Teljesen elosztott adatbányászat alprojekt

Méret: px
Mutatás kezdődik a ... oldaltól:

Download "Teljesen elosztott adatbányászat alprojekt"

Átírás

1 Teljesen elosztott adatbányászat alprojekt Hegedűs István, Ormándi Róbert, Jelasity Márk

2 Big Data jelenség

3 Big Data jelenség Exponenciális növekedés a(z): okos eszközök használatában, és a szenzor- és egyéb kontextuális adatok mennyiségében Remek lehetőség az adatbányászatra

4 Jelenlegi rendszerek Főleg felhő alapú megoldások: Fenntartási költség Privacy: az adatokat felhasználhatják: Üzleti döntéstámogatásra Meglévő software termékek okosítására, pl:google news, Google Now, Gmail SPAM filtering, Evernote tag classification, Siri, Shazam

5 Cél Teljesen elosztott (infrastruktúra nélküli) nincs központi kontroll Adatvédelmi szempontok szem előtt tartása nincs harmadik fél, nincs mögöttes érdek Határtalan skálázódás Hasonló vagy jobb minőségű szolgáltatások Nyílt rendszer nem profit, hanem (köz)haszon orientált

6 Rendszer- és adatmodell Rendszermodell: Nagyon nagyszámú csomópont (eszköz) NAT Elvárás: üzenetküldés alapú kommunikáció nincs garancia vagy visszacsatolás az üzenet megérkezéséről (csomagkésés és vesztés) Aszinkron kommunikáció Felhasználók tetszőlegesen és gyorsan ki- és beléphetnek (churn) Terhelés elosztás csomagok mérete, mennyisége kezelhető legyen

7 Rendszer- és adatmodell Adatmodell: horizontálisan partícionált adatok eszközönként kevés adat nem elegendő lokálisan végzett modellépítésre Elvárások: az adatrekordok (nyers formában) nem hagyhatják el az eszközt! privacy a modellek használata (predikció) lokálisan történjen skálázódás

8 Pletyka alapú tanulás Előfeltételek: Overlay hálózat: virtuális hálózat (gráf) ami mentén az eszközök kommunikálnak Peer sampling service: felsőbb rétegek számára szomszédok biztosítása a fenti rendszermodellben Ilyen protokollok léteznek, lásd pl. Newscast (Márk korábbi munkáiból)! Newscast: Csomópontonként O(1) kommunikációval, nagy valószínűséggel online, uniform véletlen szomszédok biztosítása a fenti rendszermodellben

9 Pletyka alapú tanulás - osztályozás Felügyelt osztályozási probléma: Adott: (x i,y i ) párok halmaza a csomópontokon Cél: építsünk egy f paraméterezett modellt, hogy f w (x)=y teljesüljön (nem csak a tanítópéldákra!) Megvalósítás: gyakran valamilyen célfüggvény minimalizálásával: Logisztikus/Lineáris regresszió, ANN, SVM, stb...

10 Pletyka alapú tanulás - SGD Tfh. egy osztályozási hiba adott A hiba grádiense a paraméter függvényében A teljes grádiens frissítés (teljes adatbázis ismerete szükséges) Grádiens lépés egy tanítópéldával (sztochasztikus változat; uniform mintavételezés kritikus) n Err ( w )= i=1 Err (w,x i ) n Err ( w ) w = Err (w,x i ) i=1 w n Err (w,x w (t+1) =w (t ) α (t ) i ) w i= 1 w (t+1) =w (t ) α (t ) Err (w,x i ) w

11 Pletyka alapú tanulás - GoLF Pletyka alapú tanulás Gossip Learning Framework (GoLF): Alkalmazzunk online tanulókat (pl. sztochasztikus gradiens) Amely modellek (kezdeményei) véletlen sétákat tesznek a hálózatban A csomópontoknál lévő adatokkal frissítik magukat (pl. sztochasztikus gradiens lépés) Lokális és/vagy globális kombinációs módszerekkel kombinálják a modelleket

12 Pletyka alapú tanulás - GoLF

13 Pletyka alapú tanulás - GoLF Predikció: Lokális: egy modell alapján Szavaztatott: több modell többségi döntése mentén

14 GoLF - Eredmények

15 GoLF - Publikációk Róbert Ormándi, István Hegedűs and Márk Jelasity. Asynchronous Peer-to-peer Data Mining with Stochastic Gradient Descent. In Proceedings of 17th International European Conference on Parallel and Distributed Computing, EuroPar'11, Bordeux, France, Róbert Ormándi, István Hegedűs and Márk Jelasity. Gossip learning with linear models on fully distributed data. In Concurrency and Computation: Practice and Experience, CPE, István Hegedűs, Róbert Busa-Fekete, Róbert Ormándi, Márk Jelasity and Balázs Kégl. Peer-to- Peer Multi-Class Boosting. In Proceedings of 18th International European Conference on Parallel and Distributed Computing, EuroPar'12, Rhodes, Greece, István Hegedűs, Róbert Ormándi and Márk Jelasity. Gossip-based Learning under Drifting Concepts in Fully Distributed Networks. In Proceedings of 2012 IEEE Sixth International Conference on Self-Adaptive and Self-Organizing Systems, SASO'12, Lion, France, István Hegedűs, Lehel Nyers and Róbert Ormándi. Detecting Concept Drift in Fully Distributed Environments. In Proceedings of 2012 IEEE 10th Jubilee International Symposium on Intelligent Systems and Informatics, SISY'12, Subotica, Serbia, Balázs Szörényi, Róbert Busa-Fekete, István Hegedűs, Róbert Ormándi, Márk Jelasity and Balázs Kégl. Gossip-based distributed stochastic bandit algorithms. In Proceedings of The 30th International Conference on Machine Learning (ICML), 3rd Cycle, Atlanta, USA, 2013.

