Uživatelské preference v prostředí webových obchodů. Ladislav Peška, MFF UK
|
|
- Matyáš Jaromír Bartoš
- před 8 lety
- Počet zobrazení:
Transkript
1 Uživatelské preference v prostředí webových obchodů Ladislav Peška, MFF UK
2 Disclaimer
3 Obsah Uživatelské preference Získávání UP Využití UP Doporučování na webových obchodech Proč doporučovat? Jak doporučovat? UPComp PHP doporučovací komponenta Další směry vývoje UP
4 Uživatel, preference a webový obchod Uživatel má na webovém obchodě nějaký cíl Nákup, porovnání cen, získání informací... Cíl typicky souvisí s produkty v e-shopu Uživatel je obvykle schopný nějak vyjádřit, nakolik produkt splňuje jeho cíl = uživatelská preference Zásadní otázky jsou Jak zjistit cíl uživatele? Jak může/umí uživatel vyjádřit svou preferenci? Co s tím má/může/chce dělat provozovatel e- shopu?
5 Uživatel, preference a webový obchod Cíl uživatele Obtížně zjistitelný Nákup produktu Vyjádření preferencí Pomocí zpětné vazby vyhledávání, známkování, mimovolně Co s tím má provozovatel dělat? Usnadnit uživateli splnění jeho cílů, pokud přinášejí provozovateli zisk Jak?
6 Dělení uživatelské zpětné vazby Podle způsobu získání uživatelské zpětné vazby Implicitní (clickstream...) Explicitní (user rating) Přímé (vyhledávání) Podle způsobu vyjádření Preference na celém produktu Preference na atributech Preferenční relace (A je lepší než B) Otázky: Jak správně interpretovat zpětnou vazbu? Jak ze zpětných vazeb spočítat preferenci? Jak navrhnout API pro poskytování zpětné vazby?
7 Jak ze zpětných vazeb spočítat preferenci? Modely uživatelské preference ILP Inductive Logic Programming GoodMPix(camera) <- MPix(camera)>5; GoodWeight(camera) <- Weight(camera)<700 & Weight(camera)>300; Collaborative filtering User A likes item X and is similar to user B... Rozhodovací stromy Preferenční relace A better than B... Hodnocení objektu Průměrné hodnocení, poměr počet objednávek ku zobrazení... Model desetiboje Problém může být build model Alan Eckhardt: Inductive Models of User Preferences for Semantic Web Seminář Uživatelské preference NDBI021
8 Využití uživatelské zpětné vazby Informace o zákaznících Různé varianty off-line zpracování, analýz... Doporučovací systémy
9 Doporučovací systémy Předpoklad: uživatel něco hledá pokud zjistím co, můžu mu pomoct to najít Většina webových obchodů uživateli s hledáním příliš nepomáhá (procházení dle kategorií + vyhledávání dle parametrů / klíčového slova)
10 Vstup: Uživatelské Zpětné vazby Výstup: Tvorba doporučení Doporučovací systém
11 Využití doporučovacích systémů Z pohledu uživatele: usnadní a urychlí plnění mých cílů Z pohledu provozovatele webu: spokojený uživatel = rychle najde co hledá = dobrý zákazník vyšší zisky Z globálního pohledu: úspora času snížení nákladů menší plýtvání zdroji :o))
12 Doporučovací systémy Jak implementovat doporučovací systém? Tvorba vlastního systému časově, znalostně a finančně náročné Doporučovací framework metody pro doporučování hotové, nutno dodělat napojení na vstupy a výstupy, získávání dat... Google Prediction API PrefShop DP Bronislav Václav
13 UPComp motivace Co takhle umožnit provozovatelům různých webových obchodů jednoduše implementovat doporučování na základě uživatelských preferencí?
