Takács Gábor mérnök informatikus, okl. mérnöktanár
|
|
- Ernő Tóth
- 5 évvel ezelőtt
- Látták:
Átírás
1 Takács Gábor mérnök informatikus, okl. mérnöktanár
2 Big Data Definition Big Data is data that can t be stored or analyzed using traditional tools.
3 Információ tartalom, adat strukturáltság Az analitika miként emeli az adatok értékét? elemzési számosság
4 Számítástechnika új korszaka (párhuzamosítás) Első mérföldkő a kognitív technológiának 15th February 2014 IBM Labs: - neuron áramkörös chip - ultra-gyors, energiahatékony analóg-digitális átalakító (ADC) - új technológiai áttörés - lehetővé teszi a 400 Gb / s adatátviteli sebességet
5 Tévhitek, mitológiák Nagy adatmennyiségről van szó! A Big Data, az a Hadoop környezet. A most meglévő relációs adatbázisok Big Data Technológiával kiválthatók NoSQL jelenti, hogy soha többé nincsen szükség SQL adatbáziskora A BigData nem struklturált adatokat, és Sentiment analysis jelent Strukturáltság tervezési időben nem ismert Streaming feldolgozás, text analytika Adattárháznál megvannak a klasszikus indexelési technológiák NoJustSQL, tehát más adatbázis is jelen van Gyakran, és a legtöbbet használt területe a pozitív-negatív érzelemvizsgálat, de a magyar nyelv miatt ez sem egyszerű Érzelmek gépi keresése: szív, izzadás, EKG, agyhullám Baba rabok példa
6 Dolgok internete Adatok tárolás nélküli, valós idejű feldolgozása
7 IBM Watson (Mindent vagy semmit) Természetes nyelvi elemzés után tétel bizonyítás alapú válaszkeresés. Viszonyító algoritmus : Szabályrendszer adatbázis összefüggés feltárás hipotézis Ami mögötte van: Hadoop technológia + PC klaster
8 Orvosi panasz elemzés, ügyfél szokások, IP Tv, gyártási adatok optimalizálásra, Adatgyűjtés: BMW, AUDI, WV
9 Képfelismerés, videóanalytika
10 Biztonsági rendszerek felokosítása, valós idejű elemzés
11 Alakfelismerés Kontúr detektálés Konkrét alakfelismerés Objektum arányok összehasonlítása
12 Jósló (predictive) analitika egy egészségügyi intézménynél Szélső érték esetén riasszon a rendszer. A kérdés, a riasztások sűrűsége.
13 Mi a különbség a klasszikus adattárházi technológiai keresés, és a BIG DATA analitikai technológia között? Az üzleti intelligencia rendszerek megteremtésének alapfeltétele, hogy az információk és felhasználható tudások előállításához szükséges adatok a megfelelő formában, a megfelelő időben és megfelelő minőségben rendelkezésre álljanak.
14 F1 csapat, és más pilóták Vélemény vezérek megkeresése
15
16 A két technológia akár egymást kiegészítheti
17 BIG DATA mögötti adatbázisok Objektumorientált adatbázis-kezelő Objektumkénti gráfok tárolása (Térképek, navigáció)
18 (Beépített DB)
19 Piaci részesedések
20 Hadoop klaszter
21 Hadoop jelentése Adatok számítógépeken szétosztva Nem csak adattárolásra jó, hanem keretrendszert ad Hadoop környezetben az algoritmust tesszük az adatok mellé. A programok a klaszter minden NODE-jára települhet. MŰKÖDÉS: 1. Program meghívásakor elősször a NODE-ok között történik egy feladatkiosztás 2. Algoritmusok kiválasztása 3. Adatok összevonása
22 Miből is áll egy ilyen enterprise platform? Adat vizualizációs réteg Elemző eszközök SPSS, R nyelv BI-hoz Optimalizált menedzsmenti réteg. Script nyelvek. Futtató környezet BD_szint opensource Fájlrendszer
23 Merre tart a Hadoop környezet? Relációs adatbázisokra is legyen elérhető Hadoop környezet Sok relációs adatbázisra épülő alkalmazás fut, amit ki kell használni. Tranzakció kezelés javítása.
24 Jó, jó, de hol az exceltáblám? Amikor elkészül a diagram, akkor csak egy kivonatot látunk az adatokból. A teljes adatbázisra, csak a diagram összeállítás végén fut le teljesen.
