Számítógépes döntéstámogatás. Bevezetés és tematika
|
|
- Imre Molnár
- 7 évvel ezelőtt
- Látták:
Átírás
1 SZDT-01 p. 1/27 Számítógépes döntéstámogatás Bevezetés és tematika Werner Ágnes Villamosmérnöki és Információs Rendszerek Tanszék
2 Előadás SZDT-01 p. 2/27
3 SZDT-01 p. 3/27 Tematika A döntési folyamat számítógépes támogatása Döntési modellek és technikák; Döntési táblák Portfolió analízis; Statisztikai elemzések Intelligens technikák a döntéstámogatásban; Gépi tanulás alapmódszerei; Induktív rendszerek; Fogalmakat is kezelni tudó számítógépes döntéstámogatás Döntési fák és azok alkalmazásai a számítógépes döntéstámogatásban Fuzzy szakértői rendszerek; Döntések fuzzy környezetben; FLT MATLAB Genetikus algoritmusok; GE MATLAB Folyamatbányászat; ProM Gyakorlat: Bioinformatika orvosi és egészségügyi területen
4 SZDT-01 p. 4/27 Segédletek és követelmények Előadó: Starkné dr. Werner Ágnes egyetemi docens Honlap: Villamosmérnöki és Információs Rendszerek Tanszék döntéstámogatás Számonkérés Az aláírás feltétele az előadások legalább 50%-án történő részvétel és a félév végi dolgozat sikeres megírása. A félév végén a gyakorlati anyagból dolgozat kérdések és feladatok megoldásával. Az eredményes dolgozat (legalább 2-es osztályzat) feltétele a legalább 50%-os eredmény elérése. A vizsga írásbeli. A vizsgajegybe a 2 írásbeli dolgozat eredménye beleszámít (év végi dolgozat: 35%; vizsga dolgozat: 65%).
5 SZDT-01 p. 5/27 Döntéshozatal A hétköznapi életben - és a gazdasági életben is - lépten-nyomon döntenünk kell. E döntések sokszor könnyűek, alig igénylik a döntési környezet vizsgálatát. A komolyabbak, mint pl. az életkörülményeket, életvitelt, gazdasági nyereséget befolyásoló döntések alapos körültekintést igényelnek, és akár különböző módszerek felhasználását is igénylik. A döntéshozatal egy többlépéses folyamat, melyet számos kutató vizsgálata alapján 5-6 főbb fázisra bonthatunk, pl.: A döntési probléma meghatározása, adatgyűjtés, Kiértékelési kritériumok (célok) azonosítása, Döntési alternatívák generálása, Megoldás keresése és értékelés, Választás az alternatívákból, Megvalósítás.
6 SZDT-01 p. 6/27 Döntéshozás A döntéshozatal fázisait szoftverekkel támogathatjuk. Minden fázisra kiterjedő szoftver nincs, de a teljes döntéshozatalt lehet módszerekkel támogatni. Az egyes fázisokra, főleg a 3. és 4. fázisra már sokféle döntéstámogató szoftvert / rendszert találunk. E döntéstámogató rendszerek (DSS=Decision Support System) a probléma, valamint a döntéshozók jellemzőihez igazodva többfélekép épülhetnek fel, ill. más-más módszerekkel támogathatják a döntéshozatalt.
7 SZDT-01 p. 7/27 Egy DSS különböző csoportokba sorolható a probléma ill. a döntéshozók jellemzőitől függően: 1. A problémát leíró adatok lehetnek éles, biztos adatok vagy lehetnek bizonytalanok. 2. A döntési problémát egy-több kritérium (cél) figyelembe vételével kell megoldani. 3. A döntéshozók száma alapján is különböző DSS-ről beszélhetünk.
8 SZDT-01 p. 8/27 DSS szoftverek különböző típusba sorolhatók aszerint, hogy mi a szoftver alapvető koncepciója, mi a feldolgozás, működés alapja 1. Modell-alapú DSS 2. Adat-alapú DSS 3. Dokumentum-alapú DSS 4. Tudás-alapú DSS 5. Kommunikáció-alapú DSS 6. Táblázat-alapú DSS 7. Web-alapú DSS
9 SZDT-01 p. 9/27 Vállalati vezetők döntéstámogatása A vállalat vezetői különböző hierarchia szinteken tevékenykednek: felső, közép és alsó szintű vezetők. Az egyes szinteken eltérő jellegű feladatokat kell megoldaniuk: A felsőszintű vezetők stratégiai feladatokat oldanak meg. A középszintű vezetők taktikai feladatokat oldanak meg. Az alsó szintű vezetők operatív feladatokat látnak el.
10 SZDT-01 p. 10/27 A vezetői szintekhez kapcsolódó DDS változatok A vállalati vezetők operatív és taktikai döntéseit alapvetően kétféle rendszer támogatja: a DSS és az analitikai alkalmazások
11 SZDT-01 p. 11/27 A vezetői szintekhez kapcsolódó DDS változatok A stratégiai döntéseket a felsővezetői IR támogatja
12 SZDT-01 p. 12/27 Mesterséges intelligencia alkalmazása A tudás-alapú DSS a mesterséges intelligencia (MI) módszereit alkalmazza. Az intelligens megoldások közül szakértői rendszer, fuzzy rendszer, neurális háló, evolúciós algoritmus, adatbányászat stb. használatos.
13 SZDT-01 p. 13/27 Döntéstámogató rendszerek Minden vezetői tevékenység a döntéshozatal körül forog Egy menedzser elsődlegesen döntéshozó ezt a munkát informatikai ezközökkel szükséges támogatni A döntéstámogató rendszerek használatának célja az, hogy a lehető legalkalmasabb adatok összeválogatásával, azok alapos elemzésével, rejtett összefüggések felfedésével és megjelenítésével segítsék a döntéshozó munkáját.
14 A döntéshozatalt befolyásoló tényezők SZDT-01 p. 14/27
15 SZDT-01 p. 15/27 További eszközök A vezetők döntési munkáját a döntéstámogató rendszerek mellett speciális hardver- és szoftvertechnológiák segítik: Rácshálózatos (grid) technológia; Vezeték nélküli, mobil technológia (wireless); Modellvezérelt architektúrák; Egyre bővülő internet-szolgáltatások; Barátságos felhasználói felületek; Ágens-technológia; Specifikus algoritmusok, heurisztikák számítógépes megvalósításai.
