Älykäs datan tuonti kuljetusongelman optimoinnissa. Antoine Kalmbach
|
|
- Aarno Haavisto
- 7 vuotta sitten
- Katselukertoja:
Transkriptio
1 Älykäs datan tuonti kuljetusongelman optimoinnissa Antoine Kalmbach
2 Sisällys Taustaa Kuljetusongelma Datan tuominen vaikeaa Teoriaa Tiedostojen väliset linkit Mikä sarake on mikäkin? Ratkaisutoteutus laivaston päättely Tähänastiset tulokset
3 Kuljetusongelma, datan tuominen TAUSTAA
4 Kuljetusongelma
5 varikko Kuin kauppamatkustajan ongelma, mutta n eri kauppamatkustajaa, ja kaikki palaavat varikolle.
6 Kuljetusongelmasta
7 Kuljetusongelmasta NP-vaikea ongelma. Tarkan ratkaisun etsintä isoissa tapauksissa toivotonta. Avuksi heuristiikat ja metaheuristiikat. Algoritmien pyörityksen hoitaa laskentaohjelmisto (engl. solver)
8 Tilanne: optimointia palveluna Haluamme myydä optimointia palveluna. Asiakkaat lähettävät ongelmadatan, takaisin ratkaistuna. Esim. Rekka-Pena Oy haluaa optimoida kuljetusfirmansa reittejä. Rekka-Pena Oy lähettää datan jossain muodossa, yleensä ennalta sovittu Exceltiedosto.
9 Mahdollisuus: löysä formaatti Esitäytetyn Excel-mallin täyttäminen ankeaa. Asiakkaalla data yleensä eri muodossa. Helppoa olisi, jos voisimme lukea mitä tahansa dataa. Datan tuontiongelma. Halutaan tukea monta formaattia, joita emme edes etukäteen tunne täysin. Tarvitaan automaattista päättelyä. Miten tämä tehdään?
10 Datan tuontiongelma, liitospäättely, attribuuttiluokittelu, laivastontuonti TEORIAA
11 Datan tuontiongelma Tai, pelkoa ja inhoa relaatioviidakossa
12 TAVOITE: Päättele datasta asiakkaan ajoneuvot ja sijainnit, eli laivasto.
13 Ajoneuvo Yleinen termi. Voi olla rekka, bussi, henkilöauto, helikopteri, laiva, panssarivaunu, tähtilaiva, taisteluplaneetta... Datassa seuraavat asiat: Tunniste (esim. rekisterinumero) Kapasiteetti (jos kapasitoitu VRP) Yleisesti, tunniste i ja rajoitteet.
14 Sijainti Jokin paikka kartalla. Esimerkiksi osoite tai koordinaatti. Sisältää kapasitoidun VRP:n tapauksessa positiivisen tai negatiivisen kuormamäärän, eli tilattu tavara (tai noudettava). Aikaikkuna-rajoitetun VRP:n tapauksessa sisältää aikaikkunan, minkä aikana sijainnissa pitää käydä, sekä käyntiajan.
15 DATA
16 Datan formaatti Tähänastiset asiakastilaukset ovat olleet Excelmuodossa. Toisin sanoen, taulukot, eli CSV. Abstraktimmin: relaatiot. Jokainen sarake on attribuutti, jolla on tietotyyppi.
17 Relaatioiden väliset yhteydet Ensimmäinen ongelma. Dokumentissa monta relaatioita, jotka ovat kytköksissä toisiinsa. Tietokantamaailmasta tuttu primary ja foreign key tapaus. Yksi sarake sisältää rekisterinumeron. Tätä käytetään kahdessa relaatiossa tunnisteena. Yksi relaatio sisältää valmistajan ja kapasiteetin, toinen sisältää huoltotiedot (esim.)
18 Relaatioiden väliset yhteydet Tavoite: Sulauta relaatiot yhdeksi etsimällä sopivat avaintunnisteet. Niin ettei dataa katoa ja tärkeä tieto säilyy. Nimi: join inference eli liitospäättely. Muodostettu relaatio sisältää nyt koko laivaston nätissä paketissa. Mikä attribuutti on mikäkin?
19 Attribuuttien luokittelu Tiedämme, mitä attribuutteja etsitään. Ajoneuvojen kapasiteetteja, osoitteita, tilauksia, tunnisteita Ratkaisu: päätellään attribuuttien datasta, mikä on mikäkin. Esim. kapasiteettiattribuutille tuskin kuuluu sarake jonka tiedot ovat muotoa hevonen tai Mörkökuja 1Y 2B.
20 RATKAISU: Koneoppiminen
21 Koneoppiminen lyhyesti Opetellaan datasta malli ja käytetään sitä ennustamiseen. Käyttötarkoituksena esimerkiksi luokittelu, regressio, suosittelu, klusterointi Oppimistilanteita: Valvottu (supervised learning) Ei-valvottu (unsupervised) Osittain valvottu (semi-supervised) Jatkuva (online) Palautepohjainen (reinforcement)
22 Konseptit & Hypoteesit Tavoite: opettele jokin konsepti. Esimerkiksi mikä on spämmiä ja mikä ei. Yleisesti jokin funktio esimerkeistä X luokkiin Y. Binäärisessä luokitteluongelmassa Y = {0, 1}. Algoritmin tehtävä on muodostaa hypoteesi, joka vastaa opeteltavaa konseptia.
23 Laivastopäättelyn oppiminen 1. Opettele tunnistamaan, mikä sarake linkittää relaatiot toisiinsa. Yksi luokittelija, joka tietää mitä etsiä. 2. Opettele tunnistamaan, mikä sarake vastaa mitäkin laivastotietuetta. Yksi luokittelija per tietue, joista yksi aina antaa positiivisen tuloksen.
