Tehnologija upravljanja podatkov
|
|
- Miroslava Mihelič
- pred 3 leti
- Pregledov:
Transkripcija
1 Tehnologija upravljanja podatkov Univerzitetni študij RI in UI, 3. letnik Magistrski študij Matjaž Kukar, 2020/21
2 Splošne informacije... Predavanja Izr. prof. dr. Matjaž Kukar, sreda 11:15, Govorilne ure: Vaje:???, kabinet 2.04 (2. nadstropje, desno od dvigala) Doc. dr. Luka Šajn Spletna stran: Tehnologija upravljanja podatkov
3 Upravljanje s podatki (data management) Definicija (Data Management Association DAMA) Upravljanje s podatki sestavljajo razvoj in izvajanje arhitektur, usmeritev in praktičnih postopkov za podporo celotnemu življenjskemu ciklu podatkovnih potreb sodobnega podjetja. V kontekstu informacijskih tehnologij: Tehnologija upravljanja podatkov = napredne teme s širšega področja podatkovnih baz
4 Pričakovano predznanje Nadgradnja predmeta "Osnove podatkovnih baz" Opisovanje in shranjevanje podatkov v PB Zgradba SUPB, upravljanje z diskom in pomnilnikom Organizacija in indeksiranje datotek Poizvedovanje v PB Relacijski podatkovni model, algebra in račun; SQL Načrtovanje PB Pristopi k načrtovanju PB Konceptualno, logično in fizično modeliranje??? Nadgradnja predmetov "Programiranje 1 in 2" Osnovno znanje programiranja in uporabe orodij Razvoj informacijskih sistemov Presek nekaterih tem (predvsem načrtovanje)
5 Predpriprava na predavanja in vaje Primeri na predavanjih-vajah v Pythonu. Ga poznate? Uradna Python dokumentacija, J. Demšar: Python za programerje. FRI, Ljubljana, Learn Python the hard way, Learn Python (interaktivno), Aktualna verzija (oktober 2019): Pyton 3.7 (priporočena distribucija Anaconda) Zakaj raje Python kot npr. Java: manjši obseg pisanja (večina primerov na enem zaslonu) hitrejše programiranje uporaba v podatkovni znanosti
6 Vsebina predavanj Eksterni vidiki obvladovanja podatkov: Načrtovanje podatkovnih baz Konceptualno, logično in fizično načrtovanje Normalizacija relacij Analiza uporabniških zahtev Podatkovne baze in podatkovna skladišča Namen in načrtovanje podatkovnih skladišč Zagotavljanje kvalitete shranjenih podatkov Analiza shranjenih podatkov (OLAP, Data Mining) Sodobne nerelacijske podatkovna baze (NoSQL) Dokumentne: MongoDB, grafne: Neo4j, stolpične: MonadDB vaše izkušnje?
7 Vsebina predavanj Interni vidiki obvladovanja podatkov: Dostop do podatkov Zagotavljanje dostopnosti in konsistentnosti podatkov (upravljanje s transakcijami) Upravljanje sočasnosti dostopa do podatkovne baze Varovanje in obnavljanje podatkovne baze Relacijska algebra in SQL (ponovitev) Optimizacija in evalvacija poizvedb Načrtovanje izvajanja poizvedb Vrednotenje zahtevnosti osnovnih operacij Alternativne strategije izvajanja poizvedb Upravljanje delno strukturiranih in nestrukturiranih podatkov JSON, XML, prostorski podatki, tekst, zvok, slika
8 Splošna literatura 1. Relacijski SUPB a) Thomas M. Connolly, Carolyn E. Begg (2005). Database Systems, A Practical Approach to Design, Implementation and Management, Fourth Edition, Addison-Wesley b) Ramez Elmasri, Shamkant B. Navathe (2003). Fundamentals of Database Systems, Fourth Edition, Addison Wesley c) S. Sumathi, S. Esakkirajan: Fundamentals of Relational Database Management Systems, Springer, 2007 d) Peter Rob, Carlos Coronel (2005). Database Systems: Design, Implementation and Management, Sixth Edition, Addison Wesley e) Raghu Ramakrishnan, Johannes Gehrke (2003). Database Management Systems, Third Edition, McGraw-Hill f) Paul Wilton and John W. Colby (2005): Beginning SQL, Wrox
9 Splošna literatura 1. Nerelacijski (NoSQL) SUPB a) Eric Redmond and Jim R. Wilson: Seven Databases in Seven Weeks: A Guide to Modern Databases and the NoSQL Movement, Pragmatic Bookshelf, 2012 b) Ian Robinson, Jim Webber and Emil Eifrem: Graph Databases, O Riley (free download) c) Dan McCreary and Ann Kelly: Making Sense of NoSQL: A guide for managers and the rest of us, Manning Publications, 2013 d) Pramod J. Sadalage and Martin Fowler: NoSQL Distilled: A Brief Guide to the Emerging World of Polyglot Persistence, Addison-Wesley, 2012 e) Alex Giamas: Mastering MongoDB 3.x: An expert s guide to building faulttolerant MongoDB applications, Apress, 2017
10 Vsebina vaj I. Praktična obravnava nekaterih tem s predavanj Spoznavanje s programsko opremo Načrtovanje podatkovne baze in podatkovnega skladišča Programski dostop do PB Normalizacija, priprave na normalizacijo, denormalizacija Transakcije Optimizacija poizvedb Nerelacijski SUPB II. Domače naloge (vsaj 50%) III. Seminarska naloga v obliki projekta (vsaj 50%) Na koncu semestra (december, januar) Nekoliko obsežnejša kot domače naloge Obvezen predstavitveni seminar (vaje ali predavanja) Pravočasnost izdelave, oddaje in zagovora!
11 Orodja PowerDesigner 12.5 MariaDB 10.3 (ali MySQL 8) PostgreSQL 10 MySQL Workbench, HeidiSQL Python dodatki MongoDB, Neo4j, MonadDB Gonilniki za dostop do baze (npr. ODBC) Lastni računalniki? Docker?
12 Izpitni red 1. Obveznosti vaj: iz domačih nalog in seminarske naloge morate doseči posamično najmanj 50% možnih točk (pogoj za pristop k pisnemu izpitu). 2. Pisni izpit morate za pozitivno oceno pisati najmanj 50% 3. Vaje veljajo eno šolsko leto! 4. Sodelovanje na predavanjih/vajah se nagrajuje (subjektivno, do 10%) Torej: domače naloge 50%, seminarska naloga 50%, izpit 50%
13 Predznanje?????? Programiranje: Python, Java, C/C++/C#, Programski dostop do podatkovne baze Načrtovanje podatkovnih baz (ER): OPB, RIS Normalizacija PB: RIS SUPB: MySQL/MariaDB, PostgreSQL, SQLite, Oracle, Microsoft SQL Server, NoSQL?????
14 Teme seminarskih nalog Specifična tematika, večja količina podatkov Praktična izvedba Dva študenta v skupini Teme (objavljene bodo na učilnici): Praktična izvedba obdelave (analiza, vizualizacija, ) nad izbranimi podatki (več nalog), na platformi SUPB + orodje Specifične pregledne teme z vzorčno implementacijo (več nalog) Stare teme seminarskih nalog za vzorec
15 Domača naloga Python, Python, Python!!! Vzpostavite si delovno okolje Preberite skripto "Python za programerje" in katerega od spletnih virov Naredite čimveč primerov Razmislite o svojih kompetencah s področja predmeta in o tem kakšen tip seminarske naloge ali seminarja bi vam najbolj ustrezal Oblikujte skupine po dva študenta
16 Terminologija Sistem za upravljanje s podatkovnimi bazami Podatkovna baza (data base) Podatkovno skladišče (data warehouse) Sodobni (ne)relacijski SUPB: NoSQL = Not only SQL NewSQL
17 Sistemi za upravljanje s PB (SUPB) Angleško: Database Management System (DBMS) Sistem za upravljanje s podatkovno bazo SUPB je programska oprema za obvladovanje velikih količin podatkov, shranjenih v vnaprej točno določeni obliki (logičnem podatkovnem modelu) Alternativa shranjevanje v aplikaciji lastni obliki; problemi: neprenosljivost, nefleksibilnost... Obstaja veliko vrst SUPB. Omejili se bomo predvsem na relacijske in nekatere sodobne nerelacijske: Oracle, Microsof SQL Server, Postgres, MySQL/MariaDB, MongoDB...
