Hadoop Big Data & Analytiikka. SAS & Cloudera integraatio Live Demot: SAS Data Loader for Hadoop SAS VA SAS IMSTAT SAS HPA
|
|
- Eija Kahma
- 7 vuotta sitten
- Katselukertoja:
Transkriptio
1 Hadoop Big Data & Analytiikka SAS & Cloudera integraatio Live Demot: SAS Data Loader for Hadoop SAS VA SAS IMSTAT SAS HPA
2 Esittely Teemu Ojalehto Sr. Consultant BI, Big Data & Analytics TE: SAS VA? Hadoop? Big Data? IMSTAT + HPA?
3 Agenda Cloudera = Hadoop SAS Clouderassa Demoja: SAS Data Loader for Hadoop SAS VA SAS IMSTAT SAS HPA Yhteenveto
4
5 Miksi Cloudera (Hadoop)? Hajautettu data & laskenta Skaalautuva lineaarisesti tehoa lisää (vrt. kustannus) Vikasietoinen automaattinen toipuminen Open source
6 Hadoopin perustelua: data pullonkaulana Perinteisesti, data tallennetaan keskitettyyn paikkaan Data kopioidaan prosessorille laskentaan Toimii, kun dataa ei ole paljon
7 Hadoopin perustelua: data pullonkaulana Ei ratkea näin. Tarvitaan toinen lähestymistapa.
8 Hadoopin perustelua: data pullonkaulana Hadoop: Data hajautetaan tallennusvaiheessa Hadoop: Laskenta siellä missä data on
9 Kaupallinen Hadoop EDW Testatuin & levinnein. Kattavin. Isoja ympäristöjä maailmalla. 100% Open Source
10 Slave Master Slave Slave Slave
11 Cloudera Manager Hadoop Admin yhdessä paikassa Konfigurointi Monitorointi Käyttöliittymä moneen paikkaan Päivitys no downtime
12 SAS analytiikkatarjoama Clouderaan (osajoukko) SAS Data Loader for Hadoop Web-käyttöliittymä business käyttäjille SAS Visual Analytics Datan exploraatio Raportointiportaali In-Memory Analytics IMSTAT SAS Visual Statistic SAS VA:n viereen valmiita analytiikka metodeja SAS High-Performance Analytics (SAS Embedded Process )
13 SAS Data Loader for Hadoop
14 Demoa: SAS Data Loader for Hadoop Use case: business analyytikko haluaa dataa Clouderasta Self-service portaali Perus datan muokkaus ja exploraatioita Profile Data Join / Delete / Filtter Transform data Cleanse Data: Match koodit, yms. Datan lataaminen Clouderasta esim. SAS VA:han Big Dataan pääsee kiinni kaikki. Turvallisesti ja helposti. Myös muita datanlähteitä voidaan laittaa mukaan
15 SAS Data Loader for Hadoop Hyödyt: Kaikki pääsevät Big Dataan kiinni helposti Vrt. Hadoopin aloituskynnys IT-admin ei ole pullonkaula Prosessit: Datan lataus/muokkaus/korjaus... Data Quality
16 SAS analytiikkatarjoama Clouderaan (osajoukko) SAS Data Loader for Hadoop Web-käyttöliittymä business käyttäjille SAS Visual Analytics Datan exploraatio Raportointiportaali In-Memory Analytics IMSTAT SAS Visual Statistic SAS VA:n viereen valmiita analytiikkametodeja SAS High-Performance Analytics (SAS Embedded Process )
17
18 SAS Visual Analytics distributed vs. SAS Visual Analytics non-distributed
19 vs.
20 SAS VA distributed arkkitehtuuri SAS Visual Analytics Server kerros Perus SAS serverit: metadata, workspace, etc. Lisäksi: SAS LASR Analytics Server (Distributed LASR) SAS High-Performance Computing Management Console SAS High-Performance Deployment for Hadoop SAS High-Performance Node Installation SAS LASR Analytic Server ajetaan monella koneella (n kpl) Datanoodeilla taulut ladataan muistiin. Kapasiteetin lisäys. SAS Visual Analytics middle tier VA Analytics Hub eli www-käyttöliittymä Co-located storage Cloudera Hadoop. Myös muita.
21 SAS VA distributed arkkitehtuuri SAS LASR Analytics Server (Distributed LASR) Useita servereitä, näyttää yhdeltä. (MPI) Laskentaklusteri jossa useita koneita (HPA) Root node. Jakaa datan & laskennan ja koordinoi prosessia (vrt. Hadoop master node) Worker node Data muistissa. Laskenta täällä. (vrt Hadoop slave node) HPA ja co-located Hadoop. Samoilla koneilla HPA & Hadoop, samoissa rooleissa.
22 SAS VA distributed arkkitehtuuri Co-located Hadoop Demoklusteri. Levyt + CPU + verkko
23 Demoa: SAS VA dist ja HPA Use case: raakadata SAS VA:n muistiin HPA:ta käyttäen CVS-filet HDFS:ssä Luetaan ensiksi sashdat muotoon hpds2 käyttäen Tutkitaan latausta SAS VA resource monitor? Ladataan sashdat suoraan muistiin. Mitä opitaan? Käytetään tauluja SAS VA:ssa.
24 PROC IMSTAT Muistissa olevien taulujen hyödyntäminen ja manipulointi IMSTAT Muistissa olevien taulujen hallinnointi ja muokkaus Muistissa oleville tauluille analytiikkaa RAM vs. levy IO. ~3000 nopeampi Saumattomasti SAS VA:n kanssa.
25 PROC IMSTAT Muistissa olevien taulujen hyödyntäminen ja manipulointi Analytiikkaa voi tehdä hyvin monipuolisesti Statements: AGGREGATE, ARM, ASSESS, BOXPLOT, CLUSTER, CORR, CROSSTAB,DECISIONTREE, DISTINCT, FORECAST, FREQUENCY, GENMODEL, GLM, GROUPBY, HISTOGRAM, HYPERGROUP, KDE, LOGISTIC, MDSUMMARY, NEURAL, PERCENTILE, RANDOMWOODS, REGCORR, SUMMARY, TEXTPARSE, TOPK, TRANSFORM SAS In-Memory Statistics Merkittävä hyöty VA distributed ympäristöstä Laskentaklusteri!
