Mi a big data? ML? AI? DS? Az adatelemzés szintjei CRISP-DM módszertan. GUI Enterprise eszközök Programozási nyelvek
|
|
- Erika Gabi Székelyné
- 5 évvel ezelőtt
- Látták:
Átírás
1
2 Mi a big data? ML? AI? DS? Az adatelemzés szintjei CRISP-DM módszertan GUI Enterprise eszközök Programozási nyelvek
3 McKinsey Global Institute, 2011 Egy magyar fejvadászcég tapasztalatai
4
5
6
7 Nettó átlagkereset Nettó átlagos órabér Egy másfélórás, három részvevős meeting költsége (bruttó-bruttó) Ennyi adatot tudunk ebből a pénzből tárolni egy évig Mennyi adat is ez körülbelül? * Ha nem szeretnénk folyamatosan használni az adatot, akkor akár 368 GB
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29 Analyzing the analyzers, O Reilly
30
31
32
33 Infrastruktúra Adattárolás Adatmozgatás Adatátalakítás Gépi tanulás Optimalizáció Folyamatok Kiértékelés Riporting Adatvezérelt döntések Stratégia
34
35
36 Üzleti érték feltárása és kommunikációja A Világ Termékek Hívások Fogyasztott energia Csalások Mi az a Data Product? egy alkalmazás, amely képes feldolgozni a nyers adatokat egy szoftver, amely automatikusan képes tanulni az adatokból egy mechanizmus, amely egy üzleti mértéket realtime értékel ki egy esemény előrejelzésére képes modell Data Product Adatok feltárása Tanulás az adatokból Gépi tanulás Regresszió Hálózatok és gráfok Klaszterezés Osztályozás Az adathalmaz Korreláció Kovariancia Dimenzionalitás Relevancia Hiányzó adatok Nyers adatok Tranzakciók Klikkek és weblogok Szenzoradatok Mobil adatok Social feeds Adatelőkészítés MapReduce ETL Adattisztítás Mintavételezés Select, join
37
38
39 Standard riportok Mi történt? Mikor történt? Statisztikai elemzés Miért történt? Ad-hoc riportok Hány darab? Milyen gyakran? Mikor? Forecasting Mi lesz, ha ez a trend folytatódik? Mennyi lesz? OLAP Hol van pontosan a probléma? Prediktív modellezés Mi fog történni legközelebb? Alertek Mikor kellene reagálni? Optimalizáció Hogyan lehetne ezt jobban csinálni?
40 Standard riportok Mi történt? Mikor történt?
41
42 Standard riportok Mi történt? Mikor történt? Ad-hoc riportok Hány darab? Milyen gyakran? Mikor?
43
44 Standard riportok Mi történt? Mikor történt? Ad-hoc riportok Hány darab? Milyen gyakran? Mikor? OLAP Hol van pontosan a probléma?
45
46 Standard riportok Mi történt? Mikor történt? Ad-hoc riportok Hány darab? Milyen gyakran? Mikor? OLAP Hol van pontosan a probléma? Alertek Mikor kellene reagálni?
47
48 Standard riportok Mi történt? Mikor történt? Statisztikai elemzés Miért történt? Ad-hoc riportok Hány darab? Milyen gyakran? Mikor? OLAP Hol van pontosan a probléma? Alertek Mikor kellene reagálni?
49
50 Standard riportok Mi történt? Mikor történt? Statisztikai elemzés Miért történt? Ad-hoc riportok Hány darab? Milyen gyakran? Mikor? Forecasting Mi lesz, ha ez a trend folytatódik? Mennyi lesz? OLAP Hol van pontosan a probléma? Alertek Mikor kellene reagálni?
51
52 Standard riportok Mi történt? Mikor történt? Statisztikai elemzés Miért történt? Ad-hoc riportok Hány darab? Milyen gyakran? Mikor? Forecasting Mi lesz, ha ez a trend folytatódik? Mennyi lesz? OLAP Hol van pontosan a probléma? Prediktív modellezés Mi fog történni legközelebb? Alertek Mikor kellene reagálni?
53
54
55 Standard riportok Mi történt? Mikor történt? Statisztikai elemzés Miért történt? Ad-hoc riportok Hány darab? Milyen gyakran? Mikor? Forecasting Mi lesz, ha ez a trend folytatódik? Mennyi lesz? OLAP Hol van pontosan a probléma? Prediktív modellezés Mi fog történni legközelebb? Alertek Mikor kellene reagálni? Optimalizáció Hogyan lehetne ezt jobban csinálni?
56
57 Életkor Jövedelem Lakásméret Gyerekek Autók száma Biztosítás ???? MODELL Tulajdonságleíró változók input attribútumok Célváltozó Target Címke Életkor Jövedelem Lakásméret Gyerekek Autók száma Biztosítás SIKERÜLT NEM SIKERÜLT NEM
58 Feladat: Van egy tanító adathalmazom ahol ismerem a tulajdonságokat és ahol ismerem a címkéket (osztályt) És van egy új sor, ahol ismerem a tulajdonságokat és a modell mondja meg a címkét Klasszifikáció Címkézés Életkor Jövedelem Lakásméret Gyerekek Autók száma Biztosítás ???? MODELL Tulajdonságleíró változók input attribútumok Célváltozó Target Címke Életkor Jövedelem Lakásméret Gyerekek Autók száma Biztosítás SIKERÜLT NEM SIKERÜLT NEM
59 Feladat: Van egy tanító adathalmazom ahol ismerem a tulajdonságokat és ahol ismerem a címkéket (osztályt) És van egy új sor, ahol ismerem a tulajdonságokat és a modell mondja meg a címkét Klasszifikáció Címkézés Életkor Jövedelem Lakásméret Gyerekek Autók száma Biztosítás ???? Alapkérdés: Mennyire találtam el az osztályt? MODELL Milyen pontos volt az osztályozás? Tulajdonságleíró változók input attribútumok Életkor Jövedelem Lakásméret Gyerekek Autók száma Biztosítás SIKERÜLT NEM SIKERÜLT NEM Célváltozó Target Címke Pontosság (Accuracy) = Eltalált esetek / Összes eset
60 Életkor Foglalkozás Lakásméret Gyerekek Autók száma Jövedelem ???? MODELL Tulajdonságleíró változók input attribútumok Célváltozó Target Mennyiség Életkor Foglalkozás Lakásméret Gyerekek Autók száma Jövedelem
61 Feladat: Van egy tanító adathalmazom ahol ismerem a tulajdonságokat és ahol ismerem a mennyiséget És van egy új sor, ahol ismerem a tulajdonságokat modell mondja meg mekkora a mennyiség Felügyelt tanulási algoritmusok Életkor Foglalkozás Lakásméret Gyerekek Autók száma Jövedelem ???? MODELL Tulajdonságleíró változók input attribútumok Célváltozó Target Mennyiség Életkor Foglalkozás Lakásméret Gyerekek Autók száma Jövedelem
62 Feladat: Van egy tanító adathalmazom ahol ismerem a tulajdonságokat és ahol ismerem a mennyiséget És van egy új sor, ahol ismerem a tulajdonságokat modell mondja meg mekkora a mennyiség Felügyelt tanulási algoritmusok Életkor Foglalkozás Lakásméret Gyerekek Autók száma Jövedelem ???? Alapkérdés: Mekkorát MODELL tévedtem? Átlagosan mekkora a hiba? Tulajdonságleíró változók input attribútumok Hiba (Error) = Tipp Valós érték Célváltozó Target Mennyiség Életkor Foglalkozás Lakásméret Gyerekek Autók száma Jövedelem
63 Feladat 1. Churn feladat El fog-e vándorolni a konkurenciához az ügyfél? 2. Kinek érdemes kiküldeni egy hitelkártyát? 3. Hány percet fog az ügyfél a következő hónapban telefonálni? 4. 1 és 5 között milyen osztályzatot ad a filmre majd a felhasználó? 5. Többet fog-e jövőre költeni az ügyfél, mint 1 MFt?
