Akademija FRI Fakulteta za računalništvo in informatiko Univerze v Ljubljani Nudimo znanja, ki jih potrebuje vsako podjetje.
|
|
- Nejc Bajc
- pred 4 leti
- Pregledov:
Transkripcija
1 Akademija FRI Fakulteta za računalništvo in informatiko Univerze v Ljubljani Nudimo znanja, ki jih potrebuje vsako podjetje.
2 Akademija FRI nudi tehnološko usmerjena izobraževanja za strokovne kadre in za splošno javnost. Pomembna znanja predajajo pedagogi, raziskovalci in zunanji sodelavci Fakultete za računalništvo in informatiko Univerze v Ljubljani. Vsa izobraževanja lahko prilagodimo željam in potrebam udeleženih. Prilagodimo torej lahko trajanje, vsebino in stopnjo poglobljenosti izobraževanja - na primer osnovna znanja za študente in karierne začetnike ali napredna za zaposlene, ki želijo nadgraditi svoje znanje. Primer posebej izoblikovanega izobraževanja po željah naročnika: 1. dan - 5 šolskih ur: Uvod v odkrivanje znanj iz podatkov 2. dan - 4 šolske ure: Globoko učenje v računalniškem vidu 1 3. dan - 4 šolske ure: Statistično modeliranje z Bayesovimi mrežami Po dogovoru lahko izobraževanja izvedemo tudi na sedežu podjetja. Izobraževanja se bodo izvedla ob zadostnem številu prijav. Pridržujemo si pravico do odpovedi in vam v tem primeru prijavnino v celoti povrnemo. Po prijavi vam pošljemo podatke za plačilo, prijavnino pa poravnajte v roku 5 delovnih dni. Za podjetja velja plačilo 30 dni od izdaje računa. Izobraževanje z odprtim terminom: Če se želite od izobraževanja odjaviti, vas prosimo, da to storite najkasneje 3 dni pred začetkom izobraževanja. V nasprotnem vam prijavnine NE povrnemo. Izobraževanje zaprtega tipa za podjetje: Če se želite od izobraževanja odjaviti, vas prosimo, da to storite najkasneje dva tedna pred začetkom. V nasprotnem vam prijavnine NE povrnemo. Nahajamo se na Fakulteti za računalništvo in informatiko Univerze v Ljubljani, Večna pot 113, 1000 Ljubljana, prostor R2.34. Alenka Bone, zunanja sodelavka alenka.bone@fri.uni-lj.si tel.:
3 CENIK Frontalno predavanje (do 15 oseb): 3-4 šolske ure: 2000 /dan 5-6 šolskih ur: 3000 /dan Tehnološko specializirano izobraževanje z demo projektom (do 15 oseb): 3-4 šolske ure: 3000 /dan 5-6 šolskih ur: 3500 /dan Hands on intenzivno izobraževanje (do 10 oseb): 3-4 šolske ure: 4000 /dan 5 šolskih ur: 4500 /dan 6 šolskih ur: 5000 /dan * DDV ni vključen v ceno. Vsak udeleženec prejme: zapiske z dodatno razlago, ilustracijami in primeri; brezplačno programsko opremo in podatke, ki jih bomo uporabili tekom tečaja; certifikat Akademije FRI; malico. Vsak udeleženec naj s seboj prinese svoj prenosni računalnik.
4 KAZALO UVOD V ODKRIVANJE ZNANJ IZ PODATKOV ZNANOST O PODATKIH ZA PODJETJA RUDARJENJE IN ORGANIZACIJA BESEDIL UVOD V UMETNO INTELIGENCO IN STROJNO UČENJE UVOD V NEVRONSKE MREŽE GLOBOKO UČENJE V RAČUNALNIŠKEM VIDU 1 IN STATISTIČNO MODELIRANJE Z BAYESOVIMI MREŽAMI PRIPOROČILNI SISTEMI UPORABA PAMETNIH POGODB PRI TEHNOLOGIJI VERIŽENJA BLOKOV PREGLED TEHNOLOGIJE TANGLE ZA DISTRIBUIRAN PODATKOVNI TOK V IoT SISTEMIH MIKROSTORITVE, API, ARHITEKTURA ZA OBLAK, VSEBNIKI IN DevOps ITERATIVNO IN AGILNO VODENJE PROJEKTOV RAZVOJA PROGRAMSKE OPREME POSLOVNO INFORMACIJSKE ARHITEKTURE OBVLADOVANJE VELIKIH KOLIČIN PODATKOV (Big Data) HADOOP SPUSTIMO TIGRE NA PAŠO! PREPOZNAVANJE GROŽENJ, KI JIH SREČAMO V OKVIRU INFORMACIJSKE VARNOSTI PREPOZNAVANJE IN ODZIVANJE NA INFOSEC NAPADE KONTEJNERJI IN KUBERNETES SPLETNO VZPOREDNO RAČUNANJE Z WEBGL PAMETNO PODJETJE OSNOVE 3D MODELIRANJA V ORODJU BLENDER RAZVOJ SPLETNIH IN MOBILNIH 3D APLIKACIJ RAZVOJ VR APLIKACIJ V OKOLJU Unity3D DIZAJNERSKI PRISTOP (Design Thinking)
5 UVOD V ODKRIVANJE ZNANJ IZ PODATKOV Uvod v odkrivanje znanj iz podatkov je prvi korak v svet podatkovne analitike. Izobraževanje je namenjeno popolnim začetnikom, ki želijo spoznati osnovne metode strojnega učenja s pomočjo vizualizacij ter interaktivne predstavitve algoritmov. Postopkov se bomo učili brez programiranja in matematike, po izobraževanju pa boste lahko samostojno zgradili in uporabili analitični delotok. Usvojili boste tehnike vizualizacije podatkov in strojnega učenja. Po izobraževanju boste sposobni sami analizirati podatke in jih uporabiti za gradnjo napovednih modelov. Izobraževanje je praktično, z delom na konkretnih primerih. Sami se boste preizkusili v analizi na novih podatkih. Brez dolgočasnih PowerPointov. Raziskovanje podatkov in vizualizacije. Gručenje, odkrivanje skupin v podatkih. Klasifikacija in gradnja napovednih modelov. Analiza vprašalnikov, podatkov iz marketinga in glasovalnih vzorcev. Trajanje: 5 šolskih ur Ključni izvajalci: prof. dr. Blaž Zupan, as. Ajda Pretnar 5
6 ZNANOST O PODATKIH ZA PODJETJA Napredno izobraževanje, na katerem se bomo poglobili v delovanje algoritmov strojnega učenja ter bomo ugotovili, kako le-ti delujejo. Z uporabo intuicije in preprostih primerov bomo prikazali prednosti in slabosti posameznih pristopov. Vsaka lekcija se konča s praktičnim primerom, kjer udeleženci preizkusijo svoje znanje na novih podatkih. Spoznali bomo najnovejše pristope znanosti o podatkih in strojnega učenja, ki so specifično namenjeni za poslovne probleme. Po izobraževanju boste lahko napovedovali odhod uporabnikov, segmentirali stranke, zaznali sentiment znamke ter priporočali izdelke v košarici. Poudarek je na intuiciji. Nič zahtevne matematike, statistike ali programiranja. Izobraževanje je praktično. Delali bomo na primerih in študijah. Nič dolgočasnih Power Pointov. Raziskovanje podatkov in predprocesiranje. Osnovne statistične analize, prikazane preko pametnih vizualizacij. Gručenje in segmentacija strank. Klasifikacija, gradnja napovednih modelov in napovedovanje odhoda uporabnikov. Prekomerno prilagajanje. Kako pravilno napovedovati. Ocenjevanje modelov in mere uspešnosti. Rudarjenje besedil v poslovnem svetu. Spremljanje znamke in analiza sentimenta. Osnovne analize slik. Trajanje: 2 x 5 šolskih ur Ključni izvajalci: prof. dr. Blaž Zupan, as. Ajda Pretnar 6
7 RUDARJENJE IN ORGANIZACIJA BESEDIL Udeleženci bodo uporabili metode za predprocesiranje besedil in se nato osredotočili na ekstrakcijo pomenskih delov (entitet, povezav, koreferenc). Zajete oziroma semantično označene podatke se bodo naučili shranjevati v semantičnih podatkovnih zbirkah (kot je na primer DBPedia) in po njih tudi poizvedovati. Po izobraževanju bodo udeleženci sposobni sami s pomočjo programskega jezika izvesti izbrano analizo besedila od začetka do konca. Namen izobraževanja je, predstaviti in uporabiti glavne tehnike rudarjenja besedil, predvsem na semantičnem nivoju. Predprocesiranje in obogatitev besedil. Pomen jezikovnih virov, njihova izgradnja in uporaba. Prepoznavanje imenskih entitet, ekstrakcija povezav in odkrivanje koreferenčnosti. Osnovna uporaba nevronskih mrež nad besedili. Primerjava jezikovnih lastnosti med različnimi jeziki. Hranjenje podatkov v obliki ontologij in iskanje po njih. Praktični primeri in samostojno delo za vsako izmed zgornjih tematik (Python notebook). Predznanje: osnovno predznanje iz programiranja (poljuben programski jezik) Trajanje: 2x4 šolske ure Ključni izvajalci: doc. dr. Slavko Žitnik, as. Ajda Pretnar 7