25 Adatok feldolgozásának összefüggései
26 Adatfolyam feldolgozás (streaming feldolgozás) Nehézkes szinkronizáció (megfelelő feldolgozás kiválasztása) Más fejlesztői logika szükséges a csőszerű feldolgozás miatt Az adategység indítja el a feldolgozást. Négyzet: adategység (Pl.: twitter üzenet) gömb: feldolgozóegység
27 Hibatűrő rendszer
28 Vállalaton belüli Google Több rendszerből gyűjtött adatok
29 Miből is áll egy ilyen BIG Data keretrendszer az IBM szemszögéből? Hadoop környezet adatok tárolására Adatforrás 1: Adatforrás 2: Adattárházak, célgépek
30 Hogyan épül fel az IBM platformja Pl: mi van a hűtőben Végfelhasználói megoldások Elemző réteg Adatkritikus megoldások
31 Karácsonyi ajándékötletek az IBM Big Datájától forrás:
32 Képzés ajánlás
33 Köszönöm a figyelmet!
Component 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
RészletesebbenBig Data adattárházas szemmel. Arató Bence ügyvezető, BI Consulting
Big Data adattárházas szemmel Arató Bence ügyvezető, BI Consulting 1 Bemutatkozás 15 éves szakmai tapasztalat az üzleti intelligencia és adattárházak területén A BI Consulting szakmai igazgatója A BI.hu
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
Részletesebben30 MB INFORMATIKAI PROJEKTELLENŐR
INFORMATIKAI PROJEKTELLENŐR 30 MB DOMBORA SÁNDOR BEVEZETÉS (INFORMATIKA, INFORMATIAKI FÜGGŐSÉG, INFORMATIKAI PROJEKTEK, MÉRNÖKI ÉS INFORMATIKAI FELADATOK TALÁKOZÁSA, TECHNOLÓGIÁK) 2016. 09. 17. MMK- Informatikai
RészletesebbenBig Data: a több adatnál is több
Big Data: a több adatnál is több Sidló Csaba István MTA Számítástechnikai és Automatizálási Kutatóintézet Üzleti Intelligencia és Adattárházak Csoport sidlo@sztaki.mta.hu http://dms.sztaki.hu CIO Hungary
RészletesebbenIoT szolgáltatások fejlesztése - SensorHUB
IoT szolgáltatások fejlesztése - SensorHUB Érzékelés Feldolgozás Beavatkozás Lengyel László lengyel@aut.bme.hu Aktuális helyzet, körülmények A szenzorok, a mobil eszközök képessége nő A felhőszolgáltatások
RészletesebbenMMK-Informatikai projekt ellenőr képzés 4
Miről lesz szó Big Data definíció Mi a Hadoop Hadoop működése, elemei Köré épülő technológiák Disztribúciók, Big Data a felhőben Miért, hol és hogyan használják Big Data definíció Miért Big a Data? 2017.
RészletesebbenA Jövő Internet Nemzeti Kutatási Program bemutatása
A Jövő Internet Nemzeti Kutatási Program bemutatása Dr. Bakonyi Péter és Dr. Sallai Gyula Jövő Internet Kutatáskoordinációs Központ Budapesti Műszaki és Gazdaságtudományi Egyetem Budapest, 2013. június
RészletesebbenInfor PM10 Üzleti intelligencia megoldás
Infor PM10 Üzleti intelligencia megoldás Infor Üzleti intelligencia (Teljesítmény menedzsment) Web Scorecard & Műszerfal Excel Email riasztás Riportok Irányít Összehangol Ellenőriz Stratégia Stratégia
RészletesebbenA szak specializációi
A szak specializációi Specializációk A specializációválasztás során a hallgatónak preferenciasorrendet kell megjelölnie, legalább két specializáció megadásával. A specializációkra történő besorolás a hallgatók
RészletesebbenGENERÁCIÓS ADATBÁZISOK A BIG DATA KÜLÖNBÖZŐ TERÜLETEIN
INFORMATIKAI PROJEKTELLENŐR 30 MB Szabó Csenger ÚJ GENERÁCIÓS ADATBÁZISOK A BIG DATA KÜLÖNBÖZŐ TERÜLETEIN 2016. 12. 31. MMK- Informatikai projektellenőr képzés Big Data definíció 2016. 12. 31. MMK-Informatikai
RészletesebbenFekete Csaba Csongor Üzleti intelligencia vezető Citibank ZRt.