14 UPComp požadavky Komponenta bude působit jako middle man mezi databází a webem Použitelná na co nejvíc různých webech / doménách (ne jen klasické webové obchody jen pro elektroniku) Jednoduché rozhraní Umožnit uživateli použít i to co už umí (SQL) Odpověď v reálném čase (query response) Snadno rozšiřitelná o další modely/výpočty UP Řešit jen to co provozovatel neumí (query response) prezentace dat a návrh query je na provozovateli
15 UPComp - architektura API pro dolování user feedback Dotazování komponenty top-k objektů
16 UPComp - metody Typy metod Object rating, Object similarity, Collaborative Metody Random Náhodný výběr objektů Standard Výběr objektů na základě implicitních/explicitních uživatelských dat (a jejich podobnosti/skóre... dle zvolené metody) PearsonCorrelation (podobnost objektů na základě korelace expl/impl. dat) WRMSE (podobnost objektů na základě RMSE expl/impl. dat) Aggregated Výběr objektů na základě globálních preferencí (nezajímá mě který uživatel objekt zobrazil, pouze kolik jich bylo) pouze ObjectRating Attributes Podobnost objektů na základě podobnosti jejich atributů Možno kombinovat jednotlivé metody v rámci dotazu do UPComp
17 Dotaz komponenty SQL Atributy Přeložené do SQL přímo UserExpression specifikace metod typu UserSimilarity Název metody Počet uživatelů (top-k) Parametry metody ObjectExpression specifikace ostatních metod Parametry obdobné jako u UserExpression
18 Příklad dotazu $query = "select `id_object`, name, price from objects where 1 limit 5"; $attributes = array( //IntegerAttribute(name, valuefrom, valueto, tolerance, importance); AttributeFactory::IntegerAttribute("`property1`", 1, 4, 3, 5), ); $userexprs= " //UserExpression(MethodType, importance, MethodName, MethodParameters); new UserExpression("UserSimilarity", "1", "PearsonCorrelation", array("noofobjects"=>5,...))),... "; $objectexprs= array( //ObjectExpression(MethodType, importance, MethodName, MethodParameters); new ObjectExpression("ObjectRating", "5", "Aggregated", array("noofobjects"=>5, "aggregatedeventslist"=>array("opened_vs_shown_fraction",...))),... ); $qs = new ComplexQueryHandler($query, $attributes,$userexprs, $objectexprs); $qs->sendquery();
19 Testování UPComp 2 reálně používané weby: (cca uživatelů denně) (cca uživatelů denně) Prosinec Leden 2011
20 Testování zpětná vazba - zobrazení objektu - pohyb na stránce (onmouseover), agregované - objednávka objektu - počet zobrazení v doporučovacím okně (agregované pro objekt) - počet otevření z dop. okna (agregované pro objekt) - u antikvariátu rating objektu (explicitní feedback) - neosvědčil se (absence motivace)
21 Testování UPComp Jak testovat přínos doporučování? Porovnání s explicitní zpětnou vazbou je problematické U webových obchodů zobrazení / objednávka produktu # otevřených / # zobrazených objektů v nabízeném seznamu # objednávek zobrazených objektů / # zobrazených objektů # objednávek otevřených objektů / # zobrazených objektů Další možné třeba počet zobrazených objektů, které byly objednány
22 Výsledky testování Viz tabulka Slibné výsledky (statisticky významně lepší než Dummy) Nicméně absolutní čísla nic moc Některé metody počítaly poměrně dost dlouho (to mohlo ovlivnit testování) Je otázka, jak se budou chovat na větším množství dat (případně jak se s ním vypořádat) Předzpracování, omezení na náhodnou podmnožinu...
23 UPComp - poučení - nastavení testování - porovnávání metod simultálně - tvorba výstupu pro porovnání jinými doporučovači - zabývat se změnami preferencí v čase - jak stará data jsou stará? - kdy se mění uživatelova preference?
24 Trendy vývoje Preferenční dotazování Úprava DBMS Kiessling, Chomicki Algoritmy pro výpočet Top-K Fagin, Ilyas Metody pro výpočet uživatelské preference NetFlix prize
25 Další problémy (neméně zajímavé) Interpretace uživatelské zpětné vazby Především implicitní zpětná vazba (co znamená otevření detailu objektu) Využití přímých preferencí pro doporučování Změny uživatele a uživatelské preference v čase Jak reagovat na události (doporučovat po nákupu další Notebook?...) Real-time doporučování (jak reagovat na průběžný přísun zpětných vazeb?) Rychlost x přesnost