8 UVOD V UMETNO INTELIGENCO IN STROJNO UČENJE Na izobraževnju bomo razjasnili razliko med človeško in računalniško inteligenco ter spoznali strojno učenje kot temelj umetne inteligence. Poglobili se bomo tudi v delovanje algoritmov strojnega učenja ter prikazali prednosti in slabosti posameznih pristopov. Pri tem je dobrodošlo, da udeleženci na vaje prinesejo tudi svoje podatke, ki bi jih želeli analizirati z algoritmi strojnega učenja, sicer pa se praktične vaje izvajajo na javno dostopnih podatkih. Spoznati, kaj nam umetna inteligenca lahko nudi pri reševanju težkih problemov. Seznaniti se z osnovami strojnega učenja za analizo podatkov. Razumeti temeljne principe in zmožnosti, ki jih nudi strojno učenje. Praktično preizkusiti orodja za analizo podatkov na konkretnih problemih iz prakse. UVOD IN PREGLED PODROČJA - kaj je (umetna) inteligenca in kaj je (strojno) učenje; razlika med človekom in strojem; odkrivanje zakonitosti iz podatkov; nadzorovano učenje: klasifikacija in regresija; pregled aplikacij; osnovni principi in ocenjevanje strojnega učenja. OSNOVNE METODE STROJNEGA UČENJA: predprocesiranje in vizualizacija podatkov; odločitvena in regresijska drevesa; K najbližjih sosedov, lokalno utežena regresija, Naivni Bayesov klasifikator, linearna regresija. NAPREDNE METODE STROJNEGA UČENJA: učenje ansamblov: bagging, boosting, naključni gozdovi; umetne nevronske mreže; predstavitev znanja; bayesovsko učenje, Bayesove verjetnostne mreže; nenadzorovano učenje: asociacije, gručenje, povezovalna pravila. VSEBINA VAJ: uvod v statistični paket R, ki je namenjen analizi podatkov z različnimi metodami strojnega učenja; priprava učne množice; Klasifikacija; učenje z ansambli; regresija, nenadzorovano učenje. Trajanje: 3x3 šolske ure predavanj in 2x6 šolskih ur praktičnih vaj na računalnikih. Ključni izvajalci: prof. dr. Igor Kononenko, dr. Petar Vračar 8
9 UVOD V NEVRONSKE MREŽE Nevronske mreže so računalniški programi, ki delujejo po vzoru človeških nevronskih mrež v možganih. Njihov cilj je izvajanje kognitivnih funkcij kot sta reševanje problemov in strojno učenje. Izobraževanje je namenjeno predvsem podatkovnim analitikom in podatkovnim inženirjem ter vsem, ki bi želeli vedeti več o tehnologiji. Udeležencem predstaviti osnove nevronskih mrež in njihovo uporabo s knjižnico TensorFlow v programskem jeziku Python 3. Motivacija, kratka zgodovina, nadzorovano učenje. Prvi koraki s TensorFlow, vzpostavitev okolja. Primer linearne regresije. Funkcija izgube, učenje z metodo vzvratnega razširjanja napake. Vizualizacija s TensorBoard. Matematični model nevrona. Sestavljanje nevronskih mrež. Primer večslojnega perceptrona za klasifikacijo. Sestavni deli modernih nevronskih mrež. Primer sodobne globoke nevronske mreže. Predznanje: osnovne programerske izkušnje Trajanje: 2 x 4 šolske ure Ključni izvajalci: as. Gregor Weiss 9
10 GLOBOKO UČENJE V RAČUNALNIŠKEM VIDU 1 IN 2 V zadnjih letih smo priča renesansi računalniškega vida, ki predvsem na krilih globokega učenja dosega odlične rezultate in v obliki raznih aplikacij in robotskih sistemov vstopa na najrazličnejša področja našega življenja. Izobraževanji sta namenjeni predvsem podatkovnim analitikom in podatkovnim inženirjem ter vsem, ki bi želeli izvedeti več o tehnologiji. Globoko učenje v računalniškem vidu 1 Udeleženci dobijo pravo sliko glede tovrstne tehnologije in boljše razumevanje, ali je uporabna na njihovi problemski domeni. Pregledno predavanje brez praktičnega dela, kjer vam bomo predstavili delovanje predvsem pa zmožnosti in aplikacije globokega učenja v računalniškem vidu. Trajanje: 4 šolske ure Globoko učenje v računalniškem vidu 2 Namen izobraževanja je predstaviti osnovne koncepte na katerih temelji moderni računalniški vid, predvsem pa skozi vrsto primerov dobrih praks predstaviti zmožnosti, ki jih ta tehnologija ponuja. Osnove globokih nevronskih mrež. Osnove konvolucijskih nevronskih mrež. Orodja za delo z globokimi nevronskimi mrežami. Primeri aplikacij globokega učenja na področju računalniškega vida: - klasifikacija, - slikovno poizvedovanje, - segmentacija, - lokalizacija in detekcija. Uporaba globokega učenja na drugih področjih. Trajanje: 2 x 4 šolske ure Ključni izvajalci: izr. prof. dr. Danijel Skočaj, as. Žiga Emeršič, as. Blaž Meden 10
11 STATISTIČNO MODELIRANJE Z BAYESOVIMI MREŽAMI Spoznali bomo statistične osnove, kako razmišljati statistično in kako mreže uporabiti v praksi, pri čemer si bomo pomagali s sodobnim orodjem za statistično sklepanje Stan. Izobraževanje je primerno predvsem za tehnično osebje (razvijalci, IT arhitekti, analitiki,...). Glavni namen je spoznati Bayesove mreže razred probabilističnih grafičnih modelov, ki zajema večino statističnih modelov, ki jih tipično uporabljamo. Osnove statističnega pristopa k modeliranju (podatki, model, parametri). Odvisnost, pogojna odvisnost in grafična predstavitev modelov z matematičnimi grafi. Orodje za statistično modeliranje Stan. Računske metode za ocenjevanje parametrov. Kako naprej? Samodejno iskanje strukture Bayesove mreže, probabilistični grafični modeli, ki niso Bayesove mreže. Predznanje: Dobro znanje programiranja, osnove verjetnosti in zanimanje za reševanje nalog s področja analize podatkov. Znanje programskega jezika R, strojnega učenja ali statistike je zaželeno, ni pa nujno. Trajanje: 4 šolske ure Ključni izvajalci: izr. prof. dr. Erik Štrumbelj, doc. dr. Jure Demšar, as. Gregor Pirš 11