Fekete Csaba Csongor Üzleti intelligencia vezető Citibank ZRt. Tartalom BI mérföld kövek Kezdeti architektúra és kontextus Lokális Adattárház Kialakítása CRM Evolúció Üzleti Intelligencia kiaknázó eszközök
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
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,
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
RészletesebbenMicrosoft SQL Server telepítése
Microsoft SQL Server telepítése Az SQL Server a Microsoft adatbázis kiszolgáló megoldása Windows operációs rendszerekre. Az SQL Server 1.0 verziója 1989-ben jelent meg, amelyet tizenegy további verzió
RészletesebbenInnovatív trendek a BI területén
Innovatív trendek a BI területén 1 Technológiai trendek 3 BI-TREK kutatás Felmérés az üzleti intelligencia hazai alkalmazási trendjeiről Milyen BI szoftvereket használnak a hazai vállalatok? Milyen üzleti
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
RészletesebbenIKT megoldások az ipar szolgálatában
IKT megoldások az ipar szolgálatában Charaf Hassan, egyetemi tanár, tanszékvezető 1 IKT Trendek A mobileszközök és szenzorok erősödése A felhőszolgáltatások elterjedése Hálózati megoldások robusztussága
RészletesebbenTRBOnet Térinformatikai terminál és diszpécseri konzol
TRBOnet Térinformatikai terminál és diszpécseri konzol A TRBOnet egy kliens szerver diszpécser szoftver MOTOTRBO rádiók száméra. A TRBOnet szoftver jól alkalmazható a MOTOTRBO rádiós rendszereknél. A szoftver
RészletesebbenIrányító és kommunikációs rendszerek III. Előadás 13
Irányító és kommunikációs rendszerek III. Előadás 13 GSM-R Flottamenedzsment Mobil fizetési lehetőségek Parkolási díj Útdíj A GSM közlekedési felhasználása Valós idejű információs szolgáltatás Közlekedési
RészletesebbenMultimédiás adatbázisok
Multimédiás adatbázisok Multimédiás adatbázis kezelő Olyan adatbázis kezelő, mely támogatja multimédiás adatok (dokumentum, kép, hang, videó) tárolását, módosítását és visszakeresését Minimális elvárás
RészletesebbenVersenyelőnyszerzés az intelligens megoldások korában. Rehus Péter, SWG CEE, IS brand igazgató November 5.
Versenyelőnyszerzés az intelligens megoldások korában Rehus Péter, SWG CEE, IS brand igazgató 2013. November 5. Az új korszak átformálja a üzleti folyamatokat Big Data, közösség, mobil és felhőalapú e-business
RészletesebbenRendszermodernizációs lehetőségek a HANA-val Poszeidon. Groma István PhD SDA DMS Zrt.
Rendszermodernizációs lehetőségek a HANA-val Poszeidon Groma István PhD SDA DMS Zrt. Poszeidon EKEIDR Tanúsított ügyviteli rendszer (3/2018. (II. 21.) BM rendelet). Munkafolyamat támogatás. Papírmentes
RészletesebbenDigiTerra fejlesztési eredmények
DigiTerra fejlesztési eredmények Nyugat-Magyarországi Egyetem Geoinformatikai Főiskolai Kar 2004. március 18. Előadó: Nyull Balázs DigiTerra Kft. DigiTerra Informatikai Szolgáltató Kft. Tevékenységek Erdészeti
RészletesebbenBIG DATA ÉS GÉPI TANULÁS KÖRNYEZET AZ MTA CLOUD-ON KACSUK PÉTER, NAGY ENIKŐ, PINTYE ISTVÁN, HAJNAL ÁKOS, LOVAS RÓBERT
BIG DATA ÉS GÉPI TANULÁS KÖRNYEZET AZ MTA CLOUD-ON KACSUK PÉTER, NAGY ENIKŐ, PINTYE ISTVÁN, HAJNAL ÁKOS, LOVAS RÓBERT TARTALOM MTA Cloud Big Data és gépi tanulást támogató szoftver eszközök Apache Spark
RészletesebbenÖn a megfelelő mennyiségű és minőségű információk alapján hozza meg döntéseit? Stratis Kft. / Autonomy üzleti reggeli / 2014.10.16.
Ön a megfelelő mennyiségű és minőségű információk alapján hozza meg döntéseit? Stratis Kft. / Autonomy üzleti reggeli / 2014.10.16. Tracsek Ferenc igazgató Alapvető változások kora Az IT iparágban alapvető
RészletesebbenVan-e ingyen-ebéd? Avagy mire elég a nyílt forráskodú Pentaho? Fekszi Csaba Ügyvezető 2012. október 4.
Van-e ingyen-ebéd? Avagy mire elég a nyílt forráskodú Pentaho? Fekszi Csaba Ügyvezető 2012. október 4. Omnit Solutions 2007 óta a piacon BI & adattárház tanácsadás 20 fős csapat Oracle, IBM és Pentaho
RészletesebbenTartalom. Jó hogy jön Jucika, maga biztosan emlékszik még, hányadik oldalon van a Leszállás ködben.
