Vysoká škola ekonomická v Praze Fakulta informatiky a statistiky Podnikové informační systémy

Save this PDF as:
 WORD  PNG  TXT  JPG

Rozměr: px
Začít zobrazení ze stránky:

Download "Vysoká škola ekonomická v Praze Fakulta informatiky a statistiky Podnikové informační systémy"

Transkript

1 Vysoká škola ekonomická v Praze Fakulta informatiky a statistiky Podnikové informační systémy Datamining v bázi KKL Řešitelský tým: Jan Duchaň - vedoucí týmu Jakub Malina - zástupce vedoucího týmu Ondřej Fila Natalya Chernykh Michal Chramosta Karolína Neukirchner

2 Obsah Zadání projektu... 5 Vysvětlení použitých zkratek... 6 Harmonogram projektu... 9 Inventarizace schopností a znalostí členů týmů Technická dokumentace řešení projektu Jmenovitý podíl jednotlivých členů týmu na řešení projektu Problémy, s nimiž se tým setkal při řešení projektu Přínos projektu pro členy týmu Závěr P a g e

3 Zadavatel Zadavatelem je Národní knihovna České republiky (NK ČR). NK ČR je centrem systému knihoven, vykonává koordinační, odborné, informační, vzdělávací, analytické, výzkumné, standardizační, metodické a poradenské činnosti. Svým rozsahem je NK ČR největší a nejstarší veřejná knihovna v České republice a řadí se mezi nejvýznamnější evropské i světové knihovny. Soubor literatury obsahuje více jak 6 milionů dokumentů. Ročně přibude kolem 70 tisíc nových titulů. 3 P a g e

4

5 Zadání projektu Datamining v bázi KKL Datamining znamená v českém jazyce dolování z dat či vytěžování dat. Předně je potřeba si říct, že ze samotného pojmu data mining se stalo populární slovo, které se často nesprávně používá pro jakoukoliv analýzu většího množství dat a jejich dílčí grafickou reprezentaci. Data mining v přesnějším slova smyslu využívá kombinace metod umělé inteligence, strojového učení a statistiky k automatickému nalezení požadovaných vzorů ve velké množině dat a to často podle předem stanoveného datového modelu. Jde skutečně o velmi široký pojem, jehož konkrétnější podoba závisí na dané aplikaci, jako může být například automatické rozpoznávání obličeje, vyhledávání shodných pasáží textu atd. - Use Case diagram sběru zpracovávaných informací - Data pro analýzu jsou vlastně data záznamy z vyhledávacích relací uživatelů databáze KKL, díky kterým máme možnost vyvodit zdánlivě skryté informace, které by pak měly přinést těmto uživatelům další užitek anebo alespoň přehled pro správu KLL. 5 P a g e

6 Národní knihovna České republiky nám poskytla soubory, ve kterých byla zdrojová data, která bylo nutné exportovat. Databáze knihovnické literatury (KKL) aktuálně obsahuje záznamů. Cílem našeho projektu bylo zanalyzovat poskytnutá data a vyvodit závěry, které by mohly být využitelné. Příklad formátu poskytnutých zdrojových dat: Vysvětlení použitých zkratek SESSION_ID Označení relace dotazování uživatele vygenerovaným ID systémem databáze TIME_STAMP časové razítko označení časovým údajem IP IP adresa počítače, ze kterého uživatel databáze přistupuju 6 P a g e

7 HITS Počet výsledků vrácených databází uživateli na jeho zadaný dotaz TYP událost; ve sloupci jsou uvedeny kódy událostí: 10 hledání záznamy nalezeny 11 hledání dosaženo limitu 12 hledání záznamy nenalezeny 20 vyhledávání z více polí (find-a) 21 základní vyhledávání (find-b) 22 vyhledávání CCL (find-c) 23 pokročilé vyhledávání (find-d) 24 vyhledávání z více bází (find-m) 25 zpřesnit dotaz 26 kombinovat dotaz 29 vyhledávání v rejstřících 31 vyhledávání protokolem Z prohlížení rejstříků protokolem Z39.50 DB báze, ve které byl proveden dotaz: KTD oficiální báze KTDP pracovní báze KTDBN dílčí báze Termíny bez normativního výkladu KTDN dílčí báze Termíny s normativním výkladem SEARCH / SCAN vyhledávání / prohlížení rejstříků 7 P a g e

8 Označení rejstříků TDKIV TR termín/ekvivalent TE anglický ekvivalent TK věcná skupina AU autor hesla RE redaktor hesla KZ konzultant hesla LK lektor hesla ZD zdroj/norma (kód bez hodnoty např. TR= znamená, že dotaz pouze odklepnut bez zadání) 8 P a g e

9 Harmonogram projektu Harmonogram navržený vyučujícím: Datum Činnost Formulace zadání, stanovení harmonogramu projektu - předložení vyučujícímu Inventarizace schopností a znalostí členů týmů, využitelných v projektu kontrolní den projektu - prezentace věcných výsledků dosavadního průběhu řešení vyučujícímu a zadavateli kontrolní den projektu - příprava veřejné prezentace a odevzdání výsledků práce Odevzdání výsledků práce zadavateli, odevzdání tištěné dokumentace projektu vyučujícímu Veřejná prezentace projektu, odevzdání elektronické verze dokumentace projektu vyučujícímu Skutečný harmonogram a plán týmu: Datum Činnost Kde Kdo Výběr týmu a zadání projektu Škola Tým Miniseminář k problematice řešené v projektu Škola Zadána zdrojová data pro datamining KKL Škola Tým Formulace a zadání projektu SIC Tým Inventarizace schopností členů týmu předání základní dokumentace Výběr vhodného DM SW, porozumění datům, příprava dat, aplikace DM, vyhodnocení výsledků Schůze členů týmu shromáždění výsledků, individuální připomínky, příprava výstupu 1. kontrolní den projektu - prezentace věcných výsledků dosavadního průběhu řešení vyučujícímu a zadavateli SIC Individ. SIC Jan Duchaň Karolína Neukirchner Michal Chramosta Tým Tým Škola Tým Úprava dat, doplnění grafů a doplnění dokumentace Škola Tým kontrolní den projektu - příprava veřejné prezentace a odevzdání výsledků práce Úprava nedostatků v projektu + dokumentace Individ Odevzdání výsledků práce zadavateli, odevzdání tištěné dokumentace projektu vyučujícímu Veřejná prezentace projektu, odevzdání elektronické verze dokumentace projektu vyučujícímu Škola Tým 9 P a g e

10 Inventarizace schopností a znalostí členů týmů Jan Duchaň organizace týmu, finální úpravy dokumentace, kontrola výsledků, prezentace týmu Jakub Malina doplňování a kompletace dokumentace a postupů od ostatních členů, kontrola Ondřej Fila určení vhodných úprav zdrojových dat, kontrola DM postupů Natalya Chernykh vyhledávání vhodného SW, kontrola úprav zdrojových dat Michal Chramosta provádění DM na zdrojových datech Karolína Neukirchner příprava dokumentace projektu, kontrola výstupu DM Základním předpokladem pro úspěšné dolování dat a využitelné výsledky je znalost a porozumění vstupních dat každým členem týmu. 10 P a g e