12 PRIPOROČILNI SISTEMI Sodobni splet si je nemogoče zamisliti brez priporočilnih sistemov, saj zmanjšujejo informacijsko preobremenitev in uporabniku omogočajo ogled/uporabo/nakup izdelkov/storitev, ki bi mu utegnili biti všeč, vendar jih sicer zaradi preobilne izbire skoraj gotovo ne bi našel. Pri tem za učinkovito delovanje uporabljajo različne tehnike s področja podatkovnih tehnologij, umetne inteligence in strojnega učenja. Izobraževanje je primerno predvsem za vodstvo in zaposlene, ki določajo strategijo podjetja, za odločevalce, podatkovne analitike in podatkovne inženirje in zaposlene v marketingu. Za vse, ki imajo opravka s podatki. Znali boste uporabiti najpomembnejše pristope k priporočanju, ter kako se na podlagi konkretnega poslovnega problema odločiti, katerega uporabiti. Splošna motivacija in ideja priporočanja. Priporočanje s sodelovanjem. Priporočanje po vsebini. Priporočanj na podlagi znanja. Hibridno priporočanje. Vrednotenje priporočilnih sistemov. Primeri velikih priporočilnih sistemov. Praktično delo: - Prenos primerov s spleta in hranjenje v podatkovni bazi. - Samostojna implementacija preprostega priporočilnega sistema s sodelovanjem (na podlagi uporabnikov ali izdelkov) z uporabo iskanja najbližjih sosedov in z uporabo matrične faktorizacije. - Izvedba priporočilnega sistema z uporabo predpripravljenih knjižnic. - Implementacija priporočilnega sistema znotraj podatkovne baze. Predznanje: Poznavanje programskega jezika Python. Osnovno poznavanje konceptov in orodij za delo s podatki v Pythonu (Pandas, Numpy, SciPy). Osnovno poznavanje relacijskih podatkovnih baz in strukturiranega povpraševalnega jezika za delo s podatkovnimi bazami (SQL). Poznavanje povezljivosti Pythona in podatkovnih baz. Trajanje: Krajša izvedba: 9 ur predavanj, 6 ur praktičnega dela (3 dni). Daljša izvedba: 15 ur predavanj, 10 ur praktičnega dela (5 dni). Ključni izvajalci: prof. dr. Marko Robnik Šikonja, izr. prof. dr. Matjaž Kukar, as. dr. Slavko Žitnik 12
13 UPORABA PAMETNIH POGODB PRI TEHNOLOGIJI VERIŽENJA BLOKOV Predstavili vam bomo celovit pregled t. i. pametnih pogodb, od razpoložljivih tehnologij, trendov in orodij, do pristopov in primerov dobrih ter slabih praks. Izobraževanje je primerno predvsem za razvijalce, sistemske administratorje, za vse, ki bi želeli izvedeti več o digitalni alternativi klasičnih pogodb. Predstaviti možnosti praktične uporabe bodisi kot razširitev obstoječih arhitektur bodisi kot mehanizem za sklepanje dogovorov med različnimi entitetami. Osnovni pregled tehnologije veriženja blokov (blockchain). Kaj so pametne pogodbe in za kaj se uporabljajo? Življenjski cikel pametnih pogodb. Sistematični pregled aktualnih kriptovalut, ki podpirajo pametne pogodbe. Osnove priprave pametnih pogodb v Ethereum ekosistemu. Orodja za pripravo, validacijo, testiranje in namestitev pametnih pogodb v testno omrežje. Primeri dobrih in slabih praks pametnih pogodb v Ethereum ekosistemu. Predznanje: Priporočljivo osnovno predznanje JavaScript programskega jezika. Trajanje: 3 x 3 šolske ure Ključni izvajalci: as. Sandi Gec 13
14 PREGLED TEHNOLOGIJE TANGLE ZA DISTRIBUIRAN PODATKOVNI TOK V IoT SISTEMIH Pregledali bomo podatkovni model, ki temelji na usmerjenem acikličnem grafu, metodologijo toka podatkov ter dovzetnost do potencialnih napadov. Na podlagi kriptovalute IOTA bomo spoznali možnosti namestitve vozlišča, priprave denarnice in funkcionalnosti ekosistema. Izobraževanje je primerno predvsem za razvijalce, sistemske administratorje, za vse, ki bi želeli izvedeti več o distribuirani tehnologiji tangle za IoT domeno. Namen izobraževanja je predstaviti tehnologijo tangle kot alternativo tehnologiji veriženja blokov v IoT domeni. Osnovna ideja tehnologije tangle. Razlike med tehnologijami: tangle in veriženje blokov. Lastnosti tangle transakcij in predstavitev podatkov. Empirična estimacija stabilnosti sistema s pregledom lastnosti v dolgoročnih potencialnih trendih. Potencialni napadi v produkcijskih tangle sistemih. Možnosti namestitev IOTA vozlišča. Priprava IOTA denarnice. Pregled podprtih funkcionalnosti v IOTA ekosistemu. Potencialne domene uporabe tehnologije tangle. Trajanje: 4 šolske ure Ključni izvajalci: as. Sandi Gec 14
15 MIKROSTORITVE, API, ARHITEKTURA ZA OBLAK, VSEBNIKI IN DevOps Udeleženci bodo spoznali najnovejše pristope pri razvoju sodobnih aplikacij in informacijskih rešitev ter arhitekturne vzorce in koncepte, na katerih temeljijo sodobne digitalne aplikacije in rešitve. Poseben poudarek bo na vpeljavi novih arhitekturnih konceptov v obstoječa okolja in postopen prehod s klasičnega monolitnega razvojnega modela na model uporabe mikrostoritev in ostalih konceptov arhitekture za oblak (cloud-native), na osnovi katere razvijajo rešitve najuspešnejša internetna podjetja. Izobraževanje je primerno predvsem za CIO, vodje razvoja, načrtovalce in arhitekte informacijskih rešitev, razvijalce. Razvoj kompetenc programske arhitekture, načrtovanja aplikacij, razvoja, programskega inženirstva, računalništva v oblaku. Izzivi digitalizacije in digitalne preobrazbe. Zahteve sodobnih digitalnih aplikacijskih rešitev. Podrobna razlaga arhitekture za oblak in koncepti oblaka. Mikrostoritve, principi gradnje, vzorci, najboljše prakse, ogrodja za razvoj mikrostoritev. Aplikacijski programski vmesniki (API), vloga in pomen, lastnosti dobro razvitih aplikacijskih programskih vmesnikov in njihovo upravljanje ter prehodi, javni aplikacijski programski vmesniki, tehnologije, varnost in zaščita. Vsebniki, koncepti in uporaba, Docker podrobno, orkestratorji, Kubernetes. Napredni koncepti arhitekture za oblak: vitalnost, metrike, konfiguracija, odkrivanje storitev, odpornost na napake, varnost, pretočni dogodki, itd. DevOps: koncepti, tehnologije in kultura, sprotne faze (razvoj, integracija, dostava, nameščanje, izvajanje), vzpostavitev procesov, postopki builda, testiranja, nameščanja, povezava z vsebniki. Organizacija Cloud Native Computing Foundation. Microprofile. Praktični primeri z uporabo odprtokodnega ogrodja KumuluzEE in namestitev in izvajanje v oblak. Trajanje: 2 x 4 šolske ure Ključni izvajalci: prof. dr. Matjaž B. Jurič 15
16 ITERATIVNO IN AGILNO VODENJE PROJEKTOV RAZVOJA PROGRAMSKE OPREME Prvi del izobraževanja je namenjen spoznavanju ključnih lastnosti iterativnega pristopa. V drugem delu udeleženci podrobneje spoznajo dva popularna agilna iterativna pristopa za vodenje projektov Scrum in Kanban. Izobraževanje je primerno predvsem za vodje projektov razvoja programske opreme. Namen izobraževanja je predstaviti sodobne pristope vodenja projektov razvoja programske opreme. Predstavitev iterativnega razvoja. Organizacija in planiranje iterativno vodenega projekta. Obvladovanje projektnih tveganj. Meritve in ocenjevanje napredka projekta. Predstavitev agilnih pristopov. Pristop Scrum. Uporabniške zgodbe. Pristop Kanban. Trajanje: 2 x 4 šolske ure Ključni izvajalci: izr. prof. dr. Damjan Vavpotič, izr. prof. dr. Tomaž Hovelja 16