16 SZDT-01 p. 16/27 A döntési folyamat fázisai 1. Előkészítés problémameghatározás, adatgyűjtés 2. Tervezés alternatívák (jósági mérték) 3. Választás megoldás 4. Megvalósítás implementált megoldás (validálás) A döntési folyamat I. fázisa adatokat, információkat kap a környezettől. A többi fázis információkat nyújt a következő fázisok, valamint a környezet felé. Minden fázis visszacsatolhat a megelőzők bármelyikére.
17 A döntéstámogató rendszerek jellemző komponensei SZDT-01 p. 17/27
18 SZDT-01 p. 18/27 Csoportos döntéstámogató rendszer A Groupsystems for Windows: GroupSystems Meeting Room LAN-verzió GroupSystems OnLine weben elérhető
19 Gyakorlat SZDT-01 p. 19/27
20 Kísérlet, esemény, valószínűség SZDT-01 p. 20/27
21 Fogalmak Kísérlet: minden olyan tevékenység, amit valamilyen cél érdekében hajtunk végre és amely azonos körülmények mellett tetszőlegesen sokszor megismételhető, de az ismétlésekben az eredmény más lehet pl. otthoni vérnyomás-ellenőrzés reggelente és este Kísérlet: jelenségek megfigyelése pl. megfigyeljük az 50 éven felüli dohányzók körében egy adott időszak alatt a tüdőrákos megbetegedések számát Elemi esemény: egy kísérlet lehetséges kimenetelei pl. a mért vérnyomásérték normális vagy magas Ha két esemény, A és B olyan kapcsolatban van egymással, hogy A csak akkor következhet be, ha B is bekövetkezik, akkor az A esemény maga után vonja a B eseményt: A B pl. a HIV-fertőzés (B esemény) maga után vonja az AIDS-betegség (A esemény) kifejlődését Minden egység kiküldi a kimeneti értékét az összes többi egységnek, amelyekkel kimenő kapcsolatban vannak. Eseménytér: egy kísérlet összes elemi eseményének halmaza: Ω lehetetlen esemény: O biztos esemény: I ellentett (komplementer) esemény: A SZDT-01 p. 21/27
22 SZDT-01 p. 22/27 Eseményalgebra Összeadás: A=egy baleset során az egyik kéz elvesztése, B=az egyik láb elvesztése, C=munkaképesség csökkenése A + B = C (C akkor következik be, ha A vagy B bekövetkezik) Kivonás: A esemény teljesül, de B nem: A B = F = AB Szorzás: A és B események szorzata az az esemény, amely csak akkor következik be, ha A és B is bekövetkezik: C = AB Összetett esemény: A esemény öszetett vagy felbontható, ha legalább két különböző esemény összegeként egyértelműen előállítható: D = A + B + C Teljes eseményrendszer: A 1,...A n teljes eseményrendszert képeznek, ha igazak az alábbi feltételek: A 1 + A A n = I A i A j =, ha i j i = 1,...,n és j = 1,...,n
23 SZDT-01 p. 23/27 A valószínűség fogalma 1. 0 P(A) 1 2. P(0) = 0 lehetetlen esemény 3. P(I) = 1 biztos esemény 4. Ha az A és B események, akkor az A és B eseményekre igaz: P(A + B) = P(A) + P(B) 5. Ha az A 1,A 2,...,A n események páronként kizárják egymást, akkor igaz. P(A 1 + A A n ) = P(A 1 ) + P(A 2 ) P(A n ) Feltételes valószínűség: A és B két esemény és P(B) 0: P(A B) = P(AB) P(B)
24 SZDT-01 p. 24/27 Feladatokhoz: Megfigyelési eredmények nemek szerinti bontásban tüdőrákra vonatkozóan Nem alakult ki Kialakult Összes Férfi Nő Összes
25 SZDT-01 p. 25/27 Feladatokhoz: Megfigyelési eredmények dohányzási szokás szerint tüdőrákra vonatkozóan Dohányzási szokás Nem alakult ki Kialakult Összes Nem Mérsékelt Erős Összes
26 SZDT-01 p. 26/27 A teljes valószínűség tétele Ha a B 1,B 2,...,B n események teljes eseményrendszert alkotnak és P(B i ) 0, akkor tetszőleges A esemény valószínűségére igaz: P(A) = n i=1 P(A B i) P(B i ) az A esemény valószínűsége a B i események feltétele mellett meghatározható. Feladat: Egy gyógyszertári aszisztens megfigyelte, hogy a leszállított lázmérők között hibásak is vannak. Megfigyelése szerint egy csomagban 0-tól 3-ig fordul elő sérült lázmérő. Véletlenül kiválasztva egy csomagot a 25 lázmérőből kivesz 3 darabot. Mi a valószínűsége annak, hogy a kiválasztott lázmérők nem sérültek?
27 SZDT-01 p. 27/27 Bayes-tétel Ha a B 1,B 2,...,B n események teljes eseményrendszert alkotnak és P(B i ) 0 és egy tetszőleges A eseményre P(A) 0, akkor a B i eseményekre igaz: P(B i A) = P(A B i ) P(B i ) n k=1 P(A B k) P(B k ) a B i események valószínűsége az A esemény bekövetkezése esetén mint feltétel mellett a formula segítségével meghatározható. Feladat: Egy nehéz fémeket feldolgozó ipari környezetben a férfiak és nők száma azonos. Egy tüdőgyógyász szerint 100 férfi közül 15 és minden 100 nő közül 7 légzési panaszokkal kűzd. Mi a valószínűsége annak, hogy közülük kiválasztva egy személyt nő lesz?
Számítógépes döntéstámogatás. Bevezetés és tematika
SZDT-01 p. 1/18 Számítógépes döntéstámogatás Bevezetés és tematika Werner Ágnes Villamosmérnöki és Információs Rendszerek Tanszék e-mail: werner.agnes@virt.uni-pannon.hu Előadás SZDT-01 p. 2/18 SZDT-01
RészletesebbenBiometria az orvosi gyakorlatban. Számítógépes döntéstámogatás
SZDT-01 p. 1/23 Biometria az orvosi gyakorlatban Számítógépes döntéstámogatás Werner Ágnes Villamosmérnöki és Információs Rendszerek Tanszék e-mail: werner.agnes@virt.uni-pannon.hu Gyakorlat SZDT-01 p.