24 Menetelmä Päätöspuut. Jakavat avaruuden rekursiivisesti osiin. Päätöspuun oppiminen: Muodosta päätöspuu katselemalla dataa. Edut: nopeita ja intuitiivisia. Ongelmat: saattavat kasvaa liian isoksi.
25 tilannekatsaus TÄHÄNASTISET TULOKSET
26 Liitospäättelyn luokittelija Päätöspuilla tehty. Opetusdataa paljon, koska yleinen ongelma. IMDB, MovieLens, Last.fm, Delicious datasetit opetusdatana ( Kokeiltu omaan testidataan asiakkaille ja se Toimii.
27 Attribuuttien luokittelija Työn alla. Kaksi tietuetta seitsemästä jo rakennettu luokittelijoineen. Opetusdatana esim. kapasiteettien tapauksessa asiakkaiden data, osoitteiden kanssa postin osoitetietokannat.
28 Tehtävää Attribuuttien luokituksen viimeistely ja yhtenäistäminen. Käytettyjen piirteiden listaaminen. Uusia kehitetty. Testaaminen ja tuloksien raportointi. Vertailu. Tämä siis konstruktiivisen osan loppu.
29 Lopuksi Gradun teoriaosasta valmiina 90%. Koodauksen valmistuttua seuraa konstruktiivisen osion dokumentointi. Lopullinen sivumäärä noin sata (nyt 50). Painoarvoa tuloksilla ja menetelmän dokumentoinnilla. Kysymyksiä?
TEEMU ROOS (KALVOT MUOKATTU PATRIK HOYERIN LUENTOMATERIAALISTA)
JOHDATUS TEKOÄLYYN TEEMU ROOS (KALVOT MUOKATTU PATRIK HOYERIN LUENTOMATERIAALISTA) KONEOPPIMISEN LAJIT OHJATTU OPPIMINEN: - ESIMERKIT OVAT PAREJA (X, Y), TAVOITTEENA ON OPPIA ENNUSTAMAAN Y ANNETTUNA X.
LisätiedotOppijan saama palaute määrää oppimisen tyypin
281 5. KONEOPPIMINEN Älykäs agentti voi joutua oppimaan mm. seuraavia seikkoja: Kuvaus nykytilan ehdoilta suoraan toiminnolle Maailman relevanttien ominaisuuksien päätteleminen havaintojonoista Maailman
LisätiedotJohdatus tekoälyyn. Luento 6.10.2011: Koneoppiminen. Patrik Hoyer. [ Kysykää ja kommentoikaa luennon aikana! ]
Johdatus tekoälyyn Luento 6.10.2011: Koneoppiminen Patrik Hoyer [ Kysykää ja kommentoikaa luennon aikana! ] Koneoppiminen? Määritelmä: kone = tietokone, tietokoneohjelma oppiminen = ongelmanratkaisukyvyn
LisätiedotViikko 1: Johdantoa Matti Kääriäinen matti.kaariainen@cs.helsinki.fi
Viikko 1: Johdantoa Matti Kääriäinen matti.kaariainen@cs.helsinki.fi Exactum C222, 29-31.10.2008. 1 Tällä viikolla 1. Käytännön järjestelyistä 2. Kurssin sisällöstä ja aikataulusta 3. Johdantoa Mitä koneoppiminen
LisätiedotTekoäly ja alustatalous. Miten voit hyödyntää niitä omassa liiketoiminnassasi
Tekoäly ja alustatalous Miten voit hyödyntää niitä omassa liiketoiminnassasi AI & Alustatalous AI Digitaalisuudessa on 1 ja 0, kumpia haluamme olla? Alustatalouden kasvuloikka Digitaalisen alustatalouden
LisätiedotTiedonlouhinta rakenteisista dokumenteista (seminaarityö)
Tiedonlouhinta rakenteisista dokumenteista (seminaarityö) Miika Nurminen (minurmin@jyu.fi) Jyväskylän yliopisto Tietotekniikan laitos Kalvot ja seminaarityö verkossa: http://users.jyu.fi/~minurmin/gradusem/
LisätiedotNeuroverkkojen soveltaminen vakuutusdatojen luokitteluun
Neuroverkkojen soveltaminen vakuutusdatojen luokitteluun Sami Hokuni 12 Syyskuuta, 2012 1/ 54 Sami Hokuni Neuroverkkojen soveltaminen vakuutusdatojen luokitteluun Turun Yliopisto. Gradu tehty 2012 kevään
LisätiedotTekoäly tukiäly. Eija Kalliala, Marjatta Ikkala
Tekoäly tukiäly Eija Kalliala, Marjatta Ikkala 29.11.2018 Mitä on tekoäly? Unelma koneesta, joka ajattelee kuin ihminen Hype-sana, jota kuulee joka paikassa Väärinymmärretty sana -> vääriä odotuksia, pelkoja
Lisätiedot2. Käsiteanalyysi ja relaatiomalli
2. Käsiteanalyysi ja relaatiomalli lehtori Pasi Ranne Metropolia ammattikorkeakoulu E-mail: pasi.ranne@metropolia.fi sivu 1 Tietokannan suunnitteluprosessin osat sivu 2 Käsiteanalyysi ER-mallinnus, tietomallinnus