Kollektív tanulás milliós hálózatokban. Jelasity Márk

Kollektív tanulás milliós hálózatokban. Jelasity Márk Kollektív tanulás milliós hálózatokban Jelasity Márk 2 3 Motiváció Okostelefon platform robbanásszerű terjedése és Szenzorok és gazdag kontextus jelenléte, ami Kollaboratív adatbányászati alkalmazások

Részletesebben

Teljesen elosztott adatbányászat pletyka algoritmusokkal. Jelasity Márk Ormándi Róbert, Hegedűs István

Teljesen elosztott adatbányászat pletyka algoritmusokkal. Jelasity Márk Ormándi Róbert, Hegedűs István Teljesen elosztott adatbányászat pletyka algoritmusokkal Jelasity Márk Ormándi Róbert, Hegedűs István Motiváció Nagyméretű hálózatos elosztott alkalmazások az Interneten egyre fontosabbak Fájlcserélő rendszerek

Részletesebben

Pletykaalapú gépi tanulás teljesen elosztott környezetben

Pletykaalapú gépi tanulás teljesen elosztott környezetben Pletykaalapú gépi tanulás teljesen elosztott környezetben Hegedűs István Témavezető Dr. Jelasity Márk MTA-SZTE Mesterséges Intelligencia Kutatócsoport Informatika Doktori Iskola Szegedi Tudományegyetem

Részletesebben

Peer-to-peer (P2P) gépi tanulás. Hegedűs István

Peer-to-peer (P2P) gépi tanulás. Hegedűs István Peer-to-peer (P2P) gépi tanulás Hegedűs István Motiváció Adatokban rejlő információk kinyerésének fontossága adatbányászat, gépi-tanulás, modell építés Különböző módszerekkel összegyűjtött adatok feldolgozása

Részletesebben

Support vektor alapú tanulás alkalmazásai

Support vektor alapú tanulás alkalmazásai Support vektor alapú tanulás alkalmazásai Ormándi Róbert A témavezetők Prof. János Csirik és Dr. Márk Jelasity Magyar Tudományos Akadémia és a Szegedi Tudományegyetem Mesterséges Intelligencia Kutatócsoportja

Részletesebben

Support vektor alapú tanulás alkalmazásai

Support vektor alapú tanulás alkalmazásai Support vektor alapú tanulás alkalmazásai Ormándi Róbert A témavezetők Prof. János Csirik és Dr. Márk Jelasity Magyar Tudományos Akadémia és a Szegedi Tudományegyetem Mesterséges Intelligencia Kutatócsoportja

Részletesebben

Pletykaalapú gépi tanulás teljesen elosztott környezetben

Pletykaalapú gépi tanulás teljesen elosztott környezetben Pletykaalapú gépi tanulás teljesen elosztott környezetben Hegedűs István Jelasity Márk témavezető Szegedi Tudományegyetem MTA-SZTE Mesterséges Intelligencia Kutatócsopot Motiváció Az adat adatközpontokban

Részletesebben

SZTE Eötvös Loránd Kollégium. 2. Móra György: Információkinyerés természetes nyelvű szövegekből

SZTE Eötvös Loránd Kollégium. 2. Móra György: Információkinyerés természetes nyelvű szövegekből 2010/2011 tavaszi félév SZTE Eötvös Loránd Kollégium 1. Dombi József: Fuzzy elmélet és alkalmazásai 2011. március 3. 19:00 2. Móra György: Információkinyerés természetes nyelvű szövegekből 2011. március

Részletesebben

Gépi tanulás a gyakorlatban. Lineáris regresszió

Gépi tanulás a gyakorlatban. Lineáris regresszió Gépi tanulás a gyakorlatban Lineáris regresszió Lineáris Regresszió Legyen adott egy tanuló adatbázis: Rendelkezésünkre áll egy olyan előfeldolgozott adathalmaz, aminek sorai az egyes ingatlanokat írják

Részletesebben

A magánélet védelme az elosztott adatbányászatban

A magánélet védelme az elosztott adatbányászatban Információs Technológiák és a Jövő Társadalma (FuturICT.hu) TÁMOP-4.2.2.C-11/1/KONV-2012-0013 A magánélet védelme az elosztott adatbányászatban Jelasity Márk Szegedi Tudományegyetem 2 3 Aggodalom a magánéletért

Részletesebben

P-gráf alapú workflow modellezés fuzzy kiterjesztéssel

P-gráf alapú workflow modellezés fuzzy kiterjesztéssel P-gráf alapú workflow modellezés fuzzy kiterjesztéssel Doktori (PhD) értekezés Tick József témavezető: Dr. Kovács Zoltán Pannon Egyetem Műszaki Informatikai Kar Informatikai Tudományok Doktori Iskola 2007.

Részletesebben

Előrenéző és paraméter tanuló algoritmusok on-line klaszterezési problémákra

Előrenéző és paraméter tanuló algoritmusok on-line klaszterezési problémákra Szegedi Tudományegyetem Számítógépes Algoritmusok és Mesterséges Intelligencia Tanszék Dr. Németh Tamás Előrenéző és paraméter tanuló algoritmusok on-line klaszterezési problémákra SZTE TTIK, Móra Kollégium,

Részletesebben

Kódverifikáció gépi tanulással

Kódverifikáció gépi tanulással Kódverifikáció gépi tanulással Szoftver verifikáció és validáció kiselőadás Hidasi Balázs 2013. 12. 12. Áttekintés Gépi tanuló módszerek áttekintése Kódverifikáció Motiváció Néhány megközelítés Fault Invariant

Részletesebben

MULTIMÉDIA ALAPÚ OKTATÁSI TECHNOLÓGIÁK GYAKORLATI ALKALMAZÁSÁNAK VIZSGÁLATA A KATONAI SZAKNYELVOKTATÁSBAN

MULTIMÉDIA ALAPÚ OKTATÁSI TECHNOLÓGIÁK GYAKORLATI ALKALMAZÁSÁNAK VIZSGÁLATA A KATONAI SZAKNYELVOKTATÁSBAN Zrínyi Miklós Nemzetvédelmi Egyetem Kossuth Lajos Hadtudományi Kar Hadtudományi Doktori Iskola Tick Andrea MULTIMÉDIA ALAPÚ OKTATÁSI TECHNOLÓGIÁK GYAKORLATI ALKALMAZÁSÁNAK VIZSGÁLATA A KATONAI SZAKNYELVOKTATÁSBAN

Részletesebben

Teljesen elosztott adatfeldogozás és adatbányászat

Teljesen elosztott adatfeldogozás és adatbányászat Teljesen elosztott adatfeldogozás és adatbányászat Vinkó Tamás SZTE Jelen kutatást a futurict.hu nevű, TÁMOP-4.2.2.C-11/1/KONV-2012-0013 azonosítószámú projekt támogatta az Európai Unió és az Európai Szociális

Részletesebben

BitTorrent felhasználók értékeléseinek következtetése a viselkedésük alapján. Hegedűs István

BitTorrent felhasználók értékeléseinek következtetése a viselkedésük alapján. Hegedűs István BitTorrent felhasználók értékeléseinek következtetése a viselkedésük alapján Hegedűs István Ajánló rendszerek Napjainkban egyre népszerűbb az ajánló rendszerek alkalmazása A cégeket is hasznos információval

Részletesebben

Hálózati réteg. WSN topológia. Útvonalválasztás.