17 POSLOVNO INFORMACIJSKE ARHITEKTURE Udeležence izobraževanja bomo seznanili s ključnimi koncepti poslovno informacijske arhitekture ter modeliranja poslovnih procesov ter jih naučili uporabljati odprtokodni program za pripravo poslovnoinformacijske arhitekture Archimate. Izobraževanje je primerno predvsem za vodje projektov, IT arhitekte in poslovne analitike. Na praktičnih primerih ugotoviti, kako popisati poslovne procese v podjetju (poslovni, aplikativni in tehnološki nivo). Identificirati poslovne procese, ki bi jih bilo smiselno avtomatizirati, informatizirati ali digitalizirati. Znati ovrednotiti strateške in druge koristi ter pravilno oceniti stroške informatizacije, avtomatizacije in digitalizacije poslovnih procesov. Spoznavanje ključnih vsebin, konceptov in metod na področju priprave poslovno informacijske arhitekture podjetij. Spoznavanje delovanja arhitekturnega programa za modeliranje ArchiMate. Popis konkretnih poslovnih procesov podjetij v programu ArchiMate. Identifikacija priložnosti za izboljšavo obstoječih poslovnih procesov. Vrednotenje koristi potencialnih izboljšav poslovnih procesov (avtomatizacija, informatizacija, digitalizacija). Ocenjevanje stroškov izboljšav poslovnih procesov. Trajanje: 2 x 4 šolske ure Ključni izvajalci: izr. prof. dr. Damjan Vavpotič, izr. prof. dr. Tomaž Hovelja 17
18 OBVLADOVANJE VELIKIH KOLIČIN PODATKOV (Big Data) Količina podatkov, ki jih zajamemo dnevno, se je v zadnjih desetih letih povečala za nekaj velikostnih razredov. Poleg kopičenja podatkov v okviru družbenih medijev, k temu pripomore tudi izjemen razmah interneta stvari. Ta skorajda sleherni stvari omogoča prejem, generiranje in pošiljanje podatkov. Če so bile relacijske baze še pred kratkim edini in osnovni način shranjevanja, dandanes to ne velja več. Uveljavljajo se alternativni načini, ki jih odlikuje visoka razpoložljivost ne glede na število uporabnikov in količino podatkov. V okviru izobraževanja boste spoznali, kako se spoprijeti z velikimi količinami podatkov, ki jih prinašajo sodobni trendi na področju IKT, kot so internet stvari, pametne tovarne, digitalizacija ipd. Predstavili vam bomo, kaj so ključne omejitve tradicionalnih sistemov in kako te omejitve rešujemo s sodobnimi, podatkovno intenzivnimi sistemi. Veliki podatki in izzivi pri njihovem obvladovanju. Podatkovno intenzivni sistemi. Primerjava podatkovnih modelov (relacijski, dokumentni, graf) njihovih prednosti in slabosti. Primerjava tradicionalnih relacijskih in nosql podatkovnih baz. Primeri nosql podatkovnih baz. Osnove Hadoop ekosistema za delo z velikimi količinami podatkov. Trajanje: 4 šolske ure Ključni izvajalci: prof. dr. Marko Bajec, as. dr. Slavko Žitnik 18
19 HADOOP Hadoop je platforma namenjena shranjevanju velike količine podatkov. Izobraževanja so primerna predvsem za tehnično osebje (IT arhitekti, razvijalci, administratorji,...). Namen izobraževanj je predstaviti konkretna orodja iz Hadoop ekosistema in njegove komponente, ki služijo za shrambo, zajem, procesiranje in vizualizacijo masovnih podatkov. 1. izobraževanje: Shramba podatkov v Hadoop orodje Apache Solr in njegovo delovanje na konretnem primeru; orodje Apache Druid in njegovo delovanje na konkretnem primeru; orodje Apache HBase in njegovo delovanje na konkretnem primeru. 2. izobraževanje: Zajemanje podatkov v Hadoop orodje Apache Nifi in njegovo delovanje na konkretnem primeru; orodje Apache Kafka in njegovo delovanje na konkretnem primeru; orodje HiveMQ in njegovo delovanje na konkretnem primeru. 3. izobraževanje: Procesiranje in vizualizacija podatkov v Hadoop orodje Apache Spark in njegovo delovanje na konkretnem primeru; orodje Apache Spark streaming in njegovo delovanje na konkretnem primeru; orodje Apache Superset in njegovo delovanje na konkretnem primeru. Trajanje: vsako od izobraževanj traja 2 x 4 šolske ure. Ključni izvajalci: prof. dr. Marko Bajec, doc. dr. Dejan Lavbič, as. dr. Slavko Žitnik 19
20 SPUSTIMO TIGRE NA PAŠO! Praktična aplikacija računalniške varnosti za podjetja. Naučili vas bomo osnovnih principov penetracijskega testiranja (i. e. preverjanja varnosti sistemov prek simuliranih napadov), s poudarkom na izrabi človeških virov in pasivnega zbiranja podatko o pomanjkljivostih sistema in posameznikov. Program vsebuje teoretične in praktične elemente. Skozi praktično delo prepoznavati šibke točke tarč in načinov izrabe le-teh. V praksi prepoznati šibke točke delovnih organizacij. Usvojiti tehnike prepričevanja, ki bodo olajšale inercijo podjetja pri doseganju sprememb varnostnih politik. Usvojili boste temelje varnostne etike in razumeli, v kateri točki bi nadaljevanje njihovega početja brez dovoljenja pomenilo kršenje zakona in imelo neprijetne posledice zanje in njihovega zaposlovalca. Naučili se boste osnov dela z nekaterimi tipičnimi orodji, ki jih uporabljajo varnostni delavci. Naučili se boste osnovnih tehnik zbiranja informacij o tarčah, ki jih bomo preverjali. Znali boste izdelati poročilo o vdoru, skupaj z dobrimi praksami oblikovanja poročil in dokumentacije. Med trajanjem programa in še nekaj mesecev po njem boste imeli dostop do nekaterih orodij, ki jih uporabljamo pri penetracijskem testiranju. Trajanje: 4 x 5 šolskih ur Ključni izvajalci: as. dr. David Modic 20
21 PREPOZNAVANJE GROŽENJ, KI JIH SREČAMO V OKVIRU INFORMACIJSKE VARNOSTI Naučili vas bomo osnovnega izrazoslovja informacijske varnosti, se poglobili v profile napadalcev in preučili tipične primere uspešnih napadov. Spoznali bomo tudi pravne okvirje informacijske varnosti in se skladno s tem naučili pravilnih odzivov na napade. Izobraževanje je namenjeno vsem zaposlenim v srednjih in večjih podjetjih Izboljšano prepoznavanje napadov, boljši odziv na incidente, poročanje o incidentih, ki ima rep in glavo. Osnovno izrazoslovje (INFOSEC, OSINT, modeli groženj, vektorji napada...). Splošni modeli groženj (potek napadov, pridobljene koristi, profili napadalcev, mehanska in človeška informacijska varnost). Tipični praktični primeri uspešnih napadov in prepoznavanje le-teh. Odgovorno razkrivanje incidenta in komunikacija s tehničnim osebjem in pristojnimi organi (npr. SI- CERT). Pravni okvirji informacijske varnosti za telebane. Trajanje: 4 šolske ure Ključni izvajalci: as. dr. David Modic 21
