Älykäs datan tuonti kuljetusongelman optimoinnissa. Antoine Kalmbach

Save this PDF as:
 WORD  PNG  TXT  JPG

Koko: px
Aloita esitys sivulta:

Download "Älykäs datan tuonti kuljetusongelman optimoinnissa. Antoine Kalmbach"

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)

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.

Lisätiedot

Oppijan saama palaute määrää oppimisen tyypin

Oppijan 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

Lisätiedot

Johdatus 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! ] Johdatus tekoälyyn Luento 6.10.2011: Koneoppiminen Patrik Hoyer [ Kysykää ja kommentoikaa luennon aikana! ] Koneoppiminen? Määritelmä: kone = tietokone, tietokoneohjelma oppiminen = ongelmanratkaisukyvyn

Lisätiedot

Viikko 1: Johdantoa Matti Kääriäinen matti.kaariainen@cs.helsinki.fi

Viikko 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

Lisätiedot

Tiedonlouhinta rakenteisista dokumenteista (seminaarityö)

Tiedonlouhinta 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/

Lisätiedot

Neuroverkkojen soveltaminen vakuutusdatojen luokitteluun

Neuroverkkojen 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

Lisätiedot

2. Käsiteanalyysi ja relaatiomalli

2. 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

Lisätiedot

Geneettiset algoritmit

Geneettiset algoritmit Geneettiset algoritmit Evoluution piirteitä laskennassa Optimoinnin perusteet - Kevät 2002 / 1 Sisältö Geneettisten algoritmien sovelluskenttä Peruskäsitteitä Esimerkkejä funktion ääriarvon etsintä vangin

Lisätiedot

Algoritmit 1. Luento 14 Ke 25.2.2015. Timo Männikkö

Algoritmit 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

Lisätiedot

29.11.2015. Työasema- ja palvelinarkkitehtuurit IC130301. Storage. Storage - trendit. 5 opintopistettä. Petri Nuutinen

29.11.2015. 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

Lisätiedot

Webforum. Version 14.2 uudet ominaisuudet. Viimeisin päivitys: 2014-06-12

Webforum. 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

Lisätiedot

Asiakastietojen tuominen toisesta tietokannasta etaika-ohjelmistoon. Kuinka yhdistän tietoja eri asiakastietokantojen välillä

Asiakastietojen 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)

Lisätiedot

Tiedon louhinnan teoria (ja käytäntö) OUGF kevätseminaari 2004 Hannu Toivonen

Tiedon 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

Lisätiedot

S09 04 Kohteiden tunnistaminen 3D datasta

S09 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

Lisätiedot

Lataa Radiologinen tutkimus- ja toimenpideluokitus Lataa

Lataa 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

Servus-ohjelmiston versio 14.3 on julkaistu Alla esitellään joitakin uusia ominaisuuksia.

Servus-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

Lisätiedot

RADAR - RANDOM DATA GENERATOR

RADAR - 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

Lisätiedot

Lataa Pelko - osa elämää - Isaac M. Marks. Lataa

Lataa 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

Lisätiedot

Toimitusketjun hallinnasta vähittäiskaupan kokonaisvaltaiseen suunnitteluun ja optimointiin

Toimitusketjun hallinnasta vähittäiskaupan kokonaisvaltaiseen suunnitteluun ja optimointiin Toimitusketjun hallinnasta vähittäiskaupan kokonaisvaltaiseen suunnitteluun ja optimointiin Tammiseminaari Tommi Ylinen Kokonaisvaltaista vähittäiskaupan suunnittelua, analytiikkaa ja optimointia ennustepohjaisesti

Lisätiedot

HELIA 1 (16) Outi Virkki Tietokantasuunnittelu

HELIA 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

Lisätiedot

Sisällysluettelo 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 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

Lisätiedot

Kieli merkitys ja logiikka. 2: Helpot ja monimutkaiset. Luento 2. Monimutkaiset ongelmat. Monimutkaiset ongelmat