Tartalom Jó hogy jön Jucika, maga biztosan emlékszik még, hányadik oldalon van a Leszállás ködben. Előszó 1. Az adatbányászatról általában 19 1.1. Miért adatbányászat? 21 1.2. Technológia a rejtett információk
RészletesebbenGeoinformatikai rendszerek
Geoinformatikai rendszerek Térinfomatika Földrajzi információs rendszerek (F.I.R. G.I.S.) Térinformatika 1. a térinformatika a térbeli információk elméletével és feldolgozásuk gyakorlati kérdéseivel foglalkozó
RészletesebbenOracle SQL Developer Data Modeler és a DW adatmodellezés. Gollnhofer Gábor Meta Consulting Kft.
Oracle SQL Developer Data Modeler és a DW adatmodellezés Gollnhofer Gábor Meta Consulting Kft. Oracle Information Management & Big Data Reference Architecture 2 Mi a NoSQL modellezés célja? Forrás: Insights
RészletesebbenHogyan növelje kritikus üzleti alkalmazásainak teljesítményét?
Hogyan növelje kritikus üzleti alkalmazásainak teljesítményét? Alkalmazás archiválás EMC Forum 2013 Sepsy Zoltán Mindennapi alkalmazásaink Folyamatos változás az alkalmazás technológiákban. Kiterjedt
RészletesebbenAdattárház és BigData Szimbiózisa. Baranyi Szabolcs IM Technical Sales
Adattárház és BigData Szimbiózisa Baranyi Szabolcs IM Technical Sales Szabolcs.baranyi@hu.ibm.com BigData adatforrásai Adattárház kiterjesztés igénye BigData és adattárház integrációja a hatékonyság növelésére
RészletesebbenValós idejű megoldások: Realtime ODS és Database In-Memory tapasztalatok
Valós idejű megoldások: Realtime ODS és Database In-Memory tapasztalatok Pusztai Péter IT fejlesztési senior menedzser Magyar Telekom Sef Dániel Szenior IT tanácsadó T-Systems Magyarország 2016. április
RészletesebbenGráfok mindenhol. x $ SZENDI-VARGA JÁNOS IOT SOCIAL NETWORKS FRAUD DETECTION MASTER DATA MANAGEMENT RECOMMENDATION ENGINES. Internet of Things
8 b $! [ IOT RECOMMENDATION ENGINES 5 K Internet of Things a " > Gráfok mindenhol Facebook, Twitter, Google+ x $ S SOCIAL NETWORKS 9 SZENDI-VARGA JÁNOS K K # MASTER DATA MANAGEMENT Z FRAUD DETECTION Graph
RészletesebbenAz Internet jövője Nemzetközi és hazai kitekintés
Az Internet jövője Nemzetközi és hazai kitekintés Dr. Bakonyi Péter Budapesti Műszaki és Gazdaságtudományi Egyetem Jövő Internet Nemzeti Technológiai Platform Nemzetközi kitekintés q Az elmúlt 30 évben
RészletesebbenA Trimble térinformatikai GPS eszközei
Bemutatkozik az új a Kerti s logo A Trimble térinformatikai GPS eszközei Bence termékmenedzser Kerti s Kft. Eszközök csoportosítása Két fõ csoport: Felhasználói szempontok szerint: teljesítmény kényelem
RészletesebbenWaberer s BI a BO-n túl. WABERER S INTERNATIONAL Nyrt. Szatmári Johanna, Tobak Tamás
Waberer s BI a BO-n túl WABERER S INTERNATIONAL Nyrt. Szatmári Johanna, Tobak Tamás 2018.09.10 Tartalom Kik vagyunk a Waberer s számokban Digitális transzformáció a Waberer s-nél Üzleti igények és kihívások
RészletesebbenMobil Üzleti Intelligencia
Mobil Üzleti Intelligencia Forradalom az üzleti intelligenciában Kiss Péter BiXPERT Kft. A Mobil Internet nagyságrendekkel nagyobb hatással lesz a felhasználókra mint a Desktop Internet Mindig Információ
RészletesebbenIBM Software Group Archiválási technológiák - tartalomkezelés Kovács László Az információ kezelésének evolúciója Struktúrált adatok kezelése '60s Alkalmazások '70s Adatbázisok alkalmazásokra optimalizálva
RészletesebbenTöbbfelhasználós és internetes térkép kezelés, megjelenítés
