In [107]: # zadatak 1 %matplotlib inline import matplotlib.pyplot as plt import numpy as np. In [108]:
|
|
|
- Tine Kolarič
- pred 3 leti
- Pregledov:
Transkripcija
1 In [107]: # zadatak 1 %matplotlib inline import matplotlib.pyplot as plt import numpy as np In [108]: # Napraviti rucno skup od 10 elemenata. # Svaki element ima dva obeležja, npr. koordinate (x1 i x2) X = np.array([[-1,-8],[-1,-3],[-2,-4],[-9,-6],[-7,-1],[2,5],[4,5],[6,1],[3,7],[7,3]]) In [109]: # Neka 5 elemenata pripada klasi 1, a drugih 5 klasi 2 # Vektor Y oznacava pripadnost klasi. Y = np.array([1,1,1,1,1,2,2,2,2,2]) In [110]: # Generisati 2D Gausovsku rapodelu. # Napraviti 3 linearno separabilna klastera, tako da svaki ima po # 400 elemenata za trening i po 100 elemenata za test. mean=(0,0) cov=([1,-0.5],[-0.5,1]) x1,y1=np.random.multivariate_normal(mean, cov, 400).T x1_test,y1_test=np.random.multivariate_normal(mean, cov, 100).T In [111]: mean=(3,3) cov=([1,-0.5],[-0.5,1]) x2,y2=np.random.multivariate_normal(mean, cov, 400).T x2_test,y2_test=np.random.multivariate_normal(mean, cov, 100).T In [112]: mean=(6,6) cov=([1,-0.5],[-0.5,1]) x3,y3=np.random.multivariate_normal(mean, cov, 400).T x3_test,y3_test=np.random.multivariate_normal(mean, cov, 100).T In [113]: plt.scatter(x1,y1) plt.scatter(x1_test,y1_test, c='g') plt.scatter(x2,y2, c='c') plt.scatter(x2_test,y2_test, c='r') plt.scatter(x3,y3, c='y') plt.scatter(x3_test,y3_test, c='m') Out[113]: <matplotlib.collections.pathcollection at 0xd110400>
2 In [114]: # Isto, samo sa 10-20% preklapanja: mean=(0,0) cov=([1,0],[0,1]) x1,y1=np.random.multivariate_normal(mean, cov, 400).T x1_test,y1_test=np.random.multivariate_normal(mean, cov, 100).T mean=(3,3) cov=([1,0],[0,1]) x2,y2=np.random.multivariate_normal(mean, cov, 400).T x2_test,y2_test=np.random.multivariate_normal(mean, cov, 100).T mean=(6,6) cov=([1,0],[0,1]) x3,y3=np.random.multivariate_normal(mean, cov, 400).T x3_test,y3_test=np.random.multivariate_normal(mean, cov, 100).T plt.scatter(x1,y1) plt.scatter(x1_test,y1_test, c='g') plt.scatter(x2,y2, c='c') plt.scatter(x2_test,y2_test, c='r') plt.scatter(x3,y3, c='y') plt.scatter(x3_test,y3_test, c='m') Out[114]: <matplotlib.collections.pathcollection at 0xd1ef1d0> In [115]:
3 # zadatak2 # Kreirati LDA klasifikatore koji ce razdvojiti tri data skupa # podataka (iz Zadatka 1.) # Proveriti uspešnost klasifikatora korišcenjem test primera In [116]: from sklearn.discriminant_analysis import LinearDiscriminantAnalysis In [117]: clf=lineardiscriminantanalysis() In [118]: X1=np.hstack([x1,x2,x3]) Y1=np.hstack([y1,y2,y3]) XX=np.vstack([X1,Y1]) XX=XX.T print(xx) [[ ] [ ] [ ]..., [ ] [ ] [ ]] In [119]: X_test=np.hstack([x1_test,x2_test,x3_test]) Y_test=np.hstack([y1_test,y2_test,y3_test]) XX_test=np.vstack([X_test,Y_test]) XX_test=XX_test.T XX_test.shape Out[119]: (300, 2) In [120]: plt.scatter(xx_test[0:100,0],xx_test[0:100,1]) plt.scatter(xx_test[100:200,0],xx_test[100:200,1], c='m') plt.scatter(xx_test[200:,0],xx_test[200:,1], c='k') Out[120]: <matplotlib.collections.pathcollection at 0xd2879e8>
![In [121]: y = np.ones(1200) In [122]: y[600:]=2 In [123]: y.shape Out[123]: (1200,) In [124]: clf.](/docs-images/110/190836388/images/4-3.jpg "fit(xx,y) Out[124]: LinearDiscriminantAnalysis(n_components=None, priors=none, shrinkage=none, solver='svd', store_covariance=false, tol=0.0001) In [125]: y_predicted = clf.")
4 In [121]: y = np.ones(1200) In [122]: y[600:]=2 In [123]: y.shape Out[123]: (1200,) In [124]: clf.fit(xx,y) Out[124]: LinearDiscriminantAnalysis(n_components=None, priors=none, shrinkage=none, solver='svd', store_covariance=false, tol=0.0001) In [125]: y_predicted = clf.predict(xx_test) In [126]: plt.stem(y_predicted) Out[126]: <Container object of 3 artists> In [127]: # Zadatak 3 from sklearn import datasets import sklearn as sk
![from sklearn.cluster import KMeans In [128]: iris = datasets.load_iris() In [129]: X = iris.data[:, :2] In [130]: Y = iris.target In [131]: ind_all = np.arange(0,150) In [132]: np.random.](/docs-images/110/190836388/images/5-1.jpg "shuffle(ind_all) ind_training = ind_all[0:120] In [133]: ind_test=ind_all[120:150] In [134]: plt.stem(ind_training,np.ones(len(ind_training))) plt.stem(ind_test,np.")