Kieli 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

Lisätiedot

Tehtäväsarja I Seuraavat tehtävät liittyvät kurssimateriaalin lukuun 7 eli vapauden käsitteeseen ja homogeenisiin

Tehtäväsarja 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

Lisätiedot

1 Rajoittamaton optimointi

1 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

Lisätiedot

HELIA 1 (12) Outi Virkki Tiedonhallinta 4.11.2000

HELIA 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

Lisätiedot

Tie- ja puustotietojen käsittely paikkatietosovelluksilla

Tie- 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

Lisätiedot

Avoin data Avoin kirjasto Kuvailupäivät 20.3.2013

Avoin 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,

Lisätiedot

Lataa Jäljillä julistepaketti (2 kpl) Lataa

Lataa 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

Lisätiedot

CABAS. Release Notes 5.4. Uusi kuvien ja dokumenttien käsittely

CABAS. 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.

Lisätiedot

Koodistoeditorin tavoitteet ja tilannekatsaus

Koodistoeditorin 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

Lisätiedot

Booking, Dispatch and Tracking system. birssi.net

Booking, 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

Lisätiedot

Matematiikan tukikurssi, kurssikerta 2

Matematiikan 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

Lisätiedot

ALGORITMIT & OPPIMINEN

ALGORITMIT & OPPIMINEN ALGORITMIT & OPPIMINEN Mitä voidaan automatisoida? Mikko Koivisto Avoimet aineistot tulevat Tekijä: Lauri Vanhala yhdistä, kuvita, selitä, ennusta! Tekijä: Logica Mitä voidaan automatisoida? Algoritmi

Lisätiedot

Lataa Maanmittauslaskennan perusteet - Pasi Rantanen. Lataa

Lataa 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

Lisätiedot

Sijainnin merkitys Itellassa GIS. Jakelun kehittämisen ajankohtaispäivä

Sijainnin merkitys Itellassa GIS. Jakelun kehittämisen ajankohtaispäivä Jakelun kehittämisen ajankohtaispäivä Karttajärjestelmällä havainnollisuutta, tehokkuutta ja parempaa asiakaspalvelua Käytännön kokemuksia pilotoinneista ja käytössä olevista karttajärjestelmistä Juha

Lisätiedot

1. OHJAAMATON OPPIMINEN JA KLUSTEROINTI

1. OHJAAMATON OPPIMINEN JA KLUSTEROINTI 1. OHJAAMATON OPPIMINEN JA KLUSTEROINTI 1 1.1 Funktion optimointiin perustuvat klusterointialgoritmit Klusteroinnin onnistumista mittaavan funktion J optimointiin perustuvissa klusterointialgoritmeissä

Lisätiedot

Lataa Bongaa lintu - Rob Hume. Lataa

Lataa 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

Lisätiedot

Tietokannan eheysrajoitteet ja niiden määrittäminen SQL-kielellä

Tietokannan 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

Lisätiedot

KOMPLEKSISET PÄÄTÖKSET

KOMPLEKSISET 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

Lisätiedot

Relaatiomalli ja -tietokanta

Relaatiomalli 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

Lisätiedot

Lataa Troijan hevonen 2. Lataa

Lataa 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

Lisätiedot

Lataa Hauska matematiikkakirja - Carol Vorderman. Lataa

Lataa 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

Lisätiedot

STEFAN KARKULAHTI HARJOITTELUN JA OPPIMISEN OPTIMOINTI. - case Black Knights korkeakoulujoukkue

STEFAN 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:

Lisätiedot

Lataa Onko siellä ketään - Markus Hotakainen. Lataa

Lataa 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

Lisätiedot

Lataa Koko perheen värikasvio - Juha Laaksonen. Lataa

Lataa 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

Lisätiedot

Logistiikan optimointi- ja ohjausjärjestelmä TCS-Opti

Logistiikan 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

Lisätiedot

Lataa Pystytkö sanomaan perkele? - Annika Rentola. Lataa

Lataa 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

Lisätiedot

Bayesin pelit. Kalle Siukola. MS-E2142 Optimointiopin seminaari: Peliteoria ja tekoäly