Hálózati réteg. WSN topológia. Útvonalválasztás. Hálózati réteg WSN topológia. Útvonalválasztás. Tartalom Hálózati réteg WSN topológia Útvonalválasztás 2015. tavasz Szenzorhálózatok és alkalmazásaik (VITMMA09) - Okos város villamosmérnöki MSc mellékspecializáció,

Részletesebben

VIRTUÁLIS GÉPTEREM KIALAKÍTÁSÁNAK GAZDASÁGI ÉS TECHNOLÓGIAI ELEMZÉSE DÁVID ÁKOS

VIRTUÁLIS GÉPTEREM KIALAKÍTÁSÁNAK GAZDASÁGI ÉS TECHNOLÓGIAI ELEMZÉSE DÁVID ÁKOS infokommunikációs technológiák VIRTUÁLIS GÉPTEREM KIALAKÍTÁSÁNAK GAZDASÁGI ÉS TECHNOLÓGIAI ELEMZÉSE DÁVID ÁKOS CÉLKITŰZÉS Az alprojekt célja egy virtuális géptermi architektúra megtervezése, illetve kialakítása,

Részletesebben

Számítógépes Hálózatok Felhasználói réteg DNS, , http, P2P

Számítógépes Hálózatok Felhasználói réteg DNS,  , http, P2P Számítógépes Hálózatok 2007 13. Felhasználói réteg DNS, email, http, P2P 1 Felhasználói réteg Domain Name System Példák a felhasználói rétegre: E-Mail WWW Content Delivery Networks Peer-to-Peer-Networks

Részletesebben

Felhasználói réteg. Számítógépes Hálózatok Domain Name System (DNS) DNS. Domain Name System

Felhasználói réteg. Számítógépes Hálózatok Domain Name System (DNS) DNS. Domain Name System Felhasználói réteg Domain Name System Számítógépes Hálózatok 2007 13. Felhasználói réteg DNS, email, http, P2P Példák a felhasználói rétegre: E-Mail WWW Content Delivery Networks Peer-to-Peer-Networks

Részletesebben

Visszacsatolt (mély) neurális hálózatok

Visszacsatolt (mély) neurális hálózatok Visszacsatolt (mély) neurális hálózatok Visszacsatolt hálózatok kimenet rejtett rétegek bemenet Sima előrecsatolt neurális hálózat Visszacsatolt hálózatok kimenet rejtett rétegek bemenet Pl.: kép feliratozás,

Részletesebben

Adatbányászati technikák (VISZM185) 2015 tavasz

Adatbányászati technikák (VISZM185) 2015 tavasz Adatbányászati technikák (VISZM185) 2015 tavasz Csima Judit BME, VIK, Számítástudományi és Információelméleti Tanszék 2015. február 11. Csima Judit Adatbányászati technikák (VISZM185) 2015 tavasz 1 / 27

Részletesebben

1: Bevezetés: Internet, rétegmodell Alapok: aszimptótika, gráfok. HálózatokII, 2007

1: Bevezetés: Internet, rétegmodell Alapok: aszimptótika, gráfok. HálózatokII, 2007 Hálózatok II 2007 1: Bevezetés: Internet, rétegmodell Alapok: aszimptótika, gráfok 1 Az előadáshoz Előadás: Szerda 17:00 18:30 Gyakorlat: nincs Vizsga írásbeli Honlap: http://people.inf.elte.hu/lukovszki/courses/g/07nwii

Részletesebben

VIRTUAL NETWORK EMBEDDING VIRTUÁLIS HÁLÓZAT BEÁGYAZÁS

VIRTUAL NETWORK EMBEDDING VIRTUÁLIS HÁLÓZAT BEÁGYAZÁS BME/TMIT Budapesti Műszaki és Gazdaságtudományi Egyetem (BME) Távközlési és Médiainformatikai Tanszék (TMIT) VIRTUAL NETWORK EMBEDDING VIRTUÁLIS HÁLÓZAT BEÁGYAZÁS Dr. Maliosz Markosz maliosz@tmit.bme.hu

Részletesebben

Összefoglalás és gyakorlás

Összefoglalás és gyakorlás Összefoglalás és gyakorlás High Speed Networks Laboratory 1 / 28 Hálózatok jellemző paraméterei High Speed Networks Laboratory 2 / 28 Evolúció alkotta adatbázis Önszerveződő adatbázis = (struktúra, lekérdezés)

Részletesebben

Elosztott Hash Táblák. Jelasity Márk

Elosztott Hash Táblák. Jelasity Márk Elosztott Hash Táblák Jelasity Márk Motiváció Nagyméretű hálózatos elosztott rendszerek az Interneten egyre fontosabbak Fájlcserélő rendszerek (BitTorrent, stb), Grid, Felhő, Gigantikus adatközpontok,

Részletesebben

Keresés képi jellemzők alapján. Dr. Balázs Péter SZTE, Képfeldolgozás és Számítógépes Grafika Tanszék

Keresés képi jellemzők alapján. Dr. Balázs Péter SZTE, Képfeldolgozás és Számítógépes Grafika Tanszék Keresés képi jellemzők alapján Dr. Balázs Péter SZTE, Képfeldolgozás és Számítógépes Grafika Tanszék Lusta gépi tanulási algoritmusok Osztályozás: k=1: piros k=5: kék k-legközelebbi szomszéd (k=1,3,5,7)

Részletesebben

Felhők teljesítményelemzése felhő alapokon

Felhők teljesítményelemzése felhő alapokon Felhők teljesítményelemzése felhő alapokon Kocsis Imre ikocsis@mit.bme.hu HTE Infokom 2014 Budapest University of Technology and Economics Department of Measurement and Information Systems 1 IT Szolgáltatásmenedzsment

Részletesebben

Tudásalapú információ integráció

Tudásalapú 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

Részletesebben

Tisztán kivehetı tendencia: kommunikációs hálózatok egyre bonyolultabbakká válnak Hálózat bonyolultsága

Tisztán kivehetı tendencia: kommunikációs hálózatok egyre bonyolultabbakká válnak Hálózat bonyolultsága @ Budapest University of Technology and Economics Nagy hálózatok evolúciója Gulyás András, Heszberger Zalán High Speed Networks Laboratory Internet trendek Tisztán kivehetı tendencia: kommunikációs hálózatok

Részletesebben

Budapesti Műszaki és Gazdaságtudományi Egyetem december 2.