26
27 PROC IMSTAT (demo) Muistissa olevien taulujen manipulointia (+LASR server admin) Taulun partitiointi Temp-taulut, luonti+talletus Taulun rebalansointi Taulun rivien deletointi ja kirjoitus HDFS (demo) Esimerkki käyttötapaus Iso taulu koko ajan muistissa, 24h data Kerran tunnissa lisätään kuluneen tunnin data Poistetaan viimeisin tunti ja arkistoidaan se HDFS:ään
28 SAS analytiikkatarjoama Clouderaan (osajoukko) SAS Data Loader for Hadoop Web-käyttöliittymä business käyttäjille SAS Visual Analytics Datan exploraatio Raportointiportaali In-Memory Analytics IMSTAT SAS Visual Statistic SAS VA:n viereen valmiita analytiikka metodeja SAS High-Performance Analytics (SAS Embedded Process )
29 SAS High-Performance Analytics SAS High- Performance Statistics SAS High- Performance Econometrics SAS High- Performance Optimization SAS High- Performance Data Mining 1 SAS High- Performance Text Mining SAS High- Performance Forecasting HPLOGISTIC HPREG HPLMIXED HPNLMOD HPSPLIT HPGENSELECT HPCOUNTREG HPSEVERITY HPQLIM HPLSO Select features in OPTMILP OPTLP OPTMODEL HPREDUCE HPNEURAL HPFOREST HP4SCORE HPDECIDE HPTMINE HPTMSCORE HPFORECAST Common Set (HPDS2, HPDMDB, HPSAMPLE, HPSUMMARY, HPIMPUTE, HPBIN, HPCORR) Common set of HP procedures will be included in each of the individual SAS HP Analytics products
30 SAS High-Performance Analytics
31 SASHDAT Engine (Demo) SASHDAT on SASsin oma HDFS tiedostomuoto Vain kirjoitus sashdat. Tiedoston metadataa voi lukea/kirjoittaa. Kirjoitus nopeata. Rinnakkain datanoodeilla. Tarkoitettu HPA analytiikkaa varten Data laitetaan Datanoodeille (luku nopeata) Laskenta laitetaan Datanoodeille Proc: LASR, HPDS2, HPREG, HPLOGISTIC, etc. VA muistiin lataaminen LASR proc (demo) HPDS2 sashdat käsittelyä (demo) SASHDAT samassa muodossa muistissa ja levyllä
32 High-Performance Statistics Monet HPA proceduurit osaavat hyödyntää HDFS:ssa olevaa sashdat HPA voi hyödyntää myös muistissa olevia tauluja (SASIOLA) Datan havainnointi ja muokkaus HPCORR - Pearson correlation HPDMBD - summary of input datasets HPDS2 - DS2, parallel data step HPIMPUTE - numeric variable imputation HPBIN generate new variables HPSAMPLE - random sampling HPSUMMARY - summary statistics
33
34 High-Performance Statistics 1. Datan kuvailu & tilastolliset tunnusluvut HPCORR korrelaatiomatriisi HPSUMMARY perustunnusluvut HPDMBD selittäjien valinta by Miner Vrt. SAS VA 2. Datan muokkaus HPDS2 Datan muokkaus HPSAMPLE datan jakaminen HPMIPUTE puuttuvien arvojen korvaus HPBIN muuttujien jakaminen uusiin luokkiin HPREDUCE: dimension pienennys
35 High-Performance Statistics 3. Binäärikohdemuuttujien ennustaminen HPLOGICTIC Logistinen regressio HPFOREST Random forest HP4SCORE Random forest scoraus HPNEURAL - Neuroverkkoja 4. Intervallikohdemuuttujien ennustaminen HPREG - ~GLMSELECT HPGENREG Yleistetty lin. regressio (HPLMIXED,HPNLMOD, HPSPLIT)
36 IMSTAT & HPA
37 In-Memory
38
39 SAS & Hadoop integraatio Näkökulma on pitkälti SAS VA distributed SAS High-Performance Analytics (HPA) SAS High-Performance Deployment of Hadoop Muillakin SAS tuotteilla integraatio onnistuu DIS (samoja libnameja etc) SQL-pass-Through Etc.
40 Hadoop Engine (Demo) Voidaan lukea suoraan HDFS. Eri tiedostoformaatteja. Parquet hyvin pakattu, kolumnaarinen tiedostoformaatti. Paljon käytetty. Hiven metadataa hyödynnetään. HDFS datalla voidaan luoda oma metadata. PROC HDMD. Tunnetaan HDFS:än tiedoston muoto. Esimerkiksi tiedosto binäärimuodossa Kerrotaan muoto SASssille HDMD:n avulla
41 Proc Hadoop (Demo) Suoraan HDFS komentoja (demo) MapReduce komentoja Pig komentoja (Pig = ohjelmointikieli joka käytää MapReducea)
42 SAS Acces to Impala (demo) Cloudera Impala. Muistinvarainen tietokanta. Erittäin nopea. Käytetään paljon Clouderassa SAS/Access to Impala ominaisuudet SAS funktiot DB:hen (osajoukko, kts. Doc) SQL-pass-Through Bulk-Load Taulujen yhdistely (joins) Impalaan Datatyypit (SAS -> Impala ja Impala -> SAS, esim. timestamp)
43 Yhteenveto Joustavasti sopiva suorituskyky. Skaalautuvuus. SAS integroituu tehokkaasti Clouderaan Hadoop ympäristö on muutakin kuin pelkkä datalähde HPA: skaalautuvaa analytiikkaa IMSTAT: Hadoopin muistissa datan käsittelyä ja analytiikkaa Prosessointi datan vieressä Hadoopin datanodella Loppukäyttäjälle Hadoop on yksi lähde muiden joukossa SAS & Cloudera kehitys nopeata Uusi ominaisuuksia jatkuvasti
44 Lähteet ja lisätiedot (SAS)
45 Kysymyksiä?
46
47 Hadoopin perusteita Hadoop koostuu kahdesta avain komponentista HDFS (The Hadoop Distributed File System) Luotettava, hajautettu tiedostojärjestelmä Koko Hadoopin peruskivi MapReduce Metodi jolla dataa prosessoidaan hajautetusti ja rinnakkaisesti
48 FILE Hadoopin perusteita: HDFS HDFS pilkkoo talletettavan tiedoston blockeihin ja jakelee sen klusteriin Datan automaattinen replikointi (x3). Vikasietoisuus Datan paikallisuus tuo suorituskyvyn. Master host pitää kirjaa missä tiedosto blockit ovat HDFS metadata Master hostilla on NameNode palvelu HDFS
49 Hadoopin perusteita: HDFS Master Host NameNode: Tiedostojen sijainnit, luvat, blockien sijainnit yms. Kirjanpito RAMissa. Metadata luetaan levyltä käynnistymisen yhteydessä Datablockien sijainti varmistetaan DataNodeilta Slave Host Tiedostot on tallennettu blockkeina tänne DataNode: Kontroloi pääsyä data blokkeihin Kommunikoi NameNoden kanssa
50 Hadoopin perusteita: HDFS Eri tiedostoformaatit ovat keskeinen asia Suorityskyky & tiedostojen koko Työkalut <--> minkälainen tiedosto Muutamia: Text/CSV, Avro, RC, ORC, Parquet SASsilla oma HDFS tiedostoformaatti sashdat
51 Hadoopin perusteita: MapReduce MapReduce on ohjelmointi framework Ei alusta tai ohjelmointikieli riippuvainen Tehtävät hajautetaan ja jaetaan useammalle serverille Jos mahdollista niin prosessointi viedään datan lähettyville
52 Hadoopin perusteita: Resurssien hallinta Yarn jakaa Hadoop klusterin resurssit
Mammutti vai elefantti?
