stoupání (Climb, 52), sestupu (Descent, 6), za letu (En Route, 17), pojíždění (Taxi, 3) a parkování (Parked, 0). V grafu jsme nezahrnuli záznamy, které nemají datum, protože by znehodnotily graf. Jsou to
12 12 Výsledky hodnoty: nezaznamenáno (NA, ), příprava letadla na přistání (Approach, ), rozjezd letadla (Take-off run, 8 329), přistání (Landing Roll, 8 238), stoupání (Climb, 7 193), přistání (Landing, 315), sestup (Descent, 1 457), za letu (En Route, 1 650), pojíždění (Taxi, 151) a parkování (Parked, 47). Obr. 11 Počet nehod v jednotlivých letech podle části dne (Count of Accident According Time of Day and Year) V grafu můžeme vidět počet nehod v jednotlivých letech podle části dne. Nejvíce nehod bylo zaznamenáno v roce Jsou to hodnoty podle části dne: nezaznamenáno (NA, 2213), den (Day, 1778), noc (Night, 780), soumrak (Dusk, 197), svítání (Dawn, 142) a neznámé (UNKNOWN, 2). V následujících letech počet nehod klesá a v roce 2011 jsou údaje následující: nezaznamenáno (NA, 460), den (Day, 244), noc (Night, 83), soumrak (Dusk, 12), svítání (Dawn, 15) a neznámé (UNK- NOWN, 0). V grafu jsme nezahrnuli záznamy, které nemají datum, protože by znehodnotily graf. Jsou to údaje: nezaznamenáno (NA, ), den (Day, ), noc (Night, ), soumrak (Dusk, 2 117), svítání (Dawn, 1 439) a neznámé (UNK- NOWN, 0). Dále jsme si také ověřili správnost námi definovaných hypotéz: H1: S klesající výškou, ve které se letadlo nachází, roste počet střetů. Z grafu počet nehod podle výšky letu můžeme vyčíst, že největší zastoupení má nezaznamenaná hodnota (Unknown, ), dále výška menší než stop (< 1000 ft, ) a výška větší než stop (> 1000 ft, ). Z těchto hodnot můžeme říci, že námi definovaná hypotéza se nezamítá. Protože s nižší výškou letu roste počet střetů letadla s ptáky.
13 Výsledky 13 Obr. 12 Počet nehod podle výšky letu (Count of Accident According Altitude) H2: Velikost zvířete má přímý vliv na růst celkových nákladů vzniklých při střetu. Obr. 13 Celkové náklady podle velikosti ptáka (Total Cost According Bird Size) V předchozí tabulce a grafu lze vidět celkové náklady podle velikosti ptáků. Největší celkové náklady jsou u velkého ptáka (Large, $), dále u středního (Medium, $), malého (Small, $) a nejmenší náklady jsou u velikosti nezaznamenáno (NA, $). Hypotézu velikost zvířete má přímý vliv na růst celkových nákladů vzniklých při střetu nezamítáme.
14 14 Výsledky H3: Nejvíce střetů letadel s ptáky se odehraje v noci. Obr. 14 Počet nehod podle části dne (Count of Accident According Time of Day) Pomocí grafu počet nehod podle části dne, můžeme říct, že námi definovaná hypotéza: nejvíce střetů letadel s ptáky se odehraje v noci, se zamítá. Nejvíce střetů se totiž odehraje ve dne (Day, ), dále nezaznamenáno (NA, ), v noci (Night, ), při soumraku (Dusk, 3 101), při svítání (Dawn, 2 157) a neznámé hodnotě (UNKNOWN, 5).
15 Výsledky 15 Ukazatele výkonnosti (KPI): Celkové náklady definují rozsah skutečné škody po incidentu. Obr. 15 Celkové náklady podle velikosti ptáků (Total Cost According Bird Size) Pomocí grafu celkové náklady podle velikost ptáků (rozsah škody po incidentu), můžeme říct, že největší celkové náklady jsou u velkého ptáka (Large, $), dále u středního (Medium, $), malého (Small, $) a nejmenší náklady jsou u velikosti nezaznamenáno (NA, $). Náklady celkové se skládají ze dvou složek a to nákladů na opravu a ostatních nákladů, kdy největší náklady jsou na opravu. Typ letadla s největším počtem srážek model, který v průměru zabije nejvíce ptáků. V následujícím grafu vidíme typy letadel s největším množstvím srážek s ptáky. Seřazeny od největšího počtu nehod jsou to letadla typu: neznámé (UNKNOWN, ), B (5 524 střetů), A-320 (4 654), CL-RJ100/200 (4 262), B (4 046). V celkovém počtu 526 typů letadel a srážek s ptáky.
16 16 Výsledky Obr. 16 Počet nehod podle modelu letadla (Count of Accident According Aircraft Model) Letiště s největším výskytem ptáků žebříček stanovený v závislosti na počtu srážek. Obr. 17 Počet nehod podle letišť (Count of Accident According Airport Name) V předchozím grafu jsme si seřadili letiště s největším výskytem ptáků stanovených v závislosti na počtu srážek. Nejvíce srážek bylo na letištích: neznámé (UNK- NOWN, ), Denver Intl Airport (3 397), Dallas/Fort Worth Intl Arpt (3 397), Chicago O hare Intl Arpt (1 907), John F. Kennedy Intl (1 859), Memphis Intl (1 854), Sacramento Intl (1 517) a další. Celkem byla zaznamenána nehoda na různých letištích. Fáze letu při nárazu jedná se o fázi letu, kdy dochází ke střetu letadla s ptákem. V následujícím grafu počet nehod podle fáze letu vidíme, že nejvíce ke střetům dochází při nezaznamenaném údaji (NA, střetů), dále při přípravě letadla na přistání (Approach, ), rozjezdu letadla (Take-off run, ), přistání (Lan-
17 Výsledky 17 ding Roll, ), stoupání (Climb, ), sestupu (Descent, 2 032), za letu (En Route, 1 973), pojíždění (Taxi, 215) a parkování (Parked, 60). Obr. 18 Počet nehod podle fáze letu (Count of Accident Accourding Phase of Flight) Doba incidentu doba, ve které se v průměru usmrtí nejvíce těchto zvířat. Obr. 19 Počet nehod podle části dne (Count of Accident Accourding Time of Day) Pomocí grafu počet nehod podle části dne, můžeme říct, že doba incidentu, ve které se usmrtí nejvíce ptáků, se odehraje ve dne (Day, ). Dále je to nezaznamenáno (NA, ), v noci (Night, ), při soumraku (Dusk, 3 101), při svítání (Dawn, 2 157) a neznámé hodnotě (UNKNOWN, 5).