Budapesti Műszaki és Gazdaságtudományi Egyetem december 2. Számítástudományi és Információelméleti Tanszék Budapesti Műszaki és Gazdaságtudományi Egyetem 2008. december 2. Útvonalválasztás Cél egy hálózatban két csomópont között a legrövidebb útvonal kiválasztása.

Részletesebben

KÜLÖNÖSEN NAGY ADATTÖMEGEK KEZELÉSÉNEK EGYES KÉRDÉSEIRİL DOKTORI ÉRTEKEZÉS TÉZISEI

KÜLÖNÖSEN NAGY ADATTÖMEGEK KEZELÉSÉNEK EGYES KÉRDÉSEIRİL DOKTORI ÉRTEKEZÉS TÉZISEI EÖTVÖS LORÁND TUDOMÁNYEGYETEM INFORMATIKAI KAR INFORMATIKA DOKTORI ISKOLA INFORMÁCIÓS RENDSZEREK DOKTORI PROGRAM KÜLÖNÖSEN NAGY ADATTÖMEGEK KEZELÉSÉNEK EGYES KÉRDÉSEIRİL DOKTORI ÉRTEKEZÉS TÉZISEI Készítette:

Részletesebben

Felhőszámítástechnika (Cloud Computing) helye és szerepe az on-line világ folyamataiban. Dr. Élő Gábor Széchenyi István Egyetem ITOK 2013

Felhőszámítástechnika (Cloud Computing) helye és szerepe az on-line világ folyamataiban. Dr. Élő Gábor Széchenyi István Egyetem ITOK 2013 Felhőszámítástechnika (Cloud Computing) helye és szerepe az on-line világ folyamataiban Dr. Élő Gábor Széchenyi István Egyetem ITOK 2013 A felhő alapú számítástechnika A felhő alapú számítástechnika (angolul

Részletesebben

A megerosítéses tanulás és a szimulált hutés kombinált használata: algoritmusok és alkalmazások

A megerosítéses tanulás és a szimulált hutés kombinált használata: algoritmusok és alkalmazások MISKOLCI EGYETEM DOKTORI (PH.D.) TÉZISFÜZETEI HATVANY JÓZSEF INFORMATIKAI TUDOMÁNYOK DOKTORI ISKOLA A megerosítéses tanulás és a szimulált hutés kombinált használata: algoritmusok és alkalmazások Készítette:

Részletesebben

Valós idejű kiberfizikai rendszerek 5G infrastruktúrában

Valós idejű kiberfizikai rendszerek 5G infrastruktúrában Valós idejű kiberfizikai rendszerek 5G infrastruktúrában dr. Kovácsházy Tamás BME-MIT khazy@mit.bme.hu 1 Kiberfizikai rendszer (CPS, Cyber-Physical System) Egy olyan elosztott, kiterjedt informatikai és

Részletesebben

Mérnök 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 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

Részletesebben

Cisco Networking Academy Program CISCO tanfolyam HBONE rendszergazdák számára

Cisco Networking Academy Program CISCO tanfolyam HBONE rendszergazdák számára CISCO tanfolyam HBONE rendszergazdák számára Lokális Akadémia - Gödöllő A program áttekintése - 1 Non-profit szakképzési program és hálózat Oktatási intézmények, kormányzat -- Cisco Systems http://www.cisco.com/global/hu/cnap/index.shtml

Részletesebben

Számítógépes képelemzés 7. előadás. Dr. Balázs Péter SZTE, Képfeldolgozás és Számítógépes Grafika Tanszék

Számítógépes képelemzés 7. előadás. Dr. Balázs Péter SZTE, Képfeldolgozás és Számítógépes Grafika Tanszék Számítógépes képelemzés 7. előadás Dr. Balázs Péter SZTE, Képfeldolgozás és Számítógépes Grafika Tanszék Momentumok Momentum-alapú jellemzők Tömegközéppont Irányultáság 1 2 tan 2 1 2,0 1,1 0, 2 Befoglaló

Részletesebben

Drótposta: kovacsea@math.bme.hu ; edith_kovacs@yahoo.com ; Honlapom: http://www.math.bme.hu/diffe/staff/kovacse.shtml

Drótposta: kovacsea@math.bme.hu ; edith_kovacs@yahoo.com ; Honlapom: http://www.math.bme.hu/diffe/staff/kovacse.shtml Szakmai önéletrajz 1.1 Személyes adatok: Nevem: Kovács Edith Alice Születési idő, hely: 1971.05.18, Arad Drótposta: kovacsea@math.bme.hu ; edith_kovacs@yahoo.com ; Honlapom: http://www.math.bme.hu/diffe/staff/kovacse.shtml

Részletesebben

Adatfolyam alapú RACER tömbprocesszor és algoritmus implementációs módszerek valamint azok alkalmazásai parallel, heterogén számítási architektúrákra

Adatfolyam alapú RACER tömbprocesszor és algoritmus implementációs módszerek valamint azok alkalmazásai parallel, heterogén számítási architektúrákra Adatfolyam alapú RACER tömbprocesszor és algoritmus implementációs módszerek valamint azok alkalmazásai parallel, heterogén számítási architektúrákra Témavezet : Dr. Cserey György 2014 szeptember 22. Kit

Részletesebben

Ambiens szabályozás problémája Kontroll és tanulás-1

Ambiens szabályozás problémája Kontroll és tanulás-1 Ambiens szabályozás problémája Kontroll és tanulás-1 Ambiens (fizikai) tér Ambiens Intelligencia szenzorok beavatkozók Ágens szervezet AmI - megfigyelés, elemzés - tervezés, megtanulás AmI - statikus -