RészletesebbenTörténet John Little (1970) (Management Science cikk)
Információ menedzsment Szendrői Etelka Rendszer- és Szoftvertechnológia Tanszék szendroi@witch.pmmf.hu Vezetői információs rendszerek Döntéstámogató rendszerek (Decision Support Systems) Döntések információn
RészletesebbenEseményalgebra. Esemény: minden amirl a kísérlet elvégzése során eldönthet egyértelmen hogy a kísérlet során bekövetkezett-e vagy sem.
Eseményalgebra. Esemény: minden amirl a kísérlet elvégzése során eldönthet egyértelmen hogy a kísérlet során bekövetkezett-e vagy sem. Elemi esemény: a kísérlet egyes lehetséges egyes lehetséges kimenetelei.
RészletesebbenAz ész természetéhez tartozik, hogy a dolgokat nem mint véletleneket, hanem mint szükségszerűeket szemléli (Spinoza: Etika, II. rész, 44.
Dr. Vincze Szilvia Az ész természetéhez tartozik, hogy a dolgokat nem mint véletleneket, hanem mint szükségszerűeket szemléli (Spinoza: Etika, II. rész, 44. tétel) Környezetünkben sok olyan jelenséget
RészletesebbenSzámítógépes döntéstámogatás. Fogalmakat is kezelni tudó számítógépes döntéstámogatás A DoctuS rendszer
SZDT-07 p. 1/20 Számítógépes döntéstámogatás Fogalmakat is kezelni tudó számítógépes döntéstámogatás A DoctuS rendszer Werner Ágnes Villamosmérnöki és Információs Rendszerek Tanszék e-mail: werner.agnes@virt.uni-pannon.hu
RészletesebbenVezetői információs rendszerek
Vezetői információs rendszerek Kiadott anyag: Vállalat és információk Elekes Edit, 2015. E-mail: elekes.edit@eng.unideb.hu Anyagok: eng.unideb.hu/userdir/vezetoi_inf_rd 1 A vállalat, mint információs rendszer
RészletesebbenMesterséges Intelligencia Elektronikus Almanach. Konzorciumi partnerek
Mesterséges Intelligencia Elektronikus Almanach Konzorciumi partnerek 1 Konzorcium Budpesti Mőszaki és Gazdaságtudományi Egyetem Villamosmérnöki és Informatikai Kar Méréstechnika és Információs Rendszerek
RészletesebbenMatematika III. 2. Eseményalgebra Prof. Dr. Závoti, József
Matematika III. 2. Eseményalgebra Prof. Dr. Závoti, József Matematika III. 2. : Eseményalgebra Prof. Dr. Závoti, József Lektor : Bischof, Annamária Ez a modul a TÁMOP - 4.1.2-08/1/A-2009-0027 Tananyagfejlesztéssel
RészletesebbenKörnyezet statisztika
Környezet statisztika Permutáció, variáció, kombináció k számú golyót n számú urnába helyezve hányféle helykitöltés lehetséges, ha a golyókat helykitöltés Minden urnába akárhány golyó kerülhet (ismétléses)
RészletesebbenMatematikai alapok és valószínőségszámítás. Valószínőségszámítási alapok
Matematikai alapok és valószínőségszámítás Valószínőségszámítási alapok Bevezetés A tudományos életben vizsgálódunk pontosabb megfigyelés, elırejelzés, megértés reményében. Ha egy kísérletet végzünk, annak
RészletesebbenIntegrált gyártórendszerek. Ágens technológia - ágens rendszer létrehozása Gyakorlat
IGYR p. 1/17 Integrált gyártórendszerek Ágens technológia - ágens rendszer létrehozása Gyakorlat Werner Ágnes Villamosmérnöki és Információs Rendszerek Tanszék e-mail: werner.agnes@virt.uni-pannon.hu IGYR
RészletesebbenDr. Sasvári Péter Egyetemi docens
A magyarországi vállalkozások Üzleti Intelligencia használatának vizsgálata Dr. Sasvári Péter Egyetemi docens II. IRI Társadalomtudományi Konferencia, 2014. április 25-26. Nové Zámky (Érsekújvár) Gymnázium
RészletesebbenA döntéstámogatás területén a 90-es évek főárama a tudásbázisú rendszerek fejlesztése. A tudásbázisú rendszer az első olyan döntéstámogató módszer, am
Fogalmakat is kezelni tudó számítógépes döntéstámogatás Starkné Dr. Werner Ágnes A döntéstámogatás területén a 90-es évek főárama a tudásbázisú rendszerek fejlesztése. A tudásbázisú rendszer az első olyan
Részletesebben1. tétel. Valószínűségszámítás vizsga Frissült: 2013. január 19. Valószínűségi mező, véletlen tömegjelenség.
1. tétel Valószínűségszámítás vizsga Frissült: 2013. január 19. Valószínűségi mező, véletlen tömegjelenség. A valószínűségszámítás tárgya: véletlen tömegjelenségek vizsgálata. véletlen: a kísérlet kimenetelét
RészletesebbenIntelligens technikák k a
Intelligens technikák k a döntéstámogatásban Döntések fuzzy környezetben Starkné Dr. Werner Ágnes 1 Példa: Alternatívák: a 1,a 2,a 3 Kritériumok: k 1,k 2, k 3,k 4 Az alternatívák értékelését az egyes kritériumok
RészletesebbenCARE. Biztonságos. otthonok idős embereknek CARE. Biztonságos otthonok idős embereknek 2010-09-02. Dr. Vajda Ferenc Egyetemi docens
CARE Biztonságos CARE Biztonságos otthonok idős embereknek otthonok idős embereknek 2010-09-02 Dr. Vajda Ferenc Egyetemi docens 3D Érzékelés és Mobilrobotika kutatócsoport Budapesti Műszaki és Gazdaságtudományi
RészletesebbenVÁLLALATGAZDASÁGTAN II. Döntési Alapfogalmak
Vállalkozási VÁLLALATGAZDASÁGTAN II. Tantárgyfelelős: Prof. Dr. Illés B. Csaba Előadó: Dr. Gyenge Balázs Az ökonómiai döntés fogalma Vállalat Környezet Döntések sorozata Jövő jövőre vonatkozik törekszik
Részletesebben[Biomatematika 2] Orvosi biometria
[Biomatematika 2] Orvosi biometria 2016.02.15. Esemény Egy kísérlet vagy megfigyelés (vagy mérés) lehetséges eredményeinek összessége (halmaza) alkotja az eseményteret. Esemény: az eseménytér részhalmazai.