26 Dotazy?
Moderní systémy pro získávání znalostí z informací a dat
Moderní systémy pro získávání znalostí z informací a dat Jan Žižka IBA Institut biostatistiky a analýz PřF & LF, Masarykova universita Kamenice 126/3, 625 00 Brno Email: zizka@iba.muni.cz Bioinformatika:
VíceVývoj informačních systémů. Přehled témat a úkolů
Vývoj informačních systémů Přehled témat a úkolů Organizace výuky doc. Mgr. Miloš Kudělka, Ph.D. EA 439, +420 597 325 877 homel.vsb.cz/~kud007 milos.kudelka@vsb.cz Přednáška Teorie Praxe Cvičení Diskuze
VíceVývoj informačních systémů. Přehled témat a úkolů
Vývoj informačních systémů Přehled témat a úkolů Organizace výuky doc. Mgr. Miloš Kudělka, Ph.D. EA 439, +420 597 325 877 homel.vsb.cz/~kud007 milos.kudelka@vsb.cz Přednáška Znalosti Schopnosti Cvičení
VíceDatabázové systémy úvod
Databázové systémy úvod Michal Valenta Katedra softwarového inženýrství Fakulta informačních technologií České vysoké učení technické v Praze c Michal Valenta, 2016 BI-DBS, LS 2015/16 https://edux.fit.cvut.cz/courses/bi-dbs/
VíceOperátory ROLLUP a CUBE
Operátory ROLLUP a CUBE Dotazovací jazyky, 2009 Marek Polák Martin Chytil Osnova přednášky o Analýza dat o Agregační funkce o GROUP BY a jeho problémy o Speciální hodnotový typ ALL o Operátor CUBE o Operátor
Více3. přednáška z předmětu GIS1 atributové a prostorové dotazy
3. přednáška z předmětu GIS1 atributové a prostorové dotazy Vyučující: Ing. Jan Pacina, Ph.D. e-mail: jan.pacina@ujep.cz Pro přednášku byly použity texty a obrázky z www.gis.zcu.cz Předmět KMA/UGI, autor
VícePříloha č. 1 Verze IS esyco business
Příloha č. 1 Verze IS esyco business 1.10.1.1. Nasazení nové verze IS esyco business 1.10.1.1. proběhne u zákazníků postupně od 23. 4. 2018. V rámci nasazování verze budete kontaktováni konzultantem společnosti
VíceDatabázové a informační systémy
Databázové a informační systémy doc. Ing. Miroslav Beneš, Ph.D. katedra informatiky FEI VŠB-TUO A-1007 / 597 324 213 http://www.cs.vsb.cz/benes Miroslav.Benes@vsb.cz Obsah Jak ukládat a efektivně zpracovávat
VíceAutomatická detekce anomálií při geofyzikálním průzkumu. Lenka Kosková Třísková NTI TUL Doktorandský seminář, 8. 6. 2011
Automatická detekce anomálií při geofyzikálním průzkumu Lenka Kosková Třísková NTI TUL Doktorandský seminář, 8. 6. 2011 Cíle doktorandské práce Seminář 10. 11. 2010 Najít, implementovat, ověřit a do praxe
VíceModely a sémantika. Petr Šaloun VŠB-Technická univerzita Ostrava FEI, katedra informatiky
Modely a sémantika Petr Šaloun VŠB-Technická univerzita Ostrava FEI, katedra informatiky Úvod Existující problémy Prudký nárůst množství informací na webu Kognitivní přetížení Ztráta v informačním prostoru
VíceUživatelské preference v prostředí prodejních webů DIPLOMOVÁ PRÁCE. Ladislav Peška. Univerzita Karlova v Praze Matematicko-fyzikální fakulta
Univerzita Karlova v Praze Matematicko-fyzikální fakulta DIPLOMOVÁ PRÁCE Ladislav Peška Uživatelské preference v prostředí prodejních webů Katedra softwarového inženýrství Vedoucí diplomové práce: prof.
VíceMichal Krátký, Miroslav Beneš
Databázové a informační systémy Michal Krátký, Miroslav Beneš Katedra informatiky VŠB Technická univerzita Ostrava 5.12.2005 2005 Michal Krátký, Miroslav Beneš Databázové a informační systémy 1/24 Obsah
VíceDobývání znalostí z webu web mining
Dobývání znalostí z webu web mining Web Mining is is the application of data mining techniques to discover patterns from the Web (Wikipedia) Tři oblasti: Web content mining (web jako kolekce dokumentů)
VíceSemestrální práce: Mashup. Observatory Star Explorer
Semestrální práce: Mashup Observatory Star Explorer Datum: 27. 5. 2011 Zpracoval: Bc. Tomáš Bauer Předmět: 4IZ440 - Reprezentace a zpracování znalostí na WWW Obsah Zadání... 3 Úvod... 3 Implementační prostředí...
VíceSRSW4IT Inventarizační SW. Prezentace aplikace. Vedoucí DP: ing. Lukáš Macura Autor: Bc. Petr Mrůzek
Prezentace aplikace Vedoucí DP: ing. Lukáš Macura Autor: Bc. Petr Mrůzek Osnova Úvod Programovací jazyk - PHP Etapy vývoje Funkce aplikace Co SW umí Na čem se pracuje Vize do budoucna Úvod Úvod Inspirováno