Részletesebben

Gépi tanulás a gyakorlatban. Kiértékelés és Klaszterezés

Gépi tanulás a gyakorlatban. Kiértékelés és Klaszterezés Gépi tanulás a gyakorlatban Kiértékelés és Klaszterezés Hogyan alkalmazzuk sikeresen a gépi tanuló módszereket? Hogyan válasszuk az algoritmusokat? Hogyan hangoljuk a paramétereiket? Precízebben: Tegyük

Részletesebben

Számítógép hálózatok, osztott rendszerek 2009

Számítógép hálózatok, osztott rendszerek 2009 Számítógép hálózatok, osztott rendszerek 2009 1: Bevezetés: Internet, rétegmodell Alapok: aszimptótika, gráfok 1 Az előadáshoz Előadás: Hétfő 10:00 12:00 óra Gyakorlat: Hétfő 14:00-16:00 óra Honlap: http://people.inf.elte.hu/lukovszki/courses/0910nwmsc

Részletesebben

Intelligens közlekedés: a járműipar és járműirányítás IKT igényei, a VehicleICT projekt. Lengyel László lengyel@aut.bme.hu

Intelligens közlekedés: a járműipar és járműirányítás IKT igényei, a VehicleICT projekt. Lengyel László lengyel@aut.bme.hu Intelligens közlekedés: a járműipar és járműirányítás IKT igényei, a projekt Lengyel László lengyel@aut.bme.hu Az IT ma Havonta 850 millió aktív felhasználó a facebookon Az előadásom alatt 1,400,000 tweet

Részletesebben

Mobil szolgáltatások és alkalmazások fejlesztése

Mobil szolgáltatások és alkalmazások fejlesztése Mobil szolgáltatások és alkalmazások fejlesztése SADM Service and Application Development for Mobile Systems Benedek Zoltán, MIK 3.1.2 projekt - projektvezető zoltán.benedek@aut.bme.hu Nemzeti Kutatási

Részletesebben

COMPANY PROFILE SZOFI ALGORITHMIC RESEARCH KFT

COMPANY PROFILE SZOFI ALGORITHMIC RESEARCH KFT COMPANY PROFILE SZOFI ALGORITHMIC RESEARCH KFT WWW.SZOFIUSA.COM CÉGTÖRTÉNET 1990 Alapítás 1990 Informatikai fejlesztések kezdete 1992 Felsőfokú informatikai képzési rendszer kidolgozása a kormányzat részére

Részletesebben

RHadoop. Kocsis Imre Budapesti Műszaki és Gazdaságtudományi Egyetem Méréstechnika és Információs Rendszerek Tanszék

RHadoop. Kocsis Imre Budapesti Műszaki és Gazdaságtudományi Egyetem Méréstechnika és Információs Rendszerek Tanszék RHadoop Kocsis Imre ikocsis@mit.bme.hu Budapesti Műszaki és Gazdaságtudományi Egyetem Méréstechnika és Információs Rendszerek Tanszék Házi feladat Csapatépítés o 2 fő, tetszőleges kombinációkban http://goo.gl/m8yzwq

Részletesebben

2. Cím: Nézettségmérés új módszerei avagy Audience measurement Kulcsszavak: IPTV, felhasználói viselkedés, média, ajánlórendszerek

2. Cím: Nézettségmérés új módszerei avagy Audience measurement Kulcsszavak: IPTV, felhasználói viselkedés, média, ajánlórendszerek ImpressTV Zrt. kutatási témák 1. Cím: Média tartalmak automatikus címkézése és adatbővítése Kulcsszavak: adatbányászat, statisztika, metaadat, felhasználói viselkedés, ajánlórendszerek Probléma: A média

Részletesebben

Osztott rendszerek (Distributed. systems) Bevezetés. Tartalom. Ficsor Lajos. Miskolci Egyetem Általános Informatikai Tanszék

Osztott rendszerek (Distributed. systems) Bevezetés. Tartalom. Ficsor Lajos. Miskolci Egyetem Általános Informatikai Tanszék Osztott rendszerek (Distributed systems) Bevezetés Miskolci Egyetem Általános Informatikai Tanszék Utolsó módosítás: 2007. 09. 18. osztottrendszerek / 1 Tartalom Miért kellenek osztott rendszerek Egy kis

Részletesebben

Osztott rendszerek (Distributed

Osztott rendszerek (Distributed Osztott rendszerek (Distributed systems) Bevezetés Miskolci Egyetem Általános Informatikai Tanszék Utolsó módosítás: 2007. 09. 18. osztottrendszerek / 1 Tartalom Miért kellenek osztott rendszerek Egy kis

Részletesebben

The nontrivial extraction of implicit, previously unknown, and potentially useful information from data.

The 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

Részletesebben

Elosztott rendszer architektúrák

Elosztott rendszer architektúrák Elosztott rendszer architektúrák Distributed systems architectures Irodalom Ian Sommerville: Software Engineering, 7th e. chapter 12. Andrew S. Tanenbaum, aarten van Steen: Distributed Systems: rinciples

Részletesebben

AZ INFORMATIKAI BIZTONSÁG ALPROJEKT EREDMÉNYEINEK BEMUTATÁSA

AZ INFORMATIKAI BIZTONSÁG ALPROJEKT EREDMÉNYEINEK BEMUTATÁSA infokommunikációs technológiák AZ INFORMATIKAI BIZTONSÁG ALPROJEKT EREDMÉNYEINEK BEMUTATÁSA Süle Zoltán Pannon Egyetem Projektzáró rendezvény 2015. június 22. BEVEZETÉS Az elosztott rendszerek megjelenésével

Részletesebben

Internet of Things. Dr. Szepessy Zsolt evopro Innovation Kft. HTE INFOKOM 2014. 2014. október 8-10. 11/10/14

Internet of Things. Dr. Szepessy Zsolt evopro Innovation Kft. HTE INFOKOM 2014. 2014. október 8-10. 11/10/14 Internet of Things Dr. Szepessy Zsolt evopro Innovation Kft. HTE INFOKOM 2014. 2014. október 8-10. 11/10/14 Tartalom! A dolgok Internete koncepció! Megalapozó technológiák! Architektúra! Kutatási kihívások

Részletesebben

Felhő alapú hálózatok Konténerek orkesztrálása Simon Csaba. Budapesti Műszaki és Gazdaságtudományi Egyetem