RészletesebbenSzámítógépes döntéstámogatás. Döntések fuzzy környezetben Közelítő következtetések
BLSZM-09 p. 1/17 Számítógépes döntéstámogatás Döntések fuzzy környezetben Közelítő következtetések Werner Ágnes Villamosmérnöki és Információs Rendszerek Tanszék e-mail: werner.agnes@virt.uni-pannon.hu
RészletesebbenSzámítógépes döntéstámogatás. Genetikus algoritmusok
BLSZM-10 p. 1/18 Számítógépes döntéstámogatás Genetikus algoritmusok Werner Ágnes Villamosmérnöki és Információs Rendszerek Tanszék e-mail: werner.agnes@virt.uni-pannon.hu BLSZM-10 p. 2/18 Bevezetés 1950-60-as
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
RészletesebbenSzámítógépes döntéstámogatás OPTIMALIZÁLÁSI FELADATOK A SOLVER HASZNÁLATA
SZDT-04 p. 1/30 Számítógépes döntéstámogatás OPTIMALIZÁLÁSI FELADATOK A SOLVER HASZNÁLATA Werner Ágnes Villamosmérnöki és Információs Rendszerek Tanszék e-mail: werner.agnes@virt.uni-pannon.hu Előadás
RészletesebbenBiomatematika 2 Orvosi biometria
Biomatematika 2 Orvosi biometria 2017.02.13. Populáció és minta jellemző adatai Hibaszámítás Valószínűség 1 Esemény Egy kísérlet vagy megfigyelés (vagy mérés) lehetséges eredményeinek összessége (halmaza)
RészletesebbenVÁLLALATI INFORMÁCIÓS RENDSZEREK. Debrenti Attila Sándor
VÁLLALATI INFORMÁCIÓS RENDSZEREK Debrenti Attila Sándor Információs rendszer 2 Információs rendszer: az adatok megszerzésére, tárolására és a tárolt adatok különböző szempontok szerinti feldolgozására,
RészletesebbenMi az adat? Az adat elemi ismeret. Az adatokból információkat
Mi az adat? Az adat elemi ismeret. Tények, fogalmak olyan megjelenési formája, amely alkalmas emberi eszközökkel történő értelmezésre, feldolgozásra, továbbításra. Az adatokból gondolkodás vagy gépi feldolgozás
RészletesebbenJármőtervezés és vizsgálat I. VALÓSZÍNŐSÉGSZÁMÍTÁSI ALAPFOGALMAK Dr. Márialigeti János
BUDAPESTI MŐSZAKI ÉS GAZDASÁGTUDOMÁNYI EGYETEM KÖZLEKEDÉSMÉRNÖKI KAR JÁRMŐELEMEK ÉS HAJTÁSOK TANSZÉK Jármőtervezés és vizsgálat I. VALÓSZÍNŐSÉGSZÁMÍTÁSI ALAPFOGALMAK Dr. Márialigeti János Budapest 2008
RészletesebbenSzámítási intelligencia
Botzheim János Számítási intelligencia Budapesti Műszaki és Gazdaságtudományi Egyetem, Mechatronika, Optika és Gépészeti Informatika Tanszék Graduate School of System Design, Tokyo Metropolitan University
RészletesebbenVALÓSZÍNŰSÉG, STATISZTIKA TANÍTÁSA
VALÓSZÍNŰSÉG, STATISZTIKA TANÍTÁSA A VALÓSZÍNŰSÉGI SZEMLÉLET ALAPOZÁSA 1-6. OSZTÁLY A biztos, a lehetetlen és a lehet, de nem biztos események megkülünböztetése Valószínűségi játékok, kísérletek események
RészletesebbenINFORMÁCI CIÓS ERŐFORRÁSOK ÉS RENDSZEREK
INFORMÁCI CIÓS ERŐFORRÁSOK ÉS INFORMÁCI CIÓS RENDSZEREK Milyen ismereteket sajátítunk tunk el e téma keretében? Adat Információ Tudás Az információ mint stratégiai erőforrás A vállalat információs rendszere
RészletesebbenMENEDZSMENT ALAPJAI Bevezetés
MENEDZSMENT ALAPJAI Bevezetés Dr. Gyökér Irén egyetemi docens 2012 ősz Jegyzetek, diasorok - ÜTI honlap http://www.uti.bme.hu/cgibin/hallgato/tantargyak.cgi?detail=true&tantargy_id=15035 Folyamatos számonkérés:
RészletesebbenSZOFTVERES SZEMLÉLTETÉS A MESTERSÉGES INTELLIGENCIA OKTATÁSÁBAN _ Jeszenszky Péter Debreceni Egyetem, Informatikai Kar jeszenszky.peter@inf.unideb.
SZOFTVERES SZEMLÉLTETÉS A MESTERSÉGES INTELLIGENCIA OKTATÁSÁBAN _ Jeszenszky Péter Debreceni Egyetem, Informatikai Kar jeszenszky.peter@inf.unideb.hu Mesterséges intelligencia oktatás a DE Informatikai
RészletesebbenElméleti összefoglaló a Valószín ségszámítás kurzushoz
Elméleti összefoglaló a Valószín ségszámítás kurzushoz Véletlen kísérletek, események valószín sége Deníció. Egy véletlen kísérlet lehetséges eredményeit kimeneteleknek nevezzük. A kísérlet kimeneteleinek
RészletesebbenMesterséges Intelligencia. Csató Lehel. Csató Lehel. Matematika-Informatika Tanszék Babeş Bolyai Tudományegyetem, Kolozsvár 2010/2011 1/363
1/363 Matematika-Informatika Tanszék Babeş Bolyai Tudományegyetem, Kolozsvár 2010/2011 Az Előadások Témái 146/363 Bevezető: mi a mesterséges intelligencia... Tudás reprezentáció Gráfkeresési stratégiák
Részletesebben4. Az A és B események egymást kizáró eseményeknek vagy idegen (diszjunkt)eseményeknek nevezzük, ha AB=O
1. Mit nevezünk elemi eseménynek és eseménytérnek? A kísérlet lehetséges kimeneteleit elemi eseményeknek nevezzük. Az adott kísélethez tartozó elemi események halmazát eseménytérnek nevezzük, jele: X 2.