11 Technická dokumentace řešení projektu Podle povahy našich dat jsme se rozhodli, že budeme analyzovat dotazy především co do jejich počtu, což se dá dále využít naším zadavatelem např. pro správné dimenzování obslužného systému. Pokud bychom chtěli analyzovat dotazy z hlediska úspěšnosti je situace mnohem obtížnější. Mohli bychom například zkoumat souvislost mezi délkou textového řetězce a počtem výsledků apod. To ale nemá moc dobrou vypovídající hodnotu. Důležité je, jak nejlépe úspěšnost dotazu definovat. Samotný počet výsledků ještě neříká nic o tom, jestli jsou správné Pro takovou analýzu by bylo potřeba znát nejen počet výsledků, ale především jejich hodnoty. Potom už se dostáváme k opravdovým data mining technikám a především k poměrně složitým algoritmům pro porovnávání textů atd. Pracovat s těmito algoritmy a hodnotit jejich úspěšnost už je záležitost spíše pro studenty kybernetiky a souvisejících oborů. Proto jsme se rozhodli postupovat první cestou a získat následující vypovídající informace. 11 P a g e

12 Statistické výsledky vyhledávání: Graf 1,2 - Počet hledání/závislost na měsíci v roce 12 P a g e

13 Graf 3,4 - Počet hledání/závislost na denní době 13 P a g e

14 Graf 5, 6 - Počet hledání/závislost na dni v týdnu 14 P a g e

15 Graf 7 Počet hledání/závislost na typu TYP událost; ve sloupci jsou uvedeny kódy událostí: 20 vyhledávání z více polí (find-a) 21 základní vyhledávání (find-b) 22 vyhledávání CCL (find-c) 23 pokročilé vyhledávání (find-d) 24 vyhledávání z více bází (find-m) 25 zpřesnit dotaz 26 kombinovat dotaz 29 vyhledávání v rejstřících 31 vyhledávání protokolem Z39.50 U tohoto grafu nám nastává výše uvedený problém a to sice, že nám zobrazuje pouze počet hitů tzn. výsledků, ale neznáme jejich hodnoty, proto nemůžeme zhodnotit jejich relevanci v celkovém kontextu hledání. Avšak dá se použít jako určité vodítko o rozsáhlosti obsahu databáze v závislosti na typu hledání. 15 P a g e

16 Jmenovitý podíl jednotlivých členů týmu na řešení projektu Jan Duchaň vedoucí týmu - Vedení a tvorba dokumentace - Tvorba statistických grafů - Příprava prezentací - Prezentace výsledků týmu Jakub Malina zástupce vedoucího týmu - Tvorba dílčích částí dokumentace a její korektura - Úprava dat pro statistické zpracování - Zkoumání funkcionality a ovládání SW Statistica Ondřej Fila - Dílčí statistické zpracování Natalya Chernykh - Zkoumání funkcionality a ovládání SW Statistica Karolína Neukirchner - Tvorba základní dokumentace - Úprava dat pro statistické zpracování - Konzultace s externím poradcem Michal Chramosta - Příprava dat pro DM očištění, odstranění duplicit ze SEARCH 16 P a g e

17 Problémy, s nimiž se tým setkal při řešení projektu Komunikace v týmu a scházení se k řešení projektu Vhodný klíč pro očištění a přípravu dat. Najít vhodný SW, který by byl funkční pro data mining a byl volně dostupný Přínos projektu pro členy týmu - Řešení problémů při týmové spolupráci - Řešení zajímavého problému - Osvojení přípravných částí pro DM - Zjistili jsme, že od tzv. data-mining programů nelze čekat žádné zázraky. Je jenom na uživateli aby si rozmyslel, jakou závislost chce sledovat, co porovnávat atd. Programy jako rapid miner, lisp miner apod. potom podle zadání pouze provedou výpočet a mají sloužit k jednoduchému a rychlému grafickému znázornění výsledků (Což se mimochodem dá zvládnout i přímo v Excelu a v mnoha ohledech i lépe). - Tvorba statistických grafů - Práce s rozsáhlými daty a metody jak z nich získávat relevantní informace 17 P a g e

18 Závěr Z námi získaných informací lze navrhnout relevantní řešení dimenzování obslužného systému databáze s ohledem na její vytíženost. Jednoznačně lze říci, že by bylo velice vhodné celý vyhledávací proces a uživatelské rozhraní udělat více uživatelsky přívětivější. V prvním kroku by rozhodně usnadnila práci tolerance zadaných dotazů podobně, jako ji známe např. z portálu google.com. Pomocí strojového učení a statistických metod by nám nabízel vyhledávací engine nápovědu, omezily by se tak chybná hledání, která vznikají překlepy, které byli hlavním zdrojem neúspěšných hledání. Lze říci, že nejužívanějšími typy hledání jsou typy 21, 24, 31 a z těchto typů byl logicky nejúspěšnější typ 21, jelikož se jedná o základní, nespecifikované vyhledávání. 18 P a g e

19 Vysoká škola ekonomická v Praze Fakulta informatiky a statistiky Podnikové informační systémy Datamining v bázi KKL (Dodatek) Řešitelský tým: Natalya Chernykh Karolína Neukirchner 19 P a g e

20 Datamining: Zdrojový soubor ve formátu.xls byl importován do databáze MS Access a následně exportován do databáze SQL (použit program MS SQL Server 2005), kde byly zjištěny pomocí vhodně zvolených dotazů následující výsledky: Tabulka sum.hits/typ Tabulka znázorňuje celkový počet úspěšných vrácených výsledků v závislosti na zvoleném typu vyhledávání. Typ vyhledávání 21 (základní vyhledávání (find-b)) vracel v průměru největší počet výsledků vyhledávání, s velkým odstupem následován typy 23, 22 a 31. Naopak nejméně výsledků zaznamenal typ 20. Sloupec sum hits označuje celkový počet úspěšných hledání k danému typu hledání a sloupec TYP typ hledání. 20 P a g e

21 Tabulka max.hits/typ Tabulka znázorňuje maximální počet vrácených výsledků u každého typu vyhledávání. Z tohoto hlediska byl nejúspěšnější typ 22 (vyhledávání CCL (find-c)), těsně následován typy 21, 31 a 23. Sloupec max hits označuje maximální počet výsledků hledání k danému typu hledání a sloupec TYP typ hledání. Tabulka TYP/count.typ Tabulka znázorňuje počet použití jednotlivých typů vyhledávání. Z tohoto hlediska byl nejfrekventovanější typ 31 (vyhledávání protokolem Z39.50), 24 a 21. Sloupec count.typ označuje počet použití typů hledání a sloupec TYP typ hledání. Tabulka TYP/max(HITS)/SEARCH_TEXT (tabulka exportována do MS Excel) 21 P a g e

22 Tato Tabulka je rozšířením tabulky max.hits/typ, kde je doplněn i v databázi knihovny hledaný výraz, takže vímě, že nejčastěji hledaným výrazem bylo slovo bu, které nemá vypovídající hodnotu, ale je spíše pokusem, zda vyhledávání v databázi funguje. Prvním smysluplným nejčastěji hledaným výrazem je výraz národní knihovna Tabulka IP/sum.hits (tabulka exportována do MS Excel) Tabulka IP/sum.hits znázorňuje prvních dvacet nejčastěji hledajících IP adres v databázi, které měly největší počet úspěšných hledání. Pro lepší orientaci je pridán i třetí sloupec, který doplňuje informaci, kolik pokusů hledání z jednotlivých IP bylo zaznamenáno. 22 P a g e