Felhő alapú hálózatok Konténerek orkesztrálása Simon Csaba. Budapesti Műszaki és Gazdaságtudományi Egyetem Felhő alapú hálózatok Konténerek orkesztrálása Simon Csaba Budapesti Műszaki és Gazdaságtudományi Egyetem 1 Motiváció multi host» Docker konténerek docker parancsokkal kezelhetők» Adott gazda gépen (on-host)»

Részletesebben

Bevezetés a párhuzamos programozási koncepciókba

Bevezetés a párhuzamos programozási koncepciókba Bevezetés a párhuzamos programozási koncepciókba Kacsuk Péter és Dózsa Gábor MTA SZTAKI Párhuzamos és Elosztott Rendszerek Laboratórium E-mail: kacsuk@sztaki.hu Web: www.lpds.sztaki.hu Programozási modellek

Részletesebben

Adatbányászat a felhőben

Adatbányászat a felhőben Adatbányászat a felhőben Kovács Gyula Andego Tanácsadó Kft. 2012 II. Innovatív BI Konferencia Magunkról 2010-ben alapították magánszemélyek (az alapítók több mint egy évtizedes BI tapasztalatokkal rendelkeznek)

Részletesebben

Történet John Little (1970) (Management Science cikk)

Történet 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

Részletesebben

NIIF szolgáltatások a múzeumok számára

NIIF szolgáltatások a múzeumok számára NIIF szolgáltatások a múzeumok számára Múzeumi Digitalizálási Konferencia 2013 jún. 10-11. Dr. Máray Tamás NIIF Intézet NIIF Program 5/2011 (II.3) Korm.rendelet: az NIIF Program végrehajtója az NIIF Intézet

Részletesebben

Süle Zoltán publikációs listája

Süle Zoltán publikációs listája Süle Zoltán publikációs listája Statisztikai összegzés Referált nemzetközi folyóiratcikkeim száma: 3 (+1) Nemzetközi konferenciakiadványban megjelent publikációim száma: 14 Hazai konferenciakiadványban

Részletesebben

Valószínűségi modellellenőrzés Markov döntési folyamatokkal

Valószínűségi modellellenőrzés Markov döntési folyamatokkal Valószínűségi modellellenőrzés Markov döntési folyamatokkal Hajdu Ákos Szoftver verifikáció és validáció 2015.12.09. Budapesti Műszaki és Gazdaságtudományi Egyetem Méréstechnika és Információs Rendszerek

Részletesebben

Új módszerek és eszközök infokommunikációs hálózatok forgalmának vizsgálatához

Új módszerek és eszközök infokommunikációs hálózatok forgalmának vizsgálatához I. előadás, 2014. április 30. Új módszerek és eszközök infokommunikációs hálózatok forgalmának vizsgálatához Dr. Orosz Péter ATMA kutatócsoport A kutatócsoport ATMA (Advanced Traffic Monitoring and Analysis)

Részletesebben

Virtuális Obszervatórium. Gombos Gergő

Virtuális Obszervatórium. Gombos Gergő Virtuális Obszervatórium Gombos Gergő Áttekintés Motiváció, probléma felvetés Megoldások Virtuális obszervatóriumok NMVO Twitter VO Gombos Gergő Virtuális Obszervatórium 2 Motiváció Tudományos módszer

Részletesebben

FELHŐ és a MAINFRAME. Irmes Sándor

FELHŐ és a MAINFRAME. Irmes Sándor FELHŐ és a MAINFRAME Irmes Sándor Változik az üzleti környezet Zavaró tényezők viharában Gartner: nexus of forces (összehangolt erőterek) Social: Mindenhol elérhető kapcsolattartás, egyre gazdagabb tartalommal

Részletesebben

Adatbányászati szemelvények MapReduce környezetben

Adatbányászati szemelvények MapReduce környezetben Adatbányászati szemelvények MapReduce környezetben Salánki Ágnes salanki@mit.bme.hu 2014.11.10. Budapesti Műszaki és Gazdaságtudományi Egyetem Méréstechnika és Információs Rendszerek Tanszék Felügyelt

Részletesebben

Support Vector Machines

Support Vector Machines Support Vector Machnes Ormánd Róbert MA-SZE Mest. Int. Kutatócsoport 2009. február 17. Előadás vázlata Rövd bevezetés a gép tanulásba Bevezetés az SVM tanuló módszerbe Alapötlet Nem szeparálható eset Kernel

Részletesebben

Számítógépes Hálózatok

Számítógépes Hálózatok Számítógépes Hálózatok 7a. Előadás: Hálózati réteg ased on slides from Zoltán Ács ELTE and. hoffnes Northeastern U., Philippa Gill from Stonyrook University, Revised Spring 06 by S. Laki Legrövidebb út

Részletesebben

Robotika a felhőkben

Robotika a felhőkben Dr. Mester Gyula Robotika a felhőkben Összefoglaló: A közlemény robotika felhőkben a robotika korszerű témakörével foglalkozik. Robotika a felhőkben a szerviz robotok és a számítástechnika a felhőkben

Részletesebben

Policy keretrendszer dinamikus hálózatkompozíciók automatizált tárgyalási folyamatához

Policy keretrendszer dinamikus hálózatkompozíciók automatizált tárgyalási folyamatához Policy keretrendszer dinamikus hálózatkompozíciók automatizált tárgyalási folyamatához ERDEI MÁRK, WAGNER AMBRUS Budapesti Mûszaki és Gazdaságtudományi Egyetem, Híradástechnikai Tanszék {merdei, awagner}@hit.bme.hu

Részletesebben

Gyors sikerek adatbányászati módszerekkel

Gyors 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

Részletesebben

Szemantikus protokollt alkalmazó mobil Peer-to-Peer kliensszoftver

Szemantikus protokollt alkalmazó mobil Peer-to-Peer kliensszoftver Szemantikus protokollt alkalmazó mobil Peer-to-Peer kliensszoftver FORSTNER BERTALAN, KELÉNYI IMRE BME Automatizálási és Alkalmazott Informatikai Tanszék {forstner.bertalan, kelenyi.imre}@aut.bme.hu Kulcsszavak:

Részletesebben

Ipari hálózatok biztonságának speciális szempontjai és szabványai

Ipari hálózatok biztonságának speciális szempontjai és szabványai Ipari hálózatok biztonságának speciális szempontjai és szabványai Borbély Sándor CISA, CISM, CRISC Információvédelmi projekt vezető sandor.borbely@noreg.hu Tartalom Az ipari hálózatnál mennyiben, és miért