Mammutti vai elefantti? Tänään tarjolla Arkkitehtuuri - baseline Esittelyssä Elefantti ylhäältä ja alhaalta teoriaa ja kokemuksia Elefantti vs. Mammutti Kuka vie peliä ja millä säännöillä Meidän esimerkki
LisätiedotSAS ja Hadoop jotain uutta, wanhaa, lainattua ja keltaista. Jarno Lindqvist, SAS Simon Gregory, Hortonworks Woody Christy, Cloudera
SAS ja Hadoop jotain uutta, wanhaa, lainattua ja keltaista Jarno Lindqvist, SAS Simon Gregory, Hortonworks Woody Christy, Cloudera Kuka on Hadoop? The name Hadoop is a homey story going back to 2003 into
LisätiedotMiten Hadoopista tuli helppoa? Jarno Lindqvist Principal Advisor SAS
Miten Hadoopista tuli helppoa? Jarno Lindqvist Principal Advisor SAS Hadoop? Avoimen lähdekoodin hajautettu tallennus- ja prosessointikehikko, joka skaalautuu ja replikoituu Söpö keltainen elefantti Alusta
LisätiedotDI Studion käyttökokemuksia. Kaisu Ikonen, Tilastokeskus
Kaisu Ikonen, Tilastokeskus 13.9.2012 Sisältö SAS Tilastokeskuksessa 2012 Esimerkki DIS-projektista Erityiskysymyksiä 13.9.2012 2 SAS Tilastokeskuksessa 2012 SAS-käyttäjiä 350, joista IT-puolella noin
LisätiedotVisuaaliset työpöydät - lisää voimaa liiketoimintaan suurten datamassojen ketterästä analysoinnista
Visuaaliset työpöydät - lisää voimaa liiketoimintaan suurten datamassojen ketterästä analysoinnista Tomas Rytkölä Presales Leader Business Analytics 2013 IBM Corporation Agenda 1 Miten saadaan lisää voimaa
LisätiedotSAS Viya. Technical Foundation & SAS Visual Data Mining and Machine Learning demo Jarno Lindqvist Lindy Mayfield SAS Institute Oy
SAS Viya Technical Foundation & SAS Visual Data Mining and Machine Learning demo 21.11.2016 Jarno Lindqvist Lindy Mayfield SAS Institute Oy A JOURNEY INTO THE RANDOM FOREST Jarno Lindqvist: SAS Viya Technical
LisätiedotSAS sovellusten hallinnointi helpoksi Turbo Charge -menetelmällä Tapio Kalmi, SAS Institute Oy
SAS sovellusten hallinnointi helpoksi Turbo Charge -menetelmällä Tapio Kalmi, SAS Institute Oy Sisältö Rajaus: SAS hallinnointi ja tämän esityksen kohdealue? Mitä tehtäviä SAS sovellusten hallinnointiin
LisätiedotNopeutta ja Sulavuutta Analytiikkaan
Nopeutta ja Sulavuutta Analytiikkaan Jukka Ruponen Business Analytics Architect!+358-40-725-6086 jukka.ruponen@fi.ibm.com DEMO 1 Result Set Cache Expression Cache Query Data Cache Member Cache Cognos Query
LisätiedotValtionhallinnon käyttäjäpäivä - IBM Cognosin tulevaisuuskatsaus ja nykypäivä
Valtionhallinnon käyttäjäpäivä - IBM Cognosin tulevaisuuskatsaus ja nykypäivä Tomas Rytkölä Sr. Solution Specialist, Business Intelligence and Performance Management IBM IBM:n yhteistoiminta IBM Power
LisätiedotPower BI 29.5.2015. Tech Conference 28.-29.5.2015. Power BI. Pekka.Korhonen@sovelto.fi. #TechConfFI. Johdanto
Tech Conference 28.-29.5.2015 Power BI Pekka.Korhonen@sovelto.fi #TechConfFI Johdanto 2 1 Microsoft BI komponentit Azure Machine Learning Stream Analytics HDInsight DocumentDB Blob/table storage VM SQL
LisätiedotDataLake-hanke - AWS , tietohallinto, Matti Valli, Pasi Porkka
DataLake-hanke - AWS 26.9.2018, tietohallinto, Matti Valli, Pasi Porkka DataLake Organisaation näkökulma Yhteen järjestelmään kerätty organisaation liiketoiminnallinen tieto parantaa organisaation mahdollisuuksia
LisätiedotCUDA. Moniydinohjelmointi 17.4.2012 Mikko Honkonen
CUDA Moniydinohjelmointi 17.4.2012 Mikko Honkonen Yleisesti Compute Unified Device Architecture Ideana GPGPU eli grafiikkaprosessorin käyttö yleiseen laskentaan. Nvidian täysin suljetusti kehittämä. Vuoden
LisätiedotKUSTANNUS- JA KANNATTAVUUSTIETOA NOPEAMMIN JA HAVAINNOLLISEMMIN SAS COST AND PROFITABILITY MANAGEMENT MIKKO VARILA BUSINESS ADVISOR
KUSTANNUS- JA KANNATTAVUUSTIETOA NOPEAMMIN JA HAVAINNOLLISEMMIN SAS COST AND PROFITABILITY MANAGEMENT MIKKO VARILA BUSINESS ADVISOR SAS Performance Management KANNATTAVUUSHAASTEITA? TYYPILLINEN RATKAISU?