22 PREPOZNAVANJE IN ODZIVANJE NA INFOSEC NAPADE Na tem izobraževanju se bomo poglobili v načine varovanja podjetja pred napadi in načine pravilnega odzivanja na napade znotraj pravnih okvirjev. Zanimala nas bo tudi komunikacija z nadrejenimi in prijavitelji napada, kot tudi svetovanje službi, ki skrbi za človeške vire, ter pravnim in PR službam. Izobraževanje je namenjeno tehničnemu osebju sistemskim administratorjem, CISO, CTO, vodjem in članom skupin, ki se v podjetju odzivajo na incidente, torej CERT v generičnem smislu besede. Kako prepoznati vektor napada in model grožnje na tehničnem nivoju? Izvedba preventivnih ukrepov. Poznavanje pooblastil, dolžnosti in odgovornosti, ki jih ima posameznik, ki skrbi za informacijsko varnost. Boljša seznanjenost s komunikacijskimi prvinami, ko poročamo o napadih svojim nadrejenim. Poznavanje postopkov, ki bodo z večjo verjetnostjo zagotovili, da nam bodo zaposleni še kdaj poročali o incidentih. Prepoznavanje etične odgovornosti o razkrivanju incidentov. Osvežitev izrazoslovja. Varovanje podjetja pred napadom (OSINT, penetracijsko testiranje lastne infrastrukture, baze podatkov o vdorih, sodelovanje s CERTi, stalno posodabljanje znanja, posodabljanje strojne in programske opreme, razvoj varnostnih politik, primeri dobre prakse ). Prepoznavanje incidentov (pregled netflow dnevnikov, etično sledenje napadu, uporaba namenskih spletnih strani, ki analizirajo napade ). Odzivi na napade znotraj pravnih okvirjev - kako zaustaviti napadalce in pri tem ne končati v ječi, ker smo mi kršili zakonodajo? Komunikacija z nadrejenimi o incidentu in njegovih posledicah. Svetovanje pravnim in PR službam ter službi, ki skrbi za človeške vire. Komunikacija s prijaviteljem napada. Odgovorno razkrivanje napadov (i. e. Responsible disclosure). Trajanje: 8 šolskih ur Ključni izvajalci: as. dr. David Modic 22
23 KONTEJNERJI IN KUBERNETES Kontejnerji in Kubernetes sta najpopularnejši tehnologiji za izgradnjo t. i. oblačnih sistemov in aplikacij (cloud native applications/systems). Izobraževanje je primerno predvsem za tehnično osebje (IT arhitekti, razvijalci, administratorji,...). Obvladovanje in razumevanje prednosti in slabosti tehnologije kontejnerjev. Razumevanje delovanja in arhitekture gruče orkestratorja kontejnerjev Kubernetes. Pregled arhitekture, tehnologij, orodij in pristopov za potrebe obvladovanja kontejnerjev z uporabo orkestratorja Kubernetes. Trajanje: 4 šolske ure - predstavitev tehnologije Kubernetes brez praktičnega dela delavnice. 2 x 4 šolske ure - predstavitev tehnologije Kubernetes s praktično delavnico. 2 x 4 šolske ure - poglobljena predstavitev za IT strokovnjake, ki že poznajo osnove dela s kontejnerji. Ključni izvajalci: as. dr. Matjaž Pančur, as. Miha Grohar 23
24 SPLETNO VZPOREDNO RAČUNANJE Z WEBGL Dandanes zahtevne grafične aplikacije delujejo tudi v spletnih brskalnikih predvsem po zaslugi vmesnika WebGL. Običajno se WebGL uporablja za 3D vizualizacije, primeren pa je tudi za bolj splošno vzporedno računanje. Medtem ko se začetni tečaji v glavnem osredotočajo na osnove 3D grafike, je ta delavnica namenjena tistim, ki bi radi WebGL spoznali bolj podrobno in z njim pospešili računanje na končnih napravah. Po zaključenem izobraževanju bodo udeleženci natančno poznali zgradbo vmesnika WebGL, kar jim bo omogočalo strojno pospeševanje poljubnih računskih nalog. Motivacija s praktičnimi primeri. Pregled vmesnika WebGL. Prenos podatkov med CPE in GPE. Senčilniki. Optimizacija. Praktično delo. Tehnologije: WebGL 1 in 2 Javascript Tehnologije: Poznavanje jezika Javascript. Trajanje: 2 x 4 šolske ure Ključni izvajalci: as. mag. Žiga Lesar 24
25 PAMETNO PODJETJE Na izobraževanju boste spoznali, kako narediti svoje podjetje pametno. S pomočjo RaspberryPi bomo na podlagi senzorjev premikanja prižigali in ugašali žarnice in to javljali na mobilne telefone. Izobraževanje je primerno predvsem za podatkovne inženirje in podatkovne analitike ter za vse, ki bi želeli izvedeti več o tehnologiji. Priprava udeležencev na implementacijo kompleksnejših pravil in aparatov v podjetju. Razvoj komunikacije med pametno žarnico in RPIjem. Razvoj komunikacije med RPI in mobilim telefonom. Možnost izbora razvoja osnovne Android ali ios aplikacije. Možnost izbora implementacije preko Win 10 IoT ali Linuxa. Pregled teoretičnih zasnov in delovanja. Predznanje: osnovne programerske izkušnje Trajanje: 5 šolskih ur Ključni izvajalci: as. Žiga Emeršič, as. Blaž Meden 25
26 OSNOVE 3D MODELIRANJA V ORODJU BLENDER Zaradi vse večje potrebe po 3D vsebinah za uporabo v različnih scenarijih, je smiselno spoznati tudi osnove nastajanja takšnih vsebin. Izobraževanje je namenjeno popolnim laikom, ki se s 3D modeliranjem še niso srečali, želijo pa se spoznati s postopki in metodami, ki so v uporabi pri ustvarjanju takšnih vsebin. S tem namenom je predvidena tudi uporaba brezplačnega odprtokodnega orodja Blender, kar omogoča spoznavanje s področjem brez potrebe po dodatnih stroških. Trajanje: 3-5 x 6 šolskih ur Ključni izvajalci: as. dr. Ciril Bohak, as. Blaž Meden RAZVOJ SPLETNIH IN MOBILNIH 3D APLIKACIJ V zadnjem času se pojavlja vse večja potreba po 3D vsebinah in vizualizacijah, ki so vključenih v spletne in mobilne aplikacije. V okviru izobraževanja bodo na praktičnih delavnicah podane osnove 3D računalniške grafike in razvoja spletnih in mobilnih 3D aplikacij. Po zaključenem izobraževanju bodo udeleženci lahko samostojno razvili aplikacijo s 3D vsebino. Tehnologije: WebGL/Unity. Trajanje: 3-5 x 6 šolskih ur Ključni izvajalci: as. dr. Ciril Bohak RAZVOJ VR APLIKACIJ V OKOLJU Unity3D Navidezna resničnost (VR) se vse bolj vključuje v naš vsakdan, še posebej s prihodom samostojnih naprav VR, ki niso vezane na uporabo telefona ali računalnika. Z vse večjim krogom uporabnikov pa se veča tudi potreba po dobrih in smiselnih aplikacijah, ki s pomočjo navidezne resničnosti predtavijo izbrano vsebino. V okviru izobraževanja bomo spoznali čiste osnove razvoja aplikacij za navidezno resničnost v okolju Unity3D. Trajanje: 1-2 x 6 šolskih ur Delavnica je lahko prilagojena za tiste, ki okolja Unity3D še ne poznajo (2 dni) ali tiste, ki že poznajo osnove okolja in si želijo znanje dodatno nadgraditi (1 dan). Ključni izvajalci: as. dr. Ciril Bohak 26
27 DIZAJNERSKI PRISTOP (Design Thinking) Na izobraževanju bo prek praktičnega primera predstavljen dizajnerski pristop za reševanje kompleksnih večplastnih problemov, ki v središče postavljajo potencialne uporabnike izdelkov in storitev. Preko primerov zakaj, kje in kako je dizajnerski pristop primerna metodologija. Spoznali boste ključnih pet faz metode. Za vsako izmed faz bodo predstavljene ključne tehnike, poudarki in pasti. Po izobraževanju boste lahko začeli sami uporabljati in trenirati principe dizajnerskega pristopa v praksi. Izobraževanje bo izrazito praktično usmerjeno, pridobljeno znanje pa bo mogoče začeti uporabljati takoj za ključne pristope rudarjenja besedil za obdelavo tekstovnih dokumentov, vizualizacije ter raziskovalno analizo podatkov. Utemeljitev razlogov za uporabo dizajnerskega pristopa v praksi. Predstavitev uporabe dizajnerskega pristopa na primerih iz prakse. Praktična vaja za uporabo dizajnerskega pristopa v praksi. Trajanje: 4 šolske ure Ključni izvajalci: dr. Rok Stritar 27