23 Tabulka IP/count.ip (tabulka exportována do MS Excel) Tato tabulka znázorňuje IP adresy, které nejčastěji v databázi hledaly. Je zřejmé, že nejvíce se v databázi hledalo lokálně (adresa 127.x.x.x). Pro lepší souvislost je doplněna daty z předchozí tabulky, kde je k jednotlivým IP adresám přiřazena úspěšnost hledání. Jen pro úplnost tabulka vpravo ukazuje, že celkový počet jedinečných IP adres hledajících v databázi bylo P a g e

24 Top 30 hledaných výrazů, které jsou seřazené podle počtu vyhledávání. Hledaný výraz Počet hledání Slova-Všechna pole= bu* and ( Kód země vydání= xr or Kód země 8984 vydání= xo and Druh dokumentu= se ) Slova-Všechna pole= národní knihovna 8852 Slova-Všechna pole= knihovna AND národní 8782 Slova-Všechna pole= národní AND Slova-Všechna pole= knihovna 8782 ISBN,ISSN= ")&$((!%!&X" 8762 Slova-Všechna pole= Národní knihovna 8637 Klíčová slova= národn? or státn? AND Klíčová slova= knihovn? and 8538 Kód jazyka dok.= cze Slova-Názvy= alldocuments and Kód země vydání= xr and Druh 8516 dokumentu= BK Slova-Všechna pole= alldocuments and Druh dokumentu= BK and Kód 8431 jazyka dok.= cze Slova-Názvy= alldocuments and Druh dokumentu= BK and Kód jazyka 8413 dok.= cze Druh dokumentu= alldocuments and Druh dokumentu= BK and Kód 8355 jazyka dok.= cze Stavové kódy= "an*" 8261 Slova-Všechna pole= knihovni 7753 W-All fields= čtenář? AND W-All fields= knihovn? 7640 Klíčová slova= knihovny and Druh dokumentu= BK 7283 Klíčová slova= knihovní 7151 W-All fields= služby 6889 Slova-Všechna pole= služby 6885 Slova-Všechna pole= služb* 6870 Slova-Názvy= Knihovny 6335 Kód jazyka dok.= eng and Druh dokumentu= BK 6287 Slova-Všechna pole= vzděláv? or škol? 6162 Slova-Všechna pole= The Library 6021 Slova-Všechna pole= papík or knih 5927 Slova-Všechna pole= knih 5844 Slova-Všechna pole= knihovnictví 5657 W-All fields= knihovnictví 5521 Slova-Všechna pole= kultur* 5487 Klíčová slova= dokument? 5443 W-All fields= organizace OR W-All fields= fondů P a g e

25 Závěr Výsledky projektu by šly shrnout do následujících závěru. Datamining v generálním pojetí je jistě považován za efektivní řešení k optimalizacím, ovšem toto nelze vhodně použít na zdrojový soubor dodaný zadavatelským týmem. I přes veškeré procesy směřující k očištění dat, odstranění redundance a ostatních nežádoucích jevů, výsledný analyzovaný soubor sice poskytne po dataminingu velké množství výstupů, které ovšem nelze úspěšně aplikovat na zlepšení chodu databáze. Prostřednictvím softwaru pro analýzu dat jsme zjistili nejčastější hledané výrazy, nejčastěji hledající IP, IP s největším množstvím HITů a nespočet dalších výstupů, ale po praktické stránce silně pochybujeme, že tento výstup a jeho aplikace v nějakém směru pomůže zadavatelskému týmu k vylepšení služeb uživatelům. K tomu by mohlo spíše dojít vytvořením více user friendly rozhraní (např. automatické doplňování), než analýzou zadávaných dat. Z výsledků lze například zcela jednoznačně určit, že nejužívanějšími typy hledání jsou typy 21, 24, 31 a z těchto typů byl logicky nejúspěšnější typ 21, jelikož se jedná o základní vyhledávání. Dále lze určit pomocí text-miningu nejhledanější slovní spojení a slova, například slova knihovna, služby, dokument, ale stále zůstává otázkou celý smysl analýzy dat. Pro sestavení žebříčku a jakousi analýzu zájmu uživatelů by výsledky hledání šly použít spíše pro komerční účely (zadavatelský tým je ovšem nekomerční organizace), technický přínos je ale nulový. Výsledek, ať už je jakýkoli nijak neovlivní chod databáze, ani žádným způsobem nepřispěje k jejímu zlepšení. Snad jen časová analýza využití analýza pokusů hledání, případně analýza užití jednotlivých adres by mohla přispět k posílení připojení vyhledávacího serveru k síti ve špičkách, i když je zde i patrné časté využití lokální IP 127.x.x.x. ukazuje, že zátěž serveru je tak malá, že tyto úkony by zvládl i standardní server nejnižší cenové hladiny a není třeba dodatečných investic. Pro ilustraci v době nejvyššího zatížení serveru vyhledáváním (úterý a čtvrtek kolem 10:00 hodin) byly na server průměrně ne více než deset přístupů za hodinu (pokud budeme hodně optimističtí). Tento (ne)zájem o vyhledávání na serveru zadavatelského týmu tak snad ani není třeba analyzovat za účelem technické způsobilosti databáze. 25 P a g e

Data mining v Terminologické databázi. knihovnictví a informační vědy (TDKIV)

Data mining v Terminologické databázi. knihovnictví a informační vědy (TDKIV) VYSOKÁ ŠKOLA EKONOMICKÁ V PRAZE FAKULTA INFORMATIKY A STATISTIKY VYŠŠÍ ODBORNÁ ŠKOLA INFORMAČNÍCH SLUŽEB Data mining v Terminologické databázi knihovnictví a informační vědy (TDKIV) Projekt Martin Peter

Více

PRODUKTY. Tovek Tools

PRODUKTY. Tovek Tools jsou desktopovou aplikací určenou k vyhledávání informací, tvorbě různých typů analýz a vytváření přehledů a rešerší. Jsou vhodné pro práci i s velkým objemem textových dat z různorodých informačních zdrojů.

Více

Příprava dat v softwaru Statistica

Příprava dat v softwaru Statistica Příprava dat v softwaru Statistica Software Statistica obsahuje pokročilé nástroje pro přípravu dat a tvorbu nových proměnných. Tyto funkcionality přinášejí značnou úsporu času při přípravě datového souboru,

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

POKROČILÉ POUŽITÍ DATABÁZÍ

POKROČILÉ 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

Více

EBSCO. http://search.ebscohost.com. Poklikneme na možnost EBSCOhost Web. Vybereme (poklepeme, zaškrtneme) databázi, s kterou chceme pracovat.

EBSCO. http://search.ebscohost.com. Poklikneme na možnost EBSCOhost Web. Vybereme (poklepeme, zaškrtneme) databázi, s kterou chceme pracovat. EBSCO http://search.ebscohost.com Poklikneme na možnost EBSCOhost Web Vybereme (poklepeme, zaškrtneme) databázi, s kterou chceme pracovat. Vyhledávací techniky Rejstříky Pomůckou pro vyhledávání jsou rejstříky,

Více

Stručný obsah. K2118.indd 3 19.6.2013 9:15:27

Stručný obsah. K2118.indd 3 19.6.2013 9:15:27 Stručný obsah 1. Stručný obsah 3 2. Úvod 11 3. Seznamy a databáze v Excelu 13 4. Excel a externí data 45 5. Vytvoření kontingenční tabulky 65 6. Využití kontingenčních tabulek 81 7. Kontingenční grafy

Více

Databáze pro evidenci výměny a prodeje publikací Knihovny Kabinetu hudební historie EÚ AV ČR (Dokumentace k projektu)

Databáze pro evidenci výměny a prodeje publikací Knihovny Kabinetu hudební historie EÚ AV ČR (Dokumentace k projektu) Řešitelský tým: Beránková Kateřina Doležal Petr Kleňha Lukáš Matuška Michal Nikola Databáze pro evidenci výměny a prodeje publikací Knihovny Kabinetu hudební historie EÚ AV ČR (Dokumentace k projektu)

Více

POPIS 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 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...