18 Podatkovna baza in podatkovno skladišče Podobno, vendar ne enako! Podatkovna baza (PB oz. DB): OLTP sistem (on-line transactional processing) opisuje trenutno stanje Podatkovno skladišče (PS oz. DW): OLAP sistem (on-line analytical processing) opisuje zgodovino vsebin OLTP sistema (pogosto več OLTP sistemov) Oba pristopa tečeta na SUPB, vendar z različnimi prioritetami izvajanja (OLTP - hitro izvajanje transakcij, OLAP - hitra analiza) Razlikujejo se tudi postopki načrtovanja
19 Načrtovanje PB, PS, NoSQL Podatkovne baze konceptualno načrtovanje: obsežne PB, veliko število tabel korak pri načrtovanju inf. sistemov logično načrtovanje (normalizacija relacij oz. tabel): direktno za manjše PB (nekaj deset tabel) preverjanje rezultatov konceptualnega načrtovanja fizično načrtovanje Podatkovna skladišča načrtovanje zvezdnih shem Načrtovanje nerelacijskih PB novo, nezrelo področje Zakaj razlike? PB: hitro izvajanje transakcij PS: hitro izvajanje analiz podatkov NoSQL: nerelacijski podatkovni modeli
20 Poglavje 1 Konceptualno načrtovanje transakcijskih podatkovnih baz
21 Trinivojska predstavitev podatkov... Podatki so v PB opisani na treh nivojih: Zunanje sheme (zunanji, uporabniški nivo) Konceptualna (logična) shema Fizična (notranja) shema Zunanja shema 1 Zunanja shema 2 Zunanja shema 3 Logična neodvisnost Fizična neodvisnost Metapodatki Konceptualna in logična shema Fizična shema Fizični podatki DISK
22 1.1 Trije nivoji načrtovanja trije modeli.. Uporabniške (podatkovne) zahteve Konceptualni model Odločitev o implementaciji, običajno izbor SUPB: -Oracle -MySQL -IBM DB2 Logični model: relacije Fizični model: tabele, SQL SUPB Podatkovna baza Reverse Engineering
23 Konceptualni podatkovni model Formalizem s katerim opišemo, kaj bi želeli hraniti v PB ter kakšne povezave obstajajo med elementi, ki jih želimo hraniti, se imenuje konceptualni model. Konceptualni model je torej način, kako na visoki ravni abstrakcije razumljivo in ne preveč tehnično opišemo podatke, ki jih želimo hraniti ter skrijemo nepomembne podrobnosti. Konceptualni model odraža uporabnikovo zaznavanje realnega sveta oziroma poslovnega problema, ter načrtovalčevo videnje problema (stična točka).
24 1.1 Trije nivoji načrtovanja trije modeli Načrtovanje PB: od realnega sveta do fizične podatkovne baze za potrebe poslovne domene svet mentalni model konceptualni model logični model fizični model =PB
25 1.2 Kaj je konceptualno načrtovanje?.. Konceptualno načrtovanje je postopek opredelitve podatkovnih potreb oz. zahtev poslovne domene s pomočjo konceptualnega modela Konceptualno načrtovanje preko konceptualnega modela poskrbi za opis pomena podatkov, potrebnih za poslovno domeno Konceptualno načrtovanje je neodvisno od dejanskega podatkovnega modela (relacijski,...) Konceptualnega načrtovanja ne moremo avtomatizirati, za njegovo izvedbo je odgovoren analitik. Gre za prenos semantike v model.
26 1.2 Kaj je konceptualno načrtovanje? Je najbolj kritično, saj se napake narejene pri konceptualnem načrtovanju prenašajo naprej na naslednje modele Pri konceptualnem načrtovanju je zelo pomembno sodelovanje uporabnikov in interakcija z uporabniki. Uporabniki so nosilci znanja o poslovni domeni, so poznavalci semantike in običajno vedo, kaj hočejo, a to težko natančno izrazijo Konceptualno načrtovanje mora upoštevati tudi poslovna pravila (kot omejitve modela)
27 1.3 Tehnike konceptualnega načrtovanja.. Percepcija Abstrakcija Objekti, koncepti (tipi) in términi Klasifikacija (objekti koncepti) Ureditev hierarhij konceptov (tipov) Agregacija (sestavljanje konceptov)
28 1.3 Tehnike konceptualnega načrtovanja.. Ureditev tipov OSEBA Generalizacija ŠTUDENT PEDAGOŠKI DELAVEC FAKULTETNI DELAVEC ADMINISTRATOR Specializacija DEMONSTRATOR UČITELJ ASISTENT
29 1.3 Tehnike konceptualnega načrtovanja.. Ureditev tipov Primera ureditve tipov: - pokrivanje? OSEBA ŠTUDENT ŠPORTNIK OSEBA ŽENSKA MOŠKI
30 1.3 Tehnike konceptualnega načrtovanja.. GIRLFRIEND?????? GIRL FRIEND
31 1.3 Tehnike konceptualnega načrtovanja Agregacija Preko agregacije definiramo nov agregiran (sestavljen) tip na osnovi obstoječih tipov GIRLFRIEND agregacija GIRL FRIEND Kakšne je razlika z generalizacijo? Agregirani tip vsebuje VSE lastnosti agregiranih tipov in ne samo skupnih! Pomensko agregirani tip ponuja nekaj novega.
32 1.4 Lastnosti konceptualnega modela.. Namembnost konceptualnega modela Razumevanje problema (načrtovalec) Vrednotenje razumevanja (uporabnik) Pomoč pri načrtovanju in implementaciji Zahtevane lastnosti konceptualnega modela izraznost, preprostost, minimalnost, formalnost, grafična popolnost, berljivost.