LisätiedotGeneettiset algoritmit
Geneettiset algoritmit Evoluution piirteitä laskennassa Optimoinnin perusteet - Kevät 2002 / 1 Sisältö Geneettisten algoritmien sovelluskenttä Peruskäsitteitä Esimerkkejä funktion ääriarvon etsintä vangin
LisätiedotAlgoritmit 1. Luento 14 Ke 25.2.2015. Timo Männikkö
Algoritmit 1 Luento 14 Ke 25.2.2015 Timo Männikkö Luento 14 Heuristiset menetelmät Heuristiikkoja kapsäkkiongelmalle Kauppamatkustajan ongelma Lähimmän naapurin menetelmä Kertaus ja tenttivinkit Algoritmit
Lisätiedot29.11.2015. Työasema- ja palvelinarkkitehtuurit IC130301. Storage. Storage - trendit. 5 opintopistettä. Petri Nuutinen
Työasema- ja palvelinarkkitehtuurit IC130301 5 opintopistettä Petri Nuutinen 5 opintopistettä Petri Nuutinen Storage Storage hallinnassa tärkeää saatavuus laajentaminen turvaaminen optimointi Storagen
LisätiedotWebforum. Version 14.2 uudet ominaisuudet. Viimeisin päivitys: 2014-06-12
Viimeisin päivitys: 2014-06-12 Sisällys Tietoa tästä dokumentista... 3 Yleistä... 3 Dokumentit... 4 Online-muokkaustila Macin Firefox-selaimella... 4 Pääsy mobiilikäyttöliittymälle kansio- ja dokumenttilinkkien
LisätiedotAsiakastietojen tuominen toisesta tietokannasta etaika-ohjelmistoon. Kuinka yhdistän tietoja eri asiakastietokantojen välillä
Asiakastietojen tuominen toisesta tietokannasta etaika-ohjelmistoon Kuinka yhdistän tietoja eri asiakastietokantojen välillä Aloitus Asiakastietoja voidaan tuoda ulkoisesta lähteestä CSV-tiedostona (Excel)
LisätiedotTiedon louhinnan teoria (ja käytäntö) OUGF kevätseminaari 2004 Hannu Toivonen
Tiedon louhinnan teoria (ja käytäntö) OUGF kevätseminaari 2004 Hannu Toivonen hannu.toivonen@cs.helsinki.fi 1 2 A 1 4 8 2 2 1 2 6 2 A 2 4 3 7 3 2 8 4 2 A 4 5 2 4 5 5 2 6 4 A 7 2 3 7 5 4 5 2 2 A 5 2 4 6
LisätiedotS09 04 Kohteiden tunnistaminen 3D datasta
AS 0.3200 Automaatio ja systeemitekniikan projektityöt S09 04 Kohteiden tunnistaminen 3D datasta Loppuraportti 22.5.2009 Akseli Korhonen 1. Projektin esittely Projektin tavoitteena oli algoritmin kehittäminen
LisätiedotDemo 1: Simplex-menetelmä
MS-C2105 Optimoinnin perusteet Malliratkaisut 3 Ehtamo Demo 1: Simplex-menetelmä Muodosta lineaarisen tehtävän standardimuoto ja ratkaise tehtävä taulukkomuotoisella Simplex-algoritmilla. max 5x 1 + 4x
LisätiedotLataa Pelko - osa elämää - Isaac M. Marks. Lataa
Lataa Pelko - osa elämää - Isaac M. Marks Lataa Kirjailija: Isaac M. Marks ISBN: 9789525718003 Sivumäärä: 226 Formaatti: PDF Tiedoston koko: 20.87 Mb Tämän kirjan tarkoitus on auttaa sinua ymmärtämään
LisätiedotRADAR - RANDOM DATA GENERATOR
YLEISKUVAUS Radar on sovellus, jolla voi luoda näennäisen oikeaa satunnaisdataa testaus-, demo - ja muihin tarkoituksiin. TIEDUSTELUT Juha Levonen 050 372 5797 juha.levonen@kantapeikko.fi Osa datasta generoidaan
LisätiedotServus-ohjelmiston versio 14.3 on julkaistu Alla esitellään joitakin uusia ominaisuuksia.
JULKAISUTIEDOTE 1/5 Servus-ohjelmiston versio 14.3 on julkaistu. Alla esitellään joitakin uusia ominaisuuksia. YLEISIÄ MUUTOKSIA - PDF-tulosteet. - Suuret fontit korkearesoluutionäytöille. - Volyymilisenssi
LisätiedotLataa Radiologinen tutkimus- ja toimenpideluokitus Lataa
Lataa Radiologinen tutkimus- ja toimenpideluokitus 2007 Lataa ISBN: 9789522131430 Sivumäärä: 80 Formaatti: PDF Tiedoston koko: 22.00 Mb Uusi Radiologinen tutkimus- ja toimenpideluokitus 2007 korvaa vuoden
Lisätiedot+LISÄTEHTÄVIÄ päättely
+LISÄTEHTÄVIÄ päättely Ahaa! Aivotreeniä yhdessä on rekisteröity tavaramerkki. Ahaa-materiaalin kopiointi- ja käyttöoikeus vain koulutetuilla ohjaajilla koulutuksenmukaiseen käyttötarkoitukseen. Ahaa!