18 18 Diskuze a závěr 4 Diskuze a závěr Tato práce si kladla za cíl objevit rozpoznatelné vzory ve srážce letadel s ptáky a odpovědět na důležité otázky týkající se srážek s ptáky. Otázky byly následující: 1) Podílí se na nehodách určití specifičtí ptáci, popřípadě jací? Nejčastěji střet bývá s malým až středním ptákem neznámého druhu. Dále s holubicí, špačkem, netopýrem, rackem atd. Toto jsou pravděpodobně jedny z nejčastěji se vyskytujících druhů ptáků, proto i střety s nimi bývají časté. 2) Existuje klíčová fáze letu, při níž dochází nejčastěji ke střetům? Určitá klíčová fáze nebyla nalezena, ale je zřejmé, že střety jsou nejčastěji v počátečních či koncových fázích letu. Je to z důvodu, že dopravní letadlo většinu cesty absolvuje v nadmořské výšce, kde ptáci nelétají a tak ke střetům dochází většinou při přistání vzletu či na ranveji. 3) Mění se vybrané ukazatele výkonnosti v čase, a pokud ano, tak co to mohlo způsobit? Počet střetu od roku 2002 do 2012 významně klesl. Může to být způsobeno lepším opatřením letišť v odhánění ptáků, nebo některé nehody nebyly zaznamenány v datech. Vytvořili jsme také hypotézy a ty jsme následnou analýzou nad daty vyvraceli nebo potvrzovali. 1) H1: S klesající výškou, ve které se letadlo nachází, roste počet střetů. Tuto hypotézu můžeme potvrdit. Většina nehod se stane do výšky 300 m. n. m. 2) H2: Velikost zvířete má přímý vliv na růst celkových nákladů vzniklých při střetu. Tuto hypotézu můžeme potvrdit. Střet s větším ptákem nebývá tak častý, ale když už se stane, tak škody bývají mnohem vyšší. 3) H3: Nejvíce střetů letadel s ptáky se odehraje v noci. Tuto hypotézu zamítáme. Většina nehod se stane za denního světla. Cíle práce jsme tedy dosáhli a získali z dat informace, které nám odpověděli na položené otázky či potvrdili/vyvrátili naše hypotézy.
19 Literatura 19 5 Literatura WIKIPEDIA: The free encyclopedia. Bird Strike [online] [cit ]. Dostupné z:
20 20 Chyba! V dokumentu není žádný text v zadaném stylu.
Databázové systémy. Doc.Ing.Miloš Koch,CSc. koch@fbm.vutbr.cz
Databázové systémy Doc.Ing.Miloš Koch,CSc. koch@fbm.vutbr.cz Vývoj databázových systémů Ukládání dat Aktualizace dat Vyhledávání dat Třídění dat Výpočty a agregace 60.-70. léta Program Komunikace Výpočty
VíceObsah. Kapitola 1. Kapitola 2. Kapitola 3. Úvod 9
Obsah Úvod 9 Kapitola 1 Business Intelligence, datové sklady 11 Přechod od transakčních databází k analytickým..................... 13 Kvalita údajů pro analýzy................................................
Více5. POČÍTAČOVÉ CVIČENÍ
5. POČÍTAČOVÉ CVIČENÍ Databáze Databázi si můžeme představit jako místo, kam se ukládají všechny potřebné údaje. Přístup k údajům uloženým v databázi obstarává program, kterému se říká Systém Řízení Báze
VíceMáte rádi kávu? Statistický výzkum o množství vypité kávy napříč věkovým spektrem.
Máte rádi kávu? Statistický výzkum o množství vypité kávy napříč věkovým spektrem. SEMESTRÁLNÍ PRÁCE STATISTIKA VYPRACOVALA: IRENA VALÁŠKOVÁ A BARBORA SLAVÍKOVÁ DNE: 29. 12. 2012 SKUPINA: 2 36 Obsah Pár
Vícexrays optimalizační nástroj
xrays optimalizační nástroj Optimalizační nástroj xoptimizer je součástí webového spedičního systému a využívá mnoho z jeho stavebních bloků. xoptimizer lze nicméně provozovat i samostatně. Cílem tohoto
VíceZÁVĚREČNÁ ZPRÁVA. o odborném zjišťování příčin vážného incidentu. letounu B737-800, OK-TVA. Hurghada Airport, Egypt. dne 21.