VíceMATURITNÍ OTÁZKY ELEKTROTECHNIKA - POČÍTAČOVÉ SYSTÉMY 2003/2004 PROGRAMOVÉ VYBAVENÍ POČÍTAČŮ
MATURITNÍ OTÁZKY ELEKTROTECHNIKA - POČÍTAČOVÉ SYSTÉMY 2003/2004 PROGRAMOVÉ VYBAVENÍ POČÍTAČŮ 1) PROGRAM, ZDROJOVÝ KÓD, PŘEKLAD PROGRAMU 3 2) HISTORIE TVORBY PROGRAMŮ 3 3) SYNTAXE A SÉMANTIKA 3 4) SPECIFIKACE
VícePlatforma Java. Petr Krajča. Katedra informatiky Univerzita Palackého v Olomouci. Petr Krajča (UP) KMI/PJA: Seminář V. 27. říjen, / 15
Platforma Java Objektově relační mapování II Petr Krajča Katedra informatiky Univerzita Palackého v Olomouci Petr Krajča (UP) KMI/PJA: Seminář V. 27. říjen, 2016 1 / 15 Dotazování vyhledání objektu podle
VíceSoftwarový projekt - Smrad
Softwarový projekt - Smrad (Smartform Administration) Základní informace: Vedoucí projektu: Michal Kopecký, Ph.D. Zadavatel: Trixi Kontakty: jakub.skalicky@trixi.cz Počet řešitelů: 4 5 Úvod Projekt si
VíceInstalace. 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
VíceGEOGRAFICKÉ INFORMAČNÍ SYSTÉMY 10
UNIVERZITA TOMÁŠE BATI VE ZLÍNĚ FAKULTA APLIKOVANÉ INFORMATIKY GEOGRAFICKÉ INFORMAČNÍ SYSTÉMY 10 Lubomír Vašek Zlín 2013 Tento studijní materiál vznikl za finanční podpory Evropského sociálního fondu (ESF)
VíceSpark SQL, Spark Streaming. Jan Hučín
Spark SQL, Spark Streaming Jan Hučín 22. listopadu 2017 Osnova 1. Spark SQL 2. Další rozšíření Sparku Spark streaming GraphX Spark ML 2 Spark SQL Spark SQL a DataFrames (DataSets) Rozšíření k tradičnímu
VíceProjekt Nové SINPRO. Prezentace řídícího výboru projektu pro konferenci ekonomických radů 24.6.2014 9:30 9:50. www.czechtrade.cz
Projekt Nové SINPRO Prezentace řídícího výboru projektu pro konferenci ekonomických radů 24.6.2014 9:30 9:50 www.czechtrade.cz Úvod Prezentace projetu nové SINPRO Cíle projektu Rozdělení projektu do realizačních
VícePoužití databází na Webu
4IZ228 tvorba webových stránek a aplikací Jirka Kosek Poslední modifikace: $Date: 2010/11/18 11:33:52 $ Obsah Co nás čeká... 3 Architektura webových databázových aplikací... 4 K čemu se používají databázové
VíceSpark SQL, Spark Streaming. Jan Hučín
Spark SQL, Spark Streaming Jan Hučín 21. listopadu 2018 Osnova 1. Spark SQL 2. Další rozšíření Sparku Spark streaming GraphX Spark ML 2 Spark SQL Spark SQL a DataFrames (DataSets) Rozšíření k tradičnímu
VíceTechnické informace. PA152,Implementace databázových systémů 4 / 25. Projekty. pary/pa152/ Pavel Rychlý
Technické informace PA152 Implementace databázových systémů Pavel Rychlý pary@fi.muni.cz Laboratoř zpracování přirozeného jazyka http://www.fi.muni.cz/nlp/ http://www.fi.muni.cz/ pary/pa152/ přednáška
VíceTestování uživatelského rozhraní internetové stránky společnosti České dráhy (cd.cz) A4B39TUR A2 Kateřina Cízlová
Testování uživatelského rozhraní internetové stránky společnosti České dráhy (cd.cz) A4B39TUR A2 Kateřina Cízlová cizlokat@fel.cvut.cz Obsah 1. Popis... 1 2. Cílová skupina... 2 3. Případy užití... 2 3.1.
VíceAntiplagiátorské nástroje pro naše repozitáře
Antiplagiátorské nástroje pro naše repozitáře Jan Mach Vysoká škola ekonomická v Praze Univerzita Karlova v Praze 23. 10. 2013 Seminář ke zpřístupňování šedé literatury Co je plagiát? 1. klonování vydávání
VíceVývoj 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
VíceE-shop k FlexiBee. FlexiBee Developers Day 2013. Tomáš Hruška, Arit s.r.o. INFORMAČNÍ TECHNOLOGIE
E-shop k FlexiBee FlexiBee Developers Day 2013 Tomáš Hruška, Arit s.r.o. REST API REST API WWW rozhraní DB DB Základní funkce Úplná integrace s FlexiBee, jedna databáze Online průvodce nastavením a jeho
VíceRDF a RDF Query. Jakub Nerad 1. prosince Nerad () RDF a RDF Query 1. prosince / 16
RDF a RDF Query Jakub Nerad jakubnerad@gmail.com 1. prosince 2009 Nerad () RDF a RDF Query 1. prosince 2009 1 / 16 Součastnost Součastnost množství informací zpracování pomocí statistické analýzy problém
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
VíceZáklady databází. O autorech 17 PRVNÍ ČÁST. KAPITOLA 1 Začínáme 19
3 Obsah Novinky v tomto vydání 10 Význam základních principů 11 Výuka principů nezávisle na databázových produktech 12 Klíčové pojmy, kontrolní otázky, cvičení, případové studie a projekty 12 Software,