Részletesebben1. A kísérlet naiv fogalma. melyek közül a kísérlet minden végrehajtásakor pontosan egy következik be.
IX. ESEMÉNYEK, VALÓSZÍNŰSÉG IX.1. Események, a valószínűség bevezetése 1. A kísérlet naiv fogalma. Kísérlet nek nevezzük egy olyan jelenség előidézését vagy megfigyelését, amelynek kimenetelét az általunk
RészletesebbenBSc Témalaboratórum (BME VIMIAL00) Előzetes tájékoztató előadás 2018 ősz. Dr. Ráth István
BSc Témalaboratórum (BME VIMIAL00) Előzetes tájékoztató előadás 2018 ősz Dr. Ráth István rath@mit.bme.hu Budapesti Műszaki és Gazdaságtudományi Egyetem Méréstechnika és Információs Rendszerek Tanszék 1
RészletesebbenSzámítógépes döntéstámogatás OPTIMALIZÁLÁSI FELADATOK A SOLVER HASZNÁLATA
SZDT-03 p. 1/24 Számítógépes döntéstámogatás OPTIMALIZÁLÁSI FELADATOK A SOLVER HASZNÁLATA Werner Ágnes Villamosmérnöki és Információs Rendszerek Tanszék e-mail: werner.agnes@virt.uni-pannon.hu Előadás
RészletesebbenS atisztika 1. előadás
Statisztika 1. előadás A kutatás hatlépcsős folyamata 1. lépés: Problémameghatározás 2. lépés: A probléma megközelítésének kidolgozása 3. lépés: A kutatási terv meghatározása 4. lépés: Terepmunka vagy
Részletesebben1964 IBM 360 1965 DEC PDP-8
VIIR Vállalatirányítási Integrált Információs rendszerek I. (Történeti áttekintés - TEI) Szent István Egyetem Információgazdálkodási Tanszék 2006. 1 Ki mikor kapcsolódott be az információs társadalomba?
RészletesebbenMéréselmélet MI BSc 1
Mérés és s modellezés 2008.02.15. 1 Méréselmélet - bevezetés a mérnöki problémamegoldás menete 1. A probléma kitűzése 2. A hipotézis felállítása 3. Kísérlettervezés 4. Megfigyelések elvégzése 5. Adatok
RészletesebbenA KÖZÉPSZINTŰ ÉRETTSÉGI VIZSGA INFORMATIKA TÉMAKÖREI: 1. Információs társadalom
A KÖZÉPSZINTŰ ÉRETTSÉGI VIZSGA INFORMATIKA TÉMAKÖREI: 1. Információs társadalom 1.1. A kommunikáció 1.1.1. A kommunikáció általános modellje 1.1.2. Információs és kommunikációs technológiák és rendszerek
RészletesebbenA Szekszárdi I. Béla Gimnázium Helyi Tanterve
A Szekszárdi I. Béla Gimnázium Helyi Tanterve Négy évfolyamos gimnázium Informatika Készítette: a gimnázium reál munkaközössége 2015. Tartalomjegyzék Alapvetés...3 Egyéb kötelező direktívák:...6 Informatika
RészletesebbenÓbudai Egyetem Neumann János Informatikai Kar. Intelligens Mérnöki Rendszerek Intézet
Óbudai Egyetem Neumann János Informatikai Kar Intelligens Mérnöki Rendszerek Intézet 1034 Budapest, Bécsi út 96/B Tel., Fax:1/666-5544,1/666-5545 http://nik.uni-obuda.hu/imri Az 2004-ben alakult IMRI (BMF)
RészletesebbenTudásalapú információ-kereső rendszerek elemzése és kifejlesztése
Tudásalapú információ-kereső rendszerek elemzése és kifejlesztése 1 Tudásalapú információ-kereső rendszerek elemzése és kifejlesztése Természetes nyelv feldolgozás 2 Tudásalapú információ-kereső rendszerek
RészletesebbenVESZPRÉM MEGYE KÖZIGAZGATÁSI ADATTÁRA KÖZIGAZGATÁSI BEOSZTÁSOK ÉS TISZTSÉGVISELŐK ADATBÁZISA 1945 1990
VESZPRÉM MEGYE KÖZIGAZGATÁSI ADATTÁRA KÖZIGAZGATÁSI BEOSZTÁSOK ÉS TISZTSÉGVISELŐK ADATBÁZISA 1945 1990 Bevezető gondolatok Miért vágtunk bele? Indíték: személyes tapasztalatok Papíralapú segédletünk: a
RészletesebbenA pedagógiai kutatás metodológiai alapjai. Dr. Nyéki Lajos 2015
A pedagógiai kutatás metodológiai alapjai Dr. Nyéki Lajos 2015 A pedagógiai kutatás jellemző sajátosságai A pedagógiai kutatás célja a személyiség fejlődése, fejlesztése során érvényesülő törvényszerűségek,
Részletesebben"A tízezer mérföldes utazás is egyetlen lépéssel kezdődik."