LisätiedotTekoäly ja sen soveltaminen yrityksissä. Mika Rantonen
Tekoäly ja sen soveltaminen yrityksissä Mika Rantonen Tekoäly- paljon puhetta, mistä kyse? Lyhyesti sanottuna: tekoäly on sellaista koneen tekemää toimintaa, joka ihmisen tekemänä olisi älykästä Otetaan
LisätiedotToiminnanohjaus ja reittien optimointi LogiAppsilla. Jukka Toivanen Tuotekehityspäällikkö
Toiminnanohjaus ja reittien optimointi LogiAppsilla Jukka Toivanen Tuotekehityspäällikkö Yrityksen taustaa Toiminnanohjausjärjestelmän ensimmäinen versio kehitetty vuonna 2008 Silvastin erikoiskuljetusliikkeen
LisätiedotToimitusketjun hallinnasta vähittäiskaupan kokonaisvaltaiseen suunnitteluun ja optimointiin
Toimitusketjun hallinnasta vähittäiskaupan kokonaisvaltaiseen suunnitteluun ja optimointiin Tammiseminaari Tommi Ylinen Kokonaisvaltaista vähittäiskaupan suunnittelua, analytiikkaa ja optimointia ennustepohjaisesti
LisätiedotSisällysluettelo ESIPUHE KIRJAN 1. PAINOKSEEN...3 ESIPUHE KIRJAN 2. PAINOKSEEN...3 SISÄLLYSLUETTELO...4
Sisällysluettelo ESIPUHE KIRJAN 1. PAINOKSEEN...3 ESIPUHE KIRJAN 2. PAINOKSEEN...3 SISÄLLYSLUETTELO...4 1. JOHDANTO TILASTOLLISEEN PÄÄTTELYYN...6 1.1 INDUKTIO JA DEDUKTIO...7 1.2 SYYT JA VAIKUTUKSET...9
LisätiedotHELIA 1 (16) Outi Virkki Tietokantasuunnittelu
HELIA 1 (16) Luento 3.2 Suorituskyvyn optimointi jatkuu...... 2 Tietojen tallennusratkaisut... 2 Tiedon tallennuksen yksiköitä... 3 Loogiset... 3 Fyysiset... 3 Tallennusmäärittelyt Oraclessa... 5 Loogiset
LisätiedotTehtäväsarja I Seuraavat tehtävät liittyvät kurssimateriaalin lukuun 7 eli vapauden käsitteeseen ja homogeenisiin
HY / Avoin yliopisto Lineaarialgebra ja matriisilaskenta I, kesä 2015 Harjoitus 4 Ratkaisut palautettava viimeistään maanantaina 862015 klo 1615 Tehtäväsarja I Seuraavat tehtävät liittyvät kurssimateriaalin
Lisätiedot805306A Johdatus monimuuttujamenetelmiin, 5 op
monimuuttujamenetelmiin, 5 op syksy 2018 Matemaattisten tieteiden laitos Johdatus monimuuttujamenetelmiin Luennot 30.10.13.12.-18 Tiistaina klo 12-14 (30.10., BF119-1) Keskiviikkoisin klo 10-12 (MA101,
LisätiedotMitä varautumissuunnitelmilta odotetaan? Tarvo Siukola
Mitä varautumissuunnitelmilta odotetaan? Tarvo Siukola Huoltovarmuuskeskuksen ohjeistama varautumissuunnittelu Huoltovarmuuskeskukselle 2016 toimitettu SML 28 :n mukainen varautumissuunnitelma koostui
LisätiedotKieli merkitys ja logiikka. 2: Helpot ja monimutkaiset. Luento 2. Monimutkaiset ongelmat. Monimutkaiset ongelmat
Luento 2. Kieli merkitys ja logiikka 2: Helpot ja monimutkaiset Helpot ja monimutkaiset ongelmat Tehtävä: etsi säkillinen rahaa talosta, jossa on monta huonetta. Ratkaisu: täydellinen haku käy huoneet
Lisätiedot1 Rajoittamaton optimointi
Taloustieteen matemaattiset menetelmät 7 materiaali 5 Rajoittamaton optimointi Yhden muuttujan tapaus f R! R Muistutetaan mieleen maksimin määritelmä. Funktiolla f on maksimi pisteessä x jos kaikille y
LisätiedotHELIA 1 (12) Outi Virkki Tiedonhallinta 4.11.2000
HELIA 1 (12) Luento 4.3 Eheyssäännöt (Integrity Constraints)... 2 Eheyden valvonta... 3 Yksilön eheyssääntö... 4 Viite-eheyssäännöt... 5 Arvojoukkoeheyssäännöt... 8 Null-arvoista... 10 Sovelluskohtaiset
LisätiedotTie- ja puustotietojen käsittely paikkatietosovelluksilla
Tie- ja puustotietojen käsittely paikkatietosovelluksilla Erillinen liite Metsätehon raporttiin 202 Ohje 2 Omistajien nimet suunnittelualuekartalle Marko Keisala ALKUSANAT Oheinen ohjeisto on laadittu
LisätiedotLataa Jäljillä julistepaketti (2 kpl) Lataa
Lataa Jäljillä julistepaketti (2 kpl) Lataa ISBN: 9789512648535 Formaatti: PDF Tiedoston koko: 23.68 Mb JÄLJILLÄ-sarjan houkuttelevat julisteet myydään yhtenä pakettina. Lajijulisteessa on 30 kasvilajia
LisätiedotAvoin data Avoin kirjasto Kuvailupäivät 20.3.2013
Avoin data Avoin kirjasto Kuvailupäivät 20.3.2013 Aineistojen kuvailun uudistaminen laajemmassa yhteydessä Tiedon tallennuksen ja haun uusi ekosysteemi Kansalliskirjaston hankkeet: RDA, UKJ, Melinda, Finna,
LisätiedotCABAS. Release Notes 5.4. Uusi kuvien ja dokumenttien käsittely
Release Notes 5.4 CABAS Uusi kuvien ja dokumenttien käsittely Olemme päivittäneet ja nykyaikaistaneet CABASin kuvien ja dokumenttien käsittelyn. Nyt kuvia voi vetää hiiren osoittimella ja pudottaa ne kuvaluetteloon.