Více

Databáze MS-Access. Obsah. Co je to databáze? Doc. Ing. Radim Farana, CSc. Ing. Jolana Škutová

Databáze 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

Více

Vytvoření komunikační platformy pro realizaci předmětu Projekt v e-learningovém prostředí Moodle

Vytvoření komunikační platformy pro realizaci předmětu Projekt v e-learningovém prostředí Moodle 1 z 19 4.10.2011 14:15 VŠE Podnikové informační systémy Vytvoření komunikační platformy pro realizaci předmětu Projekt v e-learningovém prostředí Moodle Projekt Eva Dvořáková Tomáš Kuneš Miroslav Ballek

Více

1. Úvod do Ajaxu 11. Jak Ajax funguje? 13

1. Úvod do Ajaxu 11. Jak Ajax funguje? 13 Obsah Úvodem 9 1. Úvod do Ajaxu 11 Jak Ajax funguje? 13 Popis 13 Ukázky 13 Jaké jsou možnosti tvorby interaktivních webových aplikací? 15 Co je třeba znát? 16 Jak fungují technologie Ajaxu 16 Jak funguje

Více

RELAČNÍ DATABÁZE ACCESS

RELAČNÍ DATABÁZE ACCESS RELAČNÍ DATABÁZE ACCESS 1. Úvod... 2 2. Základní pojmy... 3 3. Vytvoření databáze... 5 4. Základní objekty databáze... 6 5. Návrhové zobrazení tabulky... 7 6. Vytváření tabulek... 7 6.1. Vytvoření tabulky

Více

Předmluva 11 Typografická konvence použitá v knize 12. 1 Úvod do Excelu 2003 13

Předmluva 11 Typografická konvence použitá v knize 12. 1 Úvod do Excelu 2003 13 Předmluva 11 Typografická konvence použitá v knize 12 1 Úvod do Excelu 2003 13 Spuštění a ukončení Excelu 14 Spuštění Excelu 14 Ukončení práce s Excelem 15 Přepínání mezi otevřenými sešity 16 Oprava aplikace

Více

Bakalářský seminář 1. Obsah semináře. Informace k volbě témat 31.10.2012 2012/2013 2.11.2012. Ing. Růžena Vorlová

Bakalářský seminář 1. Obsah semináře. Informace k volbě témat 31.10.2012 2012/2013 2.11.2012. Ing. Růžena Vorlová Bakalářský seminář 1 Ing. Růžena Vorlová 2012/2013 2.11.2012 Obsah semináře Informace k volbě témat a místa praxe Projekt a zadání bakalářské práce Termíny a harmonogram přípravy bakalářské práce SZZ Obsah

Více

Marketingová komunikace. 3. soustředění. Mgr. Pavel Vávra 9103@mail.vsfs.cz. Kombinované studium Skupina N9KMK3PH (vm3bph)

Marketingová 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

Více

GTL GENERATOR NÁSTROJ PRO GENEROVÁNÍ OBJEKTŮ OBJEKTY PRO INFORMATICA POWERCENTER. váš partner na cestě od dat k informacím

GTL GENERATOR NÁSTROJ PRO GENEROVÁNÍ OBJEKTŮ OBJEKTY PRO INFORMATICA POWERCENTER. váš partner na cestě od dat k informacím GTL GENERATOR NÁSTROJ PRO GENEROVÁNÍ OBJEKTŮ OBJEKTY PRO INFORMATICA POWERCENTER váš partner na cestě od dat k informacím globtech spol. s r.o. karlovo náměstí 17 c, praha 2 tel.: +420 221 986 390 info@globtech.cz

Více

POČÍTAČOVÉ PRAKTIKUM. 6. 9. ročník Charakteristika vyučovacího předmětu. Obsahové, časové a organizační vymezení

POČÍTAČOVÉ PRAKTIKUM. 6. 9. ročník Charakteristika vyučovacího předmětu. Obsahové, časové a organizační vymezení 6. 9. ročník Charakteristika vyučovacího předmětu Obsahové, časové a organizační vymezení Realizován v 6. až 9. ročníku po jedné hodině týdně. Obsahuje část vzdělávacího obsahu vzdělávacího oboru Informační

Více

Sázková kancelář Z pekla štěstí

Sázková kancelář Z pekla štěstí Sázková kancelář Z pekla štěstí Řešitelský tým Michal Pfeifer, Martin Halamíček, Jan Blaško, Zdeněk Křepela, Jan Popelka, Jan Mach Úvod Sázková kancelář Z pekla štěstí je malá společnost s několika malými

Více

140 00 Praha 4 Otipka Jakub Soboleva Alena 2005/2006 Srnková Lucie Stankovič Aleksandar Jiří Wallenfels

140 00 Praha 4 Otipka Jakub Soboleva Alena 2005/2006 Srnková Lucie Stankovič Aleksandar Jiří Wallenfels Dokumentace k projektu vypracovaného pro Vyšší odbornou školu informačních služeb Školní rok 2007/2008 VŠE - Vyšší odborná škola informačních služeb Čvančarová Lenka Pacovská 350 Moudrý Jiří 140 00 Praha

Více

Google Site Search Webové vyhledávání Google pro vaši organizaci

Google Site Search Webové vyhledávání Google pro vaši organizaci Google Site Search Datový list Google Site Search Webové vyhledávání Google pro vaši organizaci Google Site Search Další informace najdete zde: http://www.google.com/enterprise/search/ Co získáte Relevance

Více

Petr Nevrlý <petr.nevrly@firma.seznam.cz>

Petr Nevrlý <petr.nevrly@firma.seznam.cz> Fulltextové vyhledávání Petr Nevrlý Vyhledávání Architektura ve zkratce Vyhledávání Robot Aktuální údaje z provozu Obsah přednášky Novinky ve fulltext (2009) Screenshot generátor

Více

Zpráva o zhotoveném plnění

Zpráva o zhotoveném plnění Zpráva o zhotoveném plnění Aplikace byla vytvořena v souladu se Smlouvou a na základě průběžných konzultací s pověřenými pracovníky referátu Manuscriptorium. Toto je zpráva o zhotoveném plnění. Autor:

Více

Management informačních systémů. Název Information systems management Způsob ukončení * přednášek týdně

Management informačních systémů. Název Information systems management Způsob ukončení * přednášek týdně Identifikační karta modulu v. 4 Kód modulu Typ modulu profilující Jazyk výuky čeština v jazyce výuky Management informačních systémů česky Management informačních systémů anglicky Information systems management

Více

Evidence přípravků a hnojiv (EPH)