5 from sklearn.cluster import KMeans In [128]: iris = datasets.load_iris() In [129]: X = iris.data[:, :2] In [130]: Y = iris.target In [131]: ind_all = np.arange(0,150) In [132]: np.random.shuffle(ind_all) ind_training = ind_all[0:120] In [133]: ind_test=ind_all[120:150] In [134]: plt.stem(ind_training,np.ones(len(ind_training))) plt.stem(ind_test,np.ones(len(ind_test))*(-1),'r') Out[134]: <Container object of 3 artists> In [135]: # Zadatak 4 - za skupove podataka iz zadatka 1, primeniti kmeans. In [136]: from sklearn.cluster import KMeans In [137]:
6 In [137]: km=kmeans(n_clusters=2).fit(xx_test) In [138]: km.cluster_centers_ Out[138]: array([[ , ], [ , ]]) In [139]: km.labels_==1 Out[139]: array([ True, True, False, False, True, False, True, True, False, False, True, False, True, True, True, False, True, True, True, False, True, True, True, True, True, True, True, True, True, True, True, True, False, False, False, False, True, False, True, True, True, True, False, True, True, True, True, True, True, True, True, True, True, False, True, True, True, True, False, False, False, True, False, False, True, True, True, True, True, False, True, True, True, True, True, False, False, True, False, True, True, True, True, False, False, False, False, False, False, False, False, False, False], dtype=bool) In [140]: plt.scatter(xx_test[km.labels_==0,0],xx_test[km.labels_==0,1]) plt.scatter(xx_test[km.labels_==1,0],xx_test[km.labels_==1,1], c='r') plt.scatter(xx_test[km.labels_==2,0],xx_test[km.labels_==2,1], c='g') Out[140]: <matplotlib.collections.pathcollection at 0xec2ab00>
![In [141]: km=kmeans(n_clusters=3).fit(xx_test) In [142]: plt.scatter(xx_test[km.labels_==0,0],xx_test[km.labels_==0,1]) plt.scatter(xx_test[km.labels_==1,0],xx_test[km.](/docs-images/110/190836388/images/7-0.jpg "labels_==1,1], c='r') plt.scatter(xx_test[km.labels_==2,0],xx_test[km.labels_==2,1], c='g') Out[142]: <matplotlib.collections.")
![pathcollection at 0xecc2780> In [143]: km=kmeans(n_clusters=4).fit(xx_test) In [144]: plt.scatter(xx_test[km.labels_==0,0],xx_test[km.labels_==0,1]) plt.](/docs-images/110/190836388/images/7-1.jpg "scatter(xx_test[km.labels_==1,0],xx_test[km.labels_==1,1], c='r') plt.scatter(xx_test[km.labels_==2,0],xx_test[km.labels_==2,1], c='g') Out[144]: <matplotlib.")
7 In [141]: km=kmeans(n_clusters=3).fit(xx_test) In [142]: plt.scatter(xx_test[km.labels_==0,0],xx_test[km.labels_==0,1]) plt.scatter(xx_test[km.labels_==1,0],xx_test[km.labels_==1,1], c='r') plt.scatter(xx_test[km.labels_==2,0],xx_test[km.labels_==2,1], c='g') Out[142]: <matplotlib.collections.pathcollection at 0xecc2780> In [143]: km=kmeans(n_clusters=4).fit(xx_test) In [144]: plt.scatter(xx_test[km.labels_==0,0],xx_test[km.labels_==0,1]) plt.scatter(xx_test[km.labels_==1,0],xx_test[km.labels_==1,1], c='r') plt.scatter(xx_test[km.labels_==2,0],xx_test[km.labels_==2,1], c='g') Out[144]: <matplotlib.collections.pathcollection at 0xed55a20>
8 In [145]: # Algoritam knn za zadatak 1 In [146]: from sklearn.neighbors import KNeighborsClassifier In [147]: knn=kneighborsclassifier(n_neighbors=3) In [148]: knn.fit(xx,y) Out[148]: KNeighborsClassifier(algorithm='auto', leaf_size=30, metric='minkowski', metric_params=none, n_jobs=1, n_neighbors=3, p=2, weights='uniform') In [149]: knn.predict(xx_test) Out[149]: array([ 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 2., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 2., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 2., 2., 1., 1., 1., 1., 1., 2., 1., 2., 1., 1., 2., 1., 1., 1., 2., 2., 1., 1., 1., 1., 1., 2., 1., 2., 1., 1., 2., 1., 1., 2., 2., 1., 2., 2., 1., 2., 1., 2., 2., 1., 2., 1., 1., 1., 2., 2., 2., 1., 1., 1., 1., 2., 1., 1., 2., 1., 1., 2., 1., 1., 2., 2., 2., 1., 1., 2., 2., 1., 2., 1., 1., 2., 1., 1., 1., 2., 2., 2., 1., 1., 1., 1., 1., 2., 1., 1., 2., 1., 2., 1., 1., 2., 2., 2., 1., 2., 1., 2., 2., 2., 2., 2., 2., 2., 2.,
9 ]) 2., 2., 2., 2., 2., 2., 1., 2., 2., 2., 2., 2., 2., 2. In [150]: # OK In [ ]:
Strojna oprema
Asistenta: Mira Trebar, Miha Moškon UIKTNT 2 Uvod v programiranje Začeti moramo razmišljati algoritmično sestaviti recept = napisati algoritem Algoritem za uporabo poljubnega okenskega programa. UIKTNT
Vektorji - naloge za test Naloga 1 Ali so točke A(1, 2, 3), B(0, 3, 7), C(3, 5, 11) b) A(0, 3, 5), B(1, 2, 2), C(3, 0, 4) kolinearne? Naloga 2 Ali toč
Vektorji - naloge za test Naloga 1 li so točke (1, 2, 3), (0, 3, 7), C(3, 5, 11) b) (0, 3, 5), (1, 2, 2), C(3, 0, 4) kolinearne? Naloga 2 li točke a) (6, 0, 2), (2, 0, 4), C(6, 6, 1) in D(2, 6, 3), b)
Microsoft Word - UP_Lekcija04_2014.docx