LisätiedotMatematiikan tukikurssi, kurssikerta 2
Matematiikan tukikurssi kurssikerta 1 Relaatioista Oletetaan kaksi alkiota a ja b. Näistä kumpikin kuuluu johonkin tiettyyn joukkoon mahdollisesti ne kuuluvat eri joukkoihin; merkitään a A ja b B. Voidaan
LisätiedotLataa Maanmittauslaskennan perusteet - Pasi Rantanen. Lataa
Lataa Maanmittauslaskennan perusteet - Pasi Rantanen Lataa Kirjailija: Pasi Rantanen ISBN: 9789521303654 Sivumäärä: 243 Formaatti: PDF Tiedoston koko: 26.88 Mb Kirja on tarkoitettu maanmittauslaskennan
LisätiedotKoodistoeditorin tavoitteet ja tilannekatsaus
Työpajan sisältö 9.00 Koodistoeditorin tavoitteet ja tilannekatsaus (Petri Roponen) 9.30 KaPA-koodistopalvelu ja REST-rajapinnat: lähtökohdat ja ratkaisumalli (Antti Tohmo) 10.15 Kansallinen koodistojen
LisätiedotBooking, Dispatch and Tracking system. birssi.net
Booking, Dispatch and Tracking system Birssi.net on kehitetty yhteistyössä taksialan ammattilaisten kanssa ja hyödyntää modernia teknologiaa. Yksi Birssi.netin päämääristä on tarjota taksinvälityskeskukselle
LisätiedotPALKKA-AINEISTON SIIRTOTIEDOSTO
Sivu 1(6) PALKKA-AINEISTON SIIRTOTIEDOSTO Erittelytason palkka-aineiston siirtotiedostolla tuodaan Procountorin palkanlaskentaan tiedot maksettavista palkoista ja niihin liittyvistä dimensioinneista. Siirtotiedosto
LisätiedotTalousmatematiikan perusteet: Luento 12. Lineaarinen optimointitehtävä Graafinen ratkaisu Ratkaisu Excel Solverilla
Talousmatematiikan perusteet: Luento 12 Lineaarinen optimointitehtävä Graafinen ratkaisu Ratkaisu Excel Solverilla Esimerkki Esim. Yritys tekee kahta elintarviketeollisuuden käyttämää puolivalmistetta,
LisätiedotALGORITMIT & OPPIMINEN
ALGORITMIT & OPPIMINEN Mitä voidaan automatisoida? Mikko Koivisto Avoimet aineistot tulevat Tekijä: Lauri Vanhala yhdistä, kuvita, selitä, ennusta! Tekijä: Logica Mitä voidaan automatisoida? Algoritmi
LisätiedotSijainnin merkitys Itellassa GIS. Jakelun kehittämisen ajankohtaispäivä
Jakelun kehittämisen ajankohtaispäivä Karttajärjestelmällä havainnollisuutta, tehokkuutta ja parempaa asiakaspalvelua Käytännön kokemuksia pilotoinneista ja käytössä olevista karttajärjestelmistä Juha
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
Lisätiedot1. OHJAAMATON OPPIMINEN JA KLUSTEROINTI
1. OHJAAMATON OPPIMINEN JA KLUSTEROINTI 1 1.1 Funktion optimointiin perustuvat klusterointialgoritmit Klusteroinnin onnistumista mittaavan funktion J optimointiin perustuvissa klusterointialgoritmeissä
LisätiedotTietokannan eheysrajoitteet ja niiden määrittäminen SQL-kielellä
hyväksymispäivä arvosana arvostelija Tietokannan eheysrajoitteet ja niiden määrittäminen SQL-kielellä Tuomas Husu Helsinki 20.2.2010 HELSINGIN YLIOPISTO Tietojenkäsittelytieteen laitos Sisältö i 1 Johdanto
LisätiedotLataa Bongaa lintu - Rob Hume. Lataa
Lataa Bongaa lintu - Rob Hume Lataa Kirjailija: Rob Hume ISBN: 9789522206459 Sivumäärä: 112 Formaatti: PDF Tiedoston koko: 27.92 Mb Täydellinen aloitusopas lintujen tarkkailuun kaikille nuorille luonnon
LisätiedotLataa Troijan hevonen 2. Lataa
Lataa Troijan hevonen 2 Lataa ISBN: 9789521214745 Sivumäärä: 161 Formaatti: PDF Tiedoston koko: 11.08 Mb Kustantajan kuvausteksti kirjasta puuttuu. Saatat kuitenkin löytää lisätietoa kirjasta kustantajan
LisätiedotLataa Hauska matematiikkakirja - Carol Vorderman. Lataa
Lataa Hauska matematiikkakirja - Carol Vorderman Lataa Kirjailija: Carol Vorderman ISBN: 9789522560742 Sivumäärä: 30 Formaatti: PDF Tiedoston koko: 36.86 Mb Pöllö opettaa tässä teoksessa kertotaulut kymmenen
LisätiedotRelaatiomalli ja -tietokanta
Relaatiomalli ja -tietokanta > Edgar. F. (Ted) Codd, IBM, 1969 < A Relational Model of Data for Large Shared Data Banks Communications of the ACM, Vol. 13, No. 6, June 1970, pp. 377-387. > 70-luvun lopulla
LisätiedotKOMPLEKSISET PÄÄTÖKSET
247 KOMPLEKSISET PÄÄTÖKSET Agentin hyötyarvo riippuukin nyt sarjasta toimintapäätöksiä Oheisessa 4 3 ruudukkomaailmassa agentti tekee siirtymäpäätöksen (Y, O, V, A) jokaisella ajanhetkellä Kun päädytään
LisätiedotSTEFAN KARKULAHTI HARJOITTELUN JA OPPIMISEN OPTIMOINTI. - case Black Knights korkeakoulujoukkue