Bayesin 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

Lisätiedot

oheishakemistoja voi tiedostoon liittyä useita eri perustein muodostettuja

oheishakemistoja 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

Lisätiedot

Lataa Kakurokirja 2 - Mauno Hepola. Lataa

Lataa 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

Lisätiedot

Relaatiotietokantojen perusteista. Harri Laine Helsingin yliopisto

Relaatiotietokantojen 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

Lisätiedot

Lataa Suomen luonnon sata vuotta. Lataa

Lataa 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

Lisätiedot

Reitinoptimointiongelma, sen variantit ja ratkaisumenetelmät. FT Tuukka Puranen TIEA382 7.3.2012

Reitinoptimointiongelma, 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

Lisätiedot

Logistiset pisteet aineiston päivittäminen

Logistiset pisteet aineiston päivittäminen Logistiset pisteet aineiston päivittäminen BORIS-järjestelmän aineistolistalla on Logistiset pisteet aineisto, joka kuvaa eri projekteissa kartoitettuja ympäristövahinkojen torjunnan logistiikkaan liittyviä

Lisätiedot

MS-A0402 Diskreetin matematiikan perusteet

MS-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

Lisätiedot

Attribuuttikieliopit

Attribuuttikieliopit TIEA241 Automaatit ja kieliopit, kevät 2011 (IV) Antti-Juhani Kaijanaho TIETOTEKNIIKAN LAITOS 3. toukokuuta 2011 Sisällys t Chomskyn hierarkia kieli säännöllinen kontekstiton kontekstinen rekursiivisesti

Lisätiedot

Tiedonhallinnan perusteet. Viikko 1 Jukka Lähetkangas

Tiedonhallinnan perusteet. Viikko 1 Jukka Lähetkangas Tiedonhallinnan perusteet Viikko 1 Jukka Lähetkangas Kurssilla käytävät asiat Tietokantojen toimintafilosofian ja -tekniikan perusteet Tiedonsäilönnän vaihtoehdot Tietokantojen suunnitteleminen internetiä

Lisätiedot

TIEA382 Lineaarinen ja diskreetti optimointi

TIEA382 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/

Lisätiedot

Orio Portaali Käyttäjäopas v1.0

Orio 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

Lisätiedot

1 Kertaus. Lineaarinen optimointitehtävä on muotoa:

1 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

Lisätiedot

Lataa Ekokehitystä etsimässä - Pirjo Suomela. Lataa

Lataa 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

Lisätiedot

EDUTOOL 2010 graduseminaari

EDUTOOL 2010 graduseminaari EDUTOOL 2010 graduseminaari tutkimussuunnitelma, kirjallisuus ja aiheen rajaaminen Sanna Järvelä Miksi tutkimussuunnitelma? Se on kartta, kompassi, aikataulu ja ajattelun jäsentäjä Tutkimussuunnitelma

Lisätiedot

Matematiikan tukikurssi, kurssikerta 3

Matematiikan 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

Lisätiedot

TUOTTAVUUTTA LOUHINTAAN PROSESSIN TUKIOMINAISUUKSILLA

TUOTTAVUUTTA 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

Lisätiedot

811120P Diskreetit rakenteet

811120P 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

Lisätiedot

Lataa Apu-a - Bev Cobain. Lataa

Lataa 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

Lisätiedot

1. OHJAAMATON OPPIMINEN JA KLUSTEROINTI

1. OHJAAMATON OPPIMINEN JA KLUSTEROINTI 1. OHJAAMATON OPPIMINEN JA KLUSTEROINTI 1 1.1 Funktion optimointiin perustuvat klusterointialgoritmit Klusteroinnin onnistumista mittaavan funktion J optimointiin perustuvissa klusterointialgoritmeissä