Evidence přípravků a hnojiv (EPH) Uživatelská příručka Evidence přípravků a hnojiv (EPH) předávání dat evidence hnojení pro účely statistického zjišťování verze pro mobilní zařízení a čtečky elektronických knih Ministerstvo zemědělství

Více

Struktura e-learningových výukových programù a možnosti jejího využití

Struktura e-learningových výukových programù a možnosti jejího využití Struktura e-learningových výukových programù a možnosti jejího využití Jana Šarmanová Klíčová slova: e-learning, programovaná výuka, režimy učení Abstrakt: Autorská tvorba výukových studijních opor je

Více

EXTRAKT z mezinárodní normy

EXTRAKT z mezinárodní normy EXTRAKT z mezinárodní normy Extrakt nenahrazuje samotnou technickou normu, je pouze informativním materiálem o normě ICS 03.220.01;35.240.60 Inteligentní dopravní systémy (ITS) Rozšíření specifikací mapové

Více

OPAC statistiky... (Find-a) Multi field 114 (Find-d) Advanced 61 (Find-c) CCL 31 (Find-b) Basic search 7. Scan 3

OPAC statistiky... (Find-a) Multi field 114 (Find-d) Advanced 61 (Find-c) CCL 31 (Find-b) Basic search 7. Scan 3 OPAC statistiky... Báza = cks02 Rok = 2009 Mesiac = 02 Statistika 01 - Hledání (Find-a) Multi field 114 (Find-d) Advanced 61 (Find-c) CCL 31 (Find-b) Basic search 7 Statistika 02 - Prohlížení indexu Scan

Více

Databázový systém označuje soubor programových prostředků, které umožňují přístup k datům uloženým v databázi.

Databázový 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

Více

POVINNÉ NÁLEŽITOSTI ZADÁVACÍ DOKUMENTACE

POVINNÉ NÁLEŽITOSTI ZADÁVACÍ DOKUMENTACE POVINNÉ NÁLEŽITOSTI ZADÁVACÍ DOKUMENTACE Název zakázky Zadavatel o Obchodní firma / název Vzdělávací centrum pro veřejnou správu o. p. s. o Právní forma Obecně prospěšná společnost o Osoba oprávněná jednat

Více

ZADÁVACÍ DOKUMENTACE Comenis 2.0

ZADÁVACÍ DOKUMENTACE Comenis 2.0 ZADÁVACÍ DOKUMENTACE Comenis 2.0 jako příloha Výzvy k podání nabídek v rámci projektu Distanční jazykové vzdělávání pomocí M-learningu CZ.1.07/3.2.10/04.0011 Akademie Jana Amose Komenského Jičín Název

Více

DODATEČNÉ INFORMACE K ZADÁVACÍM PODMÍNKÁM Č. 3. Zadavatel: Název veřejné zakázky: Česká republika Ministerstvo zemědělství

DODATEČNÉ INFORMACE K ZADÁVACÍM PODMÍNKÁM Č. 3. Zadavatel: Název veřejné zakázky: Česká republika Ministerstvo zemědělství Zadavatel: Česká republika Ministerstvo zemědělství Název veřejné zakázky: Vytvoření nového informačního systému MZe pro výzkum a vývoj - "VÝZKUM-AGRI" Sídlem: Těšnov 65/17, 110 00 Praha 1 Nové Město Evidenční

Více

Databáze Bc. Veronika Tomsová

Databáze Bc. Veronika Tomsová Databáze Bc. Veronika Tomsová Databázové schéma Mapování konceptuálního modelu do (relačního) databázového schématu. 2/21 Fyzické ik schéma databáze Určuje č jakým způsobem ů jsou data v databázi ukládána

Více

Mapa Česka: www.mapa-ceska.cz

Mapa Česka: www.mapa-ceska.cz Mapa Česka: www.mapa-ceska.cz Mapový portál Mapa Česka, který je dostupný na internetové adrese www.mapa-ceska.cz, byl vytvořen v roce 2014 v rámci bakalářské práce na Přírodovědecké fakultě Univerzity

Více

Dotazy tvorba nových polí (vypočítané pole)

Dotazy tvorba nových polí (vypočítané pole) Téma 2.4 Dotazy tvorba nových polí (vypočítané pole) Pomocí dotazu lze také vytvářet nová pole, která mají vazbu na již existující pole v databázi. Vznikne tedy nový sloupec, který se počítá podle vzorce.

Více

Statistika. Semestrální projekt

Statistika. 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

Více

Příručka aplikace Registr de minimis

Příručka aplikace Registr de minimis Příručka aplikace Registr de minimis Obsah Úvod...1 Souhrnné informace...2 Podrobné informace o podporách konkrétního příjemce...3 Číselníky...4 Informace o subjektu přihlášeného uživatele...5 Podrobné

Více

Software pro analýzu energetických dat W1000

Software pro analýzu energetických dat W1000 Software pro analýzu energetických dat W1000 Data pro snadný život vašich zákazníků Manage energy better Mít správné informace ve správný čas je základem úspěchu každého snažení, tedy i řízení spotřeby

Více

Popis produktu IDFU. Řešení součinnosti s oprávněnými osobami verze 2. Aegis s.r.o.

Popis produktu IDFU. Řešení součinnosti s oprávněnými osobami verze 2. Aegis s.r.o. Popis produktu IDFU Řešení součinnosti s oprávněnými osobami verze 2 Obsah Produkt IDFU...3 K čemu slouží...3 Historie IDFU...3 IDFU dnes...3 Generování odpovědí...4 Pozice produktu...5 Hlavní přínosy...5

Více

PROVÁDĚCÍ SMLOUVA Č. 2. (č. ev. ČSÚ: 180 2013 S)

PROVÁDĚCÍ SMLOUVA Č. 2. (č. ev. ČSÚ: 180 2013 S) PROVÁDĚCÍ SMLOUVA Č. 2 (č. ev. ČSÚ: 180 2013 S) k Rámcové smlouvě na služby odborné podpory IT v rámci projektu Redesign statistického informačního systému v návaznosti na zavádění egovernmentu v ČR uzavřené

Více

Přínos k rozvoji klíčových kompetencí:

Přínos k rozvoji klíčových kompetencí: Střední škola hospodářská a lesnická, Frýdlant, Bělíkova 1387, příspěvková organizace Název modulu Informační a komunikační Kód modulu ICT-M-4/1-5 technologie Délka modulu 60 hodin Platnost 1.09.2010 Typ

Více

Minerva TPV+ TPV funkcionalita v QAD. David Pochman Senior konzultant

Minerva TPV+ TPV funkcionalita v QAD. David Pochman Senior konzultant Minerva TPV+ TPV funkcionalita v QAD David Pochman Senior konzultant 13.6.2012 Minerva TPV+ Využití moderních technologií.net Framework Plná integrace s QAD eb2.1.net UI verze 2.8.1 Snadné uživatelsky

Více

DATABÁZE A SYSTÉMY PRO UCHOVÁNÍ DAT 61 DATABÁZE - ACCESS. (příprava k vykonání testu ECDL Modul 5 Databáze a systémy pro zpracování dat)

DATABÁZE A SYSTÉMY PRO UCHOVÁNÍ DAT 61 DATABÁZE - ACCESS. (příprava k vykonání testu ECDL Modul 5 Databáze a systémy pro zpracování dat) DATABÁZE A SYSTÉMY PRO UCHOVÁNÍ DAT 61 DATABÁZE - ACCESS (příprava k vykonání testu ECDL Modul 5 Databáze a systémy pro zpracování dat) DATABÁZE A SYSTÉMY PRO UCHOVÁNÍ DAT 62 Databáze a systémy pro uchování