STEFAN KARKULAHTI HARJOITTELUN JA OPPIMISEN OPTIMOINTI - case Black Knights korkeakoulujoukkue Harjoittelu Toistetaan määriteltyä toimintaa tai sen osaa jotta saavutetaan haluttu oppimistaso. Osaamistasot:
LisätiedotLataa Koko perheen värikasvio - Juha Laaksonen. Lataa
Lataa Koko perheen värikasvio - Juha Laaksonen Lataa Kirjailija: Juha Laaksonen ISBN: 9789512407385 Sivumäärä: 192 Formaatti: PDF Tiedoston koko: 36.34 Mb Lähiluonto ja pihapiiri ovat uskomattoman monipuolinen
LisätiedotLataa Kakurokirja 2 - Mauno Hepola. Lataa
Lataa Kakurokirja 2 - Mauno Hepola Lataa Kirjailija: Mauno Hepola ISBN: 9789522865892 Sivumäärä: 82 Formaatti: PDF Tiedoston koko: 36.11 Mb Kakuro on sudokun sukulainen, mutta haastavampi: vaatimuksena
Lisätiedotoheishakemistoja voi tiedostoon liittyä useita eri perustein muodostettuja
Tietokantojen hakemistorakenteet Hakemistorakenteiden (indeksien) tarkoituksena on nopeuttaa tietojen hakua tietokannasta. Hakemisto voi olla ylimääräinen oheishakemisto (secondary index), esimerkiksi
LisätiedotLataa Suomen luonnon sata vuotta. Lataa
Lataa Suomen luonnon sata vuotta Lataa ISBN: 9789519108100 Sivumäärä: 256 Formaatti: PDF Tiedoston koko: 11.18 Mb Kustantajan kuvausteksti kirjasta puuttuu. Saatat kuitenkin löytää lisätietoa kirjasta
LisätiedotLataa Pystytkö sanomaan perkele? - Annika Rentola. Lataa
Lataa Pystytkö sanomaan perkele? - Annika Rentola Lataa Kirjailija: Annika Rentola ISBN: 9789515232014 Sivumäärä: 223 Formaatti: PDF Tiedoston koko: 26.38 Mb Vuosittain 25 000 suomalaista sairastaa jonkinasteisen
LisätiedotLogistiikan optimointi- ja ohjausjärjestelmä TCS-Opti
Logistiikan optimointi- ja ohjausjärjestelmä TCS-Opti Taustaa.. Logistiikan ohjaus on fyysisten toimintojen ja koko logistiikan suunnittelua, kehitystä ja valvontaa. Siihen liittyvät järjestelmät voidaan
LisätiedotBayesin pelit. Kalle Siukola. MS-E2142 Optimointiopin seminaari: Peliteoria ja tekoäly
Bayesin pelit Kalle Siukola MS-E2142 Optimointiopin seminaari: Peliteoria ja tekoäly 12.10.2016 Toistetun pelin esittäminen automaatin avulla Ekstensiivisen muodon puu on tehoton esitystapa, jos peliä
LisätiedotRelaatiotietokantojen perusteista. Harri Laine Helsingin yliopisto
Harri Laine Helsingin yliopisto Suosion syy? Yksinkertaisuus vähän käsitteitä helppo hahmottaa Selkeä matemaattinen perusta ei tulkintaongelmia kuten esim. UML:ssä teoria käytäntö kaavio: R(A 1 :D 1, A
LisätiedotLataa Onko siellä ketään - Markus Hotakainen. Lataa
Lataa Onko siellä ketään - Markus Hotakainen Lataa Kirjailija: Markus Hotakainen ISBN: 9789523122079 Sivumäärä: 303 Formaatti: PDF Tiedoston koko: 23.31 Mb Olemmeko yksin? Tätä kysymystä ihmiskunta on
LisätiedotJohdantoa. Jokaisen matemaatikon olisi syytä osata edes alkeet jostakin perusohjelmistosta, Java MAPLE. Pascal MathCad
Johdantoa ALGORITMIT MATEMA- TIIKASSA, MAA Vanhan vitsin mukaan matemaatikko tietää, kuinka matemaattinen ongelma ratkaistaan, mutta ei osaa tehdä niin. Vitsi on ajalta, jolloin käytännön laskut eli ongelman
LisätiedotMS-A0402 Diskreetin matematiikan perusteet
MS-A040 Diskreetin matematiikan perusteet Osa : Relaatiot ja funktiot Riikka Kangaslampi 017 Matematiikan ja systeemianalyysin laitos Aalto-yliopisto Relaatiot Relaatio Määritelmä 1 Relaatio joukosta A
LisätiedotReitinoptimointiongelma, sen variantit ja ratkaisumenetelmät. FT Tuukka Puranen TIEA382 7.3.2012
Reitinoptimointiongelma, sen variantit ja ratkaisumenetelmät FT Tuukka Puranen TIEA382 7.3.2012 Tavoitteet Tunnistaa alueita, jossa reitinoptimointia voidaan hyödyntää Hahmottaa reitinoptimoinnin keskeiset
LisätiedotAttribuuttikieliopit
TIEA241 Automaatit ja kieliopit, kevät 2011 (IV) Antti-Juhani Kaijanaho TIETOTEKNIIKAN LAITOS 3. toukokuuta 2011 Sisällys t Chomskyn hierarkia kieli säännöllinen kontekstiton kontekstinen rekursiivisesti
LisätiedotTiedonhallinnan perusteet. Viikko 1 Jukka Lähetkangas
Tiedonhallinnan perusteet Viikko 1 Jukka Lähetkangas Kurssilla käytävät asiat Tietokantojen toimintafilosofian ja -tekniikan perusteet Tiedonsäilönnän vaihtoehdot Tietokantojen suunnitteleminen internetiä
LisätiedotTIEA382 Lineaarinen ja diskreetti optimointi