VíceDobrý SHOP Popis produktu a jeho rozšíření
Dobrý SHOP Popis produktu a jeho rozšíření 501M012.N01 11/11/2011 www.dlaex.cz info@dlaex.cz OBSAH 1 Úvod...3 2 Účel produktu...3 3 Vlastnosti produktu...3 3.1 Koncepce...3 3.2 Základní y...3 3.3 Doplňkové
VícePřípadová studie Produktové inzeráty
Případová studie Produktové inzeráty www.magnetickysvet.cz Internetový obchod www.magnetickysvet.cz se specializuje na on-line prodej kvalitních stavebnic pro chytré děti a jejich rodiče. Co jsou Produktové
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,
VíceDolování v objektových datech. Ivana Rudolfová
Dolování v objektových datech Ivana Rudolfová Relační databáze - nevýhody První normální forma neumožňuje vyjádřit vztahy A je podtypem B nebo vytvořit struktury typu pole nebo množiny SQL omezení omezený
VícePrezentace platebního systému PAIMA
Prezentace platebního systému PAIMA Ing. Vlastimil Beneš 19.5.2011 SmartCard Forum 2011 1 Obsah prezentace Základní vlastnosti Architektura Proč DESFire Použití SAM Závěr 19.5.2011 SmartCard Forum 2011
VíceVyhledávání podle klíčových slov v relačních databázích. Dotazovací jazyky I ZS 2010/11 Karel Poledna
Vyhledávání podle klíčových slov v relačních databázích Dotazovací jazyky I ZS 2010/11 Karel Poledna Vyhledávání podle klíčových slov Uživatel zadá jedno nebo více slov a jsou mu zobrazeny výsledky. Uživatel
VíceAnalýza a modelování dat 6. přednáška. Helena Palovská
Analýza a modelování dat 6. přednáška Helena Palovská Historie databázových modelů Jak je řešena temporalita? Temporalita v databázích Možnosti pro platnost faktu (valid time): platí nyní, je to aktuální
VíceSEARCH & BIG DATA [ & ANALYTICS] INFORUM 2015, Pavel Kocourek
SEARCH & BIG DATA [ & ANALYTICS] INFORUM 2015, Pavel Kocourek NÁSLEDUJÍCÍCH 25 MINUT Proč je letošní prezentace modro-zelená Vyhledávání a Big data Search architektura s využitím Big data Co to může přinést
VíceDatabázový systém Matylda
Databázový systém Matylda Návrh softwarového projektu Vývojový tým Předpokládaný počet řešitelů: 5 Vedoucí: Mgr. Martin Nečaský Ph.D. Motivace V současné době se mnoho nákupů odehrává v internetových obchodech.
VíceRozšíření infrastruktury projektu Pikater Specifikace softwarového projektu
Rozšíření infrastruktury projektu Pikater Specifikace softwarového projektu Datum ukončení: září 2014 Vedoucí projektu: Mgr. Martin Pilát, Ph.D. Řešitelé: Štěpán Balcar Jiří Smolík Jan Krajíček Peter Šípoš
VíceOkruhy z odborných předmětů
VYŠŠÍ ODBORNÁ ŠKOLA INFORMAČNÍCH STUDIÍ A STŘEDNÍ ŠKOLA ELEKTROTECHNIKY, MULTIMÉDIÍ A INFORMATIKY Novovysočanská 280/48, 190 00 Praha 9 Pracoviště VOŠ: Pacovská 350/4, 140 00 Praha 4 Okruhy z odborných
VíceUniverzita Palackého v Olomouci Radek Janoštík (Univerzita Palackého v Olomouci) Základy programování 4 - C# 3.4.
Základy programování 4 - C# - 8. cvičení Radek Janoštík Univerzita Palackého v Olomouci 3.4.2017 Radek Janoštík (Univerzita Palackého v Olomouci) Základy programování 4 - C# 3.4.2017 1 / 10 Reakce na úkoly
VíceJSON API pro zjišťování cen MtG karet
JSON API pro zjišťování cen MtG karet Autor: Ing. Jiří Bažant Verze: 1.0 Datum: 20.9.2014 Changelog Verze Datum Autor Poznámka 1.0 17.9.2014 Ing. Jiří Bažant 20.9.2014 Ing. Jiří Bažant Oprava příkladu
VíceArchitektura softwarových systémů
Architektura softwarových systémů Ing. Jiří Mlejnek Katedra softwarového inženýrství Fakulta informačních technologií České vysoké učení technické v Praze Jiří Mlejnek, 2011 jiri.mlejnek@fit.cvut.cz Softwarové
VíceTovek Server. Tovek Server nabízí následující základní a servisní funkce: Bezpečnost Statistiky Locale
je serverová aplikace určená pro efektivní zpracování velkého objemu sdílených nestrukturovaných dat. Umožňuje automaticky indexovat data z různých informačních zdrojů, intuitivně vyhledávat informace,
VíceMarketingová komunikace. 2. soustředění. Mgr. Pavel Vávra 9103@mail.vsfs.cz. Kombinované studium Skupina N9KMK1aPH/N9KMK1bPH (um1a1ph/um1b1ph)
Marketingová komunikace Kombinované studium Skupina N9KMK1aPH/N9KMK1bPH (um1a1ph/um1b1ph) 2. soustředění Mgr. Pavel Vávra 9103@mail.vsfs.cz http://vavra.webzdarma.cz/home/index.htm Minulé soustředění úvod