ÚSTAV PRO ODBORNĚ TECHNICKÉ ZJIŠŤOVÁNÍ PŘÍČIN LETECKÝCH NEHOD Beranových 130 199 01 PRAHA 99 Č.j.: 154/03/ZZ ZÁVĚREČNÁ ZPRÁVA o odborném zjišťování příčin vážného incidentu letounu B737-800, OK-TVA Hurghada
VíceInformační systémy 2006/2007
13 Vysoká škola báňská Technická univerzita Ostrava Fakulta strojní, Katedra automatizační techniky a řízení Informační systémy 2006/2007 Ivan Kedroň 1 Obsah Analytické nástroje SQL serveru. OLAP analýza
VíceDatabázové systémy. - SQL * definice dat * aktualizace * pohledy. Tomáš Skopal
Databázové systémy - SQL * definice dat * aktualizace * pohledy Tomáš Skopal Osnova přednášky definice dat definice (schémat) tabulek a integritních omezení CREATE TABLE změna definice schématu ALTER TABLE
VícePrimární klíč, cizí klíč, referenční integrita, pravidla normalizace, relace
Téma 2.2 Primární klíč, cizí klíč, referenční integrita, pravidla normalizace, relace Obecný postup: Každá tabulka databáze by měla obsahovat pole (případně sadu polí), které jednoznačně identifikuje každý
VíceMigrace databáze odborných praxí a závěrečných prací z proprietární aplikace do open source prostředí
Migrace databáze odborných praxí a závěrečných prací z proprietární aplikace do open source prostředí (Projektová dokumentace) Ladislav Pešta - vedoucí týmu Markéta Sedláková - zástupce vedoucího týmu
VíceSEZNAM ZMĚN SEZNAM PLATNÝCH STRAN
PO - TVORBA A VEDENÍ PALUBNÍHO DENÍKU SEZNAM ZMĚN Změna číslo Datum účinnosti Datum Změnil Podpis 0 25. 8. 2016 1 17. 10. 2016 2 1. 2. 2017 SEZNAM PLATNÝCH STRAN Strana číslo Změna číslo Strana číslo Změna
VíceSpokojenost se životem
SEMINÁRNÍ PRÁCE Spokojenost se životem (sekundárních analýza dat sociologického výzkumu Naše společnost 2007 ) Předmět: Analýza kvantitativních revize Šafr dat I. Jiří (18/2/2012) Vypracoval: ANONYMIZOVÁNO
VíceObsah. Základy práce s databází 13. Tabulky 43. Obsah. Úvod 9 Poděkování 12
Obsah Úvod 9 Poděkování 12 1 Základy práce s databází 13 Microsoft Access úvodní teoretické informace 14 Co je Microsoft Access 14 Kdy je vhodné použít Access 14 Jednoduché vysvětlení, co je databáze 15
VíceAnalýza finančních pozic Controller
Controller Využití databáze příznivců diskusní skupiny České asociace pro finanční řízení na portálu Česká asociace pro finanční řízení Vladimírova 233/12, 140 00 Praha 4, IČO: 22875581 www.cafin.cz; info@cafin.cz
VícePOPIS TECHNICKÉHO ŘEŠENÍ INFORMAČNÍHO SYSTÉMU PRO SBĚR DAT V PROJEKTU SLEDOVÁNÍ DEKUBITŮ JAKO INDIKÁTORU KVALITY OŠETŘOVATELSKÉ PÉČE NA NÁRODNÍ ÚROVNI
POPIS TECHNICKÉHO ŘEŠENÍ INFORMAČNÍHO SYSTÉMU PRO SBĚR DAT V PROJEKTU SLEDOVÁNÍ DEKUBITŮ JAKO INDIKÁTORU KVALITY OŠETŘOVATELSKÉ PÉČE NA NÁRODNÍ ÚROVNI Vypracoval Bc. Petr Suchý Dne: 20.1.2009 Obsah Úvod...
VíceZákladní informace o co se jedná a k čemu to slouží
Základní informace o co se jedná a k čemu to slouží založené na relačních databází transakční systémy, které jsou určeny pro pořizování a ukládání dat v reálném čase (ERP, účetní, ekonomické a další podnikové
VíceZÁVĚREČNÁ ZPRÁVA. o odborném zjišťování příčin Incidentu letounu MITSUBISHI - MU2, OK-HLB v místě - LKKV : Karlovy Vary
ÚSTAV PRO ODBORNÉ ZJIŠŤOVÁNÍ PŘÍČIN LETECKÝCH NEHOD Beranových 130 199 01 Praha 99 Č.j.: CZ-07-038 Výtisk č.. ZÁVĚREČNÁ ZPRÁVA o odborném zjišťování příčin Incidentu letounu MITSUBISHI - MU2, OK-HLB v
VíceČ.j. : 25/05/ZZ Výtisk č. 1 ZÁVĚREČNÁ ZPRÁVA
ÚSTAV PRO ODBORNĚ TECHNICKÉ ZJIŠŤOVÁNÍ PŘÍČIN LETECKÝCH NEHOD Beranových 130 199 01 PRAHA 99 Č.j. : 25/05/ZZ Výtisk č. 1 ZÁVĚREČNÁ ZPRÁVA o odborném zjišťování příčin incidentu letadla Cessna C 182 poznávací
VíceInformační systémy 2008/2009. Radim Farana. Obsah. Dotazy přes více tabulek
5 Vysoká škola báňská Technická univerzita Ostrava Fakulta strojní, Katedra automatizační techniky a řízení 2008/2009 Radim Farana 1 Obsah Jazyk SQL, Spojení tabulek, agregační dotazy, jednoduché a složené
VíceAnalýza finančních pozic Vedoucí controllingu
Vedoucí controllingu Využití databáze příznivců diskusní skupiny České asociace pro finanční řízení na portálu Česká asociace pro finanční řízení Vladimírova 233/12, 140 00 Praha 4, IČO: 22875581 www.cafin.cz;
VíceZÁVĚREČNÁ ZPRÁVA o odborném zjišťování příčin incidentu letounu Cessna C 421C, OK- JIP dne 12. března 2004
ÚSTAV PRO ODBORNĚ TECHNICKÉ ZJIŠŤOVÁNÍ PŘÍČIN LETECKÝCH NEHOD Beranových 130 199 01 PRAHA 99 Č.j.: 67/04/ZZ ZÁVĚREČNÁ ZPRÁVA o odborném zjišťování příčin incidentu letounu Cessna C 421C, OK- JIP dne 12.