TIEA382 Lineaarinen ja diskreetti optimointi Jussi Hakanen Tietotekniikan laitos jussi.hakanen@jyu.fi AgC 426.3 Yleiset tiedot Tietotekniikan kandidaattiopintojen valinnainen kurssi http://users.jyu.fi/~jhaka/ldo/
Lisätiedot1 Kertaus. Lineaarinen optimointitehtävä on muotoa:
1 Kertaus Lineaarinen optimointitehtävä on muotoa: min c 1 x 1 + c 2 x 2 + + c n x n kun a 11 x 1 + a 12 x 2 + + a 1n x n b 1 a 21 x 1 + a 22 x 2 + + a 2n x n b 2 (11) a m1 x 1 + a m2 x 2 + + a mn x n
LisätiedotOrio Portaali Käyttäjäopas v1.0
Orion Orio Portaali Käyttäjäopas v1.0 SISÄLLYS Liity asiakkaaksi 02 Kirjautuminen 03 Tuotehaku 03 Ostoskori 05 Normaalin tilauksen tekeminen 06 Tilaushistoria 08 Asiakaspalvelu ja yleistä tietoa 09 orio.com
LisätiedotHelsingin yliopisto/tktl Kyselykielet, s 2006 Optimointi Harri Laine 1. Kyselyn optimointi. Kyselyn optimointi
Miksi optimoidaan Relaatiotietokannan kyselyt esitetään käytännössä SQLkielellä. Kieli määrittää halutun tuloksen, ei sitä miten tulos muodostetaan (deklaratiivinen kyselykieli) Tietokannan käsittelyoperaatiot
LisätiedotAimo-ohjauspaneelin käyttöohje Sisällys
Aimo-ohjauspaneelin käyttöohje Sisällys Tunnusten tilaaminen... 2 Sisäänkirjautuminen... 3 Käyttöliittymä... 4 Ryhmätekstiviestien lähettäminen... 5 Ryhmät... 7 Push-viestien lähettäminen... 12 Mobiilipalvelun
LisätiedotLataa Ekokehitystä etsimässä - Pirjo Suomela. Lataa
Lataa Ekokehitystä etsimässä - Pirjo Suomela Lataa Kirjailija: Pirjo Suomela ISBN: 9789514428586 Sivumäärä: 26 Formaatti: PDF Tiedoston koko: 11.28 Mb Kustantajan kuvausteksti kirjasta puuttuu. Saatat
LisätiedotMatematiikan tukikurssi, kurssikerta 3
Matematiikan tukikurssi, kurssikerta 3 1 Epäyhtälöitä Aivan aluksi lienee syytä esittää luvun itseisarvon määritelmä: { x kun x 0 x = x kun x < 0 Siispä esimerkiksi 10 = 10 ja 10 = 10. Seuraavaksi listaus
LisätiedotEDUTOOL 2010 graduseminaari
EDUTOOL 2010 graduseminaari tutkimussuunnitelma, kirjallisuus ja aiheen rajaaminen Sanna Järvelä Miksi tutkimussuunnitelma? Se on kartta, kompassi, aikataulu ja ajattelun jäsentäjä Tutkimussuunnitelma
LisätiedotLataa Rajatilat - Pertti Luukkonen. Lataa
Lataa Rajatilat - Pertti Luukkonen Lataa Kirjailija: Pertti Luukkonen ISBN: 9789529962549 Sivumäärä: 47 Formaatti: PDF Tiedoston koko: 38.20 Mb Rajatila- eli borderline (-diagnoosi) on nykypsykiatrian
Lisätiedot811120P Diskreetit rakenteet
811120P Diskreetit rakenteet 2017-2018 Yhteenveto Yleistä kurssista Kurssin laajuus 5 op Luentoja 30h Harjoituksia 21h Itsenäistä työskentelyä n. 80h 811120P Diskreetit rakenteet, Yhteenveto 2 Kurssin
LisätiedotLataa Nuoret luonnontutkijat: Metsä. Lataa
Lataa Nuoret luonnontutkijat: Metsä Lataa ISBN: 9789522940155 Sivumäärä: 95 Formaatti: PDF Tiedoston koko: 18.16 Mb Onko metsä sinulle tuttu? Erotatko kuusen ja saksanpihdan toisistaan? Tiedätkö, miten
LisätiedotMatematiikan tukikurssi
Matematiikan tukikurssi Kurssikerta 1 Määrittelyjoukoista Tarkastellaan funktiota, jonka määrittelevä yhtälö on f(x) = x. Jos funktion lähtöjoukoksi määrittelee vaikkapa suljetun välin [0, 1], on funktio
LisätiedotTekoäly ja koneoppiminen metsävaratiedon apuna
Tekoäly ja koneoppiminen metsävaratiedon apuna Arbonaut Oy ja LUT University 26. marraskuuta 2018 Metsätieteen päivä 2018 Koneoppimisen kohteena ovat lukujen sijasta jakaumat Esimerkki 1 Koneoppimisessa
LisätiedotTUOTTAVUUTTA LOUHINTAAN PROSESSIN TUKIOMINAISUUKSILLA
TUOTTAVUUTTA LOUHINTAAN PROSESSIN TUKIOMINAISUUKSILLA Tuomo Pirinen Sandvik Mining and Rock Technology 1 Louhinta- ja kalliotekniikan päivät 13.10.2016 DRILLER S OFFICE PORAUKSEN SUUNNITTELUUN JA SEURANTAAN
Lisätiedot1. OHJAAMATON OPPIMINEN JA KLUSTEROINTI
1. OHJAAMATON OPPIMINEN JA KLUSTEROINTI 1 1.1 Funktion optimointiin perustuvat klusterointialgoritmit Klusteroinnin onnistumista mittaavan funktion J optimointiin perustuvissa klusterointialgoritmeissä
LisätiedotLataa Apu-a - Bev Cobain. Lataa
Lataa Apu-a - Bev Cobain Lataa Kirjailija: Bev Cobain ISBN: 9789525321098 Sivumäärä: 160 Formaatti: PDF Tiedoston koko: 22.77 Mb Tämä kirja auttaa nuorta tunnistamaan oman masennuksensa ja etsimään apua.ensimmäisessä
LisätiedotLataa Todennäköisyyslaskenta 1 - Pekka Tuominen. Lataa