LisätiedotIHMISEN KOKOISTA BIG DATAA TERVEYDENHUOLLON ATK-PÄIVÄT 20.5.2014 JAANA SINIPURO
IHMISEN KOKOISTA BIG DATAA TERVEYDENHUOLLON ATK-PÄIVÄT 20.5.2014 JAANA SINIPURO PUHUJASTA YRITYKSESTÄ We have customers in 136 countries And in more than 60,000 sites 90 of the top 100 companies on the
LisätiedotData-analyysi tieteenalana Professori, laitosjohtaja Sasu Tarkoma Tietojenkäsittelytieteen laitos Helsingin yliopisto
Data-analyysi tieteenalana Professori, laitosjohtaja Sasu Tarkoma Tietojenkäsittelytieteen laitos Helsingin yliopisto Faculty of Science Department of Computer Science www.cs.helsinki.fi 9.5.2017 1 Sisällys
LisätiedotTERADATAN JA SAS DI STUDION YHTEISELO CASE LÄHITAPIOLA
TERADATAN JA SAS DI STUDION YHTEISELO CASE LÄHITAPIOLA SAS forum Helsinki 2013 LTC Otso - Kristiina Korhonen 24.9.2013 LTC-OTSO ASIAKKAIDEN KESKEINEN KUMPPANI JA LIIKETOIMINNAN MAHDOLLISTAJA LTC-Otso
LisätiedotTUTKIMUSOPAS. SPSS-opas
TUTKIMUSOPAS SPSS-opas Johdanto Tässä oppaassa esitetään SPSS-tilasto-ohjelman alkeita, kuten Excel-tiedoston avaaminen, tunnuslukujen laskeminen ja uusien muuttujien muodostaminen. Lisäksi esitetään esimerkkien
LisätiedotDS2-proseduuri / ohjelmointisyntaksi. Tapio Kalmi Team Leader, Data Management Consulting SAS Institute Oy
DS2-proseduuri / ohjelmointisyntaksi Tapio Kalmi Team Leader, Data Management Consulting SAS Institute Oy Sisältö DS2 konsepti DS2, HPDS2 ja FedSQL proseduurit Yleistä DS2 ja FedSQL kielistä DS2 kielen
LisätiedotKäyttöjärjestelmät: Virtuaalimuisti
Käyttöjärjestelmät: Virtuaalimuisti Teemu Saarelainen Tietotekniikka teemu.saarelainen@kyamk.fi Lähteet Stallings, W. Operating Systems Haikala, Järvinen, Käyttöjärjestelmät Eri Web-lähteet Muistinhallinta
LisätiedotSPSS ohje. Metropolia Business School/ Pepe Vilpas
1 SPSS ohje Page 1. Perusteita 2 2. Frekvenssijakaumat 3 3. Muuttujan luokittelu 4 4. Kaaviot 5 5. Tunnusluvut 6 6. Tunnuslukujen vertailu ryhmissä 7 9. Ristiintaulukointi ja Chi-testi 8 10. Hajontakaavio
Lisätiedot24.9.2015. Työasema- ja palvelinarkkitehtuurit (IC130301) Apumuistit. Kiintolevyt. 5 opintopistettä. Petri Nuutinen
Työasema- ja palvelinarkkitehtuurit (IC130301) 5 opintopistettä Petri Nuutinen 5 opintopistettä Petri Nuutinen Apumuistit Tarvitaan ohjelmien ja dokumenttien tallentamiseen, kiintolevyjen varmuuskopiointiin,
LisätiedotTäysautomatisoitu raportointiympäristö. Joni-Petteri Paavilainen Jani Alatalo
Täysautomatisoitu raportointiympäristö Joni-Petteri Paavilainen Jani Alatalo Miksi tähän ryhdyttiin? Miten asiassa edettiin? Vaatimuksia Reaaliaikaisuus n 15 min Hallitut käyttöoikeudet Raportin tekijöillä
LisätiedotDuplikaattien havaitseminen ja poisto DataFlux välinein
Duplikaattien havaitseminen ja poisto DataFlux välinein SUGIF Technical Club 15.9.2011 Jarno Lindqvist SAS Institute Oy Copyright 2010 SAS Institute Inc. All rights reserved. Miten tiedonlaatu ja MDM liittyvät
LisätiedotTiedon suojaaminen ja hallinta. Sytyke seminaari 17.3.2016
Tiedon suojaaminen ja hallinta Sytyke seminaari 17.3.2016 Pasi Parkkonen Ruuvari kourassa 80-luvulla C64, Amiga, Atari, Spectrum, MSX2+, kymmenien PC tietokoneiden kasausta Yliopisto-opintoja ja intti
LisätiedotTietokannan hallintajärjestelmän (DBMS) palvelut ja rakenne
HAAGA-HELIA Heti-09 1 (6) Tietokannan hallintajärjestelmän (DBMS) palvelut ja rakenne Tietovarastotekniikan kehittyminen... 2 Tiedostopohjaiset ratkaisut... 2 Tiedoston palvelut... 3 Tiedostopohjaisten
LisätiedotIBM Iptorin pilven reunalla
IBM Iptorin pilven reunalla Teppo Seesto Arkkitehti Pilvilinnat seesto@fi.ibm.com Cloud Computing Pilvipalvelut IT:n teollistaminen Itsepalvelu Maksu käytön mukaan Nopea toimitus IT-palvelujen webbikauppa
LisätiedotTiedon analysoinnista pitkäaikaissäilytykseen
Tiedon analysoinnista pitkäaikaissäilytykseen Jari Nästi, Client Technical Professional - Tivoli Software Perhosvaikutus eli perhosefekti (engl. "butterfly effect") on kaaosteoriassa käytetty kuvaus siitä,
LisätiedotMakrojen mystinen maailma lyhyt oppimäärä
Makrojen mystinen maailma lyhyt oppimäärä Makrot osana SAS-teknologiaa Yleiskuva Jouni Javanainen Aureolis lyhyesti Aureolis on jatkuvia Business Intelligence -palveluita tuottava asiantuntijaorganisaatio
LisätiedotTips & Tricks for TestStand development NI Days 2013
Tips & Tricks for TestStand development NI Days 2013 Agenda 1. LabVIEW & TestStand:n yhteiskäyttö 2. TestStand arkkitehtuurimalleja LabVIEW pohjaisesti 3. Hyödyllisiä vinkkejä testisekvenssien luontiin
LisätiedotHAKURATKAISUN ANATOMIA - KURKISTUS PELLIN ALLE
HAKURATKAISUN ANATOMIA - KURKISTUS PELLIN ALLE Jukka Huhta Nikke Myöhänen Ville Tenhunen 5.11.2014 AGENDA MITÄ? MIKSI? ARKKITEHTUURI KAHLAUS INDEKSIT INTEGRAATIOT KÄYTTÖLIITYMÄT RAUDAT KÄYTTÖ NYT JA JATKOSSA
LisätiedotSPSS-pikaohje. Jukka Jauhiainen OAMK / Tekniikan yksikkö
SPSS-pikaohje Jukka Jauhiainen OAMK / Tekniikan yksikkö SPSS on ohjelmisto tilastollisten aineistojen analysointiin. Hyvinvointiteknologian ATK-luokassa on asennettuna SPSS versio 13.. Huom! Ainakin joissakin
LisätiedotVirtualisoi viisaasti paranna palvelua. Iikka Taanila Systems Architect IBM Systems and Technology Group
Virtualisoi viisaasti paranna palvelua Iikka Taanila Systems Architect IBM Systems and Technology Group Älykkäämpi IT Web Servers App Servers End Users App Servers App Servers App/DB Server App/DB Servers
LisätiedotOhjeita Siemens Step7, Omron CX Programmer käyttöön
Ohjeita Siemens Step7, Omron CX Programmer käyttöön Sisällysluettelo 1 Siemens Step7 Manager...1 1.1 Laitteistomäärittely...1 1.2 Ohjelmalohkon luonti ja toteutus...2 1.3 Ohjelman kutsu...3 2 CX-Programmer...4