PKP 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 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 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 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 večDSI 2019
SINERGIJA PROTOKOLA IPFS IN TEHNOLOGIJE VERIŽENJA BLOKOV Aida Kamišalić Latifić, Muhamed Turkanović, Blaž Podgorelec, Marjan Heričko TEHNOLOGIJA VERIŽENJA BLOKOV in IPFS Porazdeljena & decentralizirana
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 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 večINFORMACIJSKO KOMUNIKACIJSKE TEHNOLOGIJE ŠTUDIJ INFORMACIJSKO KOMUNIKACIJSKIH TEHNOLOGIJ
INFORMACIJSKO KOMUNIKACIJSKE TEHNOLOGIJE ŠTUDIJ INFORMACIJSKO KOMUNIKACIJSKIH TEHNOLOGIJ Border Memorial: Frontera de los Muertos, avtor John Craig Freeman, javno umetniško delo obogatene resničnosti,
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 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 večPowerPoint-Präsentation
ENERGETSKO POGODBENIŠTVO (EPC) V JAVNIH STAVBAH Podpora pri izvajanju energetske prenove stavb na lokalni ravni z mehanizmom energetskega pogodbeništva 12.10.2016, LJUBLJANA NIKO NATEK, KSSENA Projekt
Prikaži večNASLOV PREDAVANJA IME IN PRIIMEK PREDAVATELJA
Portal e-vem obstoječe stanje in nadaljnji razvoj Jernej Baranja Ana Oblak 2 Registracija s.p. v 1 dnevu (prej 7 dni) Registracija d.o.o. v 3 dneh (prej več kot 60 dni) Brezplačna registracija s.p. in
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 večStyle Sample for C&N Word Style Sheet
IBM-ovi pogoji uporabe pogoji posebne ponudbe SaaS IBM IoT Continuous Engineering on Cloud in IBM Collaborative Lifecycle Management on Cloud Pogoje uporabe ("pogoji uporabe") sestavljajo ti IBM-ovi pogoji
Prikaži večŠTUDIJSKA PROGRAMA PRVE IN DRUGE STOPNJE
ŠTUDIJSKA PROGRAMA PRVE IN DRUGE STOPNJE Multimedija je povsod okoli nas Računalniki, tablice, pametni telefoni, ure in druge elektronske naprave so neločljivi del naših življenj. Prek njih urejamo dnevna
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 večPowerPoint Presentation
Napovedno oglaševanje Kombiniranje internih in eksternih podatkov za boljšo učinkovitost oglaševanja Miloš Suša, iprom Andraž Zorko, Valicon Mojca Pesendorfer, Atlantic Grupa Ljubljana, 22.10.2018 PREDIKTIVNO
Prikaži večgive yourself a digital makeover
Prenos znanja v praksi in projekti pametne vasi prof. dr. Janez Bešter 33. Posvet Javne službe kmetijskega svetovanja, 26.11.2018, Thermana, Laško Načrti in primeri AKIS Od načrtov v izvedbo in praktično
Prikaži večPowerPoint Presentation
Naslov prispevka STORITVE SOC ŠT.3 ter SOC ŠT.4 Peter Šprajc, Ministrstvo za javno upravo Andrej Skamen, S&T Slovenija d.d.. 10.12.2018 AGENDA pravna podlaga za izvajanja storitev opis SOC storitve 3 opis
Prikaži večPowerPoint Presentation
Poslovni analitik v agilnem svetu Prenova spletne strani Uvedba podpore za mobilne naprave Ineor d.o.o. O meni poslovni analitik izkušnje s tehnologijo (programiranje, razhroščevanje, inštalacije, administracija,...)
Prikaži večFolie 1
S&TLabs Innovations mag. Damjan Kosec, S&T Slovenija d.d. marec 2013 S&TLabs Laboratorij za inovacije in razvoj spletnih in mobilnih informacijskih rešitev Kako boste spremenili svoj poslovni model na
Prikaži večPowerPoint Presentation
Operativni center kibernetske varnosti in DDoS zaščita Aleš Skubic Glavna napaka je teoretizirati, preden imamo zadostno količino podatkov. Nezavedno začnemo izkrivljati dejstva, da bi ustrezala teorijam,
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 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 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 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 večNajboljša skupaj Kontrola pristopa + registracija delovnega časa
Najboljša skupaj Kontrola pristopa + registracija delovnega časa Globalna rešitev prilagojena lokalnemu okolju Rešitev Time&Space je na voljo v 15-ih jezikih ter podpira latinico, cirilico in arabsko pisavo.
Prikaži večKAKO NA BORZI TRGOVATI ON-LINE? Maksimiziranje potencialnega dobička skozi vsak posel na borzi
Blokchain in kriptovalute: naložbena priložnost ali balon? Domen Granda, finančni analitik 1 Bitcoin v praksi Janez uporabi bitcoin za nakup kave v kavarni. Informacija o transakciji je prek omrežja poslana
Prikaži večPowerPoint Presentation
INFORMACIJSKI SISTEM MFERAC - LETA 2022 mag. Andreja Sladoje Jemec, Sanja Štumberger Kovačič Ministrstvo za finance 10.12.2018 Vsebina predstavitve 1. Projekt MFERAC05 in izhodišča prenove 2. Izvajanje
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 večPrimer obetavne prakse za dejavnost-i z uporabo IKT 1 Učitelj: MARIJA VOK LIPOVŠEK Šola: OŠ Hruševec-Šentjur Predmet: Biologija 8 Razred: 8.b Št. ur:
Primer obetavne prakse za dejavnost-i z uporabo IKT 1 Učitelj: MARIJA VOK LIPOVŠEK Šola: OŠ Hruševec-Šentjur Predmet: Biologija 8 Razred: 8.b Št. ur: 1 Vsebinski sklop: OGRODJE Tema: VRSTE IN NALOGE KOSTI
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 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 večImpact assessment Clean 0808
EVROPSKA KOMISIJA Bruselj, 13.9.2017 SWD(2017) 501 final DELOVNI DOKUMENT SLUŽB KOMISIJE POVZETEK OCENE UČINKA Spremni dokument k predlogu uredbe Evropskega parlamenta in Sveta o Agenciji EU za kibernetsko
Prikaži večIZGRADNJA PREDSTAVITVENE SPLETNE STRANI GLUCOWATCH Avtor: Marko Zajko Projekt delno financira Evropska unija, in sicer iz Evropskega socialnega sklada
IZGRADNJA PREDSTAVITVENE SPLETNE STRANI GLUCOWATCH Avtor: Marko Zajko UPORABLJENE TEHNOLOGIJE Za izdelavo predstavitvene spletne strani smo izbrali tehnologije, ki zagotavljajo: Hitro delovanje spletne
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 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 večBrezplačno učenje zaposlenim in brezposelnim od 2018 do 2022 omogočata Ministrstvo za izobraževanje, znanost in šport ter Evropska unija iz Evropskega
ter Evropska unija iz Evropskega socialnega sklada Računalniška pismenost za odrasle 60 ur. - Seznaniti vas z osnovnimi komponentami računalnika in osnovnimi pojmi informacijske tehnologije. - Naučiti
Prikaži večPowerPointova predstavitev
OD STRATEGIJ DO RECEPTA ZA IZOBRAŽEVANJE ODRASLIH Samo Hribar Milič, Gospodarska zbornica Slovenije Andragoški kolokvij, Ljubljana, 31.5.2019 KAJ JE POMEMBNEJŠE ZA NAČRTOVANJE: - Tisto kar vemo - Tisto
Prikaži večZa vaše podjetje ModernBiz Glossary 2014 Microsoft Corporation. Vse pravice pridržane.
Za vaše podjetje ModernBiz Glossary 2014 Microsoft Corporation. Vse pravice pridržane. A Analitična orodja: Programska oprema, s katero je mogoče zbirati in meriti poslovne podatke ter o njih poročati.