33 1.5 Entitetni model.. Predstavitev konceptualnega modela Najpogosteje uporabljana tehnika za predstavitev konceptualnih podatkovnih modelov sta entitetni model (model entiteta-razmerje) ter razredni diagram. Obravnavali bomo entitetni model. Nazivi, ki se uporabljajo: Konceptualni podatkovni model Podatkovni model Entitetni model ER model Razširjeni entitetni model
34 1.5 Entitetni model.. Gradniki entitetnega modela Entitetni tip Atribut Razmerje Identifikator
35 1.5 Entitetni model.. Gradniki entitetnega modela Grafična predstavitev gradnikov entitetnega modela Originalni Chenovi diagrami oznaka za razmerja (relacije) Običajni ER diagrami: vranja noga (crow foot, IE) oznaka za nekatera razmerja (relacije) Chenovi diagrami so bolj izrazni, vendar kompleksnejši in dopuščajo različne interpretacije razmerij. UML (Unified Modeling Language)
36 1.5 Entitetni model.. Entitetni tip - Entiteta Entitete so posamezne instance (primerki) tipov objektov iz poslovne domene: dogodki, predmeti, osebe, pravila, dejstva O entitetah obstaja določena predstava o tem: kakšne lastnosti dejansko imajo kakšne lastnosti jim moramo določiti (morajo imeti), da bodo izpolnjevale poslanstvo entitetnega modela Na osnovi predstave o tem in percepcije, lahko entitete klasificiramo v entitetne tipe: vse entitete, ki ustrezajo določeni predstavi, pripadajo posameznemu entitetnemu tipu. Primer: študenti
37 1.5 Entitetni model.. Entitetni tip - Entiteta Vsak trenutek pripada posameznemu entitetnemu tipu množica entitet tega entitetnega tipa, ki jo imenujemo entitetna množica Entitetna množica je časovno spremenljiva: entitete nastajajo, se spreminjajo in tudi izginjajo (izstopajo iz množice). Entitetna množica je v nekem trenutku lahko tudi prazna. Natančno moramo poznati pomen entitetnega tipa: kaj predstavljajo entitete, ki mu pripadajo
38 1.5 Entitetni model.. Entitetni tip - Entiteta V praksi se pogosto uporablja poenostavljen izraz entiteta, čeprav bi se moral uporabljati izraz entitetni tip
39 1.5 Entitetni model.. Atribut Entitete imajo določene lastnosti, posamezne entitete (iz istega entitetnega tipa) se med seboj razlikujejo po njihovi vrednosti Le del entitetnih lastnosti je zanimiv oz. pomemben za opazovano poslovno domeno (abstrakcija) Lastnosti, ki so pomembne za opazovano poslovno domeno, vključimo v konceptualni model tako, da jih kot atribute določimo entitetnemu tipu
40 1.5 Entitetni model.. Atribut Torej: z atributi formalno opišemo lastnosti entitet Govorimo o več vrstah lastnosti: Entitetna imena: naziv, ime, opis Prave entitetne lastnosti: višina, teža, cena, vrednost Lastnosti, ki jih določimo za potrebe poslovnih procesov, poslovnih funkcij in poslovnih pravil: šifre, statusi, Atribut določimo za tisto lastnost, ki je za problemsko/poslovno domeno pomembna Vsak atribut ima določene lastnosti: kardinalnost (števnost), tip, dolžina
41 1.5 Entitetni model.. Atribut Kardinalnost atributa omejimo z minimalno in maksimalno vrednostjo (min,max): Totalni atribut (1,n), kjer je n >= 1 Parcialni atribut (0,n), kjer je n >= 1 Enovrednostni atribut (m,1), kjer je m {0,1} Večvrednostni atribut (m,n), kjer je m {0,1} in n>1 Minimalna števnost 0 pomeni, da je atribut lahko brez vrednosti (ni obvezen). Maksimalna števnost n pomeni, (1,1) EMŠO da atribut lahko zavzame (1,3) Ime poljubno število vrednosti. OSEBA (1,2) (0,n) Priimek Vzdevek
42 1.5 Entitetni model.. Atribut Atribut pripada določenemu abstraktnemu tipu: numerični, znakovni, Za večino tipov je potrebno določiti tudi dolžino. V Chenovih ER diagramih imajo atributi lahko poljubno kardinalnost V običajnih ER diagramih imajo atributi kardinalnost vedno (0,1) ali (1,1) Večvrednosten atribut predstavimo z drugimi gradniki (nov entitetni tip in razmerje)
43 1.5 Entitetni model.. Atribut OSEBA (1,1) (1,3) (1,1) (0,n) EMŠO Ime Priimek Vzdevek Chenov diagram OSEBA Običajen ER diagram EMŠO Ime Priimek Vzdevek
44 1.5 Entitetni model.. Razmerje Entitete niso svet zase, medsebojno se povezujejo preko razmerij (relacij) Razmerje ima določen pomen in števnost Predstavitev razmerja v modelu entiteta-razmerje je povezava Med opazovanim parom (v splošnem podmnožici) entitetnih tipov je lahko več razmerij: OSEBA, KRAJ stalno bivališče, začasno bivališče Razmerij je lahko veliko, izberemo samo tista, katerih evidenco želimo voditi!
45 1.5 Entitetni model.. Razmerje Chenov diagram OSEBA živi KRAJ OSEBA živi KRAJ Običajen ER diagram Pomen razmerja
46 1.5 Entitetni model.. Razmerje OSEBA prebiva KRAJ OSEBA prebiva v ima preb. KRAJ Vloga entitetnega tipa v razmerju (usmerjen pomen)
47 1.5 Entitetni model.. Razmerje - kardinalnost Kardinalnost (števnost) predstavlja število entitet entitetnega tipa, ki so v razmerju glede na pomen razmerja. Minimalna in maksimalna števnost določata veljaven razpon števila entitet. Vsak entitetni tip ima svojo kardinalnost v razmerju glede na vlogo. Pomen razmerja med entitetnima tipoma OSEBA, KRAJ (na naslednji strani): Ena (poljubna) oseba ima stalno bivališče v enem kraju (pošti) V enem (poljubnem) kraju (pošti) ima stalno bivališče več oseb
48 1.5 Entitetni model.. Razmerje - kardinalnost Razmerji med entitetama OSEBA in KRAJ (1,n) (1,1) (1,n) (0,1)
49 1.5 Entitetni model.. Razmerje - kardinalnost Vloga in števnost v delnem razmerju OSEBA stalno prebiva (1,n) ima prebivalca (1,1) KRAJ Oznake za števnost na ponoru delnega razmerja: 0: --o-- (krožec na povezavi) 1: (pravokotna črta na povezavi) več (m ali n): vranja noga (crow foot) Razpon določimo z dvema številkama (minimalna, maksimalna) ali kombinacijo grafičnih oznak (1,1) se označuje kot ali (0,1) se označuje kot --o-- ali --o
50 1.5 Entitetni model.. Razmerje - kardinalnost Chenov diagram (omogoča tudi več kot dvomestna razmerja) A (n,m) povezava B (p,r).....
51 1.5 Entitetni model (Power Designer) Razmerje - kardinalnost
52 1.5 Entitetni model.. Razmerje - mandatornost Mandatornost pove, ali sta dve entiteti vedno v razmerju ali lahko tudi nista v razmerju: obvezno, neobvezno razmerje Mandatornost lahko obravnavamo pod okriljem števnosti, zaradi česar dodatno uvedemo števnost 0
53 1.5 Entitetni model.. Razmerje je atributivnega značaja Razmerje tudi opisuje lastnost entitete Primer: OSEBA, KRAJ (poštna številka) Razmerje ima atributiven značaj Dilema: atribut (lastnost) ali razmerje? Stalno (1,1) in začasno (0,1) prebivališče Izpitni rok (3,3) ali (1,n)
54 1.5 Entitetni model.. Primer: eštudent
55 1.5 Entitetni model.. Enolični identifikator entitete Enolični identifikator entitete (krajše: entitetni identifikator ali samo identifikator) je podmnožica lastnosti entitetenega tipa (atributov in razmerij do drugih entitetnih tipov), ki enolično razlikujejo posamezne entitete znotraj entitetne množice Glede na to, ali tvorijo identifikator entitete le lastni atributi entitetnega tipa ali pa je v enoličnem identifikatorju tudi kakšno razmerje, ločimo med močnim entitetnim tipom in šibkim entitetnim tipom
56 1.5 Entitetni model.. Enolični identifikator entitete Imamo lahko več enoličnih identifikatorjev, vendar moramo enega izbrati določiti Izbrani določeni enolični identifikator je podlaga za (primarni) ključ v relacijskem modelu Identifikator: Abstrakten pojem Ključ: Relacijski model Identifikator se preslika v ključ relacije.