64 MODELL Nem felügyelt tanulási algoritmusok Tulajdonságleíró változók input attribútumok Életkor Jövedelem Lakásméret Gyerekek Autók száma Csoport A. klaszter A. klaszter B. klaszter B. klaszter
65 MODELL Feladat: Van egy tanító adathalmazom ahol ismerem a tulajdonságokat Kérdés, hogy milyen csoportokba rakható úgy, hogy csoporton belül hasonlóak. csoportok ne hasonlítsanak egymásra Nem felügyelt tanulási algoritmusok Tulajdonságleíró változók input attribútumok Életkor Jövedelem Lakásméret Gyerekek Autók száma Csoport A. klaszter A. klaszter B. klaszter B. klaszter
66
67 Business understanding Deployment Data understanding Business evaluation Data preparation Modeling
68 Legyen az adatelemzési projekt egy kevésbé hozzáértő számára is megbízható és megismételhető Keretrendszer az eredmények létrehozására Projekttervezés és menedzsment Komfortfaktor
69 Nem szabadalmaztatott, független Felhasználási és alkalmazási területtől független Eszközfüggetlen Az üzleti célokat tartja szem előtt Valós projekttapasztalatokon alapul Nem vízesés-modell
70 Deployment Hogyan tudjuk felhasználni az eredményeket? Business understanding Mi a projekt üzleti célja? Hogyan lehet ezt megoldani adatelemzéssel? Evaluation Sikerült elérni a kitűzött célokat? Data understanding Honnan az adat? Milyen minőségű az adat? Modeling Modellezés Data preparation Adatmasszírozás
71
72 Forrás:
73 Forrás:
74 Források:
75 Források:
76 Források:
77 Források:
78
79 Források:
80 Források:
81
82
83
84
85
86
87
88
89
90 Forrás: Kaggle 2017 The State of Data Science & Machine Learning
91
92 Forrás: Kaggle 2017 The State of Data Science & Machine Learning Forrás: Kaggle 2017 The State of Data Science & Machine Learning
93
94
95 Forrás: Kaggle 2017 The State of Data Science & Machine Learning Forrás: Kaggle 2017 The State of Data Science & Machine Learning Forrás: az előadó tapasztalata & szubjektív véleménye
96
97
98
99
100
101 As experts, we organize and lecture at conferences of our Hungarian data analytics community and also take part in international scientific projects and data mining competitions. As educators, we teach our students to define real-world business problems and give their own effective data analysis solutions. As consultants, we provide innovative solutions from defining business challenges to deploying applications for our business partners.
102 Our goal is to determine the next trends of data analysis and to create new kinds of services which go beyond the classical solutions. On our corporate courses the primary consideration is that the provided knowledge is tailored to cover the needs of our professional partners. Corporate courses with our training partners meetup speeches to Hungarian data analytics community conference speeches Custom company training
103 Our analysts regularly enter and excel at international data mining competitions that add to our team s inspiration to invent and test the most novel processes and solutions Energy forecasting competition. Solar and wind forecasting tracks Predicting compounds' interference in biochemical pathways using only chemical structure data Implementing an agent that takes on pricing for an online shop Predicting probability of loan default for a Brazilian retail bank Some members of Dmlab team with consistent and stellar competition results in the top of the international competitors of Kaggle.