Lisätiedot

Lataa Nuoret luonnontutkijat: Metsä. Lataa

Lataa 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

Lisätiedot

Lataa Rajatilat - Pertti Luukkonen. Lataa

Lataa 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

Lisätiedot

Matematiikan tukikurssi

Matematiikan 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

Lisätiedot

Trichoderma reesein geenisäätelyverkoston ennustaminen Oskari Vinko

Trichoderma 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

Lisätiedot

1. Lineaarinen optimointi

1. 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

Lisätiedot

Lataa Todennäköisyyslaskenta 1 - Pekka Tuominen. Lataa

Lataa 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

Lisätiedot

3.3 Paraabeli toisen asteen polynomifunktion kuvaajana. Toisen asteen epäyhtälö

3.3 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

Lisätiedot

2017/11/21 17:28 1/2 Tilitapahtumat. Tilitapahtumat... 1 Käyttö:... 1 Asiakirjan kentät:... 1

2017/11/21 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

Lisätiedot

Lataa Suden kanssa. Lataa

Lataa 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

Lisätiedot

Lataa Lasten eläinatlas. Lataa

Lataa 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,

Lisätiedot

Avainsanojen poimiminen Eeva Ahonen

Avainsanojen 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

Lisätiedot

TIEA241 Automaatit ja kieliopit, syksy Antti-Juhani Kaijanaho. 8. syyskuuta 2016

TIEA241 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

Lisätiedot

Introduction to Machine Learning

Introduction 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

Lisätiedot

Lataa Kuuopas - Lambert Spix. Lataa

Lataa 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

Lisätiedot

MIKROTEORIA 1, HARJOITUS 1 BUDJETTISUORA, PREFERENSSIT, HYÖTYFUNKTIO JA VALINTA

MIKROTEORIA 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

Tietorakenteet ja algoritmit

Tietorakenteet ja algoritmit Tietorakenteet ja algoritmit Kurssin sisältö pääpiirteittäin Tarvittavat pohjatiedot Avainsanat Abstraktio Esimerkkiohjelman tehtäväkuvaus Abstraktion käyttö tehtävässä Abstrakti tietotyyppi Hyötyjä ADT:n

Lisätiedot

Tilastollinen vastepintamallinnus: kokeiden suunnittelu, regressiomallin analyysi, ja vasteen optimointi. Esimerkit laskettu JMP:llä

Tilastollinen vastepintamallinnus: kokeiden suunnittelu, regressiomallin analyysi, ja vasteen optimointi. Esimerkit laskettu JMP:llä Tilastollinen vastepintamallinnus: kokeiden suunnittelu, regressiomallin analyysi, ja vasteen optimointi Esimerkit laskettu JMP:llä Antti Hyttinen Tampereen teknillinen yliopisto 29.12.2003 ii Ohjelmien

Lisätiedot

Ryhmäkirjeen hyödyntäminen

Ryhmäkirjeen hyödyntäminen Ryhmäkirjeen hyödyntäminen hannele.rajaniemi@jyu.fi konkkola@cc.jyu.fi Sisältö Joukkokirje-toiminnon (Wordin ja Excelin yhteiskäytön) periaatteet Excel tietolähteenä tutuksi (valmis harjoitustiedosto)

Lisätiedot

YRITTÄJÄ, TEE NYT V**TU EDES JOTAIN, MARKKINOI ÄLÄ MARISE

YRITTÄJÄ, TEE NYT V**TU EDES JOTAIN, MARKKINOI ÄLÄ MARISE YRITTÄJÄ, TEE NYT V**TU EDES JOTAIN, MARKKINOI ÄLÄ MARISE #MARILTA #PASIONKINGI #YRITTÄJÄT EI AIKA RIITÄ SITKU EMMÄ VIITTI EMMÄ OSAA NÄÄ KOULUTUKSET ON IHAN HYVIÄ, MUTKU PELKO,KOKEILLA UUTTA PAHINTA