57 1.5 Entitetni model.. Enolični identifikator entitete OSEBA (1,1) (1,3) (1,1) (0,n) EMŠO Ime Priimek Vzdevek Chenov diagram (pobarvamo piko ali pike) Običajen ER diagram (podčrtamo atribut ali atribute) EMŠO Ime Priimek Vzdevek OSEBA
58 1.5 Entitetni model.. Enolični identifikator entitete Glede na atribute, ki sestavljajo identifikator, ločimo entitetne tipe na Močne: za identifikacijo objekta zadoščajo lastni atributi Šibke: za identifikacijo objekta lastni atributi ne zadoščajo potrebujemo še nekaj tujih atributov dobimo jih kot primarne ključe povezanih entitetnih tipov, od katerih je naš šibki entitetni tip odvisen. odvisnost označimo s puščico (trikotnikom) na povezavi: Šibki entitetni tipi pogosto nastanejo po pretvorbi iz večmestnih (>2) ali večvrednostnih (m:n) razmerij, ter razmerij z atributi
59 1.5 Entitetni model.. Šibki entitetni tip Trikotnik označuje odvisnost (dependency) šibkega entitetnega tipa od močnega (v smetri puščice trikotnika). Kardinalnost: (0,n) Identifikator šibkega ent. tipa pes: Ime_psa in EMSO skupaj! Identifikator močnega entitetnega tipa Oseba: EMSO
60 1.5 Entitetni model.. Primer: eštudent
61 1.5 Razširjeni entitetni model.. Razvrščanje sorodnih entitetnih tipov v hierarhije Izognemo se redundantnosti, povečamo semantiko Generalizacija Imamo entitetna tipa B in C Generaliziramo (posplošimo) ju v nadtip A Pri tem se skupni atributi prenesejo na nadtip Specializacija: Imamo entitetni tip A Specializiremo ga v podtipa B in C Podtipa ne vsebujeta skupnih atrbutov. Generalizacija in specializacija
62 Generalizacija in specializacija 1.5 Razširjeni entitetni model.. VOZILO OSEBNI AVTO AVTOBUS DELAVEC PROFESOR ASISTENT
63 1.5 Razširjeni entitetni model.. Entitetni tip A s podtipoma B in C B in C pokrivata A totalno in ekskluzivno, če velja: E B E C = E A in E B E C = {} B in C pokrivata A totalno in prekrivno, če velja: E B E C = E A in E B E C {} B in C pokrivata A delno in ekskluzivno, če velja: E B E C E A in E B E C = {} B in C pokrivata A delno in prekrivno, če velja: E B E C E A in E B E C {} Generalizacija in specializacija
64 Generalizacija in specializacija 1.5 Razširjeni entitetni model.. OSEBA Totalno in ekskluzivno MOŠKI ŽENSKA OSEBA Delno in prekrivno ŠTUDENT ŠPORTNIK
Podatkovni model ER
Podatkovni model Entiteta- Razmerje Iztok Savnik, FAMNIT 2018/19 Pregled: Načrtovanje podatkovnih baz Konceptualno načtrovanje: (ER Model) Kaj so entite in razmerja v aplikacijskem okolju? Katere podatke
Prikaži večPRIPOROČILA ZA OBLIKOVANJE KATALOGOV ZNANJA ZA MODULE V PROGRAMIH VIŠJEGA STROKOVNEGA IZOBRAŽEVANJA
KATALOG ZNANJA 1. IME PREDMETA ZBIRKE PODATKOV I ZBIRKE PODATKOV II 2. SPLOŠNI CILJI Splošni cilji predmeta so: razvijanje sposobnosti za uporabo znanstvenih metod in sredstev, razvijanje odgovornosti
Prikaži večChapter 1
- 1 - Poglavje 1 Uvod v podatkovne baze - 2 - Poglavje 1 Cilji (Teme).. Nekatere domene, kjer se uporabljajo podatkovne baze Značilnosti datotečnih sistemov Problemi vezani na datotečne sisteme Pomen izraza
Prikaži večDiapozitiv 1
Računalništvo in informatika Program: Mehatronika dr. Hubert Fröhlich, univ. dipl. el. Podatkovne baze 2 Podatkovne baze Podatki osnova za odločanje in izvajanje akcij tiskana oblika elektronska oblika
Prikaži večMicrosoft Word - M docx
Š i f r a k a n d i d a t a : ržavni izpitni center *M15178112* SPOMLNSKI IZPITNI ROK Izpitna pola 2 Četrtek, 4. junij 2015 / 90 minut ovoljeno gradivo in pripomočki: Kandidat prinese nalivno pero ali
Prikaži večMicrosoft PowerPoint - PIS_2005_03_02.ppt
Utišajmo mobilne telefone! 1 Vsebina predmeta Osnove poslovnih informacijskih sistemov Modeliranje poslovnih procesov Podatkovne baze in modeliranje podatkov 2. del Osnove jezika SQL Življenjski cikel
Prikaži večMicrosoft PowerPoint - OAPS1- Uvod.ppt
Univerza v Ljubljani Fakulteta za računalništvo in informatiko Igor Rožanc Osnove algoritmov in podatkovnih struktur I ( OAPS I ) 2. letnik VSP Računalništvo in informatika, vse smeri Študijsko leto 2006/07
Prikaži večCMSC 838T Lecture
Uvod v UML Iztok Savnik Uvod Standarden jezik za pisanje specifikacij programske opreme. Poslovni informacijski sistemi Porazdeljene spletne aplikacije Vgnezdeni sistemi v realnem času Kreiranje konceptualnega
Prikaži večSlide 1
Projektno vodenje PREDAVANJE 7 doc. dr. M. Zajc matej.zajc@fe.uni-lj.si Projektno vodenje z orodjem Excel Predstavitev Najbolj razširjeno orodje za delo s preglednicami Dva sklopa funkcij: Obdelava številk
Prikaži večUČNI NAČRT PREDMETA / COURSE SYLLABUS Predmet: Podatkovne baze 2 Course title: Data bases 2 Študijski program in stopnja Study programme and level Vis
UČNI NAČRT PREDMETA / COURSE SYLLABUS Predmet: Podatkovne baze 2 Course title: Data bases 2 Študijski program in stopnja Study programme and level Visokošolski strokovni študijski program Praktična matematika
Prikaži večpredstavitev fakultete za matematiko 2017 A
ZAKAJ ŠTUDIJ MATEMATIKE? Ker vam je všeč in vam gre dobro od rok! lepa, eksaktna veda, ki ne zastara matematičnoanalitično sklepanje je uporabno povsod matematiki so zaposljivi ZAKAJ V LJUBLJANI? najdaljša
Prikaži večKomisija za študijske zadeve UL Medicinske fakultete Vrazov trg 2 SI-1000 Ljubljana E: T: Režim študija Predmet: Uvod
Komisija za študijske zadeve UL Medicinske fakultete Vrazov trg 2 SI-1000 Ljubljana E: ksz@mf.uni-lj.si T: +386 1 543 7700 Režim študija Predmet: Uvod v medicino, modul Informatika Študijski program: EMŠ
Prikaži večMicrosoft PowerPoint - IPPU-V2.ppt
Informatizacija poslovnih procesov v upravi VAJA 2 Procesni pogled Diagram aktivnosti IPPU vaja 2; stran: 1 Fakulteta za upravo, 2006/07 Procesni pogled Je osnova za razvoj programov Prikazuje algoritme
Prikaži večProtege, I.Savnik
Protégé Iztok Savnik Uporabljeni viri: A Practical Guide To Building OWL Ontologies Using Protege 4 and CO ODE Tools, Edition 1.1 http://protege.stanford.edu/ Protégé OWL ontologije za Semantični splet
Prikaži večRAM stroj Nataša Naglič 4. junij RAM RAM - random access machine Bralno pisalni, eno akumulatorski računalnik. Sestavljajo ga bralni in pisalni
RAM stroj Nataša Naglič 4. junij 2009 1 RAM RAM - random access machine Bralno pisalni, eno akumulatorski računalnik. Sestavljajo ga bralni in pisalni trak, pomnilnik ter program. Bralni trak- zaporedje
Prikaži več1. IDENTIFIKACIJA PODATKOVNEGA NIZA 1.1 Naslov Strukturno-tektonska karta Slovenije 1: Alternativni naslov Strukturno-tektonska karta Slove
1. IDENTIFIKACIJA PODATKOVNEGA NIZA 1.1 Naslov Strukturno-tektonska karta Slovenije 1:250.000 1.2 Alternativni naslov Strukturno-tektonska karta Slovenije 1:250.000 1.3 Okrajšani naslov - 1.4 Globalni
Prikaži večKazalo 1 DVOMESTNE RELACIJE Operacije z dvomestnimi relacijami Predstavitev relacij
Kazalo 1 DVOMESTNE RELACIJE 1 1.1 Operacije z dvomestnimi relacijami...................... 2 1.2 Predstavitev relacij............................... 3 1.3 Lastnosti relacij na dani množici (R X X)................