104 Dmlab aspires to become a venture-builder organization that build companies using their own ideas and resources Big data analytics company with the goal of lowering the barrier for using Hadoop systems. The Radoop package allows even non-technical people to access and analyse big data, but also provides scripting and advanced predictive analytics for experts. Most of the founders come from Dmlab RapidMiner (a leading data analytics company) acquired Radoop in 2014 Unviewable ads, non-human generated clicks, malevolent publishers and negligent middlemen - this is the reality of online advertising. With enbrite.ly s technology, actors of online advertiser market expose the facts, both good and bad, protecting their bottom line. The technology is based on research and development of Dmlab Enbrite.ly won the $500,000 cash prize for the best start-up at Slush 2014
105 Electric power consumption Load forecasting for wind and solar Decision support system for scoring of severity of rheumatics Breast cancer diagnosis based on image processing Predictive driver behaviour scoring system Waste diagnostics within production line Conversion booster in online shops based on user behaviour Indoor positioning
106 Founder senior partner Founder senior partner +36 (20) (70)
107
Üzleti intelligencia - eszközöktől a megoldásokig
Atlanta Barcelona Berlin Vienna Budapest Bukarest Düsseldorf München Stuttgart Zurich www.ifua.hu Fekete Gábor ügyvezető partner 2007. március 21. Üzleti intelligencia - eszközöktől a megoldásokig IFUA
RészletesebbenÖnkiszolgáló BI infrastruktúra az adatvezérelt teljesítménymenedzsmentben
Önkiszolgáló BI infrastruktúra az adatvezérelt teljesítménymenedzsmentben Microsoft Future Decoded 2018.03.21. Krizsanovich Péter Ügyvezető igazgató, Stratégiai-, Tervezési és Controlling Igazgatóság Horváth
RészletesebbenSTRATÉGIAI TERVEZÉS. Nem értem miért félnek az emberek az új gondolatoktól. Én a régiektől félek. John Cage, amerikai avantgarde zeneszerző
STRATÉGIAI TERVEZÉS Nem értem miért félnek az emberek az új gondolatoktól. Én a régiektől félek. John Cage, amerikai avantgarde zeneszerző A tervezés előkészítése Trendelemzések, riportok Könyvtári trendek
RészletesebbenAdatbányászati, data science tevékenység projektmenedzsmentje
Adatbányászati, data science tevékenység projektmenedzsmentje IPE képzés II. félév Körmendi György, Hans Zoltán Clementine Consulting 2018.03.08. L Bemelegítés Adatbányászat célja Szegmentálás Leíró modellek
RészletesebbenAdatbányászati, data science tevékenység
Adatbányászati, data science tevékenység projektmenedzsmentje IPE képzés II. félév Körmendi György Clementine Consulting 2017. 03. 14. Bemelegítés Adatbányászat célja Szegmentálás Leíró modellek Előrejelző
RészletesebbenSZEMLÉLETES RÉSZINFORMÁCIÓK INTEGRÁCIÓS PROBLÉMÁINAK VIZSGÁLATA A VIRTUÁLIS VALÓSÁGOT TEREMTŐ SZIMULÁTOROK ALAPJÁN
Cser Ádám ZMNE KMDI adam.cser@ge.com SZEMLÉLETES RÉSZINFORMÁCIÓK INTEGRÁCIÓS PROBLÉMÁINAK VIZSGÁLATA A VIRTUÁLIS VALÓSÁGOT TEREMTŐ SZIMULÁTOROK ALAPJÁN Absztrakt Az ember környezetét érzékszervein keresztül
RészletesebbenHasznos és kártevő rovarok monitorozása innovatív szenzorokkal (LIFE13 ENV/HU/001092)
Hasznos és kártevő rovarok monitorozása innovatív szenzorokkal (LIFE13 ENV/HU/001092) www.zoolog.hu Dr. Dombos Miklós Tudományos főmunkatárs MTA ATK TAKI Innovative Real-time Monitoring and Pest control
RészletesebbenNYOMÁSOS ÖNTÉS KÖZBEN ÉBREDŐ NYOMÁSVISZONYOK MÉRÉTECHNOLÓGIAI TERVEZÉSE DEVELOPMENT OF CAVITY PRESSURE MEASUREMENT FOR HIGH PRESURE DIE CASTING
Anyagmérnöki Tudományok, 39/1 (2016) pp. 82 86. NYOMÁSOS ÖNTÉS KÖZBEN ÉBREDŐ NYOMÁSVISZONYOK MÉRÉTECHNOLÓGIAI TERVEZÉSE DEVELOPMENT OF CAVITY PRESSURE MEASUREMENT FOR HIGH PRESURE DIE CASTING LEDNICZKY
RészletesebbenAdatbányászat és Perszonalizáció architektúra
Adatbányászat és Perszonalizáció architektúra Oracle9i Teljes e-üzleti intelligencia infrastruktúra Oracle9i Database Integrált üzleti intelligencia szerver Data Warehouse ETL OLAP Data Mining M e t a
RészletesebbenCsima Judit április 9.
Osztályozókról még pár dolog Csima Judit BME, VIK, Számítástudományi és Információelméleti Tanszék 2018. április 9. Csima Judit Osztályozókról még pár dolog 1 / 19 SVM (support vector machine) ez is egy
RészletesebbenSkills Development at the National University of Public Service
Skills Development at the National University of Public Service Presented by Ágnes Jenei National University of Public Service Faculty of Public Administration Public Ethics and Communication 13. 12. 2013
RészletesebbenBrooklyn Credit Risk Monitoring System
Brooklyn Credit Risk Monitoring System Mi a célja, küldetése a rendszernek Az egyébként kényszerű adatszolgáltatási kötelezettség adatáramára építve olyan rendszer biztosítása, amely 1. Lényegi (mat.stat.)
RészletesebbenFOSS4G-CEE Prágra, 2012 május. Márta Gergely Sándor Csaba
FOSS4G-CEE Prágra, 2012 május Márta Gergely Sándor Csaba Reklám helye 2009 óta Intergraph szoftverek felől jöttünk FOSS4G felé megyünk Békés egymás mellett élés több helyen: Geoshop.hu Terkep.torokbalint.hu
RészletesebbenFelnőttképzés Európában
Felnőttképzés Európában Nincs szükség annyi diplomásra, amennyit képeznek Helyettük szakképzett emberekre lenne kereslet Az itthon OKJ-s képzés európai hagyományában két vonal érvényesül: - dán - német
RészletesebbenAz üzleti igények átültetése a gyakorlatba eszköz és módszertan: - ARIS és WebSphere megoldások együttes használata a folyamatmendzsmentben -
Az üzleti igények átültetése a gyakorlatba eszköz és módszertan: - ARIS és WebSphere megoldások együttes használata a folyamatmendzsmentben - Solti Árpád HyperTeam ügyvezető HyperTeam bemutatása Bemutatkozás
Részletesebben2014. üzleti évben futó pályázatok Bay Zoltán Közhasznú Nonprofit Kft.