LisätiedotWEBINAARI 24.11.2015
WEBINAARI 24.11.2015 Analytiikan hyödyntäminen markkinoinnissa Petri Mertanen, Super Analytics - @mertanen Jarno Wuorisalo, Cuutio - @jarnowu Tomi Grönfors, Brandfors - @groenforsmethod WEBINAARIN ISÄNNÄT
LisätiedotBackup Exec 3600 Appliance
Backup Exec 3600 Appliance Markku A Suistola Principal Presales Consultant Parempaa varmistusta kaikille! Ohjelmisto Appliance Pilvi Virtuaalisen ja fyysisen ympäristön suojaus 2 Perinteinen ratkaisu usein
LisätiedotDell Fluid Data TM solutions
Dell Fluid Data TM solutions Älykästä tallennuksen virtualisointia Dell Compellent Juha_Ekstrom@dell.com 2.11.2011 Virtualisointi & Älykkyys Virtualisointi tarkoittaa tietojenkäsittelyssä tekniikkaa, jolla
LisätiedotLAS- ja ilmakuva-aineistojen käsittely ArcGIS:ssä
Esri Finland LAS- ja ilmakuva-aineistojen käsittely ArcGIS:ssä November 2012 Janne Saarikko Agenda Lidar-aineistot ja ArcGIS 10.1 - Miten LAS-aineistoa voidaan hyödyntää? - Aineistojen hallinta LAS Dataset
LisätiedotKuinka paljon dataa on tarpeeksi?
Kuinka paljon dataa on tarpeeksi? Tiekartta hallitun datalammen rakennukseen Mikko Toivonen Manager, Systems Engineering Dell Technologies Finland Tekoälyn (koneoppimisen) kolme pilaria Tekoälyalgoritmit
LisätiedotThe administrative process of a cluster. Santtu Rantanen Valvoja: Prof. Jorma Jormakka
The administrative process of a cluster Santtu Rantanen Valvoja: Prof. Jorma Jormakka Sisällysluettelo Johdanto Yleistä HA klustereista Tietoturva klustereissa Hallintaprosessi Johtopäätökset Johdanto
LisätiedotTTY TKT-1110 Mikroprosessorit TKT. HEW-ohjeet ver 1.0
Johdanto Nämä ohjeet opastavat sinut tekemään kurssiin TKT-1110 Mikroprosessorit liittyvät harjoitustyöt. Ohjeet sisältävät kolme osiota. Ensimmäisenä esitellään projektin luonti, mikä tehdään ainoastaan
LisätiedotMassaeditorikoulutus 8.12.2015. KANSALLISKIRJASTO - Kirjastoverkkopalvelut
Massaeditorikoulutus 8.12.2015 Massaeditoinnin toimintaperiaate Kokoelman tai hakutuloksen tietueet (itemit) voidaan eksportoida CSV-tiedostona omalle työasemalle taulukkomuodossa CSV:tä muokataan Libre/OpenOfficen
LisätiedotIoT-platformien vertailu ja valinta erilaisiin sovelluksiin / Jarkko Paavola
IoT-platformien vertailu ja valinta erilaisiin sovelluksiin 10.3.2017 / Jarkko Paavola Prosessi state-of-the-art -tilan määrittelemiseksi Vaatimusmäärittely platformille Arkkitehtuuri Valittiin IIC:n (http://www.iiconsortium.org/)
LisätiedotSQL SERVER 2012 PARALLEL DATA WAREHOUSE APPLIANCE
SQL SERVER 2012 PARALLEL DATA WAREHOUSE APPLIANCE Toukokuu, 2013 Pekka Pykäläinen Tuote- ja ratkaisupäällikkö Application Platform Microsoft HYÖDYNNÄ KAIKKI KÄYTETTÄVISSÄ OLEVA TIETO NEW WORLD OF DATA
LisätiedotKoira testissä vai Racci tuotannossa O10G/IAS10 Linuxilla
Koira testissä vai Racci tuotannossa O10G/IAS10 Linuxilla Petri Tumppila/Bemecon Oy, petri.tumppila@bemecon.fi Tuomas Pystynen/Deepbase Oy, tuomas.pystynen@deepbase.com OUGF 4.11.2004 Agenda Ympäristö
LisätiedotMiten voin selvittää säästömahdollisuuteni ja pääsen hyötymään niistä?
Se edullisempi tietokanta Miten voin selvittää säästömahdollisuuteni ja pääsen hyötymään niistä? Rasmus Johansson rasmus.johansson@microsoft.com Ratkaisumyyntipäällikkö (Sovellusalusta) Microsoft Oy Miten
LisätiedotToimialan ja yritysten uudistuminen
Toimialan ja yritysten uudistuminen - mahdollisuuksia ja karikoita Jari Kuusisto MIT Sloan School of Management University of Vaasa 1 Jari Kuusisto University of Vaasa Esityksen rakenne Metsäsektorin lähtötilanne
LisätiedotTietokone. Tietokone ja ylläpito. Tietokone. Tietokone. Tietokone. Tietokone
ja ylläpito computer = laskija koostuu osista tulostuslaite näyttö, tulostin syöttölaite hiiri, näppäimistö tallennuslaite levy (keskusyksikössä) Keskusyksikkö suoritin prosessori emolevy muisti levy Suoritin
LisätiedotKODAK EIM & RIM VIParchive Ratkaisut
ATK Päivät 2006 Mikkeli KODAK EIM & RIM VIParchive Ratkaisut 29.-30.5. 2006 Stefan Lindqvist HCIS Sales Specialist Health Care Information Systems Kodak Health Group 3/24/2013 1 Arkistoinnin haasteita
LisätiedotKahden virtualisointiohjelmiston suorituskyvyn testaus (valmiin työn esittely)
Kahden virtualisointiohjelmiston suorituskyvyn testaus (valmiin työn esittely) Jani Laine 31.10.2017 Ohjaaja: DI Jimmy Kjällman Valvoja: Prof. Kai Virtanen Työn saa tallentaa ja julkistaa Aalto-yliopiston
LisätiedotLuento 1 Tietokonejärjestelmän rakenne
Luento 1 Tietokonejärjestelmän rakenne Järjestelmän eri tasot Laitteiston nopeus 1 Tietokonejärjestelmä Käyttäjä Tietokonelaitteisto Oheislaitteet (peripheral or I/O devices) Tietokone (computer) 2 Tietokone
LisätiedotLuento 1 Tietokonejärjestelmän rakenne. Järjestelmän eri tasot Laitteiston nopeus
Luento 1 Tietokonejärjestelmän rakenne Järjestelmän eri tasot Laitteiston nopeus 1 Tietokonejärjestelmä Käyttäjä Tietokonelaitteisto Oheislaitteet (peripheral or I/O devices) Tietokone (computer) 2 Tietokone
LisätiedotLuento 1 Tietokonejärjestelmän rakenne
Luento 1 Tietokonejärjestelmän rakenne Järjestelmän eri tasot Laitteiston nopeus 1 Tietokonejärjestelmä Käyttäjä Tietokonelaitteisto Oheislaitteet (peripheral or I/O devices) Tietokone (computer) 2 Luento
LisätiedotHELIA 1 (15) Outi Virkki Tiedonhallinta
HELIA 1 (15) Luento Suorituskyvyn optimointi... 2 Tiedonhallintajärjestelmän rakenne... 3 Suunnittele... 4 SQL-komentojen viritys... 5 Tekninen ympäristö... 6 Fyysisen tason ratkaisut... 7 Indeksit...