4. Zanka while Zanke pri programiranju uporabljamo, kadar moramo stavek ali skupino stavkov izvršiti večkrat zaporedoma. Namesto, da iste (ali podobne) stavke pišemo n-krat, jih napišemo samo enkrat in
Matematika II (UNI) Izpit (23. avgust 2011) RE ITVE Naloga 1 (20 to k) Vektorja a = (0, 1, 1) in b = (1, 0, 1) oklepata trikotnik v prostoru. Izra una
Matematika II (UNI) Izpit (. avgust 11) RE ITVE Naloga 1 ( to k) Vektorja a = (, 1, 1) in b = (1,, 1) oklepata trikotnik v prostoru. Izra unajte: kot med vektorjema a in b, pravokotno projekcijo vektorja
Microsoft Word - SI_Common Communication_kor.doc
Splošno sporočilo o izvršitvi sodbe v zadevi IP Translator 2. maj 2013 Sodišče je 19. junija 2012 izreklo sodbo v zadevi C-307/10»IP Translator«in tako odgovorilo na predložena vprašanja: 1. Direktivo
Delavnica Načrtovanje digitalnih vezij
Laboratorij za načrtovanje integriranih vezij Univerza v Ljubljani Fakulteta za elektrotehniko Digitalni Elektronski Sistemi Osnove jezika VHDL Strukturno načrtovanje in testiranje Struktura vezja s komponentami
FGG14
Iterativne metode podprostorov Iterativne metode podprostorov uporabljamo za numerično reševanje linearnih sistemov ali računanje lastnih vrednosti problemov z velikimi razpršenimi matrikami, ki so prevelike,
Microsoft Word - SL Common Communication 2 updated v1.1.doc
Skupno sporočilo o običajni praksi pri splošnih navedbah naslovov razredov Nicejske klasifikacije (verzija 1.1) 1 20. februar 2014 Sodišče je 19. junija 2012 izreklo sodbo v zadevi C-307/10 IP Translator
(Microsoft PowerPoint - vorsic ET 9.2 OES matri\350ne metode 2011.ppt [Compatibility Mode])
![(Microsoft PowerPoint - vorsic ET 9.2 OES matri\350ne metode 2011.ppt [Compatibility Mode])](/thumbs/100/144336199.jpg "(Microsoft PowerPoint - vorsic ET 9.2 OES matri\350ne metode 2011.ppt [Compatibility Mode])")
8.2 OBRATOVANJE ELEKTROENERGETSKEGA SISTEMA o Matrične metode v razreševanju el. omrežij Matrične enačbe električnih vezij Numerične metode za reševanje linearnih in nelinearnih enačb Sistem algebraičnih
Microsoft Word - M _mod..docx
Državni izpitni center *M17278113* JESENSKI IZPITNI ROK NAVODILA ZA OCENJEVANJE Ponedeljek, 28. avgust 2017 SPLOŠNA MATURA Državni izpitni center Vse pravice pridržane. M172-781-1-3 2 IZPITNA POLA 1 1
Matematika II (UN) 2. kolokvij (7. junij 2013) RE ITVE Naloga 1 (25 to k) ƒasovna funkcija f je denirana za t [0, 2] in podana s spodnjim grafom. f t
![Matematika II (UN) 2. kolokvij (7. junij 2013) RE ITVE Naloga 1 (25 to k) ƒasovna funkcija f je denirana za t [0, 2] in podana s spodnjim grafom. f t](/thumbs/102/155599169.jpg "Matematika II (UN) 2. kolokvij (7. junij 2013) RE ITVE Naloga 1 (25 to k) ƒasovna funkcija f je denirana za t [0, 2] in podana s spodnjim grafom. f t")
Matematika II (UN) 2. kolokvij (7. junij 2013) RE ITVE Naloga 1 (25 to k) ƒasovna funkcija f je denirana za t [0, 2] in podana s spodnjim grafom. f t 0.5 1.5 2.0 t a.) Nari²ite tri grafe: graf (klasi ne)
DOLŽNIK: MARJAN KOLAR - osebni steč aj Opr. št. St 3673/ 2014 OSNOVNI SEZNAM PREIZKUŠENIH TERJATEV prij ava terjatve zap. št. št. prij. matič na števi
DOLŽNIK: MARJAN KOLAR - osebni steč aj Opr. St 3673/ 2014 OSNOVNI SEZNAM PREIZKUŠENIH TERJATEV prij ava terjatve zap. prij. matič na številka firma / ime upnika glavnica obresti stroški skupaj prij ava
BiokemInfo - Pregled funkcij
Navodila veljajo tako za Microsoft Excel (v slednjem so pripravljeni tudi prikazani primeri) kot tudi za OpenOffice Calc. Med obema programoma obstajajo malenkostne, a ne bistvene razlike. Celice naslavljamo
Avtomatsko napovedovanje lastnosti podjetja na podlagi njihove spletne strani
Univerza v Ljubljani Fakulteta za računalništvo in informatiko Žan Anderle Avtomatsko napovedovanje lastnosti podjetja na podlagi njihove spletne strani MAGISTRSKO DELO MAGISTRSKI PROGRAM DRUGE STOPNJE
Diapozitiv 1
Pogojni stavek Pogojni (if) stavek Tip bool Primerjanje Uranič Srečo If stavek Vsi dosedanji programi so se izvajali zaporedoma, ni bilo nobenih vejitev Program razvejimo na osnovi odločitev pogojnega
eAsistent izpis
Datum in čas: 28. 9. 2016 07:26:49 4.ag 27. 9. 2016 4.ag Elektrotehnika (ELE) 7. ura Preizkus znanja 10. 10. 2016 4.ag Matematika (MAT) 3. ura 18. 10. 2016 4.ag Računalništvo - izbirni (RAči) 9. ura (13:40-14:25)
HOKEJSKA ZVEZA SLOVENIJE Celovška LJUBLJANA Slovenija INTERNATIONAL HOCKEY LEAGUE 2019/20 MEDNARODNA HOKEJSKA LIGA 2019/20 V tekmovanju IHL čl
HOKEJSKA ZVEZA SLOVENIJE Celovška 25 1000 LJUBLJANA Slovenija INTERNATIONAL HOCKEY LEAGUE 2019/20 MEDNARODNA HOKEJSKA LIGA 2019/20 V tekmovanju IHL članov bodo nastopala moštva naslednjih klubov: 1. SKHL