"A tízezert mérföldes utazás is egyetlen lépéssel kezdődik dik." A BINB INSYS Előadók: Kornafeld Ádám SYS PROJEKT Ádám MTA SZTAKI kadam@sztaki.hu Kovács Attila ELTE IK attila@compalg.inf.elte.hu Társszerzők:
RészletesebbenGazdasági informatika alapjai
PSZK Mesterképzési és Távoktatási Központ / H-1149 Budapest, Buzogány utca 10-12. / 1426 Budapest Pf.:35 II. évfolyam Név: Neptun kód: Kurzus: Tanár neve: HÁZI DOLGOZAT 2. Gazdasági informatika alapjai
RészletesebbenInformatikai rendszerek Vállalati információs rendszerek
Informatikai rendszerek szerepe a gazdaságban Informatikai rendszerek Vállalati információs rendszerek Szendrői Etelka szendroi@witch.pmmf.hu A termelékenység fokozása a hatékonyság növelésével és/vagy
RészletesebbenKutatás-fejlesztési eredmények a Számítógépes Algoritmusok és Mesterséges Intelligencia Tanszéken. Dombi József
Kutatás-fejlesztési eredmények a Számítógépes Algoritmusok és Mesterséges Intelligencia Tanszéken Dombi József Mesterséges intelligencia Klasszikus megközelítés (A*, kétszemélyes játékok, automatikus tételbizonyítás,
RészletesebbenBiometria az orvosi gyakorlatban. Regresszió Túlélésanalízis
SZDT-09 p. 1/36 Biometria az orvosi gyakorlatban Regresszió Túlélésanalízis Werner Ágnes Villamosmérnöki és Információs Rendszerek Tanszék e-mail: werner.agnes@virt.uni-pannon.hu Logisztikus regresszió
RészletesebbenMérnökinformatikus alapszak (BSc)
Neumann János Egyetem GAMF Műszaki és Informatikai Kar Mérnökinformatikus alapszak (BSc) Tanulmányi Tájékoztató 2017 MÉRNÖKINFORMATIKUS ALAPSZAK TANULMÁNYI TÁJÉKOZATÓ 2017 Ez a tanulmányi tájékoztató azoknak
RészletesebbenA valószínűségszámítás elemei
Alapfogalmak BIOSTATISZTIKA ÉS INFORMATIKA A valószínűségszámítás elemei Jelenség: minden, ami lényegében azonos feltételek mellett megismételhető, amivel kapcsolatban megfigyeléseket lehet végezni, lehet
RészletesebbenSzámítógépes döntéstámogatás. Statisztikai elemzés
SZDT-03 p. 1/22 Számítógépes döntéstámogatás Statisztikai elemzés Werner Ágnes Villamosmérnöki és Információs Rendszerek Tanszék e-mail: werner.agnes@virt.uni-pannon.hu Előadás SZDT-03 p. 2/22 Rendelkezésre
RészletesebbenNeurális hálózatok bemutató
Neurális hálózatok bemutató Füvesi Viktor Miskolci Egyetem Alkalmazott Földtudományi Kutatóintézet Miért? Vannak feladatok amelyeket az agy gyorsabban hajt végre mint a konvencionális számítógépek. Pl.:
RészletesebbenKöltség és teljesítmény elszámolás
SZÁMVITEL INTÉZETI TANSZÉK TANTÁRGYI ÚTMUTATÓ Költség és teljesítmény elszámolás Számvitel mesterszak szak Vezetői számvitel szakirány Levelező tagozat 2016/2017. tanév I. félév 1 SZÁMVITEL INTÉZETI TANSZÉK
RészletesebbenDöntéstámogatás terepi gyakorlatokon
Döntéstámogatás terepi gyakorlatokon Forczek Erzsébet 1 Karsai János 1 - Berke József 2 1 Szegedi Tudományegyetem, Általános Orvostudományi Kar Orvosi Informatikai Intézet, 6720 Szeged, Korányi fasor 9.
RészletesebbenBIOMATEMATIKA ELŐADÁS
BIOMATEMATIKA ELŐADÁS 7. Bevezetés a valószínűségszámításba Debreceni Egyetem, 2015 Dr. Bérczes Attila, Bertók Csanád A diasor tartalma 1 Bevezetés 2 Definíciók, tulajdonságok Példák Valószínűségi mező
RészletesebbenIndustrial Internet Együttműködés és Innováció
Industrial Internet Együttműködés és Innováció Informatikai Oktatási Konferencia 2014.02.22. Imagination at work. Előadó: Katona Viktória Innováció Menedzser viktoria.katona@ge.com Dr. Reich Lajos Ügyvezető
RészletesebbenStatisztika oktatása és alkalmazása a mérnöki területen
Statisztika oktatása és alkalmazása a mérnöki területen 1,2 1:, Neumann János Informatikai Kar, Élettani Szabályozások Csoport 2: Budapesti Corvinus Egyetem, Statisztika Tanszék MTA Statisztikai Tudományos
RészletesebbenFEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI
FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 4 IV. MINTA, ALAPsTATIsZTIKÁK 1. MATEMATIKAI statisztika A matematikai statisztika alapfeladatát nagy általánosságban a következőképpen
RészletesebbenSzámítógépvezérelt rendszerek mérnöki tervezése 2006.05.19.
Számítógépvezérelt rendszerek mérnöki tervezése 2006.05.19. 1 Bevezetés Az irányított rendszerek típusa és bonyolultsága különböző bizonyos eszközöket irányítunk másokat csak felügyelünk A lejátszódó fizikai
RészletesebbenValószínűségszámítás összefoglaló
Statisztikai módszerek BMEGEVGAT Készítette: Halász Gábor Budapesti Műszaki és Gazdaságtudományi Egyetem Gépészmérnöki Kar Hidrodinamikai Rendszerek Tanszék, Budapest, Műegyetem rkp. 3. D ép. 334. Tel:
RészletesebbenKahr Csaba ügyvezető igazgató dr. Bánhelyi Balázs egyetemi adjunktus
Kahr Csaba ügyvezető igazgató dr. Bánhelyi Balázs egyetemi adjunktus 3. oldal Kahr Csaba ügyvezető igazgató 4. oldal Döntéstámogató, optimalizáló rendszerfelügyelet kifejlesztése a légkezelő és hűtéstechnikai
RészletesebbenAz ellátásilánc-menedzsment, és informatikai háttere. BGF PSZK Közgazdasági Informatikai Intézeti Tanszék Balázs Ildikó, Dr.