Lisätiedot

Lataa Hoitotyön oppiminen ja uudistuva opettajuus. Lataa

Lataa Hoitotyön oppiminen ja uudistuva opettajuus. Lataa Lataa Hoitotyön oppiminen ja uudistuva opettajuus Lataa ISBN: 9789514459153 Sivumäärä: 93 Formaatti: PDF Tiedoston koko: 10.04 Mb Kustantajan kuvausteksti kirjasta puuttuu. Saatat kuitenkin löytää lisätietoa

Lisätiedot

Lataa Taittuuko matikka? Lataa

Lataa Taittuuko matikka? Lataa Lataa Taittuuko matikka? Lataa ISBN: 9789522402738 Sivumäärä: 17 Formaatti: PDF Tiedoston koko: 16.82 Mb Taittuuko matikka? opettaa matematiikkaa havainnollisesti ja hauskasti. Alakoulun matikantunnin

Lisätiedot

Tietokannat II -kurssin harjoitustyö

Tietokannat II -kurssin harjoitustyö Tietokannat II -kurssin harjoitustyö Olli Opiskelija (123), olli.opiskelija@foo.fi Maija Mallioppilas (321), maija.mallioppilas@foo.fi 13.3. 2007 1 Sisältö 1 Tietokannan kuvaus 3 1.1 Tietokannan rakenne..................................

Lisätiedot

Helsingin yliopisto/tktl DO Tietokantojen perusteet, s 2000 Relaatiomallin peruskäsitteet Harri Laine 1. Relaatiotietokannat DONOTP

Helsingin yliopisto/tktl DO Tietokantojen perusteet, s 2000 Relaatiomallin peruskäsitteet Harri Laine 1. Relaatiotietokannat DONOTP RINT THIS DOCUM ENT Relaatiotietokannat DONOTP Relaatiomalli Perustana rakennetason tietomalli relaatiomalli (the relational model of data) perusteoria: Codd 1970 ensimmäiset kaupalliset toteutukset 70-luvun

Lisätiedot

Lämpötilan ja valssausvoiman tilastollinen mallintaminen levyvalssauksessa

Lämpötilan ja valssausvoiman tilastollinen mallintaminen levyvalssauksessa Lämpötilan ja valssausvoiman tilastollinen mallintaminen levyvalssauksessa VaProKe projekti (Ruukki, TEKES) Intelligent Systems Group, ILMARI JUUTILAINEN, 24.11.2011 Sisältö Projektin tavoitteet Voimamallinnuksen

Lisätiedot

KONEOPPIMISEN HYÖDYNTÄMINEN: AUTOMAATTINEN TIKETTIEN KÄSITTELY. Esa Sairanen

KONEOPPIMISEN HYÖDYNTÄMINEN: AUTOMAATTINEN TIKETTIEN KÄSITTELY. Esa Sairanen KONEOPPIMISEN HYÖDYNTÄMINEN: AUTOMAATTINEN TIKETTIEN KÄSITTELY Esa Sairanen 29.03.2017 Sisältö Taustaa Tavoite Mitä on koneoppiminen? Azure Machine Learning koneoppimismenetelmiä Projektin vaiheet Data

Lisätiedot

Lataa Hoitamaan oppiminen ja opettaminen - Terttu Munnukka. Lataa

Lataa Hoitamaan oppiminen ja opettaminen - Terttu Munnukka. Lataa Lataa Hoitamaan oppiminen ja opettaminen - Terttu Munnukka Lataa Kirjailija: Terttu Munnukka ISBN: 9789514442650 Sivumäärä: 58 Formaatti: PDF Tiedoston koko: 36.56 Mb Kustantajan kuvausteksti kirjasta