Microsoft PowerPoint - ERA IP prijavitelji 2013a
Erasmus Intenzivni Programi Delavnica za prijavitelje 2013 mag. Robert Marinšek Program VŽU kje najdemo projekte IP 2/ 28 Namen IP Učinkovito, večnacionalno poučevanje, teme, ki se sicer ne poučujejo,
Verjetnost in vzorčenje: teoretske porazdelitve standardne napake ocenjevanje parametrov as. dr. Nino RODE prof. dr. Blaž MESEC
Verjetnost in vzorčenje: teoretske porazdelitve standardne napake ocenjevanje parametrov as. dr. Nino RODE prof. dr. Blaž MESEC VERJETNOST osnovni pojmi Poskus: dejanje pri katerem je izid negotov met
Ime in priimek: Vpisna št: FAKULTETA ZA MATEMATIKO IN FIZIKO Oddelek za matematiko Statistika Pisni izpit 6. julij 2018 Navodila Pazljivo preberite be
Ime in priimek: Vpisna št: FAKULEA ZA MAEMAIKO IN FIZIKO Oddelek za matematiko Statistika Pisni izpit 6 julij 2018 Navodila Pazljivo preberite besedilo naloge, preden se lotite reševanja Za pozitiven rezultat
Elektrotehniški vestnik 76(1-2): 13 18, 2009 Electrotechnical Review, Ljubljana, Slovenija Ugotavljanje podatkovne odvisnosti za procesorje z naborom
Elektrotehniški vestnik 76(1-2): 13 18, 2009 Electrotechnical Review, Ljubljana, Slovenija Ugotavljanje podatkovne odvisnosti za procesorje z naborom ukazov SIMD Patricio Bulić, Tomaž Dobravec Univerza
Napovedovanje custvene naravnanosti avtorjev v spletnih komentarjih
Univerza v Ljubljani Fakulteta za računalništvo in informatiko Urška Kosec Napovedovanje čustvene naravnanosti avtorjev v spletnih komentarjih DIPLOMSKO DELO UNIVERZITETNI ŠTUDIJSKI PROGRAM RAČUNALNIŠTVO
UNIVERZA V LJUBLJANI Fakulteta za strojništvo Sistem za uravnavanje temperature komore 3D tiskalnika Zaključna naloga Univerzitetnega študijskega prog
UNIVERZA V LJUBLJANI Fakulteta za strojništvo Sistem za uravnavanje temperature komore 3D tiskalnika Zaključna naloga Univerzitetnega študijskega programa I. stopnje STROJNIŠTVO Martin Skubic Ljubljana,
FGG02
6.6 Simetrični problem lastnih vrednosti Če je A = A T, potem so lastne vrednosti realne, matrika pa se da diagonalizirati. Schurova forma za simetrično matriko je diagonalna matrika. Lastne vrednosti
Brownova kovariancna razdalja
Brownova kovariančna razdalja Nace Čebulj Fakulteta za matematiko in fiziko 8. januar 2015 Nova mera odvisnosti Motivacija in definicija S primerno izbiro funkcije uteži w(t, s) lahko definiramo mero odvisnosti
EKVITABILNE PARTICIJE IN TOEPLITZOVE MATRIKE Aleksandar Jurišić Politehnika Nova Gorica in IMFM Vipavska 13, p.p. 301, Nova Gorica Slovenija Štefko Mi
EKVITABILNE PARTICIJE IN TOEPLITZOVE MATRIKE Aleksandar Jurišić Politehnika Nova Gorica in IMFM Vipavska 13, p.p. 301, Nova Gorica Slovenija Štefko Miklavič 30. okt. 2003 Math. Subj. Class. (2000): 05E{20,
LOGO
DAVČNE IDENTIFIKACIJSKE ŠTEVILKE (TIN) Davčna številka po vsebini: 1. AT Avstrija https://www.bmf.gv.at/steuern/_start.htm ni na voljo 2. BE Belgija http://www.ibz.rrn.fgov.be/fr/registre-national/ https://www.checkdoc.be/checkdoc/homepage.do
Zavod svetega Stanislava Škofijska klasična gimnazija Programiranje v Pythonu Računalniška igra kača Maturitetna seminarska naloga iz Informatike Kand
Zavod svetega Stanislava Škofijska klasična gimnazija Programiranje v Pythonu Računalniška igra kača Maturitetna seminarska naloga iz Informatike Kandidat: Simon Golob Mentor: Helena Starc Grlj Šolsko
Matematika II (UN) 1. kolokvij (13. april 2012) RE ITVE Naloga 1 (25 to k) Dana je linearna preslikava s predpisom τ( x) = A x A 1 x, kjer je A
Matematika II (UN) 1 kolokvij (13 april 01) RE ITVE Naloga 1 (5 to k) Dana je linearna preslikava s predpisom τ( x) = A x A 1 x, kjer je 0 1 1 A = 1, 1 A 1 pa je inverzna matrika matrike A a) Poi² ite
Najprej si poglejmo učilnico. Za vse začetnike lahko tukaj najdete čudovito knjigo Python za programiranje. Poda odlično iztočnico za učenje. Priporoč
Najprej si poglejmo učilnico. Za vse začetnike lahko tukaj najdete čudovito knjigo Python za programiranje. Poda odlično iztočnico za učenje. Priporočam vam, da si v začetnih tednih vzamete par dni in
Univerza v Ljubljani Fakulteta za računalništvo in informatiko Nejc Ramovš Problem izomorfnega podgrafa DIPLOMSKO DELO NA UNIVERZITETNEM ŠTUDIJU Mento
Univerza v Ljubljani Fakulteta za računalništvo in informatiko Nejc Ramovš Problem izomorfnega podgrafa DIPLOMSKO DELO NA UNIVERZITETNEM ŠTUDIJU Mentor: prof. dr. Borut Robič Ljubljana, 2013 Rezultati
LINEARNA ELEKTRONIKA
Linearna elektronika - Laboratorijske vaje 1 LINERN ELEKTRONIK LBORTORIJSKE VJE Priimek in ime : Skpina : Datm : 1. vaja : LSTNOSTI DVOVHODNEG VEZJ Naloga : Za podano ojačevalno stopnjo izmerite h parametre,
Iskanje in razvršcanje spletnih trgovin