Részletesebben

Hálózati Technológiák és Alkalmazások

Hálózati Technológiák és Alkalmazások Hálózati Technológiák és Alkalmazások Vida Rolland BME TMIT 2016. október 28. Internet topológia IGP-EGP hierarchia előnyei Skálázhatóság nagy hálózatokra Kevesebb prefix terjesztése Gyorsabb konvergencia

Részletesebben

Szolgáltatás és Minőségfejlesztés a Corvinus Egyetemen Kiss György János Mogyorósi János

Szolgáltatás és Minőségfejlesztés a Corvinus Egyetemen Kiss György János Mogyorósi János Szolgáltatás és Minőségfejlesztés a Corvinus Egyetemen Kiss György János gyorgy.kiss@uni-corvinus.hu Mogyorósi János janos.mogyorosi@uni-corvinus.hu KMOP 4.2.1/B-2008-0011 Szolgáltatás és minőségfejlesztés

Részletesebben

ADATBÁNYÁSZAT AZ AUTÓIPARI TERMÉKEK FEJLESZTÉSÉBEN

ADATBÁNYÁSZAT 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)

Részletesebben

Pozícióinformáció. Sikeres helyfüggő szolgáltatások mobilra

Pozícióinformáció. Sikeres helyfüggő szolgáltatások mobilra Distributed Systems A hely nem elég MTA SZTAKI Elosztott Rendszerek Osztály - Mátételki Péter matetelki@sztaki.hu Mihez nem elég a hely? Sikeres helyfüggő szolgáltatások mobilra Navigáció (hely + térkép

Részletesebben

Adatbányászati és gépi tanulási algoritmusok szoftver szenzorok fejlesztésére. Kulcsár Tibor

Adatbányászati és gépi tanulási algoritmusok szoftver szenzorok fejlesztésére. Kulcsár Tibor Doktori (PhD) értekezés tézisei Adatbányászati és gépi tanulási algoritmusok szoftver szenzorok fejlesztésére Kulcsár Tibor Pannon Egyetem Vegyészmérnöki- és Anyagtudományok Doktori Iskola Témavezet :

Részletesebben

2008 IV. 22. Internetes alkalmazások forgalmának mérése és osztályozása. Április 22.

2008 IV. 22. Internetes alkalmazások forgalmának mérése és osztályozása. Április 22. 2008 IV. 22. Internetes alkalmazások forgalmának mérése és osztályozása Az óra rövid vázlata Nemzetközi együttműködések áttekintése A CAIDA céljai A CAIDA főbb kutatási irányai 2007-2010 között Internet

Részletesebben

Publikációs lista. Gódor Győző. 2008. július 14. Cikk szerkesztett könyvben... 2. Külföldön megjelent idegen nyelvű folyóiratcikk...

Publikációs lista. Gódor Győző. 2008. július 14. Cikk szerkesztett könyvben... 2. Külföldön megjelent idegen nyelvű folyóiratcikk... Publikációs lista Gódor Győző 2008. július 14. Cikk szerkesztett könyvben... 2 Külföldön megjelent idegen nyelvű folyóiratcikk... 2 Nemzetközi konferencia-kiadványban megjelent idegen nyelvű előadások...

Részletesebben

III.5 KILOPROCESSZOROS RENDSZEREK LOGISZTIKAI ALKALMAZÁSA (SZOLGAY PÉTER)

III.5 KILOPROCESSZOROS RENDSZEREK LOGISZTIKAI ALKALMAZÁSA (SZOLGAY PÉTER) infokommunikációs technológiák III.5 KILOPROCESSZOROS RENDSZEREK LOGISZTIKAI ALKALMAZÁSA (SZOLGAY PÉTER) KILOPROCESSZOROS ARCHITEKTÚRÁK KUTATÁSA ÉS ALKALMAZÁSA Kutatási irányok: Stubendek Attila Nem Boole

Részletesebben

Elosztott rendszerek. Az elıadás. Az elosztott rendszer definíciója. Köztesrétegként felépülı elosztott rendszer

Elosztott rendszerek. Az elıadás. Az elosztott rendszer definíciója. Köztesrétegként felépülı elosztott rendszer 1. elıadás Az elıadás Elosztott ek 1. Bevezetés Tankönyv: Andrew S. Tanenbaum Maarten van Steen: Elosztott Rendszerek Alapelvek és Paradigmák http://people.inf.elte.hu/bonnie bonnie@inf.elte.hu Az elosztott

Részletesebben

Hálózatba kapcsolt erőforrás platformok és alkalmazásaik. Simon Csaba TMIT 2017

Hálózatba kapcsolt erőforrás platformok és alkalmazásaik. Simon Csaba TMIT 2017 Hálózatba kapcsolt erőforrás platformok és alkalmazásaik Simon Csaba TMIT 2017 Chord: A Scalable Peer-to-peer Lookup Service for Internet Applications Ion Stoica, Robert Morris, David Karger, M. Frans

Részletesebben

Markov-láncok stacionárius eloszlása

Markov-láncok stacionárius eloszlása Markov-láncok stacionárius eloszlása Adatbányászat és Keresés Csoport, MTA SZTAKI dms.sztaki.hu Kiss Tamás 2013. április 11. Tartalom Markov láncok definíciója, jellemzése Visszatérési idők Stacionárius

Részletesebben

Intelligens adatelemzés

Intelligens adatelemzés Antal Péter, Antos András, Horváth Gábor, Hullám Gábor, Kocsis Imre, Marx Péter, Millinghoffer András, Pataricza András, Salánki Ágnes Intelligens adatelemzés Szerkesztette: Antal Péter A jegyzetben az

Részletesebben

Copyright 2012, Oracle and/or its affiliates. All rights reserved.