Více

Produktový manuál. www.seznam.cz

Produktový manuál. www.seznam.cz Produktový manuál Co je Zboží.cz? Registrace internetového obchodu Vyhledávání na Zboží.cz Služby pro internetové obchody Hodnocení obchodů Doporučení pro obchodníky Návštěvnost služby Technická specifikace

Více

14,819 (5.84 Stránky/Návštěva) Čvn 2014. Kvě 2014. Čvc 2014. Srp 2014

14,819 (5.84 Stránky/Návštěva) Čvn 2014. Kvě 2014. Čvc 2014. Srp 2014 tatistiky domény sachove-prenosy.cz (-05) - main http://stats.radym.savana-hosting.cz/sachove-prenosy.cz/-05/cz/?... Statistiky domény: sachove-prenosy.cz Poslední aktualizace: 12-02:05 Zobrazený časový

Více

Zadavatel: Česká republika Český statistický úřad Na padesátém 81/3268 100 82 Praha 10 Strašnice IČO: 00025593

Zadavatel: Česká republika Český statistický úřad Na padesátém 81/3268 100 82 Praha 10 Strašnice IČO: 00025593 Zadavatel: Česká republika Český statistický úřad Na padesátém 81/3268 100 82 Praha 10 Strašnice IČO: 00025593 Veřejná zakázka: VZ004 ICT Dodávka a obnova ICT v rámci projektu Redesign statistického informačního

Více

Zadání zápočtové práce

Zadání zápočtové práce 1. Zadání Vypracujte případovou studii s pomocí finanční a technologické analýzy na téma Návrh HW a SW vybavení PC v budoucím profesním zaměření, včetně síťového prostředí, ve variantě: maximální (m).

Více

DIGITÁLNÍ UNIVERZITNÍ REPOZITÁŘ. Andrea Fojtů Ústav výpočetní techniky UK v Praze

DIGITÁLNÍ UNIVERZITNÍ REPOZITÁŘ. Andrea Fojtů Ústav výpočetní techniky UK v Praze DIGITÁLNÍ UNIVERZITNÍ REPOZITÁŘ Andrea Fojtů Ústav výpočetní techniky UK v Praze Digitální repozitář funguje na UK od roku 2006 komerční systém DigiTool od firmy Ex Libris systém budován na standardech

Více

KLIENTSKÝ PORTÁL PŘÍRUČKA PRO UŽIVATELE

KLIENTSKÝ PORTÁL PŘÍRUČKA PRO UŽIVATELE KLIENTSKÝ PORTÁL PŘÍRUČKA PRO UŽIVATELE BŘEZEN 2015 Obsah 1. Úvod... 3 1.1. Dostupnost a historie dat... 3 2. Než začneme... 4 2.1. Registrace... 4 2.2. Přihlášení... 6 3. Domovská stránka... 7 4. Orientace

Více

WWW dotazovací služby pro prostorová data URM. Jiří Čtyroký Útvar rozvoje hl. m. Prahy

WWW dotazovací služby pro prostorová data URM. Jiří Čtyroký Útvar rozvoje hl. m. Prahy WWW dotazovací služby pro prostorová data URM Jiří Čtyroký Útvar rozvoje hl. m. Prahy Zpřístupnění geodat hl. m. Prahy 1. Mapové aplikace Zpřístupnění geodat hl. m. Prahy 1. Mapové aplikace 2. Geoportál

Více

Projekt informačního systému pro Eklektik PRO S EK. Řešitel: Karolína Kučerová

Projekt informačního systému pro Eklektik PRO S EK. Řešitel: Karolína Kučerová Projekt informačního systému pro Eklektik PRO S EK Řešitel: ÚVODNÍ ZPRÁVA ZADÁNÍ PROJEKTU Zefektivnění komunikace ve firmě Eklektik, a to především v oblasti informací o klientech a o tištěných materiálech

Více

Max Homebanking PS uživatelský manuál rozhraní pro automatické stahování dat

Max Homebanking PS uživatelský manuál rozhraní pro automatické stahování dat Max Homebanking PS uživatelský manuál rozhraní pro automatické stahování dat Obsah 1 Úvod... 2 2 Nastavení přístupů k rozhraní... 2 2.1 Popis obrazovky... 2 2.1.1 Nastavení datových extraktů z banky...

Více

Instalace. Produkt je odzkoušen pro MS SQL server 2008 a Windows XP a Windows 7. Pro jiné verze SQL server a Windows nebyl testován.

Instalace. Produkt je odzkoušen pro MS SQL server 2008 a Windows XP a Windows 7. Pro jiné verze SQL server a Windows nebyl testován. Instalace Produkt se neinstaluje. Stačí soubor uložit na libovolné místo na Vašem počítací (klikněte pravým tlačítkem a dejte 'uložit cíl jako ), pak jen spustit. Požadavky na software Produkt je odzkoušen

Více

Business Intelligence nástroje a plánování

Business Intelligence nástroje a plánování Business Intelligence nástroje a plánování pro snadné reportování a vizualizaci Petr Mlejnský Business Intelligence pro reporting, analýzy a vizualizaci Business Intelligence eporting Dashboardy a vizualizace

Více

Business Intelligence

Business Intelligence Business Intelligence Josef Mlnařík ISSS Hradec Králové 7.4.2008 Obsah Co je Oracle Business Intelligence? Definice, Od dat k informacím, Nástroj pro operativní řízení, Integrace informací, Jednotná platforma

Více

OPAC statistiky... (Find-a) Multi field 160 (Find-d) Advanced 108 (Find-c) CCL 39 (Find-b) Basic search 17. Scan 5

OPAC statistiky... (Find-a) Multi field 160 (Find-d) Advanced 108 (Find-c) CCL 39 (Find-b) Basic search 17. Scan 5 OPAC statistiky... Báza = cks02 Rok = 2009 Mesiac = 03 Statistika 01 - Hledání (Find-a) Multi field 160 (Find-d) Advanced 108 (Find-c) CCL 39 (Find-b) Basic search 17 Statistika 02 - Prohlížení indexu

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

Vstupní požadavky, doporučení a metodické pokyny

Vstupní požadavky, doporučení a metodické pokyny Název modulu: Základy PHP Označení: C9 Stručná charakteristika modulu Modul je orientován na tvorbu dynamických stánek aktualizovaných podle kontextu volání. Jazyk PHP umožňuje velmi jednoduchým způsobem

Více

Vývoj moderních technologií při vyhledávání. Patrik Plachý SEFIRA spol. s.r.o. plachy@sefira.cz

Vývoj moderních technologií při vyhledávání. Patrik Plachý SEFIRA spol. s.r.o. plachy@sefira.cz Vývoj moderních technologií při vyhledávání Patrik Plachý SEFIRA spol. s.r.o. plachy@sefira.cz INFORUM 2007: 13. konference o profesionálních informačních zdrojích Praha, 22. - 24.5. 2007 Abstrakt Vzhledem

Více

Obsah. Začínáme. 1 Úvod do Adobe Acrobatu. 2 Zkoumáme pracovní plochu

Obsah. Začínáme. 1 Úvod do Adobe Acrobatu. 2 Zkoumáme pracovní plochu Obsah Začínáme 1 Úvod do Adobe Acrobatu 2 Zkoumáme pracovní plochu O knize Oficiální výukový kurz.....................14 Acrobat Professional a Acrobat Standard...........14 Předpoklady.....................................15