Többfelhasználós és internetes térkép kezelés, megjelenítés Többfelhasználós környezetek Egyszerű fájlszerveres megoldás, LAN (Novel, Windows hálózat) Egy fájl egyidejű módosítása több helyről nem lehetséges
RészletesebbenÜZLETI I TELLIGE CIA - VIZUALIZÁCIÓ
Budapest Műszaki és Gazdaságtudományi Egyetem Méréstechnika és Információs Rendszerek Tanszék ÜZLETI I TELLIGE CIA - VIZUALIZÁCIÓ Elméleti segédanyag Készítette: Kovács Dániel László 2007. november Tartalomjegyzék
RészletesebbenVirtuális 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
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
RészletesebbenBig Data. Benczúr András Big Data Lendület kutatócsoport MTA SZTAKI, Informatika Laboratórium Benczúr András
Big Data Benczúr András Big Data Lendület kutatócsoport MTA SZTAKI, Informatika Laboratórium Benczúr András benczur@sztaki.mta.hu http://datamining.sztaki.hu Big Data @ SZTAKI 2014. Október 17. Big Data:
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
RészletesebbenSlamovits Tibor Államigazgatásiüzletág-vezető EMC Magyarország
Slamovits Tibor Államigazgatásiüzletág-vezető EMC Magyarország Email: tibor.slamovits@emc.com T: +36-30-588-7040 Copyright 2010 EMC Corporation. All rights reserved. 1 Kormányzati célok: - Szolgáltató
RészletesebbenKüldemény kézbesítés térinformatikai támogatása az OTP-ben. 2015.03.24 Tóth Zoltán (OTP), Kocsis István (Oracle)
Küldemény kézbesítés térinformatikai támogatása az OTP-ben 2015.03.24 Tóth Zoltán (OTP), Kocsis István (Oracle) Előzmények OTP Bank Piacvezető bank Magyarországon Több mint 4 millió ügyfél Kb. 50 millió
RészletesebbenFelhők 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
RészletesebbenAZ SZTNH SZEREPE A HAZAI INNOVÁCIÓ-, ÉS GAZDASÁGFEJLESZTÉSBEN. Pomázi Gyula
AZ SZTNH SZEREPE A HAZAI INNOVÁCIÓ-, ÉS GAZDASÁGFEJLESZTÉSBEN Pomázi Gyula 2019.06.20. 2 Szakpolitikai és fejlesztéspolitikai paradigma váltás 3 A gazdaság versenyképességének további fokozása mögötti
RészletesebbenAlternatív zártláncú tartalomtovábbítás értékesítőhelyek számára
Alternatív zártláncú tartalomtovábbítás értékesítőhelyek számára António Felizardo Hungaro DigiTel Kft. 2015. okt. 8. Igény Kapacitás - Adatforgalom Alkalmazások Felhasználó Hálózat Egyik a másikat gerjeszti,
RészletesebbenVvAaLlÓóSs IiıDdEeJjȷŰű OoDdSs goldengate alapokon a magyar telekomban
VvAaLlÓóSs IiıDdEeJjȷŰű OoDdSs goldengate alapokon a magyar telekomban Pusztai Péter IT fejlesztési senior menedzser Magyar Telekom Medveczki György szenior IT architekt T-Systems Magyarország 2014. március
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
RészletesebbenMŰSZAKI ÉS GAZDASÁGTUDOMÁNYI EGYETEM KÖZLEKEDÉSMÉRNÖKI ÉS JÁRMŰMÉRNÖKI KAR
KÖZÚTI ADATBÁZISOK ÉS ADAT-NYILVÁNTARTÓ RENDSZEREK Lakatos András Tartalom Bevezetés Közútra vonatkozó adatgyűjtési rendszerek története Adatbázisok, adatgyűjtési rendszerek napjainkban Adatok hasznosítása
RészletesebbenMultifunkcionális, multimédia elemeket tartalmazó mobil elérésű távoktatási tananyag összeállítása és tesztelése
Multifunkcionális, multimédia elemeket tartalmazó mobil elérésű távoktatási tananyag összeállítása és tesztelése Busznyák János bjs@georgikon.hu Veszprémi Egyetem, Georgikon, Mezőgazdaságtudományi Kar,
RészletesebbenLEAN 4.0 azaz hogyan tudja a Lean menedzsment az Ipar 4.0-át támogatni és lehetőségeit kiaknázni.