Copyright 2012, Oracle and/or its affiliates. All rights reserved. 1 Oracle Felhő Alkalmazások: Gyorsabb eredmények alacsonyabb kockázattal Biber Attila Igazgató Alkalmazások Divízió 2 M I L L I Á RD 4 1 PERC MINDEN 5 PERCBŐL 5 6 Ember használ mobilt 7 FELHŐ SZOLGÁLTATÁS

Részletesebben

A k-szerver probléma

A k-szerver probléma Bevezetés A k-szerver probléma Imreh Csanád SZTE, Informatikai Tanszékcsoport 6720, Szeged, Árpád tér 2. Email: cimreh@inf.u-szeged.hu A gyakorlatban gyakran fordulnak elő olyan optimalizálási feladatok,

Részletesebben

Párhuzamos programozási platformok

Párhuzamos programozási platformok Párhuzamos programozási platformok Parallel számítógép részei Hardver Több processzor Több memória Kapcsolatot biztosító hálózat Rendszer szoftver Párhuzamos operációs rendszer Konkurenciát biztosító programozási

Részletesebben

NEURONHÁLÓK ÉS TANÍTÁSUK A BACKPROPAGATION ALGORITMUSSAL. A tananyag az EFOP pályázat támogatásával készült.

NEURONHÁLÓK ÉS TANÍTÁSUK A BACKPROPAGATION ALGORITMUSSAL. A tananyag az EFOP pályázat támogatásával készült. NEURONHÁLÓK ÉS TANÍTÁSUK A BACKPROPAGATION ALGORITMUSSAL A tananyag az EFOP-3.5.1-16-2017-00004 pályázat támogatásával készült. Neuron helyett neuronháló Neuron reprezentációs erejének növelése: építsünk

Részletesebben

Neurális hálózatok bemutató

Neurális 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.:

Részletesebben

Hidraulikus hálózatok robusztusságának növelése

Hidraulikus hálózatok robusztusságának növelése Dr. Dulovics Dezső Junior Szimpózium 2018. Hidraulikus hálózatok robusztusságának növelése Előadó: Huzsvár Tamás MSc. Képzés, II. évfolyam Témavezető: Wéber Richárd, Dr. Hős Csaba www.hds.bme.hu Az előadás

Részletesebben

IoT rendszerfelügyelet

IoT rendszerfelügyelet IoT rendszerfelügyelet Rózsa Gábor, NETvisor Zrt. Budapest, 2016. december 6. Tartalom Rendszerfelügyelet IoT környezetben Alapvető felügyeleti komponensek Felderítés Nyilvántartás Teljesítmény monitorozás

Részletesebben

AZ 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? 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

Részletesebben

III.6. MAP REDUCE ELVŰ ELOSZTOTT FELDOLGOZÁSI ALGORITMUSOK ÉS TESZTKÖRNYEZET KIDOLGOZÁSA ADATBÁNYÁSZATI FELADATOK VÉGREHAJTÁSÁHOZ

III.6. MAP REDUCE ELVŰ ELOSZTOTT FELDOLGOZÁSI ALGORITMUSOK ÉS TESZTKÖRNYEZET KIDOLGOZÁSA ADATBÁNYÁSZATI FELADATOK VÉGREHAJTÁSÁHOZ infokommunikációs technológiák III.6. MAP REDUCE ELVŰ ELOSZTOTT FELDOLGOZÁSI ALGORITMUSOK ÉS TESZTKÖRNYEZET KIDOLGOZÁSA ADATBÁNYÁSZATI FELADATOK VÉGREHAJTÁSÁHOZ KECSKEMÉTI ANNA KUN JEROMOS KÜRT Zrt. KUTATÁSI

Részletesebben

webalkalmazások fejlesztése elosztott alapon

webalkalmazások fejlesztése elosztott alapon 1 Nagy teljesítményű és magas rendelkezésreállású webalkalmazások fejlesztése elosztott alapon Nagy Péter Termékmenedzser Agenda Java alkalmazás grid Coherence Topológiák Architektúrák

Részletesebben

Konszolidáció és költségcsökkentés a gyakorlatban. Az Országos Tisztifőorvosi Hivatal Oracle adatbázis konszolidációja

Konszolidáció és költségcsökkentés a gyakorlatban. Az Országos Tisztifőorvosi Hivatal Oracle adatbázis konszolidációja Konszolidáció és költségcsökkentés a gyakorlatban Az Országos Tisztifőorvosi Hivatal Oracle adatbázis konszolidációja Az Xperteam Zrt. Szolgáltatásaink Oracle termékekkel kapcsolatos kiemelkedő szakismeret:

Részletesebben

Hálózati architektúrák és Protokollok GI 7. Kocsis Gergely

Hálózati architektúrák és Protokollok GI 7. Kocsis Gergely Hálózati architektúrák és Protokollok GI 7 Kocsis Gergely 2017.05.08. Knoppix alapok Virtuális gép létrehozása VirtualBox-ban (hálózatelérés: bridge módban) Rendszerindítás DVD-ről vagy ISO állományból

Részletesebben

Párhuzamos és Grid rendszerek

Párhuzamos és Grid rendszerek Párhuzamos és Grid rendszerek (12. ea) Cloud computing Szeberényi Imre BME IIT M Ű E G Y E T E M 1 7 8 2 2013.04.29. - 1 - Újabb buzzword? Metacomputing Utility computing Grid computing

Részletesebben

R3-COP. Resilient Reasoning Robotic Co-operating Systems. Autonóm rendszerek tesztelése egy EU-s projektben

R3-COP. Resilient Reasoning Robotic Co-operating Systems. Autonóm rendszerek tesztelése egy EU-s projektben ARTEMIS Joint Undertaking The public private partnership in embedded systems R3-COP Resilient Reasoning Robotic Co-operating Systems Autonóm rendszerek tesztelése egy EU-s projektben Micskei Zoltán Budapesti

Részletesebben

Autópálya forgalomszabályozás felhajtókorlátozás és változtatható sebességkorlátozás összehangolásával és fejlesztési lehetőségei

Autópálya forgalomszabályozás felhajtókorlátozás és változtatható sebességkorlátozás összehangolásával és fejlesztési lehetőségei Autópálya forgalomszabályozás felhajtókorlátozás és változtatható sebességkorlátozás összehangolásával és fejlesztési lehetőségei Tettamanti Tamás, Varga István, Bokor József BME Közlekedésautomatikai

Részletesebben

A TANTÁRGY ADATLAPJA

A TANTÁRGY ADATLAPJA A TANTÁRGY ADATLAPJA 1. A képzési program adatai 1.1 Felsőoktatási intézmény Babeș-Bolyai Tudományegyetem 1.2 Kar Matematika és Informatika 1.3 Intézet Magyar Matematika és Informatika 1.4 Szakterület

Részletesebben