Az ellátásilánc-menedzsment, és informatikai háttere BGF PSZK Közgazdasági Informatikai Intézeti Tanszék Balázs Ildikó, Dr. Gubán Ákos SCM Hatóság Kiskereskedő Fogyasztó Vevő 2 Logisztikai központ Beszálító
RészletesebbenKészítette: Fegyverneki Sándor
VALÓSZÍNŰSÉGSZÁMÍTÁS Összefoglaló segédlet Készítette: Fegyverneki Sándor Miskolci Egyetem, 2001. i JELÖLÉSEK: N a természetes számok halmaza (pozitív egészek) R a valós számok halmaza R 2 {(x, y) x, y
RészletesebbenProf. Kuczmann Miklós Szabályozástechnika. B.Sc. villamosmérnök szakos hallgatók számára verzió:
Prof. Kuczmann Miklós Szabályozástechnika B.Sc. villamosmérnök szakos hallgatók számára 2018 verzió: 1.0.0. A Szabályozástechnika c. tárgy célja A tantárgy célja a rendszerelmélet és az irányítástechnika
RészletesebbenA kibontakozó új hajtóerő a mesterséges intelligencia
5. Magyar Jövő Internet Konferencia» Okos város a célkeresztben «A kibontakozó új hajtóerő a mesterséges intelligencia Dr. Szűcs Gábor Budapesti Műszaki és Gazdaságtudományi Egyetem Távközlési és Médiainformatikai
RészletesebbenVIR alapfogalmai. Előadásvázlat. dr. Kovács László
VIR alapfogalmai Előadásvázlat dr. Kovács László Információ szerepe Információ-éhes világban élünk Mi is az információ? - újszerű ismeret - jelentés Hogyan mérhető az információ? - statisztikai - szintaktikai
RészletesebbenStarkné dr. Werner Ágnes
Menügenerálási rendszer Starkné dr. Werner Ágnes A kidolgozandó intelligens algoritmusokkal szemben az alábbi követelmények merülnek fel: Legyen tekintettel a páciens energia (kalória) igényére, A táplálkozási
RészletesebbenMérés és modellezés 1
Mérés és modellezés 1 Mérés és modellezés A mérnöki tevékenység alapeleme a mérés. A mérés célja valamely jelenség megismerése, vizsgálata. A mérés tervszerűen végzett tevékenység: azaz rögzíteni kell
RészletesebbenKöltségbecslési módszerek a szerszámgyártásban. Tartalom. CEE-Product Groups. Költségbecslés. A költségbecslés szerepe. Dr.
Gépgyártástechnológia Tsz Költségbecslési módszerek a szerszámgyártásban Szerszámgyártók Magyarországi Szövetsége 2003. december 11. 1 2 CEE-Product Groups Tartalom 1. Költségbecslési módszerek 2. MoldCoster
RészletesebbenNT Matematika 11. (Heuréka) Tanmenetjavaslat
NT-17302 Matematika 11. (Heuréka) Tanmenetjavaslat A Dr. Gerőcs László Számadó László Matematika 11. tankönyv a Heuréka-sorozat harmadik tagja. Ebben a segédanyagban ehhez a könyvhöz a tizenegyedikes tananyag
RészletesebbenA valószínűségszámítás elemei
A valószínűségszámítás elemei Kísérletsorozatban az esemény relatív gyakorisága: k/n, ahol k az esemény bekövetkezésének abszolút gyakorisága, n a kísérletek száma. Pl. Jelenség: kockadobás Megfigyelés:
RészletesebbenGépi tanulás és Mintafelismerés
Gépi tanulás és Mintafelismerés jegyzet Csató Lehel Matematika-Informatika Tanszék BabesBolyai Tudományegyetem, Kolozsvár 2007 Aug. 20 2 1. fejezet Bevezet A mesterséges intelligencia azon módszereit,
RészletesebbenElméleti összefoglaló a Sztochasztika alapjai kurzushoz
Elméleti összefoglaló a Sztochasztika alapjai kurzushoz 1. dolgozat Véletlen kísérletek, események valószín sége Deníció. Egy véletlen kísérlet lehetséges eredményeit kimeneteleknek nevezzük. A kísérlet
RészletesebbenInformatikai rendszerek fejlesztése
Informatikai rendszerek fejlesztése Dr. Csetényi Arthur Előadás: hétfő 8:00 9:20 Fogadóóra: hétfő 9:30 11:00 (Sóház, fszt. 02) E-mail: csetenyi at uni-corvinus dot hu Informatikai rendszerek fejlesztése
RészletesebbenTudásalapú információ integráció
Tudásalapú információ integráció (A Szemantikus Web megközelítés és a másik irány) Tanszéki értekezlet, 2008. május 14. 1 Miért van szükségünk ilyesmire? WWW: (Alkalmazások) Keresés a weben (pl. összehasonlítás
RészletesebbenA kiadvány a 23/2008. (VIII. 8.) PM rendelet szerinti szakmai és vizsgakövetelmények követelménymoduljaihoz kapcsolódó tankönyvek, tanulmányi
A kiadvány a 23/2008. (VIII. 8.) PM rendelet szerinti szakmai és vizsgakövetelmények követelménymoduljaihoz kapcsolódó tankönyvek, tanulmányi segédletek elkészítésére kíírt pályázat keretében a Pénzügyminisztérium
RészletesebbenENTER PROGRAM KECSKEMÉTEN!
ENTER PROGRAM KECSKEMÉTEN! Ha úgy szeretnél fejlődni, tanulni, hogy közben munkahelyet is kapj, jelentkezz az ENTER PROGRAM Pegazus képzésére! Mi a Pegazus képzés? az evogreen Akadémia partnervállalatai
RészletesebbenGazdasági matematika II. Tantárgyi útmutató
Módszertani Intézeti Tanszék Gazdálkodási és menedzsment, pénzügy és számvitel szakok távoktatás tagozat Gazdasági matematika II. Tantárgyi útmutató 2016/17 tanév II. félév 1/6 A KURZUS ALAPADATAI Tárgy
RészletesebbenGazdasági matematika II. tanmenet
Gazdasági matematika II. tanmenet Mádi-Nagy Gergely A hivatkozásokban az alábbi tankönyvekre utalunk: T: Tóth Irén (szerk.): Operációkutatás I., Nemzeti Tankönyvkiadó 1987. Cs: Csernyák László (szerk.):
RészletesebbenA tananyag beosztása, informatika, szakközépiskola, 9. évfolyam 36
A tananyag beosztása, informatika, szakközépiskola, 9. évfolyam 36 1. Az informatikai eszközök használata 5 4. Infokommunikáció, 5. Az információs társadalom 1 4.1. Információkeresés, információközlési
RészletesebbenAz informáci. Forczek Erzsébet SZTE, ÁOK Orvosi Informatikai Intézet. 2009. május 24-25.