LisätiedotLuento 1 Tietokonejärjestelmän rakenne. Järjestelmän eri tasot Laitteiston nopeus
Luento 1 Tietokonejärjestelmän rakenne Järjestelmän eri tasot Laitteiston nopeus 1 Tietokonejärjestelmä Käyttäjä Tietokonelaitteisto Oheislaitteet (peripheral or I/O devices) Tietokone (computer) 2 Tietokone
LisätiedotKon Konepajojen tuotannonohjaus: ILOG CPLEX Studion käyttö
Kon-15.4199 Konepajojen tuotannonohjaus: ILOG CPLEX Studion käyttö 22.1.2016 Harjoituksessa 1. Varmistetaan että kaikilla on pari! Ilmoittautukaa oodissa etukäteen! 2. Tutustutaan ensimmäiseen tehtävään
LisätiedotTIES530 TIES530. Moniprosessorijärjestelmät. Moniprosessorijärjestelmät. Miksi moniprosessorijärjestelmä?
Miksi moniprosessorijärjestelmä? Laskentaa voidaan hajauttaa useammille prosessoreille nopeuden, modulaarisuuden ja luotettavuuden vaatimuksesta tai hajauttaminen voi helpottaa ohjelmointia. Voi olla järkevää
LisätiedotKuvapankki Imagebank Independent
SIVU 1/(8) Kuvapankki Imagebank Independent 1. Kirjautuminen palveluun 2. Kategoriat 2.1 Kategorian muokkaus 2.2 Uuden kategorian lisäys 2.3 Kategorioiden järjestely 3. Kuvat 3.1 Uuden kuvan lisääminen
LisätiedotLisensointikuulumisia - Kustannustehokkuus Oracle lisensoinnissa
Lisensointikuulumisia - Kustannustehokkuus Oracle lisensoinnissa Osa II OUGF / 12.5.2004 c Sisält ltö Mitä uutta? Yleistä lisensoinnista Lisensointiin liittyviä ongelmia Hankinnassa muistettavia asioita
LisätiedotBig data Lasse Seppänen
Big data Lasse Seppänen Erilaisia datoja Kaikki data on pohjimmiltaan bi5ejä. Data on digitaalista raaka- aine5a, kuten =lastoja, talous=etoja, kar5oja, kuvia, videotallenteita ja 3D- malleja. Erilaiset
LisätiedotSummamuuttujat, aineiston pilkkominen ja osa-aineiston poiminta 1
Summamuuttujat, aineiston pilkkominen ja osa-aineiston poiminta 1 Summamuuttujat, aineiston pilkkominen ja osa-aineiston poiminta I Summamuuttujien muodostus Olemassa olevista muuttujista voidaan laskea
LisätiedotJatkuvuus on arkistoinnissa avainasia
Jatkuvuus on arkistoinnissa avainasia Ari Mattila Senior Systems Engineer EMC 1 Agenda Arkistointi ja tiedon elinkaaren hallinta Miksi arkistoidaan? Sähköpostin arkistointi Arkistoinnin haasteet EMC SourceOne
LisätiedotTilastollisten menetelmien käyttö Kelan tutkimustoiminnassa
Tilastollisten menetelmien käyttö Kelan tutkimustoiminnassa Risto Lehtonen Helsingin yliopisto Kela 1 Tilastokeskuksen SAS-seminaari 16.11.2009 Aiheita Kelan tutkimustoiminta SAS-sovellukset vaativien
LisätiedotSAS ja R yhteiskäyttö
Maria Valaste Kela & Helsingin yliopisto 24.5.2012 SAS Technical Club Sisällys 1 2 3 Tunnuslukuja (R) Hierarkkinen ryhmittely Kuva 4 Aineiston luominen Moni-imputointi R:ssä Tulosten yhdistäminen institution-logo-filen
LisätiedotTTA palvelukokonaisuuden esittely Korkeakoulujen IT-päivät 6.11.2013
TTA palvelukokonaisuuden esittely Korkeakoulujen IT-päivät 6.11.2013 CSC Tieteen tietotekniikan keskus Oy Tutkimuksen tietoaineistot 2014-2017 Keskeinen tavoite edistää sähköisten tutkimusaineistojen hyödyntämistä,
LisätiedotTIETOKONEYLIASENTAJAN ERIKOISAMMATTITUTKINTO
TIETOKONEYLIASENTAJAN ERIKOISAMMATTITUTKINTO HARJOITUS: asennus ja konfigurointi TVAT-141 Windows Server 2008 Trial (120 days) Active Directory, AD Domain Name System, DNS Dynamic Host Configuration Protocol,
LisätiedotTK081001 Palvelinympäristö
TK081001 Palvelinympäristö 5 opintopistettä!! Petri Nuutinen! 8 opintopistettä!! Petri Nuutinen! RAID RAID = Redundant Array of Independent Disks Useasta fyysisestä kiintolevystä muodostetaan yhteinen
LisätiedotCT50A2602 Käyttöjärjestelmät Seminaarityö. Tietokoneen muisti nyt ja tulevaisuudessa
CT50A2602 Käyttöjärjestelmät Seminaarityö Tietokoneen muisti nyt ja tulevaisuudessa Jyrki Eurén Raimo Asikainen Janne Laitinen Teppo Lapinkoski Manu Toivanen Pasi Ruuth Johdanto Taustaa Työn taustana ryhmän
LisätiedotOhjelmointikielet ja -paradigmat 5op. Markus Norrena
Ohjelmointikielet ja -paradigmat 5op Markus Norrena Ko#tehtävä 4 Viimeistele "alkeellinen kuvagalleria". Käytännössä kaksi sivua Yksi jolla voi ladata kuvia palvelimelle (file upload) Toinen jolla ladattuja
LisätiedotIntegrointi. Ohjelmistotekniikka kevät 2003
Integrointi Ohjelmistotekniikka kevät 2003 ERP (Toiminnanohjausjärjestelmä) Myynti Henkilöstö, palkanlaskenta Kirjanpito Myynti Myyjät Extranet Tietovarasto Laskutus, reskontrat Asiakas ERP Asiakasrekisteri
LisätiedotYlläpitäjät, järjestelmäarkkitehdit ja muut, jotka huolehtivat VMwareinfrastruktuurin
KOULUTUSTIEDOTE 1(6) VMWARE VSPHERE 5: INSTALL, CONFIGURE AND MANAGE II Tavoite Koulutuksen jälkeen osallistujat hallitsevat VMware vsphere -ympäristön asennuksen, konfiguroinnin ja hallinnan. Koulutus
LisätiedotTech Conference 28.-29.5.2015. On-Premises Data Mining. Peruskäsitteet. Pekka.Korhonen@sovelto.fi. Sovelto Oyj 28.5.2015.