2014. üzleti évben futó pályázatok Bay Zoltán Közhasznú Nonprofit Kft. Sor szám Projekt témája/címe Futamidő Összköltségvetés - Bay Kft. Pályázati program 1. 2. 3. 4. Fáradt olajok és hulladékká vált szénhidrogén-
RészletesebbenClimate action, environment, resource efficiency and raw materials
Climate action, environment, resource efficiency and raw materials Tóth Orsolya NCP NIH, Külkapcsolatok Főosztálya 2014. február 11. Célok Erőforrás-hatékony, éghajlatváltozásnak ellenálló gazdaság és
RészletesebbenFOLYÓIRATOK, ADATBÁZISOK
Szakkönyvtár FOLYÓIRATOK, ADATBÁZISOK 2013. szeptember Acta Oeconomica Állam- és Jogtudomány Élet és Irodalom Figyelő Gazdaság és Jog Határozatok Tára HVG Közgazdasági Szemle Külgazdaság Magyar Hírlap
RészletesebbenADATBÁNYÁSZAT AZ AUTÓIPARI TERMÉKEK FEJLESZTÉSÉBEN
ADATBÁNYÁSZAT AZ AUTÓIPARI TERMÉKEK FEJLESZTÉSÉBEN Zámborszky Judit 2019.05.14. Adatbányászat az autóipari termékek fejlesztésében Industry 4.0 Ipar 4.0 Ipari forradalmak: 1.: Gépek használata (gőzgép)
RészletesebbenCOOPERATION IN THE CEREAL SECTOR OF THE SOUTH PLAINS REGIONS STRÉN, BERTALAN. Keywords: cooperation, competitiveness, cereal sector, region, market.
COOPERATION IN THE CEREAL SECTOR OF THE SOUTH PLAINS REGIONS STRÉN, BERTALAN Keywords: cooperation, competitiveness, cereal sector, region, market. Using a questionnaire, we determined the nature and strength
RészletesebbenBI modul a lízing üzletágban. 2007 márc. 21. Előadó: Salamon András
BI modul a lízing üzletágban 2007 márc. 21. Előadó: Salamon András Rövid cég- és terméktörténet Lízing fejlesztések, K+F 1996 óta Lízing éles rendszer 1999 óta Új név: AdviseSoft Kft. 2002 óta Jelenleg:
RészletesebbenOracle adatkezelési megoldások helye az EA világában. Előadó: Tar Zoltán
Oracle adatkezelési megoldások helye az EA világában Előadó: Tar Zoltán Témák Bemutatkozás Enterprise Architecture bemutatása Mi az az EA? TOGAF bemutatása OEAF bemutatása Oracle megoldások Oracle termékek
RészletesebbenMIKRON HSM 300 Száraz megmunkálás vagy minimál mennyiségû kenés
MIKRON HSM 300 Száraz megmunkálás vagy minimál mennyiségû kenés Tulajdonságok Minimál kenéssel vagy grafitpor elszívással A bõvíthetõ gép, interfésszel az automatizáláshoz Integrált olajköd vagy grafitpor
RészletesebbenSoltész Gábor. Önéletrajz Budapest, Lechner Ödön fasor em 26. a.
Soltész Gábor Önéletrajz SZEMÉLYI ADATOK Születési dátum: 1983.07.09 Születési hely: Lakcím: Dunaújváros 1095 Budapest, Lechner Ödön fasor 1. 2. em 26. a Telefonszám: +36/20-466-7553 Email: Weboldal: solteszgabor@solteszgabor.com
RészletesebbenCloud computing. Cloud computing. Dr. Bakonyi Péter.
Cloud computing Cloud computing Dr. Bakonyi Péter. 1/24/2011 1/24/2011 Cloud computing 2 Cloud definició A cloud vagy felhő egy platform vagy infrastruktúra Az alkalmazások és szolgáltatások végrehajtására
RészletesebbenSAS szoftverek felhasználási lehetőségei a felsőoktatásban
SAS szoftverek felhasználási lehetőségei a felsőoktatásban Hodász Attila BDX Kft. Abrán József SAS Magyarország Miért SAS? Integrált keretrendszer amely a teljes feladat támogatására alkalmas Kiforrott
RészletesebbenBig Data az adattárházban
Big Data az adattárházban A párbaj folytatódik? Néhány fontos Big Data projekt Cég Téma Adat Újfajta Mennyiség Saját adat? Típus Google Influenza Google I big I Előjelzés előjelzés Farecast Xoom Chicagoi
RészletesebbenA Continental Automotive Hungary beszállítói stratégiája Beszállítók kiválasztása és fejlesztése helyben és globálisan
A Continental Automotive Hungary beszállítói stratégiája Beszállítók kiválasztása és fejlesztése helyben és globálisan Business Unit Passive Safety & Sensorics Continental Corporation A Continental világszerte
RészletesebbenCloud computing Dr. Bakonyi Péter.
Cloud computing Dr. Bakonyi Péter. 1/24/2011 Cloud computing 1/24/2011 Cloud computing 2 Cloud definició A cloud vagy felhő egy platform vagy infrastruktúra Az alkalmazások és szolgáltatások végrehajtására
Részletesebbenhogyan válhat jövőképpé? Dr. Bársony Farkas Elnök, AmCham Hungary Ügyvezető igazgató, GE Hungary Kft. A Nemzeti Versenyképességi Tanács tagja
A digitális vállalat hogyan válhat jövőképpé? Dr. Bársony Farkas Elnök, AmCham Hungary Ügyvezető igazgató, GE Hungary Kft. A Nemzeti Versenyképességi Tanács tagja Agenda A digitális vállalat A GE, az ipari
RészletesebbenA modern e-learning lehetőségei a tűzoltók oktatásának fejlesztésében. Dicse Jenő üzletfejlesztési igazgató
A modern e-learning lehetőségei a tűzoltók oktatásának fejlesztésében Dicse Jenő üzletfejlesztési igazgató How to apply modern e-learning to improve the training of firefighters Jenő Dicse Director of
RészletesebbenADATTÁRHÁZAK MINŐSÉGBIZTOSÍTÁSA
Örülök, hogy találkoztunk! ADATTÁRHÁZAK MINŐSÉGBIZTOSÍTÁSA KŐVÁRI ATTILA BI PROJEKT 1. Oldal - Adattárház fórum 2014 Adattárházak minőségbiztosítása Kővári Attila BI projekt Miért éppen minőségbiztosítás?
RészletesebbenCharacteristics and categorization of transportation organizations
Characteristics and categorization of transportation organizations Organisational structure Activity (function) structure functional unit organisational unit sub-system input, stored, output information
RészletesebbenThe nontrivial extraction of implicit, previously unknown, and potentially useful information from data.