VíceÚvod do databází. Modelování v řízení. Ing. Petr Kalčev
Úvod do databází Modelování v řízení Ing. Petr Kalčev Co je databáze? Množina záznamů a souborů, které jsou organizovány za určitým účelem. Jaké má mít přínosy? Rychlost Spolehlivost Přesnost Bezpečnost
VíceData x Informace x Znalosti
Ing. Jan Král Jak to vidíme Program MS Excel je rozšířen a běžně dostupný bez dalších nákladů na převážné většině pracovišť, i pracovišť zabývajících se řízením jakosti a spolehlivosti, zpracovávajících
VíceKIV/ZIS cvičení 5. Tomáš Potužák
KIV/ZIS cvičení 5 Tomáš Potužák Úvod do SQL (1) SQL (Structured Query Language) je standardizovaný strukturovaný dotazovací jazyk pro práci s databází Veškeré operace v databázi se dají provádět pomocí
VíceOd relačních databází k technologiím sémantickému webu
www.mondis.cz Od relačních databází k technologiím sémantickému webu Petr Křemen petr.kremen@fel.cvut.cz Data v informačních systémech Data Informace Stoupající úroveň abstrakce Znalost www.mondis.cz (C)
VíceSQL - trigger, Databázové modelování
6. přednáška z předmětu Datové struktury a databáze (DSD) Ústav nových technologií a aplikované informatiky Fakulta mechatroniky, informatiky a mezioborových studií Technická univerzita v Liberci jan.lisal@tul.cz
Více1. Znalostní systémy a znalostní inženýrství - úvod. Znalostní systémy. úvodní úvahy a předpoklady. 26. září 2017
Znalostní systémy úvodní úvahy a předpoklady 26. září 2017 1-1 Znalostní systém Definice ZS (Feigenbaum): Znalostní (původně expertní) systémy jsou počítačové programy simulující rozhodovací činnost experta
VícePRODUKTY. 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.
VíceTestování cd.cz/eshop
ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE, FAKULTA ELEKTROTECHNICKÁ Testování cd.cz/eshop Semestrální práce z předmětu Testování uživatelských rozhraní (A7B39TUR) Šimon Kohout kohousim@fel.cvut.cz 2 Testování
VíceKurz je rozdělen do čtyř bloků, které je možné absolvovat i samostatně. Podmínkou pro vstup do kurzu je znalost problematiky kurzů předešlých.
Soubor kurzů XHTML, CSS, PHP a MySQL Kurz je rozdělen do čtyř bloků, které je možné absolvovat i samostatně. Podmínkou pro vstup do kurzu je znalost problematiky kurzů předešlých. Jeden blok se skládá
VíceDigitální knihovna MZK: její vývoj, mobilní aplikace a uživatelé
Digitální knihovna MZK: její vývoj, mobilní aplikace a uživatelé Knihovny současnosti 2016 7. 9. 2016 Lenka Damborská Moravská zemská knihovna v Brně Digitální knihovna MZK Současný stav Digitální knihovny
VíceJak efektivně ochránit Informix?
Jak efektivně ochránit Informix? Jan Musil jan_musil@cz.ibm.com Informix CEE Technical Sales Information Management Jsou Vaše data chráněna proti zneužití? 2 Ano, pokud... 3 Nepoužitelné Steve Mandel,
VíceDELTA - STŘEDNÍ ŠKOLA INFORMATIKY A EKONOMIE, s.r.o. Obor informační technologie AJAX ESHOP. Maturitní projekt. Třída:
DELTA - STŘEDNÍ ŠKOLA INFORMATIKY A EKONOMIE, s.r.o. Obor informační technologie AJAX ESHOP Maturitní projekt Vypracoval: Denis Ptáček Třída: 4B Rok: 2014/2015 Obsah 1. Použité nástroje... 3 1.1 NetBeans
VíceDolování dat z dotazníků. Ondřej Takács
Dolování dat z dotazníků Ondřej Takács Úvod Součást projektu, který se zabývá individualizovaným e-learningem virtuální učitel, který svůj výklad přizpůsobuje statickým či dynamicky se měnícím vlastnostem
VíceGramatická evoluce a softwarový projekt AGE
Gramatická evoluce a softwarový projekt AGE Adam Nohejl Matematicko-fyzikální fakulta Univerzita Karlova v Praze http://nohejl.name/ 4. 4. 2010 Poznámka: Prezentace založené na variantách těchto slajdů
Více7. Geografické informační systémy.
7. Geografické informační systémy. 154GEY2 Geodézie 2 7.1 Definice 7.2 Komponenty GIS 7.3 Možnosti GIS 7.4 Datové modely GIS 7.5 Přístup k prostorovým datům 7.6 Topologie 7.7 Vektorové datové modely 7.8
VíceHodnocení (ne)zajímavosti asociačních pravidel za využití báze znalostí
Hodnocení (ne)zajímavosti asociačních pravidel za využití báze znalostí Přemysl Václav Duben, Stanislav Vojíř Katedra informačního a znalostního inženýrství, FIS, Vysoká škola ekonomická v Praze nám. W.