Prikaži več3
3.5 Radiologija Stopnja izobrazbe: Strokovni naslov: visoka strokovna izobrazba diplomirana inženirka radiologije, okrajšava dipl.inž.rad. diplomirani inženir radiologije, okrajšava dipl.inž.rad. Študentje
Prikaži večPowerPoint Presentation
Novosti Državnega centra za storitve zaupanja SI-TRUST Mag. Aleš Pelan, Ministrstvo za javno upravo 11.12.2018 ... 2000 2001 2015 2018 Overitelj na MJU Državni center za storitve zaupanja Novosti v letu
Prikaži večMicrosoft PowerPoint - MSPO_4_DiagramiVpliva.pptx
8. Diagrami vpliva Odločitveno drevo alternative status quo razširitev gradnja povezovanje izidi 28 30 24 42 16 44 30 34, Univerza v Novi Gorici, Poslovno-tehniška fakulteta 1 Slabosti odločitvenih dreves
Prikaži večMicrosoft PowerPoint - Sequi_SecDAy.ppt
Sistem za zagotavljanje revizijske sledi zbirk podatkov Marko Hočevar Premisa d.o.o. Iztok Lasič Hic Salta d.o.o. O revizijski sledi Namen revizijske sledi Znane težave pri zajemanju revizijske sledi Zakaj
Prikaži večMicrosoft Word - M doc
Državni izpitni center *M11145113* INFORMATIKA SPOMLADANSKI IZPITNI ROK NAVODILA ZA OCENJEVANJE Petek, 10. junij 2011 SPLOŠNA MATURA RIC 2011 2 M111-451-1-3 IZPITNA POLA 1 1. b 2. a 3. Pojem se povezuje
Prikaži večMacoma katalog copy
POSLOVNE APLIKACIJE PO ŽELJAH NAROČNIKA Poročilni sistem Finance in kontroling Poprodaja Podatkovna skladišča Prodaja Proizvodnja Obstoječi ERP Partnerji Implementacija rešitev prilagojena po željah naročnika
Prikaži večŠolski center Celje Srednja šola za kemijo, elektrotehniko in računalništvo ELEKTRONSKA REDOVALNICA RAZISKOVALNA NALOGA AVTORJI Aleš Budna Jure Ulaga
Šolski center Celje Srednja šola za kemijo, elektrotehniko in računalništvo ELEKTRONSKA REDOVALNICA RAZISKOVALNA NALOGA AVTORJI Aleš Budna Jure Ulaga Nik Perčič MENTOR Dušan Fugina, prof. Celje, marec
Prikaži večMicrosoft Word - ELEKTROTEHNIKA2_ junij 2013_pola1 in 2
Šifra kandidata: Srednja elektro šola in tehniška gimnazija ELEKTROTEHNIKA PISNA IZPITNA POLA 1 12. junij 2013 Čas pisanja 40 minut Dovoljeno dodatno gradivo in pripomočki: Kandidat prinese nalivno pero
Prikaži večOsnove verjetnosti in statistika
Osnove verjetnosti in statistika Gašper Fijavž Fakulteta za računalništvo in informatiko Univerza v Ljubljani Ljubljana, 26. februar 2010 Poskus in dogodek Kaj je poskus? Vržemo kovanec. Petkrat vržemo
Prikaži večLAMP, MEAN, ANNE – kaj izbrati za razvoj spletne aplikacije?
Univerza v Ljubljani Fakulteta za računalništvo in informatiko Tim Cestnik LAMP, MEAN, ANNE kaj izbrati za razvoj spletne aplikacije? DIPLOMSKO DELO UNIVERZITETNI ŠTUDIJSKI PROGRAM PRVE STOPNJE RAČUNALNIŠTVO
Prikaži večUČNI NAČRT PREDMETA / COURSE SYLLABUS Predmet: Podatkovne baze 1 Course title: Data bases 1 Študijski program in stopnja Study programme and level Vis
UČNI NAČRT PREDMETA / COURSE SYLLABUS Predmet: Podatkovne baze 1 Course title: Data bases 1 Študijski program in stopnja Study programme and level Visokošolski strokovni študijski program Praktična matematika
Prikaži večUPRAVLJANJE RAZPRŠENIH PODATKOV Shranjevanje, zaščita in vzdrževanje informacij, ki jih najbolj potrebujete
UPRAVLJANJE RAZPRŠENIH PODATKOV Shranjevanje, zaščita in vzdrževanje informacij, ki jih najbolj potrebujete ELEKTRONSKI PODATKI, KI JIH ORGANIZACIJA USTVARJA IN POTREBUJE ZA DOSTOP, SE KAŽEJO V RAZLIČNIH
Prikaži večPowerPointova predstavitev
IZKUŠNJE PRI PRILAGODITVI E-STORITEV AJPES ZAHTEVAM EIDAS ZA ČEZMEJNO PRIZNAVANJE MARJAN BABIČ, AJPES Vsebina Razlogi za vključitev v projekt CEF Telecom Izvajalno okolje AJPES in način integracije s SI-PASS
Prikaži večZapisnik 1
Letno poročilo o študentski anketi UP FHŠ za študijsko leto 2014/15 Letno poročilo o rezultatih anketiranja se pripravi skladno s Pravilnikom o izvajanju študentske ankete Univerze na Primorskem in vsebuje:
Prikaži večII-RIS-Primer Seminarske Naloge Redni-LJ
UNIVERZA V LJUBLJANI FAKULTETA ZA UPRAVO Študijski program: Visokošolski strokovni program Uprava Prva stopnja (bolonjski) Način študija: redni ČIŠČENJE VOZIL V AVTOPRALNICI Seminarska naloga Predmet:
Prikaži večUNIVERZA V LJUBLJANI FAKULTETA ZA RAČUNALNIŠTVO IN INFORMATIKO Milan Derlink Testiranje primernosti uporabe NoSQL v okviru računovodske aplikacije DIP
UNIVERZA V LJUBLJANI FAKULTETA ZA RAČUNALNIŠTVO IN INFORMATIKO Milan Derlink Testiranje primernosti uporabe NoSQL v okviru računovodske aplikacije DIPLOMSKO DELO VISOKOŠOLSKI STROKOVNI ŠTUDIJSKI PROGRAM
Prikaži večPKP projekt SMART WaterNet_Opis
PKP projekt SMART WaterNet Po kreativni poti do znanja (PKP) opis programa Program Po kreativni poti do znanja omogoča povezovanje visokošolskih zavodov s trgom dela in tako daje možnost študentom za pridobitev
Prikaži večVaja 3 Kopiranje VM in namestitev aplikacij - strežnik SQL 2000 SP3a A. Lokalni strežnik Vmware ESX Dodajanje uporabnikov vajexx v skupino Vaje
Vaja 3 Kopiranje VM in namestitev aplikacij - strežnik SQL 2000 SP3a A. Lokalni strežnik Vmware ESX 3.5 1. Dodajanje uporabnikov vajexx v skupino Vaje 2. Kopiranje Win2003 strežnika in registracija na
Prikaži večEvent name or presentation title
Marko Škufca Vodja programa BI, ADD d.o.o. Gorazd Cah Specialist področja Služba za informatiko, DARS d.d. Izziv Rešitev Rezultati... PROCESI + TEHNOLOGIJA + LJUDJE Poslanstvo: s sodobnimi pristopi in
Prikaži večEU-TPD 1 PODROBNOSTI KODIRANJA Informacije za trgovino JB za DCTA, (Final 1.2) Obveznost kodiranja izdelka, urejena s predpisom EU-TPD se n
EU-TPD 1 PODROBNOSTI KODIRANJA Informacije za trgovino Obveznost kodiranja izdelka, urejena s predpisom EU-TPD se nanaša na tobačne izdelke na trgu EU in na tobačne izdelke, izdelane v EU, vključno s tistimi
Prikaži večDocument ID / Revision : 0519/1.3 ID Issuer System (sistem izdajatelja identifikacijskih oznak) Navodila za registracijo gospodarskih subjektov
ID Issuer System (sistem izdajatelja identifikacijskih oznak) Navodila za registracijo gospodarskih subjektov Gospodarski subjekti Definicija: V skladu z 2. členom Izvedbene uredbe Komisije (EU) 2018/574
Prikaži večSPLOŠNE INFORMACIJE
»PSIHOLOŠKI DIFERENCIALNI MODUL«(PDM) V ŠTUDIJSKEM LETU 2016/17 1 VSEBINA: 1. Namen Psihološkega diferencialnega modula (PDM)... 2 2. Predmeti PDM... 2 2.1 Predmeti... 4 2.1.1 Diferencialna psihologija...