Univerza v Ljubljani Fakulteta za računalništvo in informatiko Aron Birsa Iskanje in razvrščanje spletnih trgovin DIPLOMSKO DELO VISOKOŠOLSKI STROKOVNI ŠTUDIJSKI PROGRAM PRVE STOPNJE RAČUNALNIŠTVO IN INFORMATIKA
SKUPOVI U R 2 Rexeni primeri i zadaci za veжbu Dragan ori 1 Norma i metrika u R Geometrijska interpretacija skupova u R Otvoreni i zatvore
SKUPOVI U R 2 Rexeni primeri i zadaci za veжbu Dragan ori 1 Norma i metrika u R 2 1 2 Geometrijska interpretacija skupova u R 2 5 3 Otvoreni i zatvoreni skupovi u R 2 8 4 Nizovi u R 2 15 Elementi skupa
Priloga 2 PRILOGA 1»(1) Plačilna lista 1 <Z350> Šifra proračunskega uporabnika <Ime proračunskega uporabnika> <Stroškovno mesto> <Ime in priimek preje
Priloga 2 PRILOGA 1»(1) Plačilna lista 1 Ob račun plače za mesec / Mesečna delovna obveznost Povprečna plača Minimalna plača Šifra delovnega
Specifikacija obračuna - GoSoft
Poročilo o izvedeni nalogi Spremljanje zdravstvene ustreznosti pitne vode - Pomurski vodovod krak A Evidenčna oznaka: 2141a-14/8024-17/46560 14.05.62276 EKO-PARK D.O.O. LENDAVA, JAVNO PODJETJE OKO-PARK
Razvoj sistema za avtomatsko trgovanje na borzi
Univerza v Ljubljani Fakulteta za računalništvo in informatiko Nejc Rebernik Razvoj sistema za avtomatsko trgovanje na borzi DIPLOMSKO DELO VISOKOŠOLSKI STROKOVNI ŠTUDIJSKI PROGRAM PRVE STOPNJE RAČUNALNIŠTVO
PMJ, XPath
Imenski prostori, poti in kazalci v XML Iztok Savnik 1 Imenski prostori v XML XML dokument lahko uporablja atribute, elemente in definicije, ki se nahajajo v drugih datotekah Modularna zasnova Ne sme priti
Vzpostavitev več nivojske varnostne infrastrukture S pomočjo Elektro Maribor, McAfee SIEM, CISCO ISE, NGFW Zorna Varga, Sfera IT d.o.o in Klemen Bačak
Vzpostavitev več nivojske varnostne infrastrukture S pomočjo Elektro Maribor, McAfee SIEM, CISCO ISE, NGFW Zorna Varga, Sfera IT d.o.o in Klemen Bačak, Sfera IT d.o.o. 1 Priprava na: Vzpostavitev več nivojske
Microsoft PowerPoint _12_15-11_predavanje(1_00)-IR-pdf
uporaba for zanke i iz korak > 0 oblika zanke: for i iz : korak : ik NE i ik DA stavek1 stavek2 stavekn stavek1 stavek2 stavekn end i i + korak I&: P-XI/1/17 uporaba for zanke i iz korak < 0 oblika zanke:
AAA
BONITETNO POROČILO ODLIČNOSTI Izdajatelj: BISNODE, družba za medije ter poslovne in bonitetne informacije d.o.o. Član skupine BISNODE, Stockholm, Švedska HLADILNA TEHNIKA MILAN KUMER s.p. Izdano dne 18.6.2018
PROFILNA TEHNIKA / OPREMA DELOVNIH MEST PROFILE TECHNIC / WORKSTATION ACCESSORIES INFO ELEMENTI / INFO ELEMENTS INFO TABLA A4 / INFO BOARD A4 U8L U8 U
INFO ELEMENTI / INFO ELEMENTS INFO TABLA A4 / INFO BOARD A4 L 8264 Material: jeklo (lakirano RAL 016) Material: steel (painted RAL 016) Teža / Weight = 1895 g Delovne informacije Pritrdilni set / Fastening
FGG13
10.8 Metoda zveznega nadaljevanja To je metoda za reševanje nelinearne enačbe f(x) = 0. Če je težko poiskati začetni približek (še posebno pri nelinearnih sistemih), si lahko pomagamo z uvedbo dodatnega
DKMPT
Tračnice, na katere so moduli fizično nameščeni. Napajalniki (PS), ki zagotavljajo ustrezno enosmerno napajalno napetost za module. Centralne procesne enote (CPU Central Processing Unit). Signalni moduli
Osnovna šola dr. Jožeta Pučnika Osnovna Črešnjevec 47, 2130 Slovenska Bistrica Tel:(02) ; Fax: (02) www.
Osnovna šola dr. Jožeta Pučnika Osnovna Črešnjevec 47, 2130 Slovenska Bistrica Tel:(02) 8055150; Fax: (02)8055158 o-cresnjevec.mb@guest.arnes.si; www.cresnjevec.si POROČILO NACIONALNEGA UNESCO PROJEKTA
Numerika
20 Numerika Računalniki Koreni enačb Sistem linearnih enačb Odvajanje Integriranje Spektralna analiza Enačba rasti Enačba gibanja Advekcijska enačba Valovna enačba Difuzijska enačba Potencialna enačba
Mere kompleksnih mrež (angl. Network Statistics) - Seminarska naloga pri predmetu Izbrana poglavja iz diskretne matematike
Mere kompleksnih mrež (angl. Network Statistics) Seminarska naloga pri predmetu Izbrana poglavja iz diskretne matematike Ajda Pirnat, Julia Cafnik in Živa Mitar Fakulteta za matematiko in fiziko April
MATEMATIKA – IZPITNA POLA 1 – OSNOVNA IN VIŠJA RAVEN
Državi izpiti ceter *M840* Osova i višja rave MATEMATIKA JESENSKI IZPITNI ROK NAVODILA ZA OCENJEVANJE Poedeljek, 7. avgust 08 SPLOŠNA MATURA Državi izpiti ceter Vse pravice pridržae. M8-40-- IZPITNA POLA
UNIVERZA V MARIBORU FAKULTETA ZA KEMIJO IN KEMIJSKO TEHNOLOGIJO Petra Žigert Pleteršek MATEMATIKA III Maribor, september 2017
UNIVERZA V MARIBORU FAKULTETA ZA KEMIJO IN KEMIJSKO TEHNOLOGIJO Petra Žigert Pleteršek MATEMATIKA III Maribor, september 217 ii Kazalo Diferencialni račun vektorskih funkcij 1 1.1 Skalarne funkcije...........................