XXV. NEMZETI MINŐSÉGÜGYI KONFERENCIA LEAN 4.0 azaz hogyan tudja a Lean menedzsment az Ipar 4.0-át támogatni és lehetőségeit kiaknázni. Dr. Németh Balázs Kvalikon Kft. 2018. Szeptember 14. Termelő vállalat
RészletesebbenAdatbázis-kezelő rendszerek. dr. Siki Zoltán
Adatbázis-kezelő rendszerek I. dr. Siki Zoltán Adatbázis fogalma adatok valamely célszerűen rendezett, szisztéma szerinti tárolása Az informatika elterjedése előtt is számos adatbázis létezett pl. Vállalati
RészletesebbenEnterprise extended Output Management. exom - Greendoc Systems Kft. 1
Enterprise extended Output Management exom - Greendoc Systems Kft. 1 exom - Greendoc Systems Kft. 2 Sokféle bementi adatformátum kezelése Adatok fogadása különböző csatornákon Előfeldolgozás: típus meghatározás,
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
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
RészletesebbenSikerünk kulcsa: az információ De honnan lesz adatunk? Palaczk Péter
Sikerünk kulcsa: az információ De honnan lesz adatunk? Palaczk Péter Bevezető az Oracle9i adattárházas újdonságaihoz Elemzési és vezetői információs igények 80:20 az adatgyűjtés javára! Adattárházak kínálta
RészletesebbenHálózati elemzések az üzleti életben. Kovács Gyula Sixtep Kft.
Hálózati elemzések az üzleti életben Kovács Gyula Sixtep Kft. Hálózat kutatás rövid ismertetése Königsbergi hidak problémája Háttér: A probléma története, hogy a poroszországi Königsberg (most Kalinyingrád,
RészletesebbenMerre megy a könyvvizsgálat a digitalizáció korában?
Merre megy a könyvvizsgálat a digitalizáció korában? XXVI. Országos Könyvvizsgálói Konferencia 2018. szeptember 6. Halmosi Gábor, FCCA kamarai tag könyvvizsgáló Napirend A digitalizáció hatása napjainkra
RészletesebbenMTA Cloud Use cases MTA Cloud workshop. Hernáth Szabolcs MTA WIGNER FK
MTA Cloud Use cases MTA Cloud workshop Hernáth Szabolcs MTA WIGNER FK IT felhasználás dimenziói Felhasználók száma / jellege Kapacitás mérete / jellege Számítási feladat / szoftverkörnyezet Adatok mérete
RészletesebbenFejlesztés, működtetés, felügyelet Hatékony infrastruktúra IBM szoftverekkel
IBM Software Group Fejlesztés, működtetés, felügyelet Hatékony infrastruktúra IBM szoftverekkel Rehus Péter Szoftver üzletág igazgató 2005. február 2. 2003 IBM Corporation On demand igény szerinti működési
RészletesebbenÚj kompakt X20 vezérlő integrált I/O pontokkal
Új kompakt X20 vezérlő integrált I/O pontokkal Integrált flash 4GB belső 16 kb nem felejtő RAM B&R tovább bővíti a nagy sikerű X20 vezérlő családot, egy kompakt vezérlővel, mely integrált be és kimeneti
RészletesebbenALKALMAZÁS KERETRENDSZER
JUDO ALKALMAZÁS KERETRENDSZER 2014 1 FELHASZNÁLÓK A cégvezetők többsége a dobozos termékek bevezetésével összehasonlítva az egyedi informatikai alkalmazások kialakítását költséges és időigényes beruházásnak
RészletesebbenPetőfi Irodalmi Múzeum. megújuló rendszere technológiaváltás
Petőfi Irodalmi Múzeum A Digitális Irodalmi Akadémia megújuló rendszere technológiaváltás II. Partnerek, feladatok Petőfi Irodalmi Múzeum Megrendelő, szakmai vezetés, kontroll Konzorcium MTA SZTAKI Internet
Részletesebbenhagyományos médiaperformancia és e-kereskedelem mit tanulhat az egyik a másiktól Nagy Barnabás Magyar Telekom
hagyományos médiaperformancia és e-kereskedelem mit tanulhat az egyik a másiktól Nagy Barnabás Magyar Telekom Most A klasszikus hirdetésekben, kampányolásban már nincsenek nagy lehetőségek Elértük a maximumot
RészletesebbenWebCenter. Online jóváhagyás és együttműködés. Gönczi Zsolt 2011. Október 27-28.