Prikaži večDatum in kraj
Ljubljana, 5. 4. 2017 Katalog znanj in vzorci nalog za izbirni izpit za vpis na magistrski študij Pedagoško računalništvo in informatika 2017/2018 0 KATALOG ZNANJ ZA IZBIRNI IZPIT ZA VPIS NA MAGISTRSKI
Prikaži večSQL doc. dr. Evelin Krmac RELACIJSKE PODATKOVNE BAZE Relacijski model organizacije podatkov podatki predstavljeni preko relacij 2D tabel operacije se
SQL RELACIJSKE PODATKOVNE BAZE Relacijski model organizacije podatkov podatki predstavljeni preko relacij 2D tabel operacije se izvajajo preko enega jezika (npr. SQL) omogoča izvajanje osnovnih relacijskih
Prikaži večPowerPoint Presentation
Better Integrate. Open. Innovate. Roland Petek, COO, Better by Marand 30 let izkušenj v ZIT 150 zaposlenih 18M EUR letnega prometa Rešitve v zdravstvu platforme, orodja, aplikacije Stranke v 15 državah
Prikaži večŠTEVCI 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
Prikaži večMicrosoft PowerPoint - UN_OM_G03_Marketinsko_raziskovanje
.: 1 od 10 :. Vaja 3: MARKETINŠKO KO RAZISKOVANJE Marketinško ko raziskovanje Kritičen del marketinškega informacijskega sistema. Proces zagotavljanja informacij potrebnih za poslovno odločanje. Relevantne,
Prikaži večPriloga k pravilniku o ocenjevanju za predmet LIKOVNA UMETNOST. Ocenjujemo v skladu s Pravilnikom o preverjanju in ocenjevanju znanja v srednjih šolah
Priloga k pravilniku o ocenjevanju za predmet LIKOVNA UMETNOST. Ocenjujemo v skladu s Pravilnikom o preverjanju in ocenjevanju znanja v srednjih šolah in Pravili ocenjevanja Gimnazije Novo mesto, veljavnim
Prikaži večPOTEK POUKA TUJIH JEZIKOV - dolžnost učencev je, da redno in točno obiskujejo pouk, - pri pouku sodelujejo, pišejo zapiske - k pouku redno prinašajo u
POTEK POUKA TUJIH JEZIKOV - dolžnost učencev je, da redno in točno obiskujejo pouk, - pri pouku sodelujejo, pišejo zapiske - k pouku redno prinašajo učbenik in delovni zvezek, ki sta obvezna učna pripomočka
Prikaži večMicrosoft PowerPoint - Lapajne&Randl2015.pptx
RAZISKAVA OB PREDVIDENI SELITVI KNJIŽNIC OHK Raziskava je potekala v okviru predmetov Raziskovalne metode in Uporabniki informacijskih virov in storitev pod mentorstvom treh profesorjev (dr. Pisanski,
Prikaži več5 SIMPLICIALNI KOMPLEKSI Definicija 5.1 Vektorji r 0,..., r k v R n so afino neodvisni, če so vektorji r 1 r 0, r 2 r 0,..., r k r 0 linearno neodvisn
5 SIMPLICIALNI KOMPLEKSI Definicija 5.1 Vektorji r 0,..., r k v R n so afino neodvisni, če so vektorji r 1 r 0, r 2 r 0,..., r k r 0 linearno neodvisni. Če so krajevni vektorji do točk a 0,..., a k v R
Prikaži večRazpis - podiplomski študij
RAZPIS ZA VPIS V DOKTORSKA ŠTUDIJSKA PROGRAMA 3. STOPNJE UNIVERZE NA PRIMORSKEM PEDAGOŠKE FAKULTETE V ŠTUDIJSKEM LETU 2016/2017 Za vpis v podiplomske doktorske študijske programe 3. stopnje v študijskem
Prikaži večTuringov stroj in programiranje Barbara Strniša Opis in definicija Definirajmo nekaj oznak: Σ abeceda... končna neprazna množica simbolo
Turingov stroj in programiranje Barbara Strniša 12. 4. 2010 1 Opis in definicija Definirajmo nekaj oznak: Σ abeceda... končna neprazna množica simbolov (običajno Σ 2) Σ n = {s 1 s 2... s n ; s i Σ, i =
Prikaži večMicrosoft Word - CNC obdelava kazalo vsebine.doc
ŠOLSKI CENTER NOVO MESTO VIŠJA STROKOVNA ŠOLA STROJNIŠTVO DIPLOMSKA NALOGA Novo mesto, april 2008 Ime in priimek študenta ŠOLSKI CENTER NOVO MESTO VIŠJA STROKOVNA ŠOLA STROJNIŠTVO DIPLOMSKA NALOGA Novo
Prikaži večMicrosoft Word - 021_01_13_Pravilnik_o_zakljucnem delu
Na podlagi 64. člena Pravil o organizaciji in delovanju Fakultete za humanistične študije, št. 011-01/13 z dne 27. 6. 2013, je Senat Univerze na Primorskem Fakultete za humanistične študije na svoji 4.
Prikaži večPredmetnik programa Družboslovna informatika, smer Digitalne tehnologije in družba (DI-DTID) 1. letnik Zimski semester Poletni semester # Naziv predme
Predmetnik programa Družboslovna informatika, smer Digitalne tehnologije in družba (DI-DTID) 1. letnik 1 Statistika 60 6 6 Uvod v metode družboslovnega raziskovanja 60 6 2 Uvod v družboslovno informatiko
Prikaži več[ Univerza v Ljubljani ] [ english ] Imenik sodelavcev Študij fizike Študij matematike
[ Univerza v Ljubljani ] [ english ] Imenik sodelavcev Študij fizike Študij matematike Doktorski študij matematike in fizike Raziskave O fakulteti Študenti fizike Študenti matematike Sodelavci Domov >
Prikaži večSlajd 1
REPUBLIKA SLOVENIJA MINISTRSTVO ZA JAVNO UPRAVO 1 EU ENOTNI DIGITALNI PORTAL: PRIHAJA NOVA EU UREDBA Alenka Žužek Nemec, Tina Kuliš DNEVI SLOVENSKE INFORMATIKE 18. april 2018 Ko podjetja ali državljani
Prikaži večVse na svojem mestu. informacijski sistem za vodenje skladišč
Vse na svojem mestu. informacijski sistem za vodenje skladišč Kaj je AtlasWMS? Izpopolnjen sistem za upravljanje skladišča (WMS) AtlasWMS podpira tako procese avtomatiziranega (blago k človeku) kot ročnega
Prikaži večUniverzitetni študijski program Fizika I
Medicinska fizika II. stopnja 1. Splošni podatki o študijskem programu Ime študija: Magistrski študijski program Medicinska fizika. Stopnja študija: Druga bolonjska stopnja. Vrsta študija: Enopredmetni
Prikaži večPowerApps
ko tehnologija postane brezmejna strast Microsoft PowerApps Uporabniška navodila Avtorji Brina Gomboc, Lucija Kos, Damjana Krampač Mentorici dr. Simona Sternad Zabukovšek Sara Cokan, mag. ekon. in posl.