LaTeX slides
Model v matri ni obliki ena ba modela Milena Kova 13 november 2012 Biometrija 2012/13 1 Nomenklatura Skalarji: tako kot doslej, male tiskane, neodebeljene Vektorji: male tiskane, odebeljene rke (y) ali
Microsoft Word - M docx
Š i f r a k a n d i d a t a : Državni izpitni center *M17178111* SPOMLADANSKI IZPITNI ROK Izpitna pola 1 Četrtek, 1. junij 2017 / 90 minut Dovoljeno gradivo in pripomočki: Kandidat prinese nalivno pero
Vprašanja za 2. izpitno enoto poklicne mature Strokovni predmet NPA Vprašanja Visual C# (4. letnik) 1. Uporabniški vmesnik razvojnega okolja Visual C#
Vprašanja za 2. izpitno enoto poklicne mature Strokovni predmet NPA Vprašanja Visual C# (4. letnik) 1. Uporabniški vmesnik razvojnega okolja Visual C# Pomen posameznih oken uporabniškega vmesnika, urejevalnik
PREVENTIVA in PRESEJANJE - Mateja Bulc
PREVENTIVA in PRESEJANJE v RADM MATEJA BULC Vrste preventive Priložnost ali breme? Benefits Mortality 2018 Men die younger, but life expectancy is rising quicker men: death at 74 (average) +10 y in 30
Microsoft PowerPoint - Java-rekurzija.ppt
Pesmica Živel je mož, imel je psa, lepo ga je učil. Nekoč ukradel mu je kos mesa, zato ga je ubil. Postavil mu je spomenik in nanj napisal: Živel je mož, imel je psa, lepo ga je učil. Nekoč ukradel mu
CJENIK LJETNIH GUMA ŠIFRA OPIS POTROŠNJA GORIVA KOČENJE NA MOKROJ CESTI VANJSKA BUKA KOT
info@jadrantrans.hr - 021 210 710 - www.jadrantrans.hr CJENIK LJETNIH GUMA - 2019 ŠIFRA OPIS POTROŠNJA GORIVA KOČENJE NA MOKROJ CESTI VANJSKA BUKA KOTRLJANJA MPC 528296 145/70R13 71T EFFIGRIP COMPACT E
Microsoft Word - PRO1_2_Java_2015_12_22
ŠOLSKI CENTER VELENJE VIŠJA STROKOVNA ŠOLA Višješolski strokovni program: Informatika PROGRAMIRANJE (1. in 2. letnik) JAVAA Gradivo za interno uporabo (delovna verzija) Sestavil: Srečko Zorman Velenje,
CpE & ME 519
2D Transformacije Zakaj potrebujemo transformacije? Animacija Več instanc istega predmeta, variacije istega objekta na sceni Tvorba kompliciranih predmetov iz bolj preprostih Transformacije gledanja Kaj
FAKULTETA ZA STROJNIŠTVO Matematika 2 Pisni izpit 9. junij 2005 Ime in priimek: Vpisna št: Zaporedna številka izpita: Navodila Pazljivo preberite bese
FAKULTETA ZA STROJNIŠTVO Matematika Pisni izpit 9. junij 005 Ime in priimek: Vpisna št: Zaporedna številka izpita: Navodila Pazljivo preberite besedilo naloge, preden se lotite reševanja. Veljale bodo
MAGIČNI KVADRATI DIMENZIJE 4n+2
List za mlade matematike, fizike, astronome in računalnikarje ISSN 0351-6652 Letnik 18 (1990/1991) Številka 6 Strani 322 327 Borut Zalar: MAGIČNI KVADRATI DIMENZIJE 4n + 2 Ključne besede: matematika, aritmetika,
EVROPSKA KOMISIJA Bruselj, COM(2017) 687 final POROČILO KOMISIJE EVROPSKEMU PARLAMENTU IN SVETU Ocena napredka držav članic pri izpolnjevan
EVROPSKA KOMISIJA Bruselj, 23.11.2017 COM(2017) 687 final POROČILO KOMISIJE EVROPSKEMU PARLAMENTU IN SVETU Ocena napredka držav članic pri izpolnjevanju nacionalnih ciljev glede energijske učinkovitosti
] Leto 1990, naloge za prvo skupino republiško tekmovanje v znanju računalništva (1990) NALOGE ZA PRVO SKUPINO Ko se računaln
![] Leto 1990, naloge za prvo skupino republiško tekmovanje v znanju računalništva (1990) NALOGE ZA PRVO SKUPINO Ko se računaln](/thumbs/100/144006033.jpg "] Leto 1990, naloge za prvo skupino republiško tekmovanje v znanju računalništva (1990) NALOGE ZA PRVO SKUPINO Ko se računaln")
1990.1.1 3] Leto 1990, naloge za prvo skupino 1 14. republiško tekmovanje v znanju računalništva (1990) 1990.1.1 NALOGE ZA PRVO SKUPINO Ko se računalnik vključi v komunikacijsko mrežo, ne pozna Rešitev:
OSNOVE UMETNE INTELIGENCE
OSNOVE UMETNE INTELIGENCE 2017/18 regresijska drevesa ocenjevanje učenja linearni modeli k-nn Zoran Bosnić del gradiva povzet po: Bratko: Prolog programming for AI, Pearson (2011) in Russell, Norvig: AI:
Panda 4x4 - cenik 0.9 TwinAir Turbo TwinAir Turbo Multijet 16v 95 E6 Cross popust: s popustom: popust:
Panda 4x4 - cenik 0.9 TwinAir Turbo 85 0.9 TwinAir Turbo 90 1.3 Multijet 16v 95 E6 17.390 s popustom: 15.890 18.890 s popustom: 17.390 15.650 s popustom: 14.150 16.490 popust: 2.500 s popustom: 13.990
Bilten - XXX odprto prvenstvo Komende 2016_docx
XXX. ODPRTO PRVENSTVO KOMENDE 2016 Komenda: 17.9.2016 18.9.2016 Pripravil in razmnožil: Franc Poglajen I. PRAVILNIK 1. XXX. ODPRTO PRVENSTVO KOMENDE prireja Šahovski klub Komenda v sodelovanju s podjetjem
Rešene naloge s srednješolskega računalniškega tekmovanja 1990
1990.1.1 3] 1 1990.1.1 14. republiško tekmovanje v znanju računalništva (1990) NALOGE ZA PRVO SKUPINO Ko se računalnik vključi v komunikacijsko mrežo, ne pozna R: 6 drugih računalnikov, ki so vključeni
UNIVERZA V LJUBLJANI FAKULTETA ZA RAČUNALNIŠTVO IN INFORMATIKO Sašo Moškon Nomogramsko iskanje podprostorov neodvisnih atributov DIPLOMSKO DELO NA INT
UNIVERZA V LJUBLJANI FAKULTETA ZA RAČUNALNIŠTVO IN INFORMATIKO Sašo Moškon Nomogramsko iskanje podprostorov neodvisnih atributov DIPLOMSKO DELO NA INTERDISCIPLINARNEM UNIVERZITETNEM ŠTUDIJU Mentor: akad.