Budapesti Műszaki és Gazdaságtudományi Egyetem Méréstechnika és Információs rendszerek Tanszék Adatelemzés intelligens módszerekkel Hullám Gábor Adatelemzés hagyományos megközelítésben I. Megválaszolandó
RészletesebbenOLYMPICS! SUMMER CAMP
OLYMPICS! SUMMER CAMP YOUNG BUSINESS CAMP 3D DESIGN CAMP OLYMPICS SUMMER CAMP 20 24 JUNE AND 27 JUNE 1 JULY AGE: 6-14 Our ESB native-speaking teachers will provide a strong English learning content throughout
RészletesebbenA 2017-es év online trendjei az FMCG iparágban. Égly Csaba - Business Development Consultant Március 6.
A 2017-es év online trendjei az FMCG iparágban Égly Csaba - Business Development Consultant 2017. Március 6. Agenda Fogyasztói viselkedésről általánosságban Nemzetközi FMCG trendek Magyar webáruházak
RészletesebbenProject manager fejlesztési pálya
Citi Services Centre Budapest Pásztor György 2012. november 8 Hogyan tanulnak a felnőttek? A tanulás - 70 %-a gyakorlati munkavégzésben, feladatok, problémák megoldása során - 20%-a mások (role model-ek)
RészletesebbenTársadalmi-gazdasági szempontok Az ipari termelési folyamatok kedvezőbbé tétele és az ipari együttműködési láncok sűrűsége pozitív társadalmi és gazdasági eredmények létrejöttéhez is hozzájárul. A társadalmi
RészletesebbenEladni könnyedén? Oracle Sales Cloud. Horváth Tünde Principal Sales Consultant 2014. március 23.
Eladni könnyedén? Oracle Sales Cloud Horváth Tünde Principal Sales Consultant 2014. március 23. Oracle Confidential Internal/Restricted/Highly Restricted Safe Harbor Statement The following is intended
RészletesebbenAZ IGAZI BIG DATA hogyan használják a világban és egyáltalán használják-e hazánkban?
AZ IGAZI BIG DATA hogyan használják a világban és egyáltalán használják-e hazánkban? Médiapiac 2015 Eger, 2015.03.18 Dévényi Edit Dunai Albert K&H Bank és Biztosító 1 Nem értek hozzá! Mi tart vissza? Túl
RészletesebbenInformációs Rendszerek Szakirány
Információs Rendszerek Szakirány Laki Sándor Kommunikációs Hálózatok Kutatócsoport ELTE IK - Információs Rendszerek Tanszék lakis@elte.hu http://lakis.web.elte.hu Információs Rendszerek szakirány Közös
RészletesebbenComponent Soft 1994-2013 és tovább
Component Soft 1994-2013 és tovább IT szakemberek oktatása, tanácsadás Fő témáink: UNIX/Linux rendszerek, virtualizációs, fürtözési, tároló menedzsment és mentési technológiák Adatbázisok és middleware
RészletesebbenDecision where Process Based OpRisk Management. made the difference. Norbert Kozma Head of Operational Risk Control. Erste Bank Hungary
Decision where Process Based OpRisk Management made the difference Norbert Kozma Head of Operational Risk Control Erste Bank Hungary About Erste Group 2010. 09. 30. 2 Erste Bank Hungary Erste Group entered
RészletesebbenÖnéletrajz. Személyi adatok. Szakmai tapasztalat. juhasz.istvan@ektf.hu. Időtartam 2009. szeptember. Főbb tevékenységek és feladatkörök
Önéletrajz Személyi adatok Vezetéknév / Utónév Telefonszám E-mail Juhász István 06-36/520-400/ 3077 mellék juhasz.istvan@ektf.hu Szakmai tapasztalat Időtartam 2009. szeptember tanársegéd Előadások és szemináriumok
RészletesebbenINTELLIGENT ENERGY EUROPE PROGRAMME BUILD UP SKILLS TRAINBUD. Quality label system
INTELLIGENT ENERGY EUROPE PROGRAMME BUILD UP SKILLS TRAINBUD WP4: Deliverable 4.5 Development of voluntary qualification system Quality label system 1 INTELLIGENT ENERGY EUROPE PROGRAMME BUILD UP SKILLS
RészletesebbenSelf service reporting fogások, technikák és megoldások controllereknek, nem csak Excel alapon
Self service reporting fogások, technikák és megoldások controllereknek, nem csak Excel alapon Reporting, dashboarding önkiszolgáló módon Anton Dávid Havas Levente Debrecen, 2017.10.26. Mobil fogyasztás
Részletesebben*#Discount~ Kaspersky Internet Security - multidevice 2015 best software to buy for mac ]
*#Discount~ Kaspersky Internet Security - multidevice 2015 best software to buy for mac ] Description: Elonyök Az összes csatlakoztatott eszköz védelme egy licenccel használható, könnyen kezelheto megoldás
RészletesebbenPénzügy, számvitel. Váradi Mónika 2013.01.29.
Pénzügy, számvitel Váradi Mónika 2013.01.29. Pénzügy, számvitel A rendszer megoldást nyújt a teljeskörű pénzügyi, számviteli műveletek elvégzésére a törvényi megfelelőségek biztosítása mellett. Pénzügy,
RészletesebbenAZ ITS HUNGARY EGYESÜLET 2015. ÉVI
AZ ITS HUNGARY EGYESÜLET 2015. ÉVI TEVÉKENYSÉGEI KÖZGYŰLÉSEK ITS Hungary Közgyűlés, 2015. április 29. 2015. április 29-én került megrendezésre Egyesületünk szokásos évi Közgyűlése. Szűcs Lajos elnök úr
RészletesebbenData Integrátorok a gyakorlatban Oracle DI vs. Pentaho DI Fekszi Csaba Ügyvezető Vinnai Péter Adattárház fejlesztő 2013. február 20.
