Kuinka paljon dataa on tarpeeksi?
|
|
- Outi Kokkonen
- 4 vuotta sitten
- Katselukertoja:
Transkriptio
1 Kuinka paljon dataa on tarpeeksi? Tiekartta hallitun datalammen rakennukseen Mikko Toivonen Manager, Systems Engineering Dell Technologies Finland
2 Tekoälyn (koneoppimisen) kolme pilaria Tekoälyalgoritmit Jo kehittyneet ja kokoajan kehitettävät tekoälyalgoritmit mahdollistavat koneiden suorittavan tehtäviä, jotka aikaisemmin oliva ihmisen yksinoikeus. Laskentateho Sadat ja tuhannet palvelimet ja laskennan kiihdyttimet mahdollistavat tekoälyalgoritmien ja suurien datamassojen prosessoinin. Datan määrä Datan saatavuus ja kyky tallentaa sitä järkevästi ja tehokkaasti ovat avainasemassa koneiden kouluttamisessa. 2 1
3 3
4 Kuinka paljon dataa on tarpeeksi?
5 1D Normaalijakautunut data n näytteiden lukumäärä X ~ N(μpop, σpop), data on normaalijakautunut Datan keskiarvon ( μ) keskihajonta ( σ) on σ pop n Bayesin Credible Interval on myös suhteessa edelliseen arvoon Tarkuuden kaksinkertaistaminen vaatii siis nelinkertaisen määrän datapisteitä
6 Curse of Dimensionality Vakiomäärä tasajakautuneen datan datapisteiden etäisyys kasvaa eksponentiaalisesti suhteessa datan dimensionaalisuuteen 1000 pistettä, 0 1 välillä, pisteiden etäisyys 1D: D: D: ~0.5 Datapisteet ovat harvassa, joten arvioiden luotettavuus laskee 1D 2D 3D
7 1000 pisteen keskimääräinen etäisyys [1]
8 Hughesin ilmiö Featureiden lukumäärä tulee ottaa huomioon Featureiden lukumäärä ei ole sama kuin datan dimensionaalisuus Esim. Kuvan dimensionaalisuus on pikseleiden lukumäärän ja värikanavien tulo featureita ei kuitenkaan ole näin montaa Featureiden todellinen lukumäärä voi olla vaikea arvioida, esim. kuvista [1] Hughes ilmiö [1]
9 ImageNet Hierarkkinen tietokanta kuvia Vuonna 2009, 3.2 miljoonaa kuvaa Nykyään yli 14 miljoonaa kuvaa (image-net.org) Keskimäärin 181 tuhatta pikseliä, pienennetty standardikokoon 256*256 AdaBoost:iin perustuva luokitin, tulokset 10-90% testi-koulutus -jaolla [1] Deng, Jia, et al. "Imagenet: A large-scale hierarchical image database." 2009 IEEE conference on computer vision and pattern recognition. Ieee, [2]
10 Ohjeita Datapisteitä vähintään 10x tulosdimension koko Esim. Tulosdimension koko on 3, jos kuvasta halutaan tuloksena {ikä, sukupuoli, hiusten väri}, mutta 30 kuvaa ei tule riittämään Riippuu tehtävästä: luokittelu vai regressio Helposti erotettavat luokat voivat vaatia vähemmän (mutta tämä on harvinaista) Featureiden lukumäärä pitää myös ottaa huomioon Enemmän on parempi!