VíceMarketingová komunikace. 2. a 3. soustředění. Mgr. Pavel Vávra 9103@mail.vsfs.cz. Kombinované studium Skupina N9KMK3PH (vm3aph)
Marketingová komunikace Kombinované studium Skupina N9KMK3PH (vm3aph) 2. a 3. soustředění Mgr. Pavel Vávra 9103@mail.vsfs.cz http://vavra.webzdarma.cz/home/index.htm Co nás čeká: 2. soustředění 16.1.2009
VíceVýsledky sledování indikátoru ECI/TIMUR A.3: Mobilita a místní přeprava cestujících v Třebíči
Výsledky sledování indikátoru ECI/TIMUR A.3: Mobilita a místní přeprava cestujících v Třebíči Vydala: Týmová iniciativa pro místní udržitelný rozvoj Zpracovala: Zora Pištěcká http://www.timur.cz 2010 1.
VíceVytvořil Institut biostatistiky a analýz, Masarykova univerzita J. Jarkovský, L. Dušek, M. Cvanová. 5. Statistica
Vytvořil Institut biostatistiky a analýz, Masarykova univerzita J. Jarkovský, L. Dušek, M. Cvanová 5. Statistica StatSoft, Inc., http://www.statsoft.com, http://www.statsoft.cz. Verze pro Mac i PC, dostupná
VíceA7B36SI2 - Řízení SW projektů. Smart-Fine. Systém evidence parkovacích lístků pomocí chytrých telefonů. Analýza (v. 3)
A7B36SI2 - Řízení SW projektů Smart-Fine Systém evidence parkovacích lístků pomocí chytrých telefonů Analýza (v. 3) Martin Štajner, Pavel Brož 16.12.2011 1 Obsah Obsah Požadavky na systém Případy užití
VíceVýsledky sledování indikátoru ECI/TIMUR A.3: Mobilita a místní přeprava cestujících v Třebíči
Výsledky sledování indikátoru ECI/TIMUR A.3: Mobilita a místní přeprava cestujících v Třebíči Vydala: Týmová iniciativa pro místní udržitelný rozvoj Zpracovala: Michaela Pomališová http://www.timur.cz
VíceZÁVĚREČNÁ ZPRÁVA o odborném zjišťování příčin incidentu letounu L-200A, poznávací značky OK-PLG ze dne
ÚSTAV PRO ODBORNĚ TECHNICKÉ ZJIŠŤOVÁNÍ PŘÍČIN LETECKÝCH NEHOD Beranových 130 199 01 PRAHA 99 Č.j.: 548/05/ZZ Výtisk č.1 ZÁVĚREČNÁ ZPRÁVA o odborném zjišťování příčin incidentu letounu L-200A, poznávací
VíceProč aplikace VFR Communication?
Proč aplikace VFR Communication? A Velký rozvoj zájmu VFR pilotů o létání do zahraničí. Dostupná a dobře vybavená letadla. Nové technologie (GPS, navigační aplikace atd.). Odstranění administrativních
VíceNávrh datového skladu z hlediska zdrojů
Návrh datového skladu Návrh datového skladu OLTP ETL OLAP, DM Operativní data Datové sklady Zdroje dat Transformace zdroj - cíl Etapy realizace 1 Návrh datového skladu Hlavní úskalí analýzy a návrhu spočívá
VíceZÁVĚREČNÁ ZPRÁVA. Praha červenec 2016
ÚSTAV PRO ODBORNÉ ZJIŠŤOVÁNÍ PŘÍČIN LETECKÝCH NEHOD Beranových 130 199 01 PRAHA 99 CZ - 16 476 ZÁVĚREČNÁ ZPRÁVA o odborném zjišťování příčin letecké nehody letounu Zlín Z726, poznávací značky OK-DRC, na
VíceDatabáze I. Přednáška 4
Databáze I Přednáška 4 Definice dat v SQL Definice tabulek CREATE TABLE jméno_tab (jm_atributu typ [integr. omez.], jm_atributu typ [integr. omez.], ); integritní omezení lze dodefinovat později Definice
VíceStřední průmyslová škola Zlín
VY_32_INOVACE_33_01 Škola Název projektu, reg. č. Vzdělávací oblast Vzdělávací obor Tematický okruh Téma Tematická oblast Název Autor Vytvořeno, pro obor, ročník Anotace Přínos/cílové kompetence Střední
VíceImport dat ve formátu txt
Inženýrský manuál č. 27 Aktualizace: 10/2016 Import dat ve formátu txt Program: Patky Soubor GEO5: Demo_manual_27_1.gpa Demo_manual_27_2.gpa (soubor připravený pro import) (soubor po importu zatížení)
VíceZÁVĚREČNÁ ZPRÁVA. Č.j.: 399/06/ZZ. o odborném zjišťování příčin incidentu DA 20 Katana, poznávací značky OK-BLB na letišti Praha-Letňany dne 9.8.
ÚSTAV PRO ODBORNÉ ZJIŠŤOVÁNÍ PŘÍČIN LETECKÝCH NEHOD Beranových 130 199 01 PRAHA 99 Č.j.: 399/06/ZZ ZÁVĚREČNÁ ZPRÁVA o odborném zjišťování příčin incidentu DA 20 Katana, poznávací značky OK-BLB na letišti
VíceKurz Databáze. Přechod na SQL server. Obsah. Vytvoření databáze. Lektor: Doc. Ing. Radim Farana, CSc.
Kurz Databáze Přechod na SQL server Lektor: Doc. Ing. Radim Farana, CSc. Obsah Vytvoření databáze. Konverze databáze z MS-Access na SQL Server. Konverzní předpis pro pozdější použití. Definice schématu
VíceAccess Tabulka letní semestr 2013
MS Access Tabulka letní semestr 2013 Tvorba nové tabulky importem dat propojením externího souboru pomocí Průvodce v návrhovém zobrazení Návrh struktury tabulky Tabulka záznam pole záznamu Jmeno RodCislo
VíceObsah. Úvod 9. Úvod do Office 2003 11 Seznámení s Office 2003 12 Vylepšení programu Access 2003 13 XML 13 Inteligentní značky 14
Obsah Úvod 9 Kapitola 1 Úvod do Office 2003 11 Seznámení s Office 2003 12 Vylepšení programu Access 2003 13 XML 13 Inteligentní značky 14 Různá další vylepšení 21 Integrace s technologií SharePoint 21
VíceZÁVĚREČNÁ ZPRÁVA. o odborně technickém zjišťování příčin incidentu. vrtulníku AS-355 F2, pozn. zn. OK-MIA. v prostoru obce Soseň, okr.