WebCenter Online jóváhagyás és együttműködés Gönczi Zsolt 2011. Október 27-28. Egy termék piaci bevezetésének kihívásai Alkalmazkodni kell az felek időbeosztásához A felek alkalomadtán földrajzilag távol
RészletesebbenVáltozások előtt hol áll a banki (adat)elemzés? Nándorfi György
Változások előtt hol áll a banki (adat)elemzés? Nándorfi György Budapest Bank 1987-ben jött létre az egyik legelső hazai kereskedelmi bankként A 8 hazai nagybank egyike Tulajdonosi háttér: 1995-től 2015-ig
RészletesebbenGIS adatgyűjtés zseb PC-vel
GIS adatgyűjtés zseb PC-vel Mit jelent a midas GIS kifejezés? Mapping Information Data Acquisition System Térképi Információ- és Adat Gyűjtő Rendszer Terepi adatgyűjtés a felhasználó által definiált adatbázisban.
RészletesebbenCsalásfelderítés és előrejelzési megoldás. 2014. május 20.
Csalásfelderítés és előrejelzési megoldás Szász Viktor IBM BA Technical Presales 2014. május 20. A kockázat besorolás egy folyamatos egyensúlyozás... Az Üzleti Analitika segít az egyes célok hatékonyságának
RészletesebbenWebanalitika a mindennapokban
Webanalitika a mindennapokban NEEK konferencia 2015.02.19. www.gemius.hu Rólunk A Gemius világszerte Piaci igények széleskörű ismerete Nemzetközi háttér, folyamatos fejlesztés Innovatív üzleti megoldások
RészletesebbenBeszerzések adatalapú vizsgálata a 21. században
Beszerzések adatalapú vizsgálata a 21. században Lajtai Péter ( Magyarország) Gergely Norbert (Clementine - Andego) datastream 2019 2019. május 14. Hogy kapcsolódik a az adatok világához? 1. Klasszikus
RészletesebbenTDK tájékoztató Gazdaságinformatika Intézeti Tanszék szeptember
TDK tájékoztató Gazdaságinformatika Intézeti Tanszék 2017. szeptember TDK témakörök és tanszéki kutatások, tájékoztató Tisztelt Hallgató, Tájékoztatjuk, hogy a meghirdetett témakörök csak tájékoztató jellegűek,
RészletesebbenÜgyfél- és címadatok feldolgozása Talenddel
Ügyfél- és címadatok feldolgozása Talenddel 2012.október 4. Dr. Miskolczi Mátyás, Kiss György A Stratisról röviden Jellemzők - Alapítva: 1998 - Tisztán magyar tulajdon - 50 tanácsadó - 140 ügyfél - 500+
RészletesebbenTermeléshatékonyság mérés Ipar 4.0 megoldásokkal a nyomdaiparban
PRESENTATION Termeléshatékonyság mérés Ipar 4.0 megoldásokkal a nyomdaiparban Kremzer, Péter ICCS Kft. kremzerp@iccs.hu Tartalomjegyzék Folyamatirányítás FIR nélkül Nyomdai sajátosságok Megrendelői igények
RészletesebbenÜzleti folyamatok rugalmasabb IT támogatása. Nick Gábor András 2009. szeptember 10.
Üzleti folyamatok rugalmasabb IT támogatása Nick Gábor András 2009. szeptember 10. A Generali-Providencia Magyarországon 1831: A Generali Magyarország első biztosítója 1946: Vállalatok államosítása 1989:
RészletesebbenKORMÁNYZATI SZEMÉLYÜGYI DÖNTÉSTÁMOGATÓ RENDSZER KÖFOP VEKOP 16
KORMÁNYZATI SZEMÉLYÜGYI DÖNTÉSTÁMOGATÓ RENDSZER KÖFOP 2.1.5 VEKOP 16 Előadó: Balogh Csaba dátum: 2018.01.26. BEVEZETÉS BEVEZETÉS Előzmények KÖZIGTAD Jellemző strukturális hibák Gyenge adatszolgáltatási
RészletesebbenInteraktív, grafikus környezet. Magasszintû alkalmazási nyelv (KAL) Integrált grafikus interface könyvtár. Intelligens kapcsolat más szoftverekkel
Készítette: Szabó Gábor, 1996 Az Az IntelliCorp IntelliCorp stratégiája: stratégiája: Kifinomult, Kifinomult, objektum-orientált objektum-orientált környezetet környezetet biztosít biztosít tervezéséhez,
RészletesebbenCLICK ON... Termékismertető
Termékismertető mobflow ER 1 Product Information V2 JAN 2005 3. OLDAL xflower alkalmazáscsomag új eleme Jelen dokumentum célja a Click On által fejlesztett xflower termékcsalád mobflower moduljának a rövid
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
RészletesebbenInformatikai projektellenőr szerepe/feladatai Informatika / Az informatika térhódítása Függőség az információtól / informatikától Információs