11
12 Datan esikäsittely RAAKADATA Koulutukseen ei yleensä käytetä raakadataa Raakadata esikäsitellään ja siitä tuotetaan useita uusia kopioita Käsittely voidaan tehdä myös online, mutta kuville se on tehotonta HYPER- PARAMETRIT Kopiot voivat olla eri muodossa, pienempiä, tai muuten vain käsiteltyjä Kopioita ei tarvitse suojata samalla tasolla kuin raakadata, koska ne johdettavissa raakadatasta 12
13 Hajautetun koneoppimisen ympäristö CPU MEM NIC CPU MEM NIC CPU MEM NIC CPU MEM NIC CPU MEM NIC CPU MEM NIC CPU MEM NIC CPU MEM NIC CPU MEM NIC NETWORK CPU MEM NIC DATA PARAMETER SERVER STORAGE
14 Hajautetun koneoppimisen ympäristö Tallennuksen vaatimukset Skaalautuva Datan tulevaa määrää hankala ennustaa Joustava Datan nykyiset ja tulevat käyttötarkoitukset Datan eritasoiset suojausvaatimukset Tehokas Suurien datamassojen käsittely vaatii paljon kaistaa Käytettävyys
15 Dell EMC Isilon for AI High Performance Flexibility Extreme Scale Enterprise Features R E A D Y S O L U T I O N A C C E L E R AT I O N 15 Copyright 2017 Dell Inc.
16 Isilon Scale-Out arkkitehtuuri Head Node Management Network C4140 Compute Node 0 2xCPU + 4x Compute Node 1 2xCPU + 4x Compute Node 2 2xCPU + 4x Compute Node n 2xCPU + 4x V100 SXM2 Data Network Isilon F800 Storage Node 0 1xCPU + 15xSSD Storage Node 1 1xCPU + 15xSSD Storage Node 2 1xCPU + 15xSSD Storage Node m 1xCPU + 15xSSD 40GbE Storage Cluster Fabric 40GbE Storage SwitchCluster Fabric Switch
17 Flexibility makes AI an integral part of IT Tick Analytics ML Minimize cost and time to market with in-place AI Improve IT re-use and agility with ability to work with any compute or application Caffe2 17 Copyright 2017 Dell Inc.
18 All-Flash performance with Dell EMC Isilon 250k File IOPS per chassis 15 GB/s per chassis Up to 924 TB per chassis Performance Comparison VS Closest Competitor All Flash Accelerate model training and testing Improve CPU and utilization File IOPS Throughput Capacity 9x More* 18x More* 20x More* * Compared to closest competitor based on Dell EMC internal analysis, June Ad # G Copyright 2017 Dell Inc.
19 Advanced driver-assistance systems (ADAS) Test Vehicle Data: Video Ultrasonic Radar Vehicle Data Lidar And More GPS Data Enrichment & Labeling 2 3 Test Cases Test Results Analysis, Reporting & Management 4 Deep Learning Environment Ingest HiL/SiL Test Environments 1 Disk Load Station Sensor Sensor Sensor File-Object HiL Server Farm ECU ECU ECU Physical devices 5 Archive SiL Server Farm 19 Copyright 2019 Dell Inc.
20
LAS- 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
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
Lisätiedot7.4 Variability management
7.4 Variability management time... space software product-line should support variability in space (different products) support variability in time (maintenance, evolution) 1 Product variation Product
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
LisätiedotTEEMU 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.
LisätiedotUudella palvelinteknologialla otat palvelut käyttöön nopeammin. Micke Sjöblom Category Manager - HP Servers