ÚSTAV PRO ODBORNĚ TECHNICKÉ ZJIŠŤOVÁNÍ PŘÍČIN LETECKÝCH NEHOD Beranových 130 199 01 PRAHA 99 Č.j.: 409/03/ZZ ZÁVĚREČNÁ ZPRÁVA o odborně technickém zjišťování příčin incidentu vrtulníku AS-355 F2, pozn.
VíceAnalýza finančních pozic Finanční ředitel
Finanční ředitel Využití databáze příznivců diskusní skupiny České asociace pro finanční řízení na portálu Česká asociace pro finanční řízení Vladimírova 233/12, 140 00 Praha 4, IČO: 22875581 www.cafin.cz;
VíceÚSTAV PRO ODBORNĚ TECHNICKÉ ZJIŠŤOVÁNÍ PŘÍČIN LETECKÝCH NEHOD Beranových 130 199 01 PRAHA 99 ZÁVĚREČNÁ ZPRÁVA
ÚSTAV PRO ODBORNĚ TECHNICKÉ ZJIŠŤOVÁNÍ PŘÍČIN LETECKÝCH NEHOD Beranových 130 199 01 PRAHA 99 Č.j.: 44 /05/ZZ Výtisk č. 1 ZÁVĚREČNÁ ZPRÁVA o odborném zjišťování příčin letecké nehody letadla BE 35 Beechcraft
VíceReporting. Ukazatele je možno definovat nad libovolnou tabulkou Helios Orange, která je zapsána v nadstavbě firmy SAPERTA v souboru tabulek:
Finanční analýza Pojem finanční analýza Finanční analýza umožňuje načítat data podle dimenzí a tyto součty dlouhodobě vyhodnocovat. Pojem finanční analýza není nejpřesnější, protože ukazatele mohou být
VíceDatabáze MS-Access. Obsah. Co je to databáze? Doc. Ing. Radim Farana, CSc. Ing. Jolana Škutová
Databáze MS-Access Doc. Ing. Radim Farana, CSc. Ing. Jolana Škutová Obsah Principy a možnosti databází. Uložení dat v databázi, formáty dat, pole, záznamy, tabulky, vazby mezi záznamy. Objekty databáze
Vícek národnímu standardu pro elektronické systémy spisové služby (NSESSS) Místo konání: Národní archiv ČR, Archivní 4/2257, Praha 4
Zápis z jednání k národnímu standardu pro elektronické systémy spisové služby (NSESSS) Datum konání: 16.4.2015 Místo konání: Národní archiv ČR, Archivní 4/2257, 149 01 Praha 4 Přítomni: Zapsal: Luděk Galbavý
VíceÚvod do databázových systémů
Úvod do databázových systémů Databáze je dnes velmi často skloňovaným slovem. Co se pod tímto termínem skrývá si vysvětlíme na několika následujících stranách a cvičeních. Databáze se využívají k ukládání
VíceZÁVĚREČNÁ ZPRÁVA. o odborném zjišťování příčin letecké nehody letounu Z-226MS, poznávací značky OK-KNI, na letišti Liberec, dne 28.
ÚSTAV PRO ODBORNÉ ZJIŠŤOVÁNÍ PŘÍČIN LETECKÝCH NEHOD Beranových 130 199 01 PRAHA 99 CZ - 16 332 ZÁVĚREČNÁ ZPRÁVA o odborném zjišťování příčin letecké nehody letounu Z-226MS, poznávací značky OK-KNI, na
VícePrimární klíč (Primary Key - PK) Je právě jedna množina atributů patřící jednomu z kandidátů primárního klíče.
Primární a cizí klíč Kandidát primárního klíče (KPK) Je taková množina atributů, která splňuje podmínky: Unikátnosti Minimálnosti (neredukovatelnosti) Primární klíč (Primary Key - PK) Je právě jedna množina
VíceProjekt SGS Využití nástrojů GIS k vyhodnocení agrárních valů v Českém středohoří
Projekt SGS Využití nástrojů GIS k vyhodnocení agrárních valů v Českém středohoří RNDr. Iva Machová, Ph.D., Mgr. Ing. Petr Novák, Bc. Markéta Kučerová Druhová skladba dřevin ve stromovém patře agrárních
VíceNejvhodnější rozhodovací styl v daném kontextu
FAKULTA INFORMATIKY A MANAGEMENTU UNIVERZITA HRADEC KRÁLOVÉ Nejvhodnější rozhodovací styl v daném kontextu Individuální projekt SPM1 Vypracoval: Bc. Martin Petruželka Studijní obor: K-IM2 Emailová adresa:
VícePOUŽITÍ DATABÁZÍ. Po ukončení tohoto kurzu budete schopni
POUŽITÍ DATABÁZÍ Barbora Tesařová Cíle kurzu Po ukončení tohoto kurzu budete schopni chápat základní principy databáze, vytvořit novou databázi, vytvořit a upravit tabulky, řadit a filtrovat data v tabulkách,
VíceČást A matematika (otázky 1-10 celkem za 40 bodů)
PŘIJÍMACÍ TEST z informatiky a matematiky pro navazující magisterské studium Fakulta informatiky a managementu Univerzity Hradec Králové Registrační číslo Hodnocení část A Hodnocení část B Hodnocení A+B
VíceKritéria hodnocení praktické maturitní zkoušky z databázových systémů
Kritéria hodnocení praktické maturitní zkoušky z databázových systémů Otázka č. 1 Datový model 1. Správně navržený ERD model dle zadání max. 40 bodů teoretické znalosti konceptuálního modelování správné
Více8.2 Používání a tvorba databází
8.2 Používání a tvorba databází Slide 1 8.2.1 Základní pojmy z oblasti relačních databází Slide 2 Databáze ~ Evidence lidí peněz věcí... výběry, výpisy, početní úkony Slide 3 Pojmy tabulka, pole, záznam
Více2. blok část B Základní syntaxe příkazů SELECT, INSERT, UPDATE, DELETE
2. blok část B Základní syntaxe příkazů SELECT, INSERT, UPDATE, DELETE Studijní cíl Tento blok je věnován základní syntaxi příkazu SELECT, pojmům projekce a restrikce. Stručně zde budou představeny příkazy
VíceZÁVĚREČNÁ ZPRÁVA o odborném zjišťování příčin incidentu letadla SAAB-SAFIR 91D poznávací značky OE-KSS na letišti Brno Tuřany 11.9.