Data Integrátorok a gyakorlatban Oracle DI vs. Pentaho DI Fekszi Csaba Ügyvezető Vinnai Péter Adattárház fejlesztő 2013. február 20. 1 2 3 4 5 6 7 8 Pentaho eszköztára Data Integrator Spoon felület Spoon
Részletesebbensorsz. Tárgykód Kurzuskód Tárgynév Nyelv Kurzus típus
1 293NFINVI333B ISP_G-P Personal Finance & Wealth Management angol Gyakorlat 2 293NMEDIA1B ISP_G-P Press photography, documentary and campaign film-making angol Gyakorlat 3 293NOPRV312B ISP_E-P Sustainable
RészletesebbenTOURNAMENT DRAW ALL KYOKUSHIN KARATE WT - TOURNAMENT DRAW ALL KYOKUSHIN KARATE WT - TOURNAMENT DRAW
TOURNAMENT DRAW WOMAN KATA TOURNAMENT DRAW WOMAN 55 KG TOURNAMENT DRAW WOMAN 65 KG TOURNAMENT DRAW WOMAN +65 KG Minôségi termékeink Világbajnok csomagolásban! World Champion in packaging! Valdor Darfresh
Részletesebbenprogram 1. nap / 1st day (április 15. / 15 april)
1. nap / 1st day (április 15. / 15 april) 9:45 Dr. Király Mária a Ringier Axel Springer Magyarország COO-jának és Maróy Krisztina a Digital Media Campus vezetőjének nyitóbeszéde / Welcome by Dr. Mária
RészletesebbenPiackutatás, marketingelemzés, szegmentálás, megcélzás, pozicionálás
Piackutatás, marketingelemzés, szegmentálás, megcélzás, pozicionálás Mi a marketing? Piacelemzés A piacelemzés beazonosítja a piacot ahhoz, hogy pozicionálni tudják a saját üzletüket, ahhoz, hogy részesedjenek
RészletesebbenA szoftver tesztelés alapjai
Szoftverellenőrzési technikák A szoftver tesztelés alapjai Micskei Zoltán, Majzik István http://www.inf.mit.bme.hu/ 1 Hol tartunk a félévi anyagban? Követelményspecifikáció ellenőrzése Ellenőrzések a tervezési
RészletesebbenMi látjuk előre, amit Ön csak a promója után! Sales & Marketing, Üzletfejlesztési lehetőségek térinformatikával
Mi látjuk előre, amit Ön csak a promója után!. Sales & Marketing, Üzletfejlesztési lehetőségek térinformatikával Goldschmied Annamária Business Development Manager Esri Magyarország Kft. 1134 Budapest,
RészletesebbenUSA Befektetési Útmutató
USA Befektetési Útmutató COPYRIGHT OPISAS. ALL RIGHTS RESERVED. DISCLAIMER. All prices on this list are subject to change without notice. Whilst we make every effort to provide you the most accurate, up-to-date
RészletesebbenOracle Enterprise Manager: Az első teljesértékű felhő üzemeltetési megoldás
2011 November 8. New York Palota Hotel Boscolo Budapest Oracle Enterprise Manager: Az első teljesértékű felhő üzemeltetési megoldás Sárecz Lajos, Vezető tanácsadó Oracle Hungary Átfogó felhő üzemeltetés
RészletesebbenMOL Bubi Challenge 2015
MOL Bubi Challenge 2015 Results Congratulations for the winners! Final leaderboard Veress Tamás Task 2 győztes felajánlása 100,000 Ft-ot a 3. feladat további díjaira fordítunk A MOL Bubi bérletet a mindkét
RészletesebbenWP2: Deliverable 2.1
INTELLIGENT ENERGY EUROPE PROGRAMME BUILD UP SKILLS TRAINBUD WP2: Deliverable 2.1 European benchmark study on mutual recognition Q-BICON PROJECT INTELLIGENT ENERGY EUROPE PROGRAMME BUILD UP SKILLS TRAINBUD
RészletesebbenGyors sikerek adatbányászati módszerekkel
Gyors sikerek adatbányászati módszerekkel Kezdő adatbányászati workshop Petrócziné Huczman Zsuzsanna 2015.10.13. Bemutatkozás BME, műszaki informatika szak, adatbányászati szakirány Citibank Data Explorer
RészletesebbenELIXIR-Magyarország: lehetőségek és kihívások: Bálint Bálint L, Debreceni Egyetem, ELIXIR-Magyarország oktatási koordinátor
ELIXIR-Magyarország: lehetőségek és kihívások: 2018-2019 Bálint Bálint L, Debreceni Egyetem, ELIXIR-Magyarország oktatási koordinátor ELIXIR European Life Science Infrastructure for Biological InfoRmation
RészletesebbenA Margit híd pillérszobrának 3D-s digitális alakzatrekonstrukciója Nagy Zoltán 1 Túri Zoltán 2
A Margit híd pillérszobrának 3D-s digitális alakzatrekonstrukciója Nagy Zoltán 1 Túri Zoltán 2 1 hallgató, Debreceni Egyetem TTK, e-mail: zoli0425@gmail.com 2 egyetemi tanársegéd, Debreceni Egyetem Természetföldrajzi
RészletesebbenAz Oracle Fusion szakértői szemmel
Az Oracle Fusion szakértői szemmel Pigniczki László ügyvezető igazgató ProMigCon Kft. HOUG 2017. november 8. ProMigCon Kft. 2009 novemberében alakult. Alapvető tevékenység: Oracle E-Business Suite bevezetés,
RészletesebbenÉLETCIKLUS SZEMLÉLET ÉS ÖKOINNOVÁCIÓ A NEMZETKÖZI GYAKORLATBAN. Buday-Malik Adrienn, 2014.12.02, Miskolc
ÉLETCIKLUS SZEMLÉLET ÉS ÖKOINNOVÁCIÓ A NEMZETKÖZI GYAKORLATBAN Buday-Malik Adrienn, 2014.12.02, Miskolc RÖVIDEN - LCA ÉS ÖKOINNOVÁCIÓ EURÓPÁBAN - NEMZETKÖZI PROGRAM-LEHETŐSÉGEK - JÓ GYAKORLATOK partnerségben
RészletesebbenSzent László TISZK (SZLTISZK) Kocsis Ibolya
Tolna Megyei Önkormányzat Szent László Szakképző Iskolája és Kollégiuma (TISZK) Szent László TISZK (SZLTISZK) Kocsis Ibolya deputy general director Leonardo Partnerships S.O.S. project coordinator Leonardo
RészletesebbenEGYÜTTMŰKÖDŐ ÉS VERSENGŐ ERŐFORRÁSOK SZERVEZÉSÉT TÁMOGATÓ ÁGENS RENDSZER KIDOLGOZÁSA