Uudella palvelinteknologialla otat palvelut käyttöön nopeammin Micke Sjöblom Category Manager - HP Servers Tulevaisuudessa liiketoiminta määritetään ohjelmistoilla Matka palvelumoottoriin on alkanut CONVERGED
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
LisätiedotHITSAUKSEN TUOTTAVUUSRATKAISUT
Kemppi ARC YOU GET WHAT YOU MEASURE OR BE CAREFUL WHAT YOU WISH FOR HITSAUKSEN TUOTTAVUUSRATKAISUT Puolitetaan hitsauskustannukset seminaari 9.4.2008 Mikko Veikkolainen, Ratkaisuliiketoimintapäällikkö
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
LisätiedotJOHDATUS TEKOÄLYYN TEEMU ROOS
JOHDATUS TEKOÄLYYN TEEMU ROOS TERMINATOR SIGNAALINKÄSITTELY KUVA VOIDAAN TULKITA KOORDINAATTIEN (X,Y) FUNKTIONA. LÄHDE: S. SEITZ VÄRIKUVA KOOSTUU KOLMESTA KOMPONENTISTA (R,G,B). ÄÄNI VASTAAVASTI MUUTTUJAN
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
LisätiedotOffice 2013 ja SQL Server 2012 SP1 uudet BI toiminnallisuudet Marko Somppi/Invenco Oy
t Office 2013 ja SQL Server 2012 SP1 uudet BI toiminnallisuudet Marko Somppi/Invenco Oy Agenda 1. Office Excel 2013 2. SharePoint 2013 3. SQL Server 2012 SP1 4. SharePoint 2013 BI-arkkitehtuuri 5. Kunta-analyysi
LisätiedotJOHDATUS TEKOÄLYYN TEEMU ROOS
JOHDATUS TEKOÄLYYN TEEMU ROOS AI-TUTKIJAN URANÄKYMIÄ AJATUSTENLUKUA COMPUTER VISION SIGNAALINKÄSITTELY KUVA VOIDAAN TULKITA MUUTTUJIEN (X,Y) FUNKTIONA. LÄHDE: S. SEITZ VÄRIKUVA KOOSTUU KOLMESTA KOMPONENTISTA
LisätiedotPerinteisesti käytettävät tiedon (datan) tyypit
Perinteisesti käytettävät tiedon (datan) tyypit Relaatiot Dokumentit Nämä muodostavat yhdessä vain 20% kaikesta käyttökelposesta datasta LAITEDATA Datallasi on kerrottavaa sinulle. Kuunteletko sitä? Mitä
LisätiedotRAMBOLL WATER TEKOÄLYN HYÖDYNTÄMINEN JÄTEVEDENPUHDISTAMON OPEROINNISSA
RAMBOLL WATER TEKOÄLYN HYÖDYNTÄMINEN JÄTEVEDENPUHDISTAMON OPEROINNISSA Anna Sipilä Vesihuolto 2019 16.5.2019 Jyväskylä 1 MIKSI TEKOÄLY? Vedenpuhdistamoilla mitataan nykyisin paljon eri asioita pelkästään
LisätiedotCisco Unified Computing System -ratkaisun hyödyt EMC- ja VMwareympäristöissä
Cisco Unified Computing System -ratkaisun hyödyt EMC- ja VMwareympäristöissä EMC Forum 22.10.2009 Lauri Toropainen ltoropai@cisco.com 2009 Cisco Systems, Inc. All rights reserved. 1 ICT-infrastruktuuriin
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
LisätiedotJOHDATUS TEKOÄLYYN TEEMU ROOS
JOHDATUS TEKOÄLYYN TEEMU ROOS TERMINATOR SIGNAALINKÄSITTELY KUVA VOIDAAN TULKITA KOORDINAATTIEN (X,Y) FUNKTIONA. LÄHDE: S. SEITZ VÄRIKUVA KOOSTUU KOLMESTA KOMPONENTISTA (R,G,B). ÄÄNI VASTAAVASTI MUUTTUJAN
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
LisätiedotTiedon analysoinnista pitkäaikaissäilytykseen
Tiedon analysoinnista pitkäaikaissäilytykseen Jari Nästi, Client Technical Professional - Tivoli Software Perhosvaikutus eli perhosefekti (engl. "butterfly effect") on kaaosteoriassa käytetty kuvaus siitä,
LisätiedotTiedon salaaminen tallennusverkossa Luottokorttinumeroiden tokenisointi
Tiedon salaaminen tallennusverkossa Luottokorttinumeroiden tokenisointi EMC Forum 2009, Dipoli Jon Estlander, RSA Agenda Tallennetun tiedon salaaminen Tiedon salaaminen tallennusverkossa RSA Key Manager
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