Více

Inovace výuky prostřednictvím ICT v SPŠ Zlín, CZ.1.07/1.5.00/34.0333 Vzdělávání v informačních a komunikačních technologií

Inovace výuky prostřednictvím ICT v SPŠ Zlín, CZ.1.07/1.5.00/34.0333 Vzdělávání v informačních a komunikačních technologií VY_32_INOVACE_33_05 Škola Střední průmyslová škola Zlín Název projektu, reg. č. Inovace výuky prostřednictvím ICT v SPŠ Zlín, CZ.1.07/1.5.00/34.0333 Vzdělávací oblast Vzdělávání v informačních a komunikačních

Více

vážení za jízdy a automatické pokutování

vážení za jízdy a automatické pokutování vážení za jízdy a automatické pokutování CrossWIM DYNAMICKÉ VÁŽENÍ VOZIDEL SE SYSTÉMEM AUTOMATICKÉHO POKUTOVÁNÍ CERTIFIKOVÁN JAKO STANOVENÉ MĚŘIDLO Vážení vozidel za jízdy a automatické pokutování CrossWIM

Více

První kroky v tvorbě databáze v Access 2007

První kroky v tvorbě databáze v Access 2007 První kroky v tvorbě databáze v Access 2007 Daný dokument nabízí plán prezentování úvodní informace k aplikaci Access 2007. Příprava k tvorbě databáze Pro lepší orientace v následující práci představme

Více

Přínos k rozvoji klíčových kompetencí:

Přínos k rozvoji klíčových kompetencí: Střední škola hospodářská a lesnická, Frýdlant, Bělíkova 1387, příspěvková organizace Název modulu Informační a komunikační Kód modulu ICT-H-3/1-5 technologie Délka modulu 45 hodin Platnost 1.09.2010 Typ

Více

Volitelné předměty Informační a komunikační technologie

Volitelné předměty Informační a komunikační technologie Vzdělávací oblast : Vyučovací předmět: Volitelné předměty Informační a komunikační technologie Informatika Charakteristika předmětu Vzdělávací obsah: Základem vzdělávacího obsahu předmětu Informatika je

Více

Ado d b o e b e A cr c ob o a b t Představení programu

Ado d b o e b e A cr c ob o a b t Představení programu Adobe Acrobat Představení programu Možnosti Vytváření PDF dokumentů Spojování dokumentů z několika aplikací do PDF Spolupráce na dokumentech Zabezpečení a kontrola nad dokumenty Práce s formuláři Recenze

Více

BLINDSHELL ROZHRANÍ PRO OVLÁDÁNÍ DOTYKOVÝCH TELEFONŮ S ANDROIDEM PRO ZRAKOVĚ POSTIŽENÉ UŽIVATELE

BLINDSHELL ROZHRANÍ PRO OVLÁDÁNÍ DOTYKOVÝCH TELEFONŮ S ANDROIDEM PRO ZRAKOVĚ POSTIŽENÉ UŽIVATELE BLINDSHELL ROZHRANÍ PRO OVLÁDÁNÍ DOTYKOVÝCH TELEFONŮ S ANDROIDEM PRO ZRAKOVĚ POSTIŽENÉ UŽIVATELE Petr SVOBODNÍK, Daniel NOVÁK, Michal CERMAN Katedra kybernetiky, Karlovo náměstí 13, 121 35 Praha 2, svobop24@fel.cvut.cz,

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

DATABÁZE MS ACCESS 2010

DATABÁZE MS ACCESS 2010 DATABÁZE MS ACCESS 2010 KAPITOLA 5 PRAKTICKÁ ČÁST TABULKY POPIS PROSTŘEDÍ Spuštění MS Access nadefinovat název databáze a cestu k uložení databáze POPIS PROSTŘEDÍ Nahoře záložky: Soubor (k uložení souboru,

Více

URL veřejné zakázky v elektronickém nástroji zadavatele Plzeňského kraje v E-ZAK: Dodatečné informace č. 4

URL veřejné zakázky v elektronickém nástroji zadavatele Plzeňského kraje v E-ZAK: Dodatečné informace č. 4 Nadlimitní veřejná zakázka zadávaná v otevřeném zadávacím řízení s názvem Systém sběru informací o průjezdu a měření rychlosti vozidel na území Plzeňského kraje URL veřejné zakázky v elektronickém nástroji

Více

Relační databáze. V dnešní době existuje řada komerčních DBMS, nejznámější jsou:

Relační databáze. V dnešní době existuje řada komerčních DBMS, nejznámější jsou: Relační databáze Pojem databáze, druhy databází Databází se myslí uložiště dat. V době začátků využívání databází byly tyto členěny hlavně hierarchicky, případně síťově (rozšíření hierarchického modelu).

Více

Střední odborná škola stavební Karlovy Vary Sabinovo náměstí 16, 360 09 Karlovy Vary Autor: Ing. Hana Šmídová Název materiálu:

Střední odborná škola stavební Karlovy Vary Sabinovo náměstí 16, 360 09 Karlovy Vary Autor: Ing. Hana Šmídová Název materiálu: Název školy: Střední odborná škola stavební Karlovy Vary Sabinovo náměstí 16, 360 09 Karlovy Vary Autor: Ing. Hana Šmídová Název materiálu: VY_32_INOVACE_01_ACCESS_P2 Číslo projektu: CZ 1.07/1.5.00/34.1077

Více

Aplikace pro srovna ní cen povinne ho ruc ení

Aplikace pro srovna ní cen povinne ho ruc ení Aplikace pro srovna ní cen povinne ho ruc ení Ukázkový přiklad mikroaplikace systému Formcrates 2010 Naucrates s.r.o. Veškerá práva vyhrazena. Vyskočilova 741/3, 140 00 Praha 4 Czech Republic tel.: +420

Více

Operační program Lidské zdroje a zaměstnanost

Operační program Lidské zdroje a zaměstnanost Operační program Lidské zdroje a zaměstnanost EDUCA III Další profesní vzdělávání zaměstnanců společnosti T-MAPY spol. s r.o. 2013-2015 září 2013 - únor 2015 Charakteristika projektu Projekt je zaměřen

Více

Aukční prokliky. Doplňková služba na Zboží.cz, kterou lze zvýšit pozici eshopu v detailu produktu nebo ve fulltextovém výsledku hledání na Zboží.