Prikaži večVPELJAVA MDM V DRŽAVEM ZBORU MATJAŽ ZADRAVEC
VPELJAVA MDM V DRŽAVEM ZBORU MATJAŽ ZADRAVEC Državni zbor v številkah 90 poslancev 9 + 1 poslanska skupina 150+ mobilnih naprav (OS Android, ios) 500+ internih uporabnikov, 650+ osebnih računalnikov, 1100+
Prikaži večUniverza v Mariboru
Univerza v Mariboru Pedagoška fakulteta VLOGA UČITELJA Avtor: M. Š. Datum: 23.11.2010 Smer: razredni pouk POVZETEK Učitelj je strokovnjak na svojem področju, didaktično usposobljen, ima psihološka znanja
Prikaži večAleš Štempihar Agile in IIBA poslovni analitiki dodana vrednost za organizacijo in njene kupce Povzetek: Kaj je pravzaprav Agile? Je to metodologija z
Aleš Štempihar Agile in IIBA poslovni analitiki dodana vrednost za organizacijo in njene kupce Povzetek: Kaj je pravzaprav Agile? Je to metodologija za izvajanje projektov, je to tehnika in orodje za razvoj
Prikaži večE-nepremična inženirska zakladnica
Smetanova ulica 17 2000 Maribor, Slovenija E-NEPREMIČNA INŽENIRSKA ZAKLADNICA - TEHNIŠKE FAKULTETE Naročnik: Energetika Maribor d.o.o. Vodja projekta: Daniela Dvornik Perhavec Fakultete za gradbeništvo,
Prikaži večMicrosoft Word - Brosura neobvezni IP
Osnovna šola dr. Aleš Bebler - Primož Hrvatini NEOBVEZNI IZBIRNI PREDMETI V ŠOLSKEM LETU 2017/18 Drage učenke in učenci, spoštovani starši! Neobvezni izbirni predmeti so novost, ki se postopoma uvršča
Prikaži večSlide 1
INTERAKTIVNA MULTIMEDIJA P4 in P5 doc. dr. Matej Zajc Pregled P4 Pregled P3: 4 pristopi k načrtovanju interaktivnosti PACT P4: PACT Nadaljevanje Prototipiranje Izbrani zakoni interaktivnosti People Ljudje
Prikaži večELEKTRONIKA ŠTUDIJ ELEKTRONIKE
ELEKTRONIKA ŠTUDIJ ELEKTRONIKE Umetni nos, Laboratorij za mikroelektroniko, FE Odprtokodni instrument, Red Pitaya, Ljubljana Senzorji krvnega tlaka, Hyb, Šentjernej Elaphe, elektronika omogoča električno
Prikaži večPodatkovni 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 večPredstavitev_Skupine_Telekom_Slovenije
Predstavitev Skupine Telekom Slovenije April 2019 O podjetju Telekom Slovenije je celovit ponudnik komunikacijskih storitev v Sloveniji. Prepoznaven je kot vodilni pri uvajanju in povezovanju novih generacij
Prikaži večAktualni izzivi informacijske družbe
REPUBLIKA SLOVENIJA www.mvzt.gov.si, e: gp.mvzt@gov.si Kotnikova 38, 1000 Ljubljana t: 01 478 4600, f: 01 478 4719 Aktualni izzivi informacijske družbe Dr. Davorka Šel 29.5.2009 1 Vloga Direktorata za
Prikaži večMicrosoft Word - Brosura neobvezni IP 2018
Drage učenke in učenci, spoštovani starši! Po 20. a člen ZOoš šola ponuja za učence 1.razreda, 4. 9. razreda neobvezne izbirne predmete. Šola bo za učence 1. razreda izvajala pouk prvega tujega jezika
Prikaži večMicrosoft PowerPoint - Mocnik.pptx
MATEMATIČNA PISMENOST IN MATEMATIČNI PROBLEMI Metoda Močnik in Alenka Podbrežnik KAJ NAS JE ZANIMALO? ugotoviti, v kolikšni meri so učenci uspešni pri samostojnem, nevodenemreševanju matematičnih besedilnih,
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 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 večStyle Sample for C&N Word Style Sheet
IBM-ovi pogoji uporabe pogoji posebne ponudbe SaaS IBM BigInsights on Cloud Pogoje uporabe ("pogoji uporabe") sestavljajo ti IBM-ovi pogoji uporabe pogoji posebne ponudbe SaaS ("pogoji posebne ponudbe
Prikaži večMicrosoft PowerPoint - petek_16_30_B_Zabret [Read-Only] [Compatibility Mode]
RAZVOJ IKT KOMPETENC ali Z RAZVOJEM IKT KOMPETENC do E-POUČEVANJA Jožica Senica Zabret OŠ Marije Vere Kamnik Kranjska gora, 17. 4.2009 Razvoj IKT kompetenc? IKT veščine niso nadstandard, temveč baza za
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 več08_03
OBVESTILO O RAZPISU ZA OBLIKOVANJE REZERVNEGA SEZNAMA Naziv delovnega mesta Funkcionalna skupina/razred AD 6 Vrsta pogodbe Sklic Rok za prijavo Kraj zaposlitve Veljavnost rezervnega seznama do Število
Prikaži večLetni posvet o izobraževanju odraslih november 2014, Grand hotel Union Ljubljana Letni posv
26. november 2014, Grand hotel Union Ljubljana KLJUČNI RAZVOJNI DOSEŽKI IN IZZIVI ANDRAGOŠKEGA CENTRA SLOVENIJE Mag. Andrej Sotošek Raziskave in razvoj 1. Raziskava PIAAC (OECD): rezultati: glavna raziskava
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 večStanje agilnosti v Sloveniji 2018 State of Agile 2018 Pripravil: Enej Gradišek, CorpoHub December 2018 CorpoHub, vse pravice pridržane 2018
Stanje agilnosti v Sloveniji 2018 State of Agile 2018 Pripravil: Enej Gradišek, CorpoHub December 2018 Stran 2 Kazalo 1. O raziskavi 3 2. Povzetek ugotovitev 4 3. Kaj so agilne metode? 5 4. Rezultati 6
Prikaži večPoročilo projekta : Učinkovita raba energije Primerjava klasične sončne elektrarne z sončno elektrarno ki sledi soncu. Cilj projekta: Cilj našega proj
Poročilo projekta : Učinkovita raba energije Primerjava klasične sončne elektrarne z sončno elektrarno ki sledi soncu. Cilj projekta: Cilj našega projekta je bil izdelati učilo napravo za prikaz delovanja
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 večGimnazija Bežigrad Peričeva Ljubljana OPERACIJSKI SISTEM Predmet: informatika
Gimnazija Bežigrad Peričeva 4 1000 Ljubljana OPERACIJSKI SISTEM Predmet: informatika KAZALO 1. Uvod...3 2. Predstavitev programa Windows 98...5 3. Raziskovanje računalnika...5 4. Raziskovanje Interneta...6
Prikaži večZasnova in razvoj rešitve za dinamicno odkrivanje mikrostoritev v oblacnih arhitekturah
Univerza v Ljubljani Fakulteta za računalništvo in informatiko Urban Malc Zasnova in razvoj rešitve za dinamično odkrivanje mikrostoritev v oblačnih arhitekturah DIPLOMSKO DELO UNIVERZITETNI ŠTUDIJSKI
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 večAAA
BONITETNO POROČILO ODLIČNOSTI Izdajatelj: BISNODE, družba za medije ter poslovne in bonitetne informacije d.o.o. Član skupine BISNODE, Stockholm, Švedska Javno podjetje Ljubljanska parkirišča in tržnice,
Prikaži večAAA
BONITETNO POROČILO ODLIČNOSTI Izdajatelj: BISNODE, družba za medije ter poslovne in bonitetne informacije d.o.o. Član skupine BISNODE, Stockholm, Švedska JELE KITT proizvodno podjetje d.o.o. Izdano dne
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 večAAA
BONITETNO POROČILO ODLIČNOSTI Izdajatelj: BISNODE, družba za medije ter poslovne in bonitetne informacije d.o.o. Član skupine BISNODE, Stockholm, Švedska LIBELA ORODJA, Izdelovanje orodij in perforiranje
Prikaži več3. Preizkušanje domnev
3. Preizkušanje domnev doc. dr. Miroslav Verbič miroslav.verbic@ef.uni-lj.si www.miroslav-verbic.si Ljubljana, februar 2014 3.1 Izračunavanje intervala zaupanja za vrednosti regresijskih koeficientov Motivacija
Prikaži večMicrosoft PowerPoint - Ponudba Askit.pptx
Organizacije potrebujejo rešitve za. obvladovanje vse bolj kompleksnega, nestanovitnega in negotovega poslovnega okolja; hitro vzpostavitev unikatnih poslovnih modelov, ki zagotavljajo višje dobičke in
Prikaži večMicrosoft PowerPoint - petek A-sambolicbeganovic [Read-Only] [Compatibility Mode]
KAKO PRI POUČEVANJU MATEMATIKE UPORABLJAM INTERAKTIVNO TABLO? Amela Sambolić Beganović SGGEŠ Ljubljana ŠOLSKI CENTER LJUBLJANA, Srednja lesarska šola amela.beganovic@guest.arnes.si Sirikt 2009, 17.4.2009
Prikaži več20. andragoški kolokvij
21. andragoški kolokvij in sklepni dogodek projekta EPUO Neformalno izobraževanje odraslih kot strategija odzivanja na spremembe 3. in 4. oktober 2017 Stavba Vertikala (Pipistrel Vertical Solutions), Vipavska
Prikaži večInformatika v službi učinkovite rabe energije DSI; ; Portorož mag. Tatjana M. Zupan mag. Bogomil Kandus
Informatika v službi učinkovite rabe energije DSI; 14. 16.04.2010; Portorož mag. Tatjana M. Zupan mag. Bogomil Kandus Slovenija + Informatika + Energetika za 3. tisočletje Sinergija3 partnerja konzorcija
Prikaži več(Microsoft PowerPoint - prezentacija Bo\236a [Zdru\236ljivostni na\350in])
POSLOVNA KONFERENCA: DAN JAVNO-ZASEBNEGA PARTNERSTVA: PRAKSE IN POSLOVNE PRILOŽNOSTI PROJEKTOV IZGRADNJE PREDSTAVITEV PROJEKTA IN ZAKLJUČKOV FOKUSNIH SKUPIN MAG. Boža Loverčič Špacapan Ljubljana, 11. junij
Prikaži večNASLOV PREDAVANJA
Dobrodošli! Welcome! Tomi Dolenc info@arnes.si Arnesove novosti in Campus Best Practice, srečanje informatikov, Tehnološki park Ljubljana 20. 10. 2011 Namen srečanja Povezujemo znanje Nadaljevanje? Sodelovanje?