VíceDobrý FOTO Popis produktu a jeho rozšíření
Dobrý FOTO Popis produktu a jeho rozšíření 502M012.N00 11/11/2011 www.dobry-foto.cz www.dlaex.cz info@dlaex.cz OBSAH 1 Úvod...3 2 Účel produktu...3 3 Vlastnosti produktu...3 3.1 Koncepce...3 3.2 Základní
VíceŘízení reálných projektů, agilní metodiky
Agent Technology Group Katedra kybernetiky Fakulta elektrotechnická - České vysoké učení technické Praha, 2009 Osnova Lze vyvíjet software bez metodiky? - bohužel ano menší komerční firmy (zejména vývoj
VíceInternetový obchod Mironet
České vysoké učení technické v Praze Fakulta elektrotechnická Internetový obchod Mironet Semestrální práce A2 Testování uživatelských rozhraní A4B39TUR Pavel Štíbal Stibapa1@fel.cvut.cz 2013/2014 Otevřená
VíceAplikace je program určený pro uživatele. Aplikaci je možné rozdělit na části:
Aplikace Aplikace je program určený pro uživatele. Aplikaci je možné rozdělit na části: prezentační vrstva vstup dat, zobrazení výsledků, uživatelské rozhraní, logika uživatelského rozhraní aplikační vrstva
VíceText Mining: SAS Enterprise Miner versus Teragram. Petr Berka, Tomáš Kliegr VŠE Praha
Text Mining: SAS Enterprise Miner versus Teragram Petr Berka, Tomáš Kliegr VŠE Praha Text mining vs. data mining Text mining = data mining na nestrukturovaných textových dokumentech otázka vhodné reprezentace
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
VíceAlgoritmy pro shlukování prostorových dat
Algoritmy pro shlukování prostorových dat Marta Žambochová Katedra matematiky a informatiky Fakulta sociálně ekonomická Univerzita J. E. Purkyně v Ústí nad Labem ROBUST 21. 26. leden 2018 Rybník - Hostouň
VíceIng. Jiří Fejfar, Ph.D. Geo-informační systémy
Ing. Jiří Fejfar, Ph.D. Geo-informační systémy Definice, budování a život GIS Kapitola 1: Vztahy strana 2 Data, informace, IS, GIS Kapitola 1: Vztahy strana 3 Rozhodnutí Znalosti Znalostní systémy. Informace
VícePlutino Přehledná správa a sledování zakázek
Plutino Přehledná správa a sledování zakázek Plutino : Přehledná správa a sledování zakázek Aplikace Plutino je určena malým a středním firmám, které chtějí spolehlivě, ale přitom jednoduše sledovat své
VíceMaturitní otázky z předmětu PROGRAMOVÁNÍ
Wichterlovo gymnázium, Ostrava-Poruba, příspěvková organizace Maturitní otázky z předmětu PROGRAMOVÁNÍ 1. Algoritmus a jeho vlastnosti algoritmus a jeho vlastnosti, formy zápisu algoritmu ověřování správnosti
VíceGRR. získávání znalostí v geografických datech Autoři. Knowledge Discovery Group Faculty of Informatics Masaryk Univerzity Brno, Czech Republic
GRR získávání znalostí v geografických datech Autoři Knowledge Discovery Group Faculty of Informatics Masaryk Univerzity Brno, Czech Republic GRR cílet 2 GRR - Popis systému - cíle systém pro dolování
VíceCentrální elektronické podání. portál občana
Centrální elektronické podání portál občana David Zimandl, ICZ a.s. 9.11.2010 1 další el.bod pro komunikaci s úřadem Aplikační nástavba portálových řešení umožňující komunikovat občanovi s Úřadem (ale
VíceUživatelská podpora v prostředí WWW
Uživatelská podpora v prostředí WWW Jiří Jelínek Katedra managementu informací Fakulta managementu Jindřichův Hradec Vysoká škola ekonomická Praha Úvod WWW obsáhlost obsahová i formátová pestrost dokumenty,
VíceMetadata, sémantika a sémantický web. Ing. Vilém Sklenák, CSc.