Aukční prokliky. Doplňková služba na Zboží.cz, kterou lze zvýšit pozici eshopu v detailu produktu nebo ve fulltextovém výsledku hledání na Zboží. Aukční prokliky Doplňková služba na Zboží.cz, kterou lze zvýšit pozici eshopu v detailu produktu nebo ve fulltextovém výsledku hledání na Zboží.cz Revize 2014_12_09 Obecné informace Aukční prokliky umožnují

Více

Znalostní báze pro obor organizace informací a znalostí

Znalostní báze pro obor organizace informací a znalostí Znalostní báze pro obor organizace informací a znalostí Představení projektu Programu aplikovaného výzkumu a vývoje národní a kulturní identity (NAKI) DF13P01OVV013 2013 2015 Helena Kučerová ÚISK FF UK

Více

Informační systém pro Ocenění odškodňování újem na zdraví ztížení společenského uplatnění (ZSU)

Informační systém pro Ocenění odškodňování újem na zdraví ztížení společenského uplatnění (ZSU) Informační systém pro Ocenění odškodňování újem na zdraví ztížení společenského uplatnění (ZSU) Společnost medicínského práva o.s. připravila ve spolupráci s Nejvyšším soudem České republiky metodiku a

Více

Inovace výuky prostřednictvím ICT v SPŠ Zlín, CZ.1.07/1.5.00/34.0333 Vzdělávání v informačních a komunikačních technologií

Inovace 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

Více

VLASTNOSTI A FUNKCE JOB ABACUS PRO 3.XX

VLASTNOSTI A FUNKCE JOB ABACUS PRO 3.XX VLASTNOSTI A FUNKCE DOCHÁZKOVÉHO PROGRAMU JOB ABACUS PRO 3.XX ZÁKLADNÍ VLASTNOSTI job abacus pro 3.XX Docházkový software JOB ABACUS PRO zpracovává v prostředí Windows data z docházkových a přístupových

Více

INFORMAČNÍ TECHNOLOGIE. Charakteristika vyučovacího předmětu 2.stupeň

INFORMAČNÍ TECHNOLOGIE. Charakteristika vyučovacího předmětu 2.stupeň INFORMAČNÍ TECHNOLOGIE Charakteristika vyučovacího předmětu 2.stupeň Obsahové, časové a organizační vymezení realizován v 6. ročníku (1 vyučovací hodina týdně), dále v rámci pracovních činností Žáci jsou

Více

ABBYY Automatizované zpracování dokumentů

ABBYY Automatizované zpracování dokumentů ABBYY Automatizované zpracování dokumentů tradiční řešení OCR versus Cloud Jiří Dvořák ECM konzultant Světový leader v produktech pro zpracování dokumentů Individulání uživatelé Malé a střední společnosti

Více

Vyšší odborná škola a Střední škola,varnsdorf, příspěvková organizace. Šablona 4 VY 32 INOVACE 0101 0304

Vyšší odborná škola a Střední škola,varnsdorf, příspěvková organizace. Šablona 4 VY 32 INOVACE 0101 0304 Vyšší odborná škola a Střední škola,varnsdorf, příspěvková organizace Šablona 4 VY 32 INOVACE 0101 0304 VÝUKOVÝ MATERIÁL Identifikační údaje školy Číslo projektu Název projektu Číslo a název šablony Autor

Více

Registrační číslo projektu: CZ.1.07/1.5.00/34.0553 Elektronická podpora zkvalitnění výuky CZ.1.07 Vzděláním pro konkurenceschopnost

Registrační číslo projektu: CZ.1.07/1.5.00/34.0553 Elektronická podpora zkvalitnění výuky CZ.1.07 Vzděláním pro konkurenceschopnost Registrační číslo projektu: CZ.1.07/1.5.00/34.0553 CZ.1.07 Vzděláním pro konkurenceschopnost Projekt je realizován v rámci Operačního programu Vzdělávání pro konkurence schopnost, který je spolufinancován

Více

Profilová část maturitní zkoušky 2013/2014

Profilová část maturitní zkoušky 2013/2014 Střední průmyslová škola, Přerov, Havlíčkova 2 751 52 Přerov Profilová část maturitní zkoušky 2013/2014 TEMATICKÉ OKRUHY A HODNOTÍCÍ KRITÉRIA Studijní obor: 78-42-M/01 Technické lyceum Předmět: TECHNIKA

Více

E-learningovýsystém Moodle

E-learningovýsystém Moodle E-learningovýsystém Moodle Jan Povolný Název projektu: Věda pro život, život pro vědu Registrační číslo: CZ.1.07/2.3.00/45.0029 Co je to Moodle? - systém pro tvorbu a správu elektronických výukových kurzů

Více

Vyhodnocení odpovědí:

Vyhodnocení odpovědí: Příloha č. 3 Výsledky dotazníkového šetření mezi dodavateli registrovanými na e-tržištích NIPEZ Pro účast v dotazníkovém šetření byli vybráni dodavatelé z datasetu VZ za první rok provozu e-tržišť, tj.

Více

Problémové domény a jejich charakteristiky

Problémové domény a jejich charakteristiky Milan Mišovič (ČVUT FIT) Pokročilé informační systémy MI-PIS, 2011, Přednáška 02 1/16 Problémové domény a jejich charakteristiky Prof. RNDr. Milan Mišovič, CSc. Katedra softwarového inženýrství Fakulta

Více

Stručný průvodce aplikací Sběr dat pro RIV

Stručný průvodce aplikací Sběr dat pro RIV Stručný průvodce aplikací Sběr dat pro RIV (verze 1.0) Rada pro výzkum a vývoj Úřad vlády ČR Určeno necertifikovanému dodavateli dat RVV 2003 1. Vstup do aplikace Informace pro uživatele, uživatelské příručky

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

A. Charakteristika vyučovacího předmětu

A. Charakteristika vyučovacího předmětu Vyučovací předmět:: INFORMATIKA A. Charakteristika vyučovacího předmětu a) Obsahové, časové a organizační vymezení předmětu U vyučovacího předmětu informatika je časové vymezení dáno učebním plánem. V

Více

AristoTelos Systém pro optimalizaci a řízení lidských zdrojů

AristoTelos Systém pro optimalizaci a řízení lidských zdrojů AristoTelos Systém pro optimalizaci a řízení lidských zdrojů AristoTelos The Workforce Management System Workforce management systém AristoTelos AristoTelos je softwarové řešení pro optimalizaci a řízení

Více

Vybraná zajímavá Lotus Notes řešení použitelná i ve vašich aplikacích. David Marko TCL DigiTrade - 29.5.2014

Vybraná zajímavá Lotus Notes řešení použitelná i ve vašich aplikacích. David Marko TCL DigiTrade - 29.5.2014 Vybraná zajímavá Lotus Notes řešení použitelná i ve vašich aplikacích David Marko TCL DigiTrade - 29.5.2014 Xpages a napojení na SQL data Přístup na SQL tabulky a nebo uložené procedury (stored procedures

Více

Vyhledávání v citační databázi Web of Science (WOS)

Vyhledávání v citační databázi Web of Science (WOS) Vyhledávání v citační databázi Web of Science (WOS) Petr Boldiš Stanislava Kohoutová Česká zemědělská univerzita v Praze Studijní a informační centrum 2004 Tento materiál byl vytvořen v rámci grantu FRVŠ

Více

Software MaSc: Současnost Budoucnost

Software MaSc: Současnost Budoucnost Software MaSc: Současnost Budoucnost Poznámky k vývoji softwarového nástroje AUTOŘI: Ivo Šnábl Daniel Klimeš Adam Svobodník Jiří Švihálek I. HISTORIE A VÝVOJ Úvodem začátek projektu MaSc: září 2002 k dnešnímu

Více

Advanced Rapid Library zclient 2011. Oldřich Nejezchleba

Advanced Rapid Library zclient 2011. Oldřich Nejezchleba Advanced Rapid Library zclient 2011 Oldřich Nejezchleba Obsah Realizace úloh vybraných z návrhů na vývoj Další vývoj zclienta ExtJS aplikace Vybrané návrhy na vývoj ACQ: přidání nového statusu FAKT, přesun

Více