1 Tech Conference 28.-29.5.2015 On-Premises Data Mining Pekka.Korhonen@sovelto.fi #TechConfFI Peruskäsitteet 2 2 Microsoft BI komponentit Azure Machine Learning Stream Analytics HDInsight DocumentDB Blob/table
LisätiedotTech Conference 28.-29.5.2015. Visual Studio 2015, C#6,.NET4.6. Heikki Raatikainen. #TechConfFI
Tech Conference 28.-29.5.2015 Visual Studio 2015, C#6,.NET4.6 Heikki Raatikainen #TechConfFI Yleistä Avoimuus Open Source ja tuki yleisesti käytetyille ei-ms työkaluille Kaikki alustat tuettuna:.net 5
LisätiedotTEHTÄVÄ 4: Microsoft Windows Deployment Services asennus ja hallinta
TEHTÄVÄ 4: Microsoft Windows Deployment Services asennus ja hallinta Windows Deployment Services, WDS Käyttöjärjestelmän asennus työasemalle Dynamic Host Configuration Protocol, DHCP * Domain Name System,
LisätiedotCASE POSTI: KEHITYKSEN KÄRJESSÄ TALOUDEN SUUNNITTELUSSA KETTERÄSTI PALA KERRALLAAN
POSTI GROUP CASE POSTI: KEHITYKSEN KÄRJESSÄ TALOUDEN SUUNNITTELUSSA KETTERÄSTI PALA KERRALLAAN TIINA KATTILAKOSKI POSTIN TALOUDEN SUUNNITTELU Mistä lähdettiin liikkeelle? Ennustaminen painottui vuosisuunnitteluun
LisätiedotMoodle HOPS-työskentelyn tukena
Moodle HOPS-työskentelyn tukena Ohjeita alueen tilaamiseen Tilatessasi Moodle-aluetta HOPS-ryhmällesi, voit tilata täysin tyhjän alueen, jonne rakennat itse kaikki tarvittavat työkalut ja materiaalit.
LisätiedotWeb Services tietokantaohjelmoinnin perusteet
ASP.NET Web Services Web Services tietokantaohjelmoinnin 2 (22) Sisällys Harjoitus 1: Tietokannat ja Web Services... 3 Harjoitus 2: Windows Client... 10 Harjoitus 3: Datan päivitys TableAdapterin avulla...
LisätiedotHelsingin yliopisto/tktl DO Tietokantojen perusteet, s 2000 Johdanto & yleistä Harri Laine 1. Tietokanta. Tiedosto
Tietokanta Tiedosto Tietokanta (database) jotakin käyttötarkoitusta varten laadittu kokoelma toisiinsa liittyviä säilytettäviä tietoja Ohjelmointikielissä apumuistiin tallennettuja tietoja käsitellään
LisätiedotTIEP114 Tietokoneen rakenne ja arkkitehtuuri, 3 op. FT Ari Viinikainen
TIEP114 Tietokoneen rakenne ja arkkitehtuuri, 3 op FT Ari Viinikainen Tietokoneen rakenne Keskusyksikkö, CPU Keskusmuisti Aritmeettislooginen yksikkö I/O-laitteet Kontrolliyksikkö Tyypillinen Von Neumann
LisätiedotTilastolliset ohjelmistot 805340A. Pinja Pikkuhookana
Tilastolliset ohjelmistot 805340A Pinja Pikkuhookana Sisältö 1 SPSS 1.1 Yleistä 1.2 Aineiston syöttäminen 1.3 Aineistoon tutustuminen 1.4 Kuvien piirtäminen 1.5 Kuvien muokkaaminen 1.6 Aineistojen muokkaaminen
LisätiedotAlustavia käyttökokemuksia SAS Studiosta. Timo Hurme Maa- ja elintarviketalouden tutkimuskeskus MTT (v. 2015 alusta Luonnonvarakeskus / Luke)
Alustavia käyttökokemuksia SAS Studiosta Timo Hurme Maa- ja elintarviketalouden tutkimuskeskus MTT (v. 2015 alusta Luonnonvarakeskus / Luke) 19.9.2014 Lyhyesti SAS-koodareille suunnattu uusi käyttöliittymä
LisätiedotAlgorithms and Systems on big data management
Algorithms and Systems on big data management Lecturer: Fall 2016 24.2.2017 1 We are in the era of big data Lots of data is being collected Web data, e-commerce Bank/Credit Card transactions Social Network
LisätiedotTyöasemien hallinta Microsoft System Center Configuration Manager 2007. Jarno Mäki Head of Training Operations M.Eng, MCT, MCSE:Security, MCTS
Työasemien hallinta Microsoft System Center Configuration Jarno Mäki Head of Training Operations M.Eng, MCT, MCSE:Security, MCTS IT Education Center Agenda Yleistä työasemien hallinnasta Työasemien hallinta
Lisätiedot4.1 Frekvenssijakauman muodostaminen tietokoneohjelmilla
4 Aineiston kuvaaminen numeerisesti 1 4.1 Frekvenssijakauman muodostaminen tietokoneohjelmilla Tarkastellaan lasten syntymäpainon frekvenssijakauman (kuva 1, oikea sarake) muodostamista Excel- ja SPSS-ohjelmalla.