ÚSTAV PRO ODBORNĚ TECHNICKÉ ZJIŠŤOVÁNÍ PŘÍČIN LETECKÝCH NEHOD Beranových 130 199 01 PRAHA 99 Č.j.: 439/05/ZZ Výtisk č. 1 ZÁVĚREČNÁ ZPRÁVA o odborném zjišťování příčin incidentu letadla SAAB-SAFIR 91D poznávací
VíceČ.j.: 151/04/ZZ ZÁVĚREČNÁ ZPRÁVA. o odborném zjišťování příčin Incidentu. letadla Z 37 A. poznávací značky OK NJJ. v místě Staré Smrkovice
ÚSTAV PRO ODBORNĚ TECHNICKÉ ZJIŠŤOVÁNÍ PŘÍČIN LETECKÝCH NEHOD Beranových 130 199 01 PRAHA 99 Č.j.: 151/04/ZZ Výtisk č. ZÁVĚREČNÁ ZPRÁVA o odborném zjišťování příčin Incidentu letadla Z 37 A poznávací značky
VíceMarketingová komunikace. 3. soustředění. Mgr. Pavel Vávra 9103@mail.vsfs.cz. Kombinované studium Skupina N9KMK3PH (vm3bph)
Marketingová komunikace Kombinované studium Skupina N9KMK3PH (vm3bph) 3. soustředění Mgr. Pavel Vávra 9103@mail.vsfs.cz http://vavra.webzdarma.cz/home/index.htm Zdroje Studijní materiály Heleny Palovské
Více1. Historie ŘLP. Pavel Kovář
1. Historie ŘLP Pavel Kovář kovar@fel.cvut.cz Historie ŘLP 1903 první let bratři Wrightové doba experimentů, letadla neprocházela žádným testováním, piloti bez licence 1914 1918 první světová válka rozvoj
VíceDatabázový systém označuje soubor programových prostředků, které umožňují přístup k datům uloženým v databázi.
Databáze Základní pojmy Pojem databáze označuje obecně souhrn informací, údajů, dat o nějakých objektech. Úkolem databáze je hlídat dodržení všech omezení a dále poskytovat data při operacích. Objekty
VíceVÝSLEDKY VÝZKUMU. indikátor ECI/TIMUR A.1 SPOKOJENOST OBYVATEL S MÍSTNÍM SPOLEČENSTVÍM V PROSTĚJOVĚ
VÝSLEDKY VÝZKUMU indikátor ECI/TIMUR A.1 SPOKOJENOST OBYVATEL S MÍSTNÍM SPOLEČENSTVÍM V PROSTĚJOVĚ Realizace průzkumu, zpracování dat a vyhodnocení: Střední odborná škola podnikání a obchodu, spol. s r.o.
VíceZpětná vazba od čtenářů 11 Dotazy 11 Zdrojové kódy ke knize 11 Errata 11 Typografické konvence použité v knize 12
Obsah Zpětná vazba od čtenářů 11 Dotazy 11 Zdrojové kódy ke knize 11 Errata 11 Typografické konvence použité v knize 12 Úvod do Microsoft SharePoint Foundation 2010 13 Základní pojmy používané v této knize
VíceQAD Business Intelligence
QAD Business Intelligence Vladimír Bartoš, Pavel Němec Konzultanti 13.6.2012 Komponenty QAD BI Analytické tabule pro podporu rozhodování Spolupráce uživatelů nad analyzovanými daty Reporty Generátor analytických
VíceVÝSLEDKY VÝZKUMU. indikátor ECI/TIMUR A.1 SPOKOJENOST OBYVATEL S MÍSTNÍM SPOLEČENSTVÍM V PROSTĚJOVĚ
VÝSLEDKY VÝZKUMU indikátor ECI/TIMUR A.1 SPOKOJENOST OBYVATEL S MÍSTNÍM SPOLEČENSTVÍM V PROSTĚJOVĚ Realizace průzkumu, zpracování dat a vyhodnocení: Střední odborná škola podnikání a obchodu, spol. s r.o.
VíceSafety konference ÚCL 2018
1 Safety konference ÚCL 2018 29.3.2018 Petr Vozdecký 2 Any occurrence at an aerodrome involving the incorrect presence of an aircraft, vehicle or person on the protected area of a surface designated for
Více2. 1 odst. 1 písm. c) se zrušuje.