infokommunikációs technológiák EGYÜTTMŰKÖDŐ ÉS VERSENGŐ ERŐFORRÁSOK SZERVEZÉSÉT TÁMOGATÓ ÁGENS RENDSZER KIDOLGOZÁSA Témavezető: Tarczali Tünde Témavezetői beszámoló 2015. január 7. TÉMAKÖR Felhő technológián
RészletesebbenPapp Attila. BI - mindenkinek
Papp Attila BI - mindenkinek 100% 28% 2012 A kiterjesztett BI piac alakulása BAM/CEP 0.23 Other Data 2 Warehouse 10.5 CRM Analytics 1 Data Integration, Data Quality 3 2010 57 mrd USD BI Services 30 2011
RészletesebbenÚj hálózati megoldások Gbit xdsl technológiával
Új hálózati megoldások Gbit xdsl technológiával ITU szabványok és piaci termékek Mérnöki Kamara előadás 2019. február 18. Takács György Az ITU-T 15. Tanulmányi Bizottság Q4 kérdése VDSL2, G.fast, G.mgfast
Részletesebbenépítészet & design ipari alkalmazás teherautó felépítmény
A Design-Composit egy kompozitpaneleket gyártó vállalat, mely teherautó felépítményekhez, az építészet számára és design termékekhez készít paneleket. We are an innovative manufacturer of composite panels
Részletesebben2. Local communities involved in landscape architecture in Óbuda
Év Tájépítésze pályázat - Wallner Krisztina 2. Közösségi tervezés Óbudán Óbuda jelmondata: Közösséget építünk, ennek megfelelően a formálódó helyi közösségeket bevonva fejlesztik a közterületeket. Békásmegyer-Ófaluban
RészletesebbenA tudás handrendbe állítása, azaz SPSS PES
A tudás handrendbe állítása, azaz SPSS PES...és hogyan történt mindez a Vodafone Hungary Zrt-nél Cseh Zoltán, PhD konzultációs igazgató SPSS Hungary Hagyományos hadászati egységek Légi elhárítás Gyalogság
RészletesebbenA library for the user: new building, new organisation, new services
A library for the user: new building, new organisation, new services Budapest-Debrecen, 2008.04.11. - 14. LIBER Alföldiné Dán Gabriella - Nagy Zsuzsanna 2 Primary goals of the library To make basic library
RészletesebbenAz Információs és kommunikációs technológiák a HORIZONT 2020-ban
Infokommunikációs technológiák és a jövő társadalma (FuturICT.hu) projekt TÁMOP-4.2.2.C-11/1/KONV-2012-0013 Az Információs és kommunikációs technológiák a HORIZONT 2020-ban Hálózatépítő stratégiai együttműködés
RészletesebbenTANÍTSUNK-E PROGRAMOZÁST NEM INFORMATIKA SZAKOS HALLGATÓKNAK IS?
TANÍTSUNK-E PROGRAMOZÁST NEM INFORMATIKA SZAKOS HALLGATÓKNAK IS? Timár Lajos, TimarL@almos.vein.hu Czihlár Helga, cc04hc01@triton.pluto.vein.hu Veszprémi Egyetem, Matematikai és Számítástechnikai Tanszék
Részletesebben<Insert Picture Here> Közeli jövőkép az üzleti intelligenciáról
Közeli jövőkép az üzleti intelligenciáról Radnai Szabolcs Üzleti Intelligencia Üzletfejlesztési vezető - Kelet-közép Európa régió Az üzleti intelligencia feladata Embedded Business
RészletesebbenSAS Enterprise BI Server
SAS Enterprise BI Server Portik Imre vezető szoftverkonzulens SAS Institute, Magyarország A SAS helye a világban 280 iroda 51 országban 10,043 alkalmazott 4 millió felhasználó világszerte 41,765 ügyfél
RészletesebbenPiaci körkép és szállítók
Piaci körkép és szállítók e US Army Gartner BI MQ 2012 3 Gartner BI MQ 2014 Gartner BI MQ 2015 Forrester Enterprise BI Platforms Forrester Enterprise BI Platforms Forrester Enterprise BI Platforms Gartner
RészletesebbenAdatbányászat és Perszonalizáció az Oracle9i-ben
Adatbányászat és Perszonalizáció az Oracle9i-ben Oracle9i adatbányászat 2000. szeptember 6. Fekete Zoltán Palaczk Péter Agenda Oracle9i Database Teljes e-business Intelligence infrastruktúra Mi is az adatbányászat?
RészletesebbenHÁROM EGYETEM KÉT KONTINENS EGY TANTEREM:
HÁROM EGYETEM KÉT KONTINENS EGY TANTEREM: INTERKULTURÁLIS, INTERDISZCIPLINÁRIS NEMZETKÖZI EGYÜTTMŰKÖDÉS EGY MAGYAR ÉS KÉT AMERIKAI EGYETEM HALLGATÓI ÉS OKTATÓI KÖZÖTT INTÉZMÉNYI JÓ GYAKORLAT BEMUTATÁSA
Részletesebben4. Gyakorlat: Csoportházirend beállítások
4. Gyakorlat: Csoportházirend beállítások 4.1. A Default Domain Policy jelszóra vonatkozó beállításai 4.2. Parancsikon, mappa és hálózati meghajtó megjelenítése csoport házirend segítségével 4.3. Alkalmazások
RészletesebbenMérnök informatikus mesterszak mintatanterve (GE-MI) nappali tagozat/ MSc in, full time Érvényes: 2011/2012. tanév 1. félévétől, felmenő rendszerben
Mérnök informatikus mesterszak mintatanterve (GE-MI) nappali tagozat/ MSc in, full time Érvényes: 2011/2012. tanév 1. félévétől, felmenő rendszerben Tantárgy Tárgykód I. félév ősz II. félév tavasz Algoritmusok
Részletesebben2016. április 21. Hotel Aquincum
2016. április 21. Hotel Aquincum Szoftvergazdálkodási érettségi modell IPR-Insights License Consulting Program SAM érettségi modell IPR-Insights SAM Maturity Model 4.0 Szintek és hozzájuk kapcsolódó szolgáltatások,
RészletesebbenGeneral information for the participants of the GTG Budapest, 2017 meeting
General information for the participants of the GTG Budapest, 2017 meeting Currency is Hungarian Forint (HUF). 1 EUR 310 HUF, 1000 HUF 3.20 EUR. Climate is continental, which means cold and dry in February