MASTER SCHEDULE SPRING 2019 MONTH DATE TIME VISITOR SC VS HOME SC APRIL 15 5:30 PM THUNDER 8 VS LIGHTNING 4 APRIL 15 6:30 PM BRUISERS 1 VS WHITE 3 APR
MASTER SCHEDULE SPRING 2019 MONTH DATE TIME VISITOR SC VS HOME SC APRIL 15 5:30 PM THUNDER 8 VS LIGHTNING 4 APRIL 15 6:30 PM BRUISERS 1 VS WHITE 3 APRIL 15 7:30 PM CRUSH 0 VS LEAFS 3 APRIL 15 8:30 PM BLACK
Orodje za razporejanje clankov na konferencah
Univerza v Ljubljani Fakulteta za računalništvo in informatiko Tadej Škvorc Orodje za razporejanje člankov na konferencah DIPLOMSKO DELO UNIVERZITETNI ŠTUDIJSKI PROGRAM PRVE STOPNJE RAČUNALNIŠTVO IN INFORMATIKA
KUP OSA 2016 Regionalna trka VELESLALOM PAHULJE Ž REZULTATI COMPETITION JURY TECHNICAL DELEGATE JAGLICIC DEJAN (SSS) REFEREE IGNJATOVIC LJUBISA (OSK)
VELESLALOM PAHULJE Ž SETTER 1st RUN ING TIME 09:30 2nd RUN Rank Bib. Name Year Club Run 2 1 2 Ivanovic Gala 2008 ZMZ * 48.58 2 3 Jovanovic Šumonja Zoe 2010 ARB * 56.53 3 4 Markovic Dunja 2009 ARB * 1:03.85
UNIVERZA V LJUBLJANI FAKULTETA ZA RAČUNALNIŠTVO IN INFORMATIKO Miha Anžiček UREJEVALNIK JAVANSKE KODE DIPLOMSKO DELO NA VISOKOŠOLSKEM STROKOVNEM ŠTUDI
UNIVERZA V LJUBLJANI FAKULTETA ZA RAČUNALNIŠTVO IN INFORMATIKO Miha Anžiček UREJEVALNIK JAVANSKE KODE DIPLOMSKO DELO NA VISOKOŠOLSKEM STROKOVNEM ŠTUDIJU MENTOR: doc. dr. Boštjan Slivnik Ljubljana, 2011
Slide 1
Vsak vektor na premici skozi izhodišče lahko zapišemo kot kjer je v smerni vektor premice in a poljubno število. r a v Vsak vektor na ravnini skozi izhodišče lahko zapišemo kot kjer sta v, v vektorja na
Microsoft Word - SevnoIII.doc
Naše okolje, april 8 METEOROLOŠKA POSTAJA SEVNO Meteorological station Sevno Mateja Nadbath V Sevnem je klimatološka meteorološka postaja Agencije RS za okolje. Sevno leži na prisojnem pobočju Sevniškega
Vaje: Matrike 1. Ugani rezultat, nato pa dokaži z indukcijo: (a) (b) [ ] n 1 1 ; n N 0 1 n ; n N Pokaži, da je množica x 0 y 0 x
![Vaje: Matrike 1. Ugani rezultat, nato pa dokaži z indukcijo: (a) (b) [ ] n 1 1 ; n N 0 1 n ; n N Pokaži, da je množica x 0 y 0 x](/thumbs/99/142441276.jpg "Vaje: Matrike 1. Ugani rezultat, nato pa dokaži z indukcijo: (a) (b) [ ] n 1 1 ; n N 0 1 n ; n N Pokaži, da je množica x 0 y 0 x")
Vaje: Matrike 1 Ugani rezultat, nato pa dokaži z indukcijo: (a) (b) [ ] n 1 1 ; n N n 1 1 0 1 ; n N 0 2 Pokaži, da je množica x 0 y 0 x y x + z ; x, y, z R y x z x vektorski podprostor v prostoru matrik
UNIVERZA V MARIBORU FAKULTETA ZA NARAVOSLOVJE IN MATEMATIKO Oddelek za matematiko in računalništvo DIPLOMSKO DELO Denis Kolarič Maribor, 2010
UNIVERZA V MARIBORU FAKULTETA ZA NARAVOSLOVJE IN MATEMATIKO Oddelek za matematiko in računalništvo DIPLOMSKO DELO Denis Kolarič Maribor, 2010 UNIVERZA V MARIBORU FAKULTETA ZA NARAVOSLOVJE IN MATEMATIKO
Sprememba obsega pogodbe o vzpostavitvi in vzdrževanju akreditacije
SEZNAM METOD PO KATERIH SE IZVAJAJO AKREDITIRANI POSTOPKI PRESKUSNEGA LABORATORIJA TEMAT D.O.O. (LP-097), REV. 01 LIST OF METHODS ACCORDING TO WHICH THE ACCREDITED PROCEDURES ARE BEING PERFORMED IN THE
Na podlagi 109. člena Poslovnika Sveta Mestne občine Velenje (Uradni vestnik MO Velenje, št. 15/06 - uradno prečiščeno besedilo, 22/08, 4/15 in 1/16)
Na podlagi 109. člena Poslovnika Sveta Mestne občine Velenje (Uradni vestnik MO Velenje, št. 15/06 - uradno prečiščeno besedilo, 22/08, 4/15 in 1/16) je Svet Mestne občine Velenje na 12. seji dne 22. 3.