Sbírka zákonů č. 271 / 2014 Strana 3209 271 VYHLÁŠKA ze dne 7. listopadu 2014, kterou se mění vyhláška Ministerstva dopravy a spojů č. 108/1997 Sb., kterou se provádí zákon č. 49/1997 Sb., o civilním letectví
VíceLabMeredian Plus základní kurz
LabMeredian Plus základní kurz Program LabMeredian Plus 2 je součástí projektu LabMeredian. Může však být provozován i zcela samostatně. LabMeredian Plus je určen pro napojení k různým typům laboratorních
VíceKritéria hodnocení praktické maturitní zkoušky z databázových systémů
Kritéria hodnocení praktické maturitní zkoušky z databázových systémů Otázka č. 1 Datový model 1. Správně navržený ERD model dle zadání max. 40 bodů teoretické znalosti konceptuálního modelování správné
VíceAutomatizace řízení letového provozu
CENA DĚKANA Automatizace řízení letového provozu Autor: Jakub Kolář 30.12.2014 Strana 1 ze 5 Úvod Minimální horizontální rozstup je 5NM (9,2 km) v celém sektoru LKAA FIR, výjimku tvoří okruh 50NM (92 km)
VíceDatabázové a informační systémy Informační systém prodejny nábytku. Jakub Kamrla, KAM087
Databázové a informační systémy Informační systém prodejny nábytku Jakub Kamrla, KAM087 1. část Funkční a nefunkční požadavky 1. K čemu má systém sloužit Jedná se o informační systém pro jednu nejmenovanou
VíceUživatelská příručka pro ředitele škol
Národní šetření výsledků žáků v počátečním vzdělávání Uživatelská příručka pro ředitele škol Název souboru: Modul IDM - Uživatelská příručka pro ředitele škol V2.doc Strana 1 Obsah 1 Úvod... 3 2 Přihlášení
VíceIng. 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
VíceObsah. Kapitola 1 Co je GPS Kapitola 2 Typy přijímačů GPS Kapitola 3 Automobilová navigace Úvod... 7
Obsah Úvod......................................................... 7 Kapitola 1 Co je GPS..................................................... 9 Jak GPS funguje.......................................................
VícePilotní ověření standardizace na agendě živnostenského podnikání. Projekt A121
Projekt A121 Východiska projektu A121 #1 Procesní modelování agend je v širším smyslu součástí programu transformace výkonu veřejné správy založený na procesním přístupu a standardizaci agend. Přináší
VícePOKROČILÉ POUŽITÍ DATABÁZÍ
POKROČILÉ POUŽITÍ DATABÁZÍ Barbora Tesařová Cíle kurzu Po ukončení tohoto kurzu budete schopni pochopit podstatu koncepce databází, navrhnout relační databázi s využitím pokročilých metod, navrhovat a
VíceVývoj zemědělského půdního fondu ve světě
UNIVERZITA KARLOVA Přírodovědecká fakulta Vývoj zemědělského půdního fondu ve světě (cvičení z ekonomické geografie) 2005/2006 Pavel Břichnáč 1.roč. Ge-Ka 1.1 Vývoj zemědělského půdního fondu podle makroregionů
VíceInovace výuky prostřednictvím ICT v SPŠ Zlín, CZ.1.07/1.5.00/34.0333 Vzdělávání v informačních a komunikačních technologií
VY_32_INOVACE_33_02 Škola Název projektu, reg. č. Vzdělávací oblast Vzdělávací obor Tematický okruh Téma Tematická oblast Název Autor Vytvořeno, pro obor, ročník Anotace Přínos/cílové kompetence Střední
VíceOracle XML DB. Tomáš Nykodým
Oracle XML DB Tomáš Nykodým xnykodym@fi.muni.cz Osnova Oracle XML DB Architektura Oracle XML DB Hlavní rysy Oracle XML DB Hlavní rysy Oracle XML DB - pokračování XMLType XML Repository Využívání databázových
VíceInformační systémy 2008/2009. Radim Farana. Obsah. Obsah předmětu. Požadavky kreditového systému. Relační datový model, Architektury databází
1 Vysoká škola báňská Technická univerzita Ostrava Fakulta strojní, Katedra automatizační techniky a řízení 2008/2009 Radim Farana 1 Obsah Požadavky kreditového systému. Relační datový model, relace, atributy,
VíceTato výroční zpráva o bezpečnosti předkládá statistické údaje o bezpečnosti letectví v Evropě a ve světě.
VÝROČNÍ ZPRÁVA O BEZPEČNOSTI ZA ROK 13 Shrnutí Tato výroční zpráva o bezpečnosti předkládá statistické údaje o bezpečnosti letectví v Evropě a ve světě. Údaje v této zprávě pocházejí z mnoha různých zdrojů
VíceÚVOD DO DATABÁZÍ. Metodické listy pro předmět
Metodické listy pro předmět ÚVOD DO DATABÁZÍ Cíl: Cílem tohoto předmětu je získat základní znalosti v oblasti databází, naučit se dotazovací jazyk SQL a naučit se zásady dobrého navrhování databází. Převážná
Více2. Účel a cíl koncepce, zdroje dat
2. Účel a cíl koncepce, zdroje dat 2.1. Účel a cíl koncepce Koncepce vychází s principů a cílů Státního programu ochrany přírody a krajiny, který byl schválen usnesením vlády č.415 ze dne 17. června 1998.
VíceÚvod do MS Access. Modelování v řízení. Ing. Petr Kalčev
Úvod do MS Access Modelování v řízení Ing. Petr Kalčev Postup při tvorbě aplikace Vytvoření tabulek Vytvoření relací Vytvoření dotazů Vytvoření formulářů Vytvoření sestav Tabulky Slouží k definování polí,
VíceObsah přednášky. Databázové systémy RDBMS. Fáze návrhu RDBMS. Coddových 12 pravidel. Coddových 12 pravidel
Obsah přednášky Databázové systémy Konceptuální model databáze Codd a návrh relační databáze fáze návrhu pojem konceptuální model základní pojmy entity, relace, atributy, IO kardinalita, 2 historie: RDBMS
VíceKlientský formát POHLEDÁVKY platný od 26. 4. 2014
Klientský formát POHLEDÁVKY platný od 26. 4. 2014 1/5 1 Úvod 1.1 Účel dokumentu Účelem tohoto dokumentu je popis formátu POHLEDAVKA a požadovaných validací při IMPORTu dat ve vazbě na návazné účetní SW
VíceZÁVĚREČNÁ ZPRÁVA o odborném zjišťování příčin incidentu letounu C-207, OK-DIB na letišti Praha Ruzyně dne 31. srpna 2003
ÚSTAV PRO ODBORNĚ TECHNICKÉ ZJIŠŤOVÁNÍ PŘÍČIN LETECKÝCH NEHOD Beranových 130 199 01 PRAHA 99 Č.j.: 377/03/ZZ ZÁVĚREČNÁ ZPRÁVA o odborném zjišťování příčin incidentu letounu C-207, OK-DIB na letišti Praha
VíceKurz Databáze. Obsah. Dotazy. Zpracování dat. Doc. Ing. Radim Farana, CSc.