RészletesebbenAPP!MOBILE 2014 TÉVUTAK ÉS TÉVHITEK, AVAGY A MOBILITÁS NAGYVÁLLALATI KÖRNYEZETBEN
APP!MOBILE 2014 TÉVUTAK ÉS TÉVHITEK, AVAGY A MOBILITÁS NAGYVÁLLALATI KÖRNYEZETBEN IT Services Hungary Balog Zsolt - Head of Enterprise Architecture Budapest, 2014. november 12. IT SERVICES HUNGARY COMPANY
RészletesebbenInnovative Drug Research Initiative: a Hungarian National Technological Platform. Adam Vas MD PhD Platform Leader
Innovative Drug Research Initiative: a Hungarian National Technological Adam Vas MD PhD Leader The beginning The National Research and Technology Office launches its initiative with the title: Support
RészletesebbenHALLGATÓI KÉRDŐÍV ÉS TESZT ÉRTÉKELÉSE
HALLGATÓI KÉRDŐÍV ÉS TESZT ÉRTÉKELÉSE EVALUATION OF STUDENT QUESTIONNAIRE AND TEST Daragó László, Dinyáné Szabó Marianna, Sára Zoltán, Jávor András Semmelweis Egyetem, Egészségügyi Informatikai Fejlesztő
RészletesebbenA webanalitika változó világa 4 felvonásban
A webanalitika változó világa 4 felvonásban Arató Bence, BI Consulting Email: arato@bi.hu, Twitter: @aratob Traffic Meetup, 2013.02.06 1 Bemutatkozás 15 éves szakmai tapasztalat az üzleti intelligencia
RészletesebbenA TÓGAZDASÁGI HALTERMELÉS SZERKEZETÉNEK ELEMZÉSE. SZATHMÁRI LÁSZLÓ d r.- TENK ANTAL dr. ÖSSZEFOGLALÁS
A TÓGAZDASÁGI HALTERMELÉS SZERKEZETÉNEK ELEMZÉSE SZATHMÁRI LÁSZLÓ d r.- TENK ANTAL dr. ÖSSZEFOGLALÁS A hazai tógazdasági haltermelés a 90-es évek közepén tapasztalt mélypontról elmozdult és az utóbbi három
RészletesebbenCONCERTO COMMUNITIES IN EU DEALING WITH OPTIMAL THERMAL AND ELECTRICAL EFFICIENCY OF BUILDINGS AND DISTRICTS, BASED ON MICROGRIDS. WP 5 Del 5.
CONCERTO COMMUNITIES IN EU DEALING WITH OPTIMAL THERMAL AND ELECTRICAL EFFICIENCY OF BUILDINGS AND DISTRICTS, BASED ON MICROGRIDS WP 5 Del 5.14 1 st period Szentendre Papers and articles in specialist
RészletesebbenÖsszegezés az ajánlatok elbírálásáról
Összegezés az ajánlatok elbírálásáról 1. Az ajánlatkérő neve és címe: Nemzeti Adó- és Vámhivatal címe: 1054 Budapest, Széchenyi utca 2. telefonszáma: 373-1661 fax száma: 373-1798 e-mail címe: kh.kf@nav.gov.hu;
RészletesebbenCOOPERATION AGREEMENT
COOPERATION AGREEMENT I, Mátyás Prikler hereby confirm in the name of the above partner organisation my interest in participating in the preparation, realization and evaluation of the 5 th GOMBUSHO WORKSHOP
RészletesebbenNemzeti szintű egészségbiztosítási adatvagyon big data elemzési lehetőségei
Big data kutatócsoport Pécs, 2017. november 30. Nemzeti szintű egészségbiztosítási adatvagyon big data elemzési lehetőségei Prof. Dr. Boncz Imre PTE ETK Egészségbiztosítási Intézet Az előadás témája: big
RészletesebbenMérnök informatikus (BSc) alapszak levelező tagozat (BIL) / BSc in Engineering Information Technology (Part Time)
Mérnök informatikus (BSc) alapszak levelező tagozat (BIL) / BSc in Engineering Information Technology (Part Time) (specializáció választás a 4. félévben, specializációra lépés feltétele: az egyik szigorlat
RészletesebbenDr. Sasvári Péter Egyetemi docens
A KKV-k Informatikai Infrastruktúrájának vizsgálata a Visegrádi országokban The Analysis Of The IT Infrastructure Among SMEs In The Visegrád Group Of Countries Dr. Sasvári Péter Egyetemi docens MultiScience
RészletesebbenIster-Granum EGTC. Istvan FERENCSIK Project manager. The Local Action Plans to improve project partners crossborder
Expertising Governance for Transfrontier Conurbations Ister-Granum EGTC Istvan FERENCSIK Project manager The Local Action Plans to improve project partners crossborder governance «EGTC» URBACT Final conference
RészletesebbenPentaho 4: Mindennapi BI egyszerűen. Fekszi Csaba Ügyvezető 2011. október 6.
Pentaho 4: Mindennapi BI egyszerűen Fekszi Csaba Ügyvezető 2011. október 6. 1 2 3 4 5 Bevezetés Pentaho-ról röviden - áttekintő Mindennapi BI egyszerűen a Pentaho 4 újdonságai Pentaho összefoglaló Alkalmazás
RészletesebbenSex: Male Date of Birth: 02 August 1947 Citizenship: Hungarian
PERSONAL INFORMATION Dr. János Szlávik 3300 Eger, Tompa Mihály u. 8. +36-36-520-400/3082 +36-30-4365-541 szlavik@ektf.hu www.gti.ektf.hu Sex: Male Date of Birth: 02 August 1947 Citizenship: Hungarian WORK
RészletesebbenKOPI. KOPI A fordítási plágiumok keresője MTA SZTAKI DSD. Pataki Máté Kovács László. Department of Distributed Systems
KOPI MTA SZTAKI Department of Distributed Systems KOPI A fordítási plágiumok keresője Pataki Máté Kovács László MTA SZTAKI MTA SZTAKI Elosztott Rendszerek Osztály 1995. óta létezik 12 teljes állású munkatárs,
RészletesebbenCHARACTERIZATION OF PEOPLE
CONFERENCE ABOUT THE STATUS AND FUTURE OF THE EDUCATIONAL AND R&D SERVICES FOR THE VEHICLE INDUSTRY CHARACTERIZATION OF PEOPLE MOVEMENT BY USING MOBILE CELLULAR INFORMATION László Nádai "Smarter Transport"
Részletesebben