LisätiedotRajattomat tietoverkot ja niiden rooli pilvipalveluissa. Jukka Nurmi Teknologiajohtaja Cisco Finland
Rajattomat tietoverkot ja niiden rooli pilvipalveluissa Jukka Nurmi Teknologiajohtaja Cisco Finland Verkon avulla voidaan kehittää monia toimintoja Kauppa Urheilu / Viihde Käyttäjä Energiankulutus Koulutus
LisätiedotAKKREDITOITU TESTAUSLABORATORIO ACCREDITED TESTING LABORATORY WE CERTIFICATION OY OPERATOR LABORATORY
T304/A01/2017 Liite 1 / Appendix 1 Sivu / Page 1(5) AKKREDITOITU TESTAUSLABORATORIO ACCREDITED TESTING LABORATORY WE CERTIFICATION OY OPERATOR LABORATORY Tunnus Code Laboratorio Laboratory Osoite Address
LisätiedotVisualisoi tapahtumat ja selvitä niiden kulku
Visualisoi tapahtumat ja selvitä niiden kulku ~ Demoesitys tietoturvatapahtumien hallinnasta ~ Antti Jääskeläinen, Asiantuntijapalvelut, Cygate Oy Turvaa infrastruktuurisi Cygaten tietoturvapalveluilla
LisätiedotEVERY CLOUD HAS A SILVER LINING - OHJELMISTOPOHJAINEN TALLENNUS SUSE ENTERPRISE STORAGEA HYÖDYNTÄEN Eero Lindqvist. Telia Finland
EVERY CLOUD HAS A SILVER LINING - OHJELMISTOPOHJAINEN TALLENNUS SUSE ENTERPRISE STORAGEA HYÖDYNTÄEN Eero Lindqvist Telia Finland AGENDA Kuinka kaikki alkoi ja miten päädyimme Ceph-teknologiaan Miksi valitsimme
LisätiedotSFS/SR315 Tekoäly Tekoälyn standardisointi
SFS/SR315 Tekoäly Tekoälyn standardisointi Meri Seistola Toiminnanjohtaja, Mediakasvatuskeskus Metka ry SR 315 Tekoäly - Puheenjohtaja: Jarkko Vesa 1 SC42 Artificial Intelligence ISO/IEC JTC1 SC42 Artificial
LisätiedotPixInsight. Tampereen Ursa Jouni Raunio 11.2.2014
PixInsight Tampereen Ursa Jouni Raunio 11.2.2014 PixInsight - Yleistä PixInsight on tehokas ja ilmaisuvoimainen usealla eri alustalla toimiva ohjelma kuvankäsittelyyn astronomiassa ja tieteessä PixInsight
LisätiedotCapacity utilization
Mat-2.4142 Seminar on optimization Capacity utilization 12.12.2007 Contents Summary of chapter 14 Related DEA-solver models Illustrative examples Measure of technical capacity utilization Price-based measure
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
LisätiedotSMART BUSINESS ARCHITECTURE
SMART BUSINESS ARCHITECTURE RAJATTOMAN VERKON ALUSTA Mihail Papazoglou, järjestelmäasiantuntija Agenda Markkinatrendit Miksi Smart Business Architecture? LAN Security Yhteenveto 2010 Cisco Systems, Inc.
LisätiedotJOHDATUS TEKOÄLYYN TEEMU ROOS
JOHDATUS TEKOÄLYYN TEEMU ROOS TERMINATOR SIGNAALINKÄSITTELY KUVA VOIDAAN TULKITA KOORDINAATTIEN (X,Y) FUNKTIONA. LÄHDE: S. SEITZ VÄRIKUVA KOOSTUU KOLMESTA KOMPONENTISTA (R,G,B). ÄÄNI VASTAAVASTI MUUTTUJAN
LisätiedotTehosta toimintaasi oikealla tiedonhallinnalla Helsinki, TIVIAn tapahtuma Jussi Salmi
Tehosta toimintaasi oikealla tiedonhallinnalla 5.4.2016 Helsinki, TIVIAn tapahtuma Jussi Salmi Minkälaista tietoa organisaatioissa on? Prosessit R&D Talous Tuote Myynti Laatu XYZ Rakenteellinen tieto Ei-rakenteellinen
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
LisätiedotJOHDATUS TEKOÄLYYN TEEMU ROOS
JOHDATUS TEKOÄLYYN TEEMU ROOS TERMINATOR SIGNAALINKÄSITTELY KUVA VOIDAAN TULKITA KOORDINAATTIEN (X,Y) FUNKTIONA. LÄHDE: S. SEITZ VÄRIKUVA KOOSTUU KOLMESTA KOMPONENTISTA (R,G,B). ÄÄNI VASTAAVASTI MUUTTUJAN