1 Kurz Databáze Zpracování dat Doc. Ing. Radim Farana, CSc. Obsah Druhy dotazů, tvorba dotazu, prostředí QBE (Query by Example). Realizace základních relačních operací selekce, projekce a spojení. Agregace
VíceTechnologické postupy práce s aktovkou IS MPP
Technologické postupy práce s aktovkou IS MPP Modul plánování a přezkoumávání, verze 1.20 vypracovala společnost ASD Software, s.r.o. dokument ze dne 27. 3. 2013, verze 1.01 Technologické postupy práce
VíceManažerský reporting a finanční plánování Targetty
Manažerský reporting a finanční plánování Targetty v O2 Milan Štoček Milan.Stocek@CleverDecision.com Agenda Představení Clever Decision a Uniwise Targetty - Enterprise Performance Management Planning Architektura
VícePearsonův korelační koeficient
I I.I Pearsonův korelační koeficient Úvod Předpokládejme, že náhodně vybereme n objektů (nebo osob) ze zkoumané populace. Často se stává, že na každém z objektů měříme ne pouze jednu, ale několik kvantitativních
VíceVÝSLEDKY VÝZKUMU. indikátor ECI/TIMUR A.1 SPOKOJENOST OBYVATEL S MÍSTNÍM SPOLEČENSTVÍM V PROSTĚJOVĚ
VÝSLEDKY VÝZKUMU indikátor ECI/TIMUR A.1 SPOKOJENOST OBYVATEL S MÍSTNÍM SPOLEČENSTVÍM V PROSTĚJOVĚ Realizace průzkumu, zpracování dat a vyhodnocení: Střední odborná škola podnikání a obchodu, spol. s r.o.
VíceMetody tvorby ontologií a sémantický web. Martin Malčík, Rostislav Miarka
Metody tvorby ontologií a sémantický web Martin Malčík, Rostislav Miarka Obsah Reprezentace znalostí Ontologie a sémantický web Tvorba ontologií Hierarchie znalostí (D.R.Tobin) Data jakékoliv znakové řetězce
VíceModely datové. Další úrovní je logická úroveň Databázové modely Relační, Síťový, Hierarchický. Na fyzické úrovni se jedná o množinu souborů.
Modely datové Existují různé úrovně pohledu na data. Nejvyšší úroveň je úroveň, která zachycuje pouze vztahy a struktury dat samotných. Konceptuální model - E-R model. Další úrovní je logická úroveň Databázové
VícePoužití dynamických parametrů prostředí SET_ENV_ v MarushkaDesignu
0 Použití dynamických parametrů prostředí SET_ENV_ v MarushkaDesignu OBSAH 1 CÍL PŘÍKLADU...2 2 PRÁCE S PŘÍKLADEM...2 3 UKÁZKA DIALOGOVÉHO OKNA...3 4 STRUČNÝ POPIS PŘÍKLADU V MARUSHKADESIGNU...5-1 - 1
VíceMetody inventarizace a hodnocení biodiverzity stromové složky
ČESKÁ ZEMĚDĚLSKÁ UNIVERZITA V PRAZE Fakulta lesnická a dřevařská Metody inventarizace a hodnocení biodiverzity stromové složky Methods for inventory and biodiversity evaluation of tree layer SBORNÍK ZE
VíceSociodemografická analýza SO ORP Mohelnice
Sociodemografická analýza SO ORP Mohelnice Bc. Martin Šinál, 2019 Analýza byla zpracována v rámci projektu Střednědobé plánování rozvoje sociálních služeb SO ORP Mohelnice (CZ.03.2.63/0.0/0.0/16_063/0006549)
VíceAnalýza vývoje zahraničního obchodu v zemích Visegrádské čtyřky
Analýza vývoje zahraničního obchodu v zemích Visegrádské čtyřky Ing. Jaroslav Kovárník, Ph.D. Ing. Eva Hamplová, Ph.D. Univerzita Hradec Králové Fakulta informatiky a managementu Katedra ekonomie makroekonomická
VíceVýsledky sledování indikátoru ECI: A.3 Mobilita a místní přeprava cestujících v Chrudimi
Výsledky sledování indikátoru ECI: A.3 Mobilita a místní přeprava cestujících v Chrudimi Chrudim 2.1.2008 Statistická data zpracovala Týmová iniciativa pro místní udržitelný rozvoj, o.s. ve spolupráci
VíceIntegrace ICT na gymnáziu? Petr Naske
Integrace ICT na gymnáziu? Petr Naske Jak se integruje ICT - zkušenosti mezi pilotními gymnázii integrovali v Rumburku a Litovli Rumburk úplná integrace, v době kdy byly jen 2H, do matematiky a českého
VíceStatistika. Semestrální projekt
Statistika Semestrální projekt 18.5.2013 Tomáš Jędrzejek, JED0008 Obsah Úvod 3 Analyzovaná data 4 Analýza dat 6 Statistická indukce 12 Závěr 15 1. Úvod Cílem této semestrální práce je aplikovat získané
VíceZáklady business intelligence. Jaroslav Šmarda
Základy business intelligence Jaroslav Šmarda Základy business intelligence Business intelligence Datový sklad On-line Analytical Processing (OLAP) Kontingenční tabulky v MS Excelu jako příklad OLAP Dolování
VíceÚvod do databázových systémů
Vysoká škola báňská Technická univerzita Ostrava Fakulta elektrotechniky a informatiky Úvod do databázových systémů Cvičení 8 Ing. Petr Lukáš petr.lukas@vsb.cz Ostrava, 2014 Opakování Entita Entitní typ
Více