LisätiedotTestidatan generointi
Testidatan generointi Anu Ahonen Kevät 2008 Tämä työ on tehty Creative Commons -lisenssin alla Työn tarkasti 9.4.2008 Jouni Huotari (JAMK/IT) 1 SISÄLTÖ 1 TYÖN LÄHTÖKOHDAT JA TOTEUTUS...2 2 TESTIDATAN GENEROINTI
Lisätiedotjotakin käyttötarkoitusta varten laadittu kokoelma toisiinsa liittyviä säilytettäviä tietoja
Tietokanta Tietokanta (database) jotakin käyttötarkoitusta varten laadittu kokoelma toisiinsa liittyviä säilytettäviä tietoja mikä tahansa tietokokoelma? --> erityispiirteitä Tietokanta vs. tiedosto 1
LisätiedotTekoäly muuttaa arvoketjuja
Tekoäly muuttaa arvoketjuja Näin kartoitat tekoälyn mahdollisuuksia projektissasi Harri Puolitaival Harri Puolitaival Diplomi-insinööri ja yrittäjä Terveysteknologia-alan start-up: Likelle - lämpötilaherkkien
LisätiedotMaiju Mykkänen (D6297@jamk.fi) Susanna Sällinen (E0941@jamk.fi)
Maiju Mykkänen (D6297@jamk.fi) Susanna Sällinen (E0941@jamk.fi) Tietokannan hallinta-opintojakson selvitysraportti Huhtikuu 2010 Mediatekniikka ICT/Teknologia Tämän teosteoksen käyttöoikeutta koskee Creative
LisätiedotTapaustutkimus big data -analytiikkakoulutuksen suunnittelusta
Tapaustutkimus big data -analytiikkakoulutuksen suunnittelusta Milla Järvi Aalto-yliopisto Sähkötekniikan korkeakoulu Valvoja: Prof. Heikki Hämmäinen Ohjaaja: TkL Janne Salonen Sisällysluettelo Motivaatio
LisätiedotHP Networking. Martti Saramies, HP Networking, myynti
HP Networking Martti Saramies, HP Networking, myynti Puheenaiheet Oikeaoppinen 802.1x pääsynvalvontaratkaisu Edistyksellistä vikasietoisuutta kytkinverkkoon Puheenaiheet Oikeaoppinen 802.1x pääsynvalvontaratkaisu
LisätiedotJärjestelmäarkkitehtuuri (TK081702) Hajautettu tietokanta. Hajautuksen hyötyjä
Järjestelmäarkkitehtuuri (TK081702) Hajautettu tietokanta Hajautettu tietokanta Jokainen hajautettu tietokanta muodostaa oman kokonaisuutensa Loogisesti yhtenäinen data on hajautettu tietokantoihin (eri
Lisätiedot25.11.2014. Työasema- ja palvelinarkkitehtuurit IC130301. Tallennusjärjestelmät. Tallennusjärjestelmät. 5 opintopistettä.
Työasema- ja palvelinarkkitehtuurit IC130301 5 opintopistettä Petri Nuutinen 5 opintopistettä Petri Nuutinen Tallennusjärjestelmät Tallennusjärjestelmät 1 = Small Computer System Interface, markkinoilla
LisätiedotAutomaatiojärjestelmän hankinnassa huomioitavat tietoturva-asiat
Automaatiojärjestelmän hankinnassa huomioitavat tietoturva-asiat Teollisuusautomaation tietoturvaseminaari Purchasing Manager, Hydro Lead Buyer, Industrial Control Systems 1 Agenda / esityksen tavoite
LisätiedotWinshuttle Transactionin käyttökokemuksia SAP Retailissä. 6.11.2014 Tarja Karhapää, Tieto
Winshuttle Transactionin käyttökokemuksia SAP Retailissä 6.11.2014 Tarja Karhapää, Tieto Tiedon SAP palvelut Tieto on Suomessa yksi kolmesta suurimmasta SAP ERP toimittajasta Tieto palvelee yli 300 000
LisätiedotTIEP114 Tietokoneen rakenne ja arkkitehtuuri, 3 op. Assembly ja konekieli
TIEP114 Tietokoneen rakenne ja arkkitehtuuri, 3 op Assembly ja konekieli Tietokoneen ja ohjelmiston rakenne Loogisilla piireillä ja komponenteilla rakennetaan prosessori ja muistit Prosessorin rakenne
LisätiedotStatCrunch -laskentasovellus
StatCrunch -laskentasovellus Yleistä sovelluksesta StatCrunch on Integrated Analytics LLC:n valmistama sovellus tilastotieteellisten analyysien tuottamista varten. Se on verkon yli käytettävä analyysisovellus,
LisätiedotTieto ja sen mallinnus Fonectalla - Teemme tiedosta arvokasta. Aija Palomäki, TDWI jäsenkokous 6.6.2014
Tieto ja sen mallinnus Fonectalla - Teemme tiedosta arvokasta Aija Palomäki, TDWI jäsenkokous 6.6.2014 Puhujasta Yritysarkkitehti, Big data kehityspäällikkö Ylempi korkeakoulututkinto, tietojenkäsittelytiede
LisätiedotIvorion missio. Ivorio on Suomen johtava riippumaton big data asiantuntija. Autamme asiakkaitamme selvitymään tiedon vallankumouksesta voittajina.
Ivorion missio Ivorio on Suomen johtava riippumaton big data asiantuntija. Autamme asiakkaitamme selvitymään tiedon vallankumouksesta voittajina. Big data? Joko olet kuullut siitä? Kuinka usein käsitettä
LisätiedotTietokantajärjestelmien tulevaisuuden haasteet. Jan Lindström
Tietokantajärjestelmien tulevaisuuden haasteet Jan Lindström 1 Lähteet: "One Size Fits All": An Idea Whose Time Has Come and Gone,Michael Stonebraker (EECS Dept., M.I.T. and StreamBase Systems, Inc.),
LisätiedotTIE-20200 Ohjelmistojen suunnittelu
TIE-20200 Ohjelmistojen suunnittelu Luento 14: Työkaluja Marko Leppänen, Samuel Lahtinen TIE-20200 Samuel Lahtinen 1 Ajankohtaista Harjoitustyön dedis 7.12. klo 06:00 Demoilusessiot samalla/seuraavalla
Lisätiedotedocker PUBLISH! -paketinhallinnan käyttöohje 9/2015
edocker PUBLISH! -paketinhallinnan käyttöohje 9/2015 Uusien EDTPLIB- ja PDF -pakettien vienti ohjatulla toiminnolla...3 Tiedoston tarkistus...3 Kohdejulkaisun valinta... 4 Numeron tiedot... 5 Yhteenveto...6
Lisätiedot