Metadata, sémantika a sémantický web Ing. Vilém Sklenák, CSc. Inforum 2004, Praha, 27. 5. 2004 2/21 There are things we know that we know. There are known unknowns that is to say, there are things that
VícePortál IT komunity v ČR Kamil Matoušek, Jiří Kubalík ČVUT Praha
Portál IT komunity v ČR Kamil Matoušek, Jiří Kubalík ČVUT Praha Projekt SoSIReČR SoSIReČR = Sociální síť informatiků v regionech České republiky Projekt je hrazen z rozpočtu Evropského sociálního fondu
VícePRODUKTY. Tovek Tools
Analyst Pack je 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
VíceSQL a XML jako alternativa ke klasickým unixovým nástrojům
SQL a XML jako alternativa ke klasickým unixovým nástrojům OpenAlt.cz 2. 11. 2014 Osnova prezentace 1 Proč máme rádi UNIX (GNU/Linux) 2 3 Proč máme rádi UNIX (GNU/Linux) program dělá jednu věc a dělá ji
VíceDolování asociačních pravidel
Dolování asociačních pravidel Miloš Trávníček UIFS FIT VUT v Brně Obsah přednášky 1. Proces získávání znalostí 2. Asociační pravidla 3. Dolování asociačních pravidel 4. Algoritmy pro dolování asociačních
VíceMáte to? Summon jako základní vyhledávací nástroj NTK
Máte to? Summon jako základní vyhledávací nástroj NTK Milan Janíček milan.janicek at techlib.cz odd. rozvoje elektronických služeb Národní technická knihovna Praha Obsah 1) Proč další systém? 2) Metavyhledávač
VíceSQL SQL-SELECT. Informační a znalostní systémy. Informační a znalostní systémy SQL- SELECT
-SELECT Informační a znalostní systémy 1 - Structured Query Language norma pro dotazování nad relačními databáze díky přenositelnosti- rozmach relačních databází zahrnuje jak dotazování na data, tak změny
VíceÚvod do databázových systémů
Vysoká škola báňská Technická univerzita Ostrava Fakulta elektrotechniky a informatiky Úvod do databázových systémů Cvičení 4 Ing. Petr Lukáš petr.lukas@vsb.cz Ostrava, 2014 Opakování Klauzule příkazu
VíceMicrosoft.NET. AppTima Feedback Solution - komplexní systém pro zjišťování a vyhodnocování spokojenosti zákazníků
Microsoft.NET AppTima Feedback Solution - komplexní systém pro zjišťování a vyhodnocování spokojenosti zákazníků Přehled Země: Velká Británie Odvětví: Informační technologie Profil zákazníka Pantek Ltd.
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
VíceMBI - technologická realizace modelu
MBI - technologická realizace modelu 22.1.2015 MBI, Management byznys informatiky Snímek 1 Agenda Technická realizace portálu MBI. Cíle a principy technického řešení. 1.Obsah portálu - objekty v hierarchiích,
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
VíceDiplomová práce Prostředí pro programování pohybu manipulátorů
Diplomová práce Prostředí pro programování pohybu manipulátorů Štěpán Ulman 1 Úvod Motivace: Potřeba plánovače prostorové trajektorie pro výukové účely - TeachRobot Vstup: Zadávání geometrických a kinematických
VíceNávrh a prototypová implementace databáze pro
Návrh a prototypová implementace databáze pro snadnější práci se strukturami nukleových kyselin Bc. Ondřej Čečák Fakulta elektrotechnická České vysoké učení technické v Praze 10. června 2011 10. června
VíceFormy komunikace s knihovnami
Formy komunikace s knihovnami Současné moderní prostředky Jiří Šilha a Jiří Tobiáš, Tritius Solutions a.s., Brno Osnova Základní požadavky na komunikaci s knihovnami Historie komunikace s knihovnami Confluence
VíceOntologie. Otakar Trunda
Ontologie Otakar Trunda Definice Mnoho různých definic: Formální specifikace sdílené konceptualizace Hierarchicky strukturovaná množina termínů popisujících určitou věcnou oblast Strukturovaná slovní zásoba
VíceStaproFONS. Petr Siblík. Objednávání pacientů
StaproFONS Petr Siblík Objednávání pacientů Agenda 1) Vysvětlení vlastností a principů 2) Spektrum uživatelů 3) Možnosti objednávání NIS versus MySOLP 4) Přínosy pro ZZ a uživatele 5) Technické požadavky
VíceÚvod do databázových systémů
Vysoká škola báňská Technická univerzita Ostrava Fakulta elektrotechniky a informatiky Úvod do databázových systémů Cvičení 3 Ing. Petr Lukáš petr.lukas@vsb.cz Ostrava, 2014 Opakování 4 fáze vytváření
VíceIS pro podporu BOZP na FIT ČVUT
IS pro podporu BOZP na FIT ČVUT Závěrečná zpráva pro 2. iteraci 21. dubna 2011 Zadavatel: Ing. Jiří Chludil Řešitelský tým: Jiří Kopecký Jan Kratochvíl Milan Matějček Štefan Pinďák Kristýna Streitová Úvod
VíceZáklady datových vazeb Silverlightu. Funkce Silverlightu 2. Podpora jazyků a technologie.net Framework
Funkce Silverlightu 2 Podpora jazyků a technologie.net Framework Model pro popis webových služeb a jejich operací Volná vázanost datových služeb Nový model ovládacích prvků LINQ to Objects a UNQ to XML
Více