Prikaži večArial 26 pt, bold
3 G MATEMATIKA Milan Černel Osnovna šola Brežice POUČEVANJE MATEMATIKE temeljni in zahtevnejši šolski predmet, pomembna pri razvoju celovite osebnosti učenca, prilagajanje oblik in metod poučevanja učencem
Prikaži večPriprava podatkov za sestavljanje poročil in analiz
Smiselno urejeni šifranti in podatki za sestavljanje poročil in analiz Predavateljica: mag. Jana Trbižan XXL Konferenca, Ptuj, november 2013 Vsakodnevna zgodba Jaz: Gospa, zakaj tako delate? Toliko drobite
Prikaži večPowerPoint Presentation
Prva javna predstavitve Lokacija: ETRA d.o.o., Bukovžlak 101, Celje 26.9.2017 ob 12.00 uri Podjetniški razvojni konzorcij Kompetenčni center ROBOFLEX () Dr.Brane Semolič Strokovni koordinator Vpliv eksplozivnega
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 večAvtomatizirano modeliranje pri celostnem upravljanju z vodnimi viri
Univerza v Ljubljani Fakulteta za gradbeništvo in geodezijo 36. Goljevščkov spominski dan Modeliranje kroženja vode in spiranja hranil v porečju reke Pesnice Mateja Škerjanec 1 Tjaša Kanduč 2 David Kocman
Prikaži večMicrosoft PowerPoint - p_TK_inzeniring_1_dan_v5_shortTS.ppt [Compatibility Mode]
Telekomunikacijski inženiring dr. Iztok Humar Vsebina Značilnosti TK prometa, preprosti modeli, uporaba Uvod Značilnosti telekomunikacijskega prometa Modeliranje vodovno komutiranih zvez Erlang B Erlang
Prikaži večKONTINGENČNI PRISTOP K OBLIKOVANJU SISTEMA STRATEŠKEGA POSLOVODNEGA RAČUNOVODSTVA: EMPIRIČNA PREVERBA V SLOVENSKIH PODJETJIH
Temelji poslovodnega računovodstva(1) Uvod v poslovodno računovodstvo (kontroling) Prof. dr. Simon Čadež simon.cadez@ef.uni-lj.si 2 CILJI PREDMETA Opredeliti vlogo managerjev in poslovodnega računovodstva
Prikaži večMicrosoft PowerPoint - Sirikt-SK-FV.ppt
E-učbeniki za izbrane naravoslovno-tehniške predmete E-books for selected science and technical subjects Slavko KOCIJANČIČ Univerza v Ljubljani, Pedagoška fakulteta slavko.kocijancic@pef.uni-lj.si Franc
Prikaži večNavodila za pisanje diplomskih nalog UM FERI
UNIVERZA V MARIBORU FAKULTETA ZA ELEKTROTEHNIKO, RAČUNALNIŠTVO IN INFORMATIKO Jasna Golež INFORMACIJSKA REŠITEV ZA ZAJEM SPECIFIKACIJ POSLOVNEGA PROCESA Diplomsko delo Maribor, september 2016 INFORMACIJSKA
Prikaži večReliability estimation of individual predictions
Ocenjevanje zanesljivosti posameznih napovedi pri nadzorovanem učenju Darko Pevec DOKTORSKA DISERTACIJA PREDANA FAKULTETI ZA RAčUNALNIšTVO IN INFORMATIKO KOT DEL IZPOLNJEVANJA POGOJEV ZA PRIDOBITEV NAZIVA
Prikaži večPowerPoint Presentation
Oddelek za pedagogiko in andragogiko FF UL Pedagoško-andragoški dnevi 2018 25. januar 2018 SVETOVANJE NA PODROČJU VZGOJE IN IZOBRAŽEVANJA: VLOGA PEDAGOGA IN ANDRAGOGA V VZGOJNO-IZOBRAŽEVALNIH INSTITUCIJAH
Prikaži več2. Model multiple regresije
2. Model multiple regresije doc. dr. Miroslav Verbič miroslav.verbic@ef.uni-lj.si www.miroslav-verbic.si Ljubljana, februar 2014 2.1 Populacijski regresijski model in regresijski model vzorčnih podatkov
Prikaži večEY Slovenija Davčne novice – 10. julij 2019
10. julij 2019 EY Slovenija Davčne novice Davčne novice julij V julijski številki Davčnih novic vam pošiljamo pregled zadnjih predlogov za spremembo davčne zakonodaje in predstavljamo predlog uvedbe davka
Prikaži večOSNOVE 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:
Prikaži večOptimizacija z roji delcev - Seminarska naloga pri predmetu Izbrana poglavja iz optimizacije
Univerza v Ljubljani Fakulteta za matematiko in fiziko Seminarska naloga pri predmetu Izbrana poglavja iz optimizacije 2. junij 2011 Koncept PSO Motivacija: vedenje organizmov v naravi Ideja: koordinirano
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 večSistemi Daljinskega Vodenja Vaja 3 Matej Kristan Laboratorij za Strojni Vid Fakulteta za elektrotehniko, Univerza v Ljubl
Sistemi Daljinskega Vodenja Vaja 3 Matej Kristan Laboratorij za Strojni Vid Fakulteta za elektrotehniko, Univerza v Ljubljani matej.kristan@fe.uni-lj.si Česa smo se naučili
Prikaži večŠOLSKI CENTER NOVO MESTO Šegova ulica 112, 8000 Novo mesto Višja strokovna šola Datum: Razpis za imenovanje predavateljev Zadeva: Razpis za
ŠOLSKI CENTER NOVO MESTO Šegova ulica 112, 8000 Novo mesto Višja strokovna šola Datum: 7. 7. 2015 Razpis za imenovanje predavateljev Zadeva: Razpis za imenovanje predavateljev Višje strokovne šole Šolskega
Prikaži večAAA
BONITETNO POROČILO ODLIČNOSTI Izdajatelj: BISNODE, družba za medije ter poslovne in bonitetne informacije d.o.o. Član skupine BISNODE, Stockholm, Švedska RCM špedicija, gostinstvo, trgovina in proizvodnja
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 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 večAAA
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
Prikaži večDiapozitiv 1
PREDSTAVITEV FORMALNIH OPRAVIL PRI USPOSBLJANJU PROSTOVOLJNIH GASILCEV EVIDENCE: - Razpis izobraževanj OGZ Ptuj 2016/2017 - Formalna prijava preko Vulkana ( prijavijo PGD preko testa za usposabljanje)
Prikaži več