Az informáci ció életútjatja Forczek Erzsébet SZTE, ÁOK Orvosi Informatikai Intézet 2009. május 24-25. Mit oktassunk nem informatika szakos hallgatóknak? ( orvos, gyógyszerész, főiskolai: ápoló, gyógytornász,
RészletesebbenVezetői információs rendszerek
Vezetői információs rendszerek Az információs rendszer Információs rendszer: a vállalat környezetére, belső működésére és a vállalatkörnyezet tranzakciókra vonatkozó információk begyűjtését, feldolgozását,
RészletesebbenMiskolci Egyetem Gépészmérnöki és Informatikai Kar Informatikai Intézet Alkalmazott Informatikai Intézeti Tanszék
Miskolci Egyetem Gépészmérnöki és Informatikai Kar Informatikai Intézet Alkalmazott Informatikai Intézeti Tanszék 2017/18 2. félév 3. Előadás Dr. Kulcsár Gyula egyetemi docens Kereső algoritmusok alkalmazása
RészletesebbenTANTÁRGYI ÚTMUTATÓ. Számvitel alapjai. c. tárgy tanulmányozásához
SZÁMVITEL INTÉZETI TANSZÉK TANTÁRGYI ÚTMUTATÓ Számvitel alapjai c. tárgy tanulmányozásához Felsőoktatási szakképzés Gazdaságinformatikus szak Levelező tagozat 2016/2017. tanév I. félév A tantárgy rövid
RészletesebbenMiskolci Egyetem Gépészmérnöki és Informatikai Kar Alkalmazott Informatikai Tanszék. Dr. Kulcsár Gyula egyetemi docens
Miskolci Egyetem Gépészmérnöki és Informatikai Kar Alkalmazott Informatikai Tanszék Dr. Kulcsár Gyula egyetemi docens Tartalomjegyzék Bevezetés Termelési paradigma fogalma Paradigma váltások A CIM fogalmának
RészletesebbenBevezetés a biometriába Dr. Dinya Elek egyetemi tanár. PhD kurzus. KOKI,
Bevezetés a biometriába Dr. Dinya Elek egyetemi tanár PhD kurzus. KOKI, 2015.09.17. Mi a statisztika? A sokaság (a sok valami) feletti áttekintés megszerzése, a sokaságról való információszerzés eszköze.
RészletesebbenZárójelentés. Az autonóm mobil eszközök felhasználási területei, irányítási módszerek
Zárójelentés Az autonóm mobil eszközök felhasználási területei, irányítási módszerek Az autonóm mobil robotok elterjedése növekedést mutat napjainkban az egész hétköznapi felhasználástól kezdve az ember
RészletesebbenMesterséges intelligencia alkalmazása az elosztóhálózati üzemzavarok felismerésében és az üzemhelyreállításban. MEE Vándorgyűlés 2018
Mesterséges intelligencia alkalmazása az elosztóhálózati üzemzavarok felismerésében és az üzemhelyreállításban MEE Vándorgyűlés 2018 Csatár János VER szakértő PhD hallgató Dr. Attila Kovács ügyvezető igazgató
RészletesebbenBig Data technológiai megoldások fejlesztése közvetlen mezőgazdasági tevékenységekhez
Big Data technológiai megoldások fejlesztése közvetlen mezőgazdasági tevékenységekhez Szármes Péter doktorandusz hallgató Széchenyi István Egyetem, MMTDI Dr. Élő Gábor egyetemi docens, Széchenyi István
RészletesebbenÜzleti és Közszolgálati informatika szakirányok. Tanszék
Üzleti és Közszolgálati informatika szakirányok Információrendszerek Tanszék Mire készítjük fel a hallgatókat? A piaci elvárások Üzleti informatika szakirány Információrendszerek Tanszék Cél Informatika
RészletesebbenÖsszeállította Horváth László egyetemi tanár
Óbudai Egyetem Neumann János Informatikai Kar Intelligens Mérnöki Rendszerek Intézet Intelligens Mérnöki Rendszerek Szakirány a Mérnök informatikus alapszakon Összeállította Horváth László Budapest, 2011
Részletesebbenx, x R, x rögzített esetén esemény. : ( ) x Valószínűségi Változó: Feltételes valószínűség: Teljes valószínűség Tétele: Bayes Tétel:
Feltételes valószínűség: Teljes valószínűség Tétele: Bayes Tétel: Valószínűségi változó általános fogalma: A : R leképezést valószínűségi változónak nevezzük, ha : ( ) x, x R, x rögzített esetén esemény.
RészletesebbenAz Internet jövője Internet of Things
Az Internet jövője Dr. Bakonyi Péter c. docens 2011.01.24. 2 2011.01.24. 3 2011.01.24. 4 2011.01.24. 5 2011.01.24. 6 1 Az ( IoT ) egy világméretű számítógéphálózaton ( Internet ) szabványos protokollok
RészletesebbenA visegrádi országok vállalati információs rendszerek használati szokásainak elemzése és értékelése
A visegrádi országok vállalati információs rendszerek használati szokásainak elemzése és értékelése KRIDLOVÁ Anita Miskolci Egyetem, Miskolc anitacska84@freemail.hu A vállalkozások számára ahhoz, hogy
RészletesebbenTát Tokod matematikai modelljének további hasznosítása
EEA Grants - HU04 Adaptation Programme TÁT-TOKOD TELEPÜLÉSEK CSAPADÉKVÍZ GAZDÁLKODÁSI KONCEPCIÓJA ÉS KLÍMAADAPTÁCIÓS LÉPÉSEI /Tát és Tokod Önkormányzata, DHI, BME, ÉDUVUZIG, ÉDV, BIOFORSK/ Tát Tokod matematikai
RészletesebbenProgramozás. Bevezetés. Fodor Attila. Pannon Egyetem Műszaki Informatikai Kar Villamosmérnöki és Információs Rendszerek Tanszék
Programozás Fodor Attila Pannon Egyetem Műszaki Informatikai Kar Villamosmérnöki és Információs Rendszerek Tanszék foa@almos.vein.hu 2010. február 11. Tantárgy célja, szükséges ismeretek Tantárgy célja,
Részletesebben