Lisätiedot

R intensiivisesti. Erkki Räsänen Ecitec Oy

R intensiivisesti. Erkki Räsänen Ecitec Oy R intensiivisesti Erkki Räsänen Ecitec Oy Päivän tavoitteet Yleinen perehdytys R:ään; miten sitä käytetään ja mitä sillä voi tehdä Ymmärrämme yleisimpiä analyysimenetelmiä ja osaamme tulkita tuloksia Madallamme

Lisätiedot

Sisällysluettelo ESIPUHE... 4 ALKUSANAT E-KIRJA VERSIOON... 5 SISÄLLYSLUETTELO... 6 1. JOHDANTO TILASTOLLISEEN PÄÄTTELYYN... 8 2. TODENNÄKÖISYYS...

Sisällysluettelo ESIPUHE... 4 ALKUSANAT E-KIRJA VERSIOON... 5 SISÄLLYSLUETTELO... 6 1. JOHDANTO TILASTOLLISEEN PÄÄTTELYYN... 8 2. TODENNÄKÖISYYS... Sisällysluettelo ESIPUHE... 4 ALKUSANAT E-KIRJA VERSIOON... 5 SISÄLLYSLUETTELO... 6 1. JOHDANTO TILASTOLLISEEN PÄÄTTELYYN... 8 1.1 INDUKTIO JA DEDUKTIO... 9 1.2 SYYT JA VAIKUTUKSET... 11 TEHTÄVIÄ... 13

Lisätiedot

Excel-taulukkoon X- ja Y-sarakkeisiin tallennettujen koordinaattien muuntaminen paikkatietokohteiksi

Excel-taulukkoon X- ja Y-sarakkeisiin tallennettujen koordinaattien muuntaminen paikkatietokohteiksi Excel-taulukkoon X- ja Y-sarakkeisiin tallennettujen koordinaattien muuntaminen paikkatietokohteiksi Esimerkkinä Excel-taulukkona ladattavat Helsingin pysäköintilippuautomaatit Viimeksi muokattu 27. huhtikuuta

Lisätiedot

Polaarisatelliittidataan perustuva lumentunnistusalgoritmi (valmiin työn esittely)

Polaarisatelliittidataan perustuva lumentunnistusalgoritmi (valmiin työn esittely) Polaarisatelliittidataan perustuva lumentunnistusalgoritmi (valmiin työn esittely) 24.01.2011 Ohjaaja: Niilo Siljamo, Ilmatieteen Laitos Valvoja: Harri Ehtamo Esityksen sisältö Termejä Tausta Menetelmät

Lisätiedot

Lataa Satelliittipaikannus - Markku Poutanen. Lataa

Lataa Satelliittipaikannus - Markku Poutanen. Lataa Lataa Satelliittipaikannus - Markku Poutanen Lataa Kirjailija: Markku Poutanen ISBN: 9789525985412 Sivumäärä: 351 Formaatti: PDF Tiedoston koko: 23.50 Mb Satelliittipaikannus kertoo kattavasti paikannuslaitteiden

Lisätiedot

Webforum. Version 16.1 uudet ominaisuudet. Päivitetty:

Webforum. Version 16.1 uudet ominaisuudet. Päivitetty: Webforum Version 16.1 uudet ominaisuudet Päivitetty: 2016-03-21 Sisältö Tietoja tästä dokumentista... 3 Yleistä... 4 Aloita sivu / Dashboard... 5 Tekstin muotoilu uutisissa... 5 Muuta... 5 Dokumentit...

Lisätiedot

Poikkeavuuksien havainnointi (palvelinlokeista)

Poikkeavuuksien havainnointi (palvelinlokeista) Poikkeavuuksien havainnointi (palvelinlokeista) TIES326 Tietoturva 2.11.2011 Antti Juvonen Sisältö IDS-järjestelmistä Datan kerääminen ja esiprosessointi Analysointi Esimerkki Lokidatan rakenne Esikäsittely,

Lisätiedot