Prikaži več1. letnik MAGISTRSKI ŠTUDIJSKI PROGRAM LESARSTVO, 2. stopnja 2018/19 Število študentov: 12+1 Mentor letnika: prof. dr. Manja Kitek Kuzman III. BLOK 18
1. letnik MAGISTRSKI ŠTUDIJSKI PROGRAM LESARSTVO, 2. stopnja 2018/19 Število študentov: 12+1 prof. dr. Manja Kitek Kuzman III. BLOK 18. februar do 5. april 2019 Izpitno obdobje: 8. april do 12. april 2019
Prikaži več1 MMK - Spletne tehnologije Vaja 5: Spletni obrazci Vaja 5 : Spletni obrazci 1. Element form Spletni obrazci so namenjeni zbiranju uporabniških podatk
1 MMK - Spletne tehnologije Vaja 5: Spletni obrazci Vaja 5 : Spletni obrazci 1. Element form Spletni obrazci so namenjeni zbiranju uporabniških podatkov in njihov prenos med spletnimi mesti. Obrazec v
Prikaži večPowerPointova predstavitev
Izkušnje pri prilagoditvi e-storitev AJPES zahtevam eidas za čezmejno priznavanje Marjan Babič, AJPES 11. 12. 2018 Vsebina Razlogi za vključitev v projekt CEF Telecom Izvajalno okolje AJPES in način integracije
Prikaži večSlide 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
Prikaži večVzpostavitev 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
Prikaži večDiapozitiv 1
Nacionalno preverjanje znanja v osnovni šoli 2018/2019 Zakonske podlage NPZ Čemu nacionalno preverjanje znanja, kaj želimo z njim doseči CILJ: pridobiti dodatno informacijo o znanju učencev, ki je namenjena
Prikaži večRačunalniški praktikum Projektna naloga - Izdelava spletne strani Avtor: Matej Tekavčič Skupina: Matej Tekavčič - koordinator Simon Vrhovnik Tine Kavč
Računalniški praktikum Projektna naloga - Izdelava spletne strani Avtor: Matej Tekavčič Skupina: Matej Tekavčič - koordinator Simon Vrhovnik Tine Kavčič Matjaž Jerman 8. februar 2006 Kazalo 1 Uvod 2 2
Prikaži večUporaba informacijsko komunikacijske tehnologije v naravoslovju in tehniki
Predavatelj: izr. prof. Uroš Lotrič Asistent: Davor Sluga Vsebina 5 x V Problemi velikih podatkov Apache Hadoop kot rešitev Kaj je Hadoop HDFS YARN MapReduce Hadoop ekosistem VVVVV Volume (Količina) Količina
Prikaži več-
Informatika v organizaciji in managementu PROGRAMSKA REŠITEV ZA SLEDENJE MATERIALA Mentor: doc. dr. Borut Werber Kandidat: Stojan Erker Kranj, junij 2016 ZAHVALA Zahvaljujem se mentorju doc. dr. Borutu
Prikaži večPROJECT OVERVIEW page 1
N A Č R T P R O J E K T A : P R E G L E D stran 1 Ime projekta: Ustvarjanje s stripom Predmet/i: Slovenščina Avtorja/i projekta: Jasmina Hatič, Rosana Šenk Učitelj/i: Učitelji razrednega pouka Trajanje:
Prikaži več-
Organizacija in management informacijskih sistemov RAZVOJ APLIKACIJE ZA UPRAVLJANJE S STRANKAMI V PODJETJU ANET, D.O.O. Mentor: red. prof. dr. Jože Zupančič Kandidat: Nejc Šter Kranj, April 2011 ZAHVALA
Prikaži večSlide 1
Tehnike programiranja PREDAVANJE 10 Uvod v binarni svet in računalništvo (nadaljevanje) Logične operacije Ponovitev in ilustracija Logične operacije Negacija (eniški komplement) Negiramo vse bite v besedi
Prikaži večMicrosoft Word - NAJBOLJ POGOSTA VPRAŠANJA IN ODGOVORI.docx
NAJBOLJ POGOSTA VPRAŠANJA IN ODGOVORI 1. KAJ SO IZREDNI ROKI? KOLIKO JIH JE? KOMU PRIPADAJO? POSTOPEK. Pravilnik o študiju 202. člen Izredni izpitni roki so izpitni roki zunaj izpitnih obdobij in v času
Prikaži večDiapozitiv 1
Ključne kompetence za uspešno delo knjižničarja Kako jih razvijati? Dr. Vlasta Zabukovec Oddelek za bibliotekarstvo, informacijsko znanost in knjigarstvo FF, UL Kompetence Študij, vseživljenjsko učenje
Prikaži večMicrosoft Word - M docx
Š i f r a k a n d i d a t a : Državni izpitni center *M15245112* JESENSKI IZPITNI ROK Izpitna pola 2 / 90 minut Dovoljeno gradivo in pripomočki: Kandidat prinese nalivno pero ali kemični svinčnik in računalo.
Prikaži večVaja 2 Virtualizacija fizičnih strežnikov in virtualni PC A. Strežnik Vmware ESX Namestitev strežnika VMware ESX 3.5 na fizični strežnik 2. Nas
Vaja 2 Virtualizacija fizičnih strežnikov in virtualni PC A. Strežnik Vmware ESX 3.5 1. Namestitev strežnika VMware ESX 3.5 na fizični strežnik 2. Nastavitve strežnika ESX 3. Namestitev in nastavitve VM
Prikaži večSPLETNA PRIJAVA NA IZPITE ZA DIJAKE Dijaki se na izpite prijavite na novem portalu novi.lopolis.si z istim uporabniškim imenom in geslom, kot ga upora
SPLETNA PRIJAVA NA IZPITE ZA DIJAKE Dijaki se na izpite prijavite na novem portalu novi.lopolis.si z istim uporabniškim imenom in geslom, kot ga uporabljate tudi za portal Lo.Polis (www.lopolis.si), kjer
Prikaži večOrodje za izvoz podatkov
Pomoč uporabnikom -NA-SI-200, V6.13-00 IZUM, 2018 COBISS, COMARC, COBIB, COLIB, IZUM so zaščitene znamke v lasti javnega zavoda IZUM. KAZALO VSEBINE 1 Uvod... 1 2 Predstavitev orodja za izvoz podatkov...