ZNAMKA PROSTORNINA MODEL IN TIP MODELNO LETO CENIK VERIŽNIH SETOV DC - AFAM 2016 MATERIAL SPREDNJI ZOBNIK ZADNJI ZOBNIK VERIGA OZNAKA 415 DC415F 420 D
MPC z DDV MPC z DDV IN VERIŽNEGA MPC z DDV MPC z DDV MPC z DDV MPC z DDV MPC z DDV MPC z DDV MPC z DDV MPC z DDV MPC z DDV OD DO HONDA STANDARDNI VERIŽNI SETI HONDA 125 ANF 1253,4,5,6,7,8,9,A,B INNOVA
Osnove statistike v fizični geografiji 2
Osnove statistike v geografiji - Metodologija geografskega raziskovanja - dr. Gregor Kovačič, doc. Bivariantna analiza Lastnosti so med sabo odvisne (vzročnoposledično povezane), kadar ena lastnost (spremenljivka
UNIVERZA V LJUBLJANI FAKULTETA ZA RAČUNALNIŠTVO IN INFORMATIKO Matej Martinc Učinkovito procesiranje naravnega jezika s Pythonom DIPLOMSKO DELO VISOKO
UNIVERZA V LJUBLJANI FAKULTETA ZA RAČUNALNIŠTVO IN INFORMATIKO Matej Martinc Učinkovito procesiranje naravnega jezika s Pythonom DIPLOMSKO DELO VISOKOŠOLSKI STROKOVNI ŠTUDIJSKI PROGRAM PRVE STOPNJE RAČUNALNIŠTVO
Numeri na analiza - podiplomski ²tudij FGG doma e naloge - 1. skupina V prvem delu morate re²iti toliko nalog, da bo njihova skupna vsota vsaj 10 to k
Numeri na analiza - podiplomski ²tudij FGG doma e naloge -. skupina V prvem delu morate re²iti toliko nalog, da bo njihova skupna vsota vsaj 0 to k in da bo vsaj ena izmed njih vredna vsaj 4 to ke. Za
C:/Users/Matevz/Dropbox/FKKT/TESTI-IZPITI-REZULTATI/ /Izpiti/FKKT-januar-februar-15.dvi
Kemijska tehnologija, Kemija Bolonjski univerzitetni program Smer: KT K WolframA: DA NE Čas reševanja je 75 minut. Navodila: Računski del izpita pri predmetu MATEMATIKA I Ugasni in odstrani mobilni telefon.
Diapozitiv 1
Strokovno posvetovanje ZBDS, Maribor, 2011 SPLOŠNE KNJIŽNICE PO KNJIŽNIČNIH OBMOČJIH v letu 2010 Milena Bon koordinatorica posebnih nalog osrednjih območnih knjižnic Zakaj je matematika kraljica? Številke
24. državno prvenstvo iz gradbene mehanike za 3. letnike 16. maj naloga Med dve enakostranični prizmi s stranico a postavimo valj s polmerom r
24. držvno prvenstvo iz grdbene menie z 3. letnie 16. mj 2018 1. nlog Med dve enostrnični prizmi s strnico postvimo vlj s polmerom r, ot je prizno n slii. Tež prizm je G = 10 N, tež vlj p V = 14 N. Koeficient
SPECIJALNA BOLNICA ZA MEDICINSKU REHABILITACIJU KRAPINSKE TOPLICE Ured za centralno naručivanje Tel. (049)
PA BR 147884430 Hum Na Sutli 13.05.2019 0830 BO JO 147858624 Hum na Sutli 29.05.2019 0815 JU BO 147474917 Pregrada 09.07.2019 0800 DL MA 148427658 Sv Križ Začretje 09.07.2019 0745 ST ŠT 148037359 K.oplice
EASA NPA Template
Evropska agencija za varnost v letalstvu Mnje št. 06/2013 Kritič naloge vzdrževanja POVEZANI NPA/CRD 2012-04 RMT.0222 (MDM.020) 10.6.2013 Povzetek V mnju je obravnavano vprašanje varnosti, povezano s tveganjem
Slide 1
Primer modeliranja z DE MODEIANJE Tripsin je encim rebušne slinavke, ki nasane iz ripsinogena. V reakciji nasopa ripsin ko kaalizaor, zao je hiros nasajanja ripsina sorazmerna z njegovo koncenracijo....
ŠTEVCI PROMETA IN NJIHOVA UPORABA ZA NAMENE STATISTIK ČRT GRAHONJA
ŠTEVCI PROMETA IN NJIHOVA UPORABA ZA NAMENE STATISTIK ČRT GRAHONJA Navdih Poizvedovanje po BD podatkovnih virih, ki imajo časovno dimenzijo in so dostopni. Večji promet pomeni večje število dobrin in močnejšo
Microsoft Word - M docx
Š i f r a k a n d i d a t a : Državni izpitni center *M12224223* Višja raven JESENSKI IZPITNI ROK Izpitna pola 3 Pisno sporočanje A) Pisni sestavek (v eni od stalnih sporočanjskih oblik) (150 180 besed)
VH kamni vrh
N a r o č n ik: U l i c a : K r a j : O b j e k t : Naslov: Vsebina: S o k o l s k a 8 5 I v a n č n a G o r i c a E l e k t r i č n i p o d a t k i : B a r v e ž i c : Priključna č: P r i k l j u č n