Lataa Todennäköisyyslaskenta 1 - Pekka Tuominen Lataa Kirjailija: Pekka Tuominen ISBN: 9789517451567 Sivumäärä: 229 Formaatti: PDF Tiedoston koko: 13.93 Mb Kustantajan kuvausteksti kirjasta puuttuu. Saatat
LisätiedotMat Investointiteoria Laskuharjoitus 4/2008, Ratkaisut
Projektien valintapäätöksiä voidaan pyrkiä tekemään esimerkiksi hyöty-kustannus-suhteen (so. tuottojen nykyarvo per kustannusten nykyarvo) tai nettonykyarvon (so. tuottojen nykyarvo - kustannusten nykyarvo)
LisätiedotTrichoderma reesein geenisäätelyverkoston ennustaminen Oskari Vinko
Trichoderma reesein geenisäätelyverkoston ennustaminen Oskari Vinko 04.11.2013 Ohjaaja: Merja Oja Valvoja: Harri Ehtamo Työn saa tallentaa ja julkistaa Aalto-yliopiston avoimilla verkkosivuilla. Muilta
LisätiedotLataa Lasten eläinatlas. Lataa
Lataa Lasten eläinatlas Lataa ISBN: 9783867759847 Sivumäärä: 43 Formaatti: PDF Tiedoston koko: 33.19 Mb Lasten eläinatlas vie lapsesi kiehtovalle ja tiedontäytteiselle matkalle eläinten maailmaan! Suuret,
LisätiedotLataa Suden kanssa. Lataa
Lataa Suden kanssa Lataa ISBN: 9789523109827 Sivumäärä: 306 Formaatti: PDF Tiedoston koko: 31.27 Mb Susi herättää pelkoa ja vihaa, mutta myös ihailua. Se nostattaa samaan aikaan kiukkua ja kunnioitusta
Lisätiedot1. Lineaarinen optimointi
0 1. Lineaarinen optimointi 1. Lineaarinen optimointi 1.1 Johdatteleva esimerkki Esimerkki 1.1.1 Giapetto s Woodcarving inc. valmistaa kahdenlaisia puuleluja: sotilaita ja junia. Sotilaan myyntihinta on
Lisätiedot2017/11/21 17:28 1/2 Tilitapahtumat. Tilitapahtumat... 1 Käyttö:... 1 Asiakirjan kentät:... 1
2017/11/21 17:28 1/2 Tilitapahtumat Table of Contents Tilitapahtumat... 1 Käyttö:... 1 Asiakirjan kentät... 1 Asiakirjan kentät:... 1 Asiakirjan kentät /alavalikko/ ensimmäinen välilehti:... 2 Asiakirjan
Lisätiedot3.3 Paraabeli toisen asteen polynomifunktion kuvaajana. Toisen asteen epäyhtälö
3.3 Paraabeli toisen asteen polynomifunktion kuvaajana. Toisen asteen epäyhtälö Yhtälön (tai funktion) y = a + b + c, missä a 0, kuvaaja ei ole suora, mutta ei ole yhtälökään ensimmäistä astetta. Funktioiden
LisätiedotExcel 2016 Power Pivot
Excel 2016 Power Pivot 20.11.2018 Markku Könkkölä JY / Digipalelut Lyhyesti Excel Power Pivot -apuohjelmalla voit analysoida suuria listamuotoisia tietoja tehokkaasti ilman taulukon sarake- tai rivirajoituksia.
LisätiedotLataa Kuuopas - Lambert Spix. Lataa
Lataa Kuuopas - Lambert Spix Lataa Kirjailija: Lambert Spix ISBN: 9789522663153 Sivumäärä: 28 Formaatti: PDF Tiedoston koko: 36.45 Mb - Yksityiskohtainen opas Kuun tarkkailijoille; Kuun meret, kraatterit
Lisätiedot811120P Diskreetit rakenteet
811120P Diskreetit rakenteet 2018-2019 Kertausta toiseen välikokeeseen Yhteenveto Kurssin sisältö 1. Algoritmin käsite 2. Lukujärjestelmät ja niiden muunnokset; lukujen esittäminen tietokoneessa 3. Logiikka
LisätiedotAvainsanojen poimiminen Eeva Ahonen
Avainsanojen poimiminen 5.10.2004 Eeva Ahonen Sisältö Avainsanat Menetelmät C4.5 päätöspuut GenEx algoritmi Bayes malli Testit Tulokset Avainsanat Tiivistä tietoa dokumentin sisällöstä ihmislukijalle hakukoneelle
LisätiedotTIEA241 Automaatit ja kieliopit, syksy Antti-Juhani Kaijanaho. 8. syyskuuta 2016
TIEA241 Automaatit ja kieliopit, syksy 2016 Antti-Juhani Kaijanaho TIETOTEKNIIKAN LAITOS 8. syyskuuta 2016 Sisällys a https://tim.jyu.fi/view/kurssit/tie/ tiea241/2016/videoiden%20hakemisto Matemaattisen
LisätiedotVEHO ONLINE- PÄÄLLIRAKENNEPALVELU. Päällirakentajan ohje Veho Oy Ab
VEHO ONLINE- PÄÄLLIRAKENNEPALVELU Päällirakentajan ohje Veho Oy Ab VEHO ONLINE PÄÄLLIRAKENNEPALVELU Kirjautuminen ja rekisteröityminen VehoOnline palveluun https://online.vehotrucks.fi Käyttäjätunnusten
LisätiedotIntroduction to Machine Learning
Introduction to Machine Learning Aki Koivu 27.10.2016 HUMAN HEALT H ENVIRONMENTAL HEALT H 2016 PerkinElmer Miten tietokone oppii ennustamaan tai tekemään päätöksiä? Historia tiivistettynä Machine Learning
LisätiedotMIKROTEORIA 1, HARJOITUS 1 BUDJETTISUORA, PREFERENSSIT, HYÖTYFUNKTIO JA VALINTA
MIKROTEORIA, HARJOITUS BUDJETTISUORA, PREFERENSSIT, HYÖTYFUNKTIO JA VALINTA tilasto (600 00) 00 a. Kulmakerroin: = = =, koska 00 sivua lisää ta aiheuttaa (00 400) 00 luopumisen 00 sivusta tilastoa. Toisin
Lisätiedot