Prikaži večMicrosoft 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
Prikaži večINDUSTRIJA 4.0: PRILOŽNOSTI DIGITALNE PREOBRAZBE PROCESA RAZVOJA BARV IN PREMAZOV TOMAŽ KERN, BENJAMIN URH, MARJAN SENEGAČNIK, EVA KRHAČ
INDUSTRIJA 4.0: PRILOŽNOSTI DIGITALNE PREOBRAZBE PROCESA RAZVOJA BARV IN PREMAZOV TOMAŽ KERN, BENJAMIN URH, MARJAN SENEGAČNIK, EVA KRHAČ AGENDA IZZIV OZADJE RAZISKAVE POSNETEK STANJA ANALIZA STANJA in
Prikaži večNove različice programske opreme GE Podjetje GE Digital, vodilni svetovni proizvajalec programske opreme za področje avtomatike, je izdalo kar nekaj n
Nove različice programske opreme GE Podjetje GE Digital, vodilni svetovni proizvajalec programske opreme za področje avtomatike, je izdalo kar nekaj novosti na področju SCADA sistemov (ifix Productivity
Prikaži večIme in priimek: Vpisna št: FAKULTETA ZA MATEMATIKO IN FIZIKO Oddelek za matematiko Verjetnost Pisni izpit 5. februar 2018 Navodila Pazljivo preberite
Ime in priimek: Vpisna št: FAKULTETA ZA MATEMATIKO IN FIZIKO Oddelek za matematiko Verjetnost Pisni izpit 5 februar 018 Navodila Pazljivo preberite besedilo naloge, preden se lotite reševanja Nalog je
Prikaži večFAKULTETA ZA ORGANIZACIJSKE VEDE Kidričeva cesta 55a, 4000 Kranj Tel.: (04) (04) E pošta: Splet
FAKULTETA ZA ORGANIZACIJSKE VEDE Kidričeva cesta 55a, 4000 Kranj Tel.: (04) 237 42 22 (04) 237 42 15 E pošta: vs@fov.uni-mb.si; un@fov.uni-mb.si Spletna stran: http://www.fov.uni-mb.si Informativno mesto:
Prikaži večVprašanja 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
Prikaži večIND-L Zakon o državni statistiki (Uradni list RS, št. 45/95 in št. 9/01) Letni program statističnih raziskovanj za leto 2011 (Uradni list RS, št. 92/1
IND-L Zakon o državni statistiki (Uradni list RS, št. 45/95 in št. 9/0) Letni program statističnih raziskovanj za leto 0 (Uradni list RS, št. 9/) Sporočanje podatkov je obvezno. Vprašalnik za statistično
Prikaži večDES
Laboratorij za načrtovanje integriranih vezij Univerza v Ljubljani Fakulteta za elektrotehniko Digitalni Elektronski Sistemi Digitalni sistemi Vgrajeni digitalni sistemi Digitalni sistem: osebni računalnik
Prikaži večTEHNIČNA DOKUMENTACIJA
TEHNIČNA DOKUMENTACIJA za OBNOVO EVIDENCE DEJANSKE RABE KMETIJSKIH IN GOZDNIH ZEMLJIŠČ (območje V in Z del SLO) Verzija 1.0 Ljubljana, marec 2016 KAZALO 1 UVOD... 3 1.1 OBMOČJE PROJEKTA... 4 1.2 ČASOVNICA
Prikaži večEVROPSKA PRAVNA FAKULTETA V NOVI GORICI
NOVA UNIVERZA, EVROPSKA PRAVNA FAKULTETA - Delpinova ulica 18b, 5000 Nova Gorica - tel: (05) 338-44-00, fax: (05) 338-44-01 - e-pošta: info@evro-pf.si Informativno mesto: - Referat za študijske zadeve,
Prikaži večPowerPointova predstavitev
INFORMATIKA Tečaj za višjega gasilca OGZ PTUJ 2017 PRIPRAVIL: ANTON KUHAR BOMBEK, GČ VSEBINA TEORETIČNA PREDAVANJA INFORMACIJSKI SISTEMI SISTEM OSEBNIH GESEL IN HIERARHIJA PRISTOJNOSTI PRAKTIČNE VAJE ISKANJE
Prikaži večSENAT UL 2. SEJA DNE Številka: /2017 Datum: Ljubljana, TOČKA: Pravilnik o delovni in pedagoški obveznosti visokošol
SENAT UL 2. SEJA DNE 21. 11. 2017 Številka: 031-12/2017 Datum: Ljubljana, 21. 11. 2017 5. TOČKA: Pravilnik o delovni in pedagoški obveznosti visokošolskih učiteljev in sodelavcev Univerze v Ljubljani Poročevalec:
Prikaži večOsnove 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
Prikaži večMicrosoft Word - vprasalnik_AZU2007.doc
REPUBLIKA SLOVENIJA Anketa o zadovoljstvu uporabnikov statističnih podatkov in informacij Statističnega urada RS 1. Kako pogosto ste v zadnjem letu uporabljali statistične podatke in informacije SURS-a?
Prikaži večKazalnik dostopa do pitne vode dobre mikrobiološke kakovosti v Sloveniji - pojasnilo: Kazalnik dostopa do pitne vode dobre mikrobiološke kakovosti v S
Kazalnik dostopa do pitne vode dobre mikrobiološke kakovosti v Sloveniji - pojasnilo: Kazalnik dostopa do pitne vode dobre mikrobiološke kakovosti v Sloveniji temelji na rezultatih monitoringa pitne vode,
Prikaži večPowerPointova predstavitev
U K 20 P K U P M 2 0 1 2 12 M OBLIKOVANJE POJMA ŠTEVILO PRI OTROKU V 1. RAZREDU Sonja Flere, Mladen Kopasid Konferenca o učenju in poučevanju matematike, M a r i b o r, 2 3. i n 2 4. avgusta 2 0 1 2 Oblikovanje
Prikaži večUniverza v Mariboru
VISOKOŠOLSKI STROKOVNI PROGRAM PREDŠOLSKA VZGOJA Prerazporeditev ur med semestri štud. programa Predšolska vzgoja je bila potrjena na 9. izredni seji Senata PEF dne 14. 9. 2007 in na 1. korespondenčni
Prikaži večGradbeništvo kot Industrija 4.0
Povzetek: Kot vse druge panoge se mora gradbeništvo modernizirati Industrija 4.0 koncept, ki daje modernizaciji okvir, motivacijo, zagon Industrija 4.0 je stapljanje fizičnega in digitalnega sveta Gradbeništvo
Prikaži večMicrosoft PowerPoint - 14 IntrerspecifiOna razmerja .ppt
IV. POPULACIJSKA EKOLOGIJA 14. Interspecifična razmerja Št.l.: 2006/2007 1 1. INTERSPECIFIČNA RAZMERJA Osebki ene vrste so v odnosih z osebki drugih vrst, pri čemer so lahko ti odnosi: nevtralni (0), pozitivni
Prikaži večPrezentacija Telekoma Slovenije
Varen način identifikacije in digitalnega poslovanja s strankami Metod Platiše metod.platise@telekom.si Naravnanost uporabnikov in ponudnikov 2 Varen način identifikacije in digitalnega poslovanja s strankami
Prikaži večPoročilo za 1. del seminarske naloge- igrica Kača Opis igrice Kača (Snake) je klasična igrica, pogosto prednaložena na malce starejših mobilnih telefo
Poročilo za 1. del seminarske naloge- igrica Kača Opis igrice Kača (Snake) je klasična igrica, pogosto prednaložena na malce starejših mobilnih telefonih. Obstaja precej različic, sam pa sem sestavil meni
Prikaži večPREDLOG SPREMEMB STATUTA UNIVERZE V LJUBLJANI
Senat Univerze v Ljubljani je na podlagi šeste točke 47. in 238.a člena Statuta Univerze v Ljubljani (Uradni list RS, št. 8/05, 118/05, 72/06 (76/06-popr.), 59/07 (82/07-popr.), 81/07, 5/08, 42/08, 62/08,
Prikaži večVAJE RID 1 (4), program PTI, šol
VAJE INFORMATIKA, program PTI šol. leto 08/09 Za vsako vajo izdelajte kratka navodila oz. katere ukaze ste uporabili za izdelavo dokumenta. Vsak dokument stiskajte in ga vsatvite v delovno mapo. Pred izpitom
Prikaži več