Bevezetés Projektellenőr szerepe és feladatai Informatika Informatikai függőség Informatikai projektek Mérnöki és informatikai feladatok találkozása technológiák 1 Tartalom Informatikai projektellenőr
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
RészletesebbenFelkészülés a 2020-as érettségire. Sisák Zoltán HTTP Alapítvány
Felkészülés a 2020-as érettségire Sisák Zoltán HTTP Alapítvány Érettségi követelmények - kerettantervek Szakmai kerettanterv 2016 Érettségi követelmények Szakmai kerettanterv 2018 Érettségi követelmények
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) (A képzés közös része, szakirányválasztás a 3. félév végén) Tárgykód Félév Tárgynév Tárgy
RészletesebbenEgyüttműködés, tudásmegosztás és feladatmenedzsment. avagy Microsoft eszközrendszer a vállalati folyamatok szolgálatában
Együttműködés, tudásmegosztás és feladatmenedzsment avagy Microsoft eszközrendszer a vállalati folyamatok szolgálatában Áttekintés Az EURO ONE fejlesztési üzletága Üzleti problémák megoldása SharePointtal
RészletesebbenBig Data tömeges adatelemzés gyorsan
MEDIANET 2015 Big Data tömeges adatelemzés gyorsan STADLER GELLÉRT Oracle Hungary Kft. gellert.stadler@oracle.com Kulcsszavak: big data, döntéstámogatás, hadoop, üzleti intelligencia Az utóbbi években
Részletesebbenalkalmazásfejlesztő környezete
A HunGrid infrastruktúra és alkalmazásfejlesztő környezete Gergely Sipos sipos@sztaki.hu MTA SZTAKI Hungarian Academy of Sciences www.lpds.sztaki.hu www.eu-egee.org egee EGEE-II INFSO-RI-031688 Tartalom
RészletesebbenA mobil offline adatgyűjtés evolúciója egy MOL példán keresztül
PREZENTÁCIÓ A mobil offline adatgyűjtés evolúciója egy MOL példán keresztül ÁRVA Tibor, MOL Nyrt. TORNYI Ákos, SCADA Kft.
Részletesebben2278-771061-Y02 2014. márci
A WD és a WD embléma a Western Digital Technologies, Inc. az Egyesült Államokban és más országokban bejegyzett védjegyei; Az absolutely, a WD Re, a WD Se, a WD Xe, a RAFF és a StableTrac a Western Digital
RészletesebbenMUMPS - a legfontosabb Adatbázis amiről (valószínűleg) soha nem hallott
MUMPS - a legfontosabb Adatbázis amiről (valószínűleg) soha nem hallott Publikálta William Vorhies 2016 január 28-án publikáció eredeti nyelven : http://www.datasciencecentral.com/profiles/blogs/mumps-themost-important-database-you-probably-never-heard-of
RészletesebbenProgramtervező informatikus BSc 2018, Szoftverfejlesztő specializáció ajánlott tantervi háló. Törzsanyag. Konzultáció Kredit
Programtervező informatikus BSc 2018, Szoftverfejlesztő specializáció ajánlott tantervi háló Törzsanyag IP-18SZGREG Számítógépes rendszerek 2 X 2 Gy 1 5 1 2+2+1 Informatika IP-18PROGEG Programozás 2 X
RészletesebbenAdatbázis rendszerek I
Normalizálás 1NF 2NF BCNF Adatbázis rendszerek I 20111201 1NF 2NF BCNF Ha BCNF 2NF A B B A 2NF BCNF 2NF részkulcsból indul ki FD létezik FD, amely nem jelölt kulcsból indul ki Jelölt kulcs olyan mezőcsoport
RészletesebbenDW/BI rendszerek kialakítása bevezetői szemszögből. Gollnhofer Gábor - Meta Consulting Kft.
DW/BI rendszerek kialakítása bevezetői szemszögből Gollnhofer Gábor - Meta Consulting Kft. Bemutatkozás Meta Consulting Kft. BI, DW és CRM rendszerek tervezése és kialakítása rendszerintegráció, egyedi
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
RészletesebbenDigitalizációs Kutatás Madar Norbert. A kutatást a megbízásából a készítette
Digitalizációs Kutatás 2018 Madar Norbert A kutatást a megbízásából a készítette HAGYOMÁNYOS / DIGITÁLIS A digitalizáció a hétköznapokban: milyen téren van jelen? HAGYOMÁNYOS DIGITÁLIS TÉRKÉP GPS ÚJSÁG,
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
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
Részletesebben