LisätiedotVisualisoinnin aamu 16.4 Tiedon visualisointi. Ari Suominen Tuote- ja ratkaisupäällikkö Microsoft
Visualisoinnin aamu 16.4 Tiedon visualisointi Ari Suominen Tuote- ja ratkaisupäällikkö Microsoft 1 Visualisoinnin aamu 8:00 Ilmoittautuminen ja aamukahvi 8:45 Tiedon visualisointi Ari Suominen, Tuote-
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
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
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
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
LisätiedotRisto Kauppi, CEO. Rugged Tooling Subject to change
Risto Kauppi, CEO Rugged Tooling 2013. Subject to change Experience of multicore network processors SW programming Deep expertise of IP network testing solutions: 1. load testing 2. deviation and error
LisätiedotTutkimusongelmia ja tilastollisia hypoteeseja: Perunalastupussien keskimääräinen paino? Nollahypoteesi Vaihtoehtoinen hypoteesi (yksisuuntainen)
1 MTTTP3 Luento 29.1.2015 Luku 6 Hypoteesien testaus Tutkimusongelmia ja tilastollisia hypoteeseja: Perunalastupussien keskimääräinen paino? H 0 : µ = µ 0 H 1 : µ < µ 0 Nollahypoteesi Vaihtoehtoinen hypoteesi
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
LisätiedotAgora Center - Monitieteiset projektit
Agora Center - Monitieteiset projektit Prof. Pasi Tyrväinen Agora Center Jyväskylän yliopisto 22.2.2018 Jyväskylän yliopisto 15 000 opiskelijaa kokonaisrahoitus 211 milj. euroa 152-vuotinen (Seminaari
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
LisätiedotÄlyvaatteet työympäristössä
VTT TECHNICAL RESEARCH CENTRE OF FINLAND LTD Älyvaatteet työympäristössä Johannes Peltola, Juha Häikiö, Satu-Marja Mäkelä / VTT Tuire Krogerus / Dimex Mikko Tammihovi / Telinekataja Taustaa älyvaatteista
LisätiedotHarha mallin arvioinnissa
Esitelmä 12 Antti Toppila sivu 1/18 Optimointiopin seminaari Syksy 2010 Harha mallin arvioinnissa Antti Toppila 13.10.2010 Esitelmä 12 Antti Toppila sivu 2/18 Optimointiopin seminaari Syksy 2010 Sisältö
LisätiedotAutomaatiojärjestelmän hankinnassa huomioitavat tietoturva-asiat
Automaatiojärjestelmän hankinnassa huomioitavat tietoturva-asiat Teollisuusautomaation tietoturvaseminaari Purchasing Manager, Hydro Lead Buyer, Industrial Control Systems 1 Agenda / esityksen tavoite
LisätiedotUnified Fabric: palvelimien verkkoliitettävyys remontissa
Unified Fabric: palvelimien verkkoliitettävyys remontissa EMC Forum 22.10.2008 Lauri Toropainen ltoropai@cisco.com 2008 Cisco Systems, Inc. All rights reserved. 1 Agenda 10 Gigabit Ethernet ja Fibre Channel
LisätiedotTERRASOLID Terrasolidin ratkaisut UAVkartoitussovelluksiin Kimmo Soukki
www.terrasolid.com TERRASOLID Terrasolidin ratkaisut UAVkartoitussovelluksiin Kimmo Soukki 20.9.2018 SOLUTIONS FOR DATA CAPTURE Terrasolid UAV Tekniikoista Terrasolid tuotteet Fotopistepilvet UAV LiDAR
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
LisätiedotHARJOITUS- PAKETTI A
Logistiikka A35A00310 Tuotantotalouden perusteet HARJOITUS- PAKETTI A (6 pistettä) TUTA 19 Luento 3.Ennustaminen County General 1 piste The number of heart surgeries performed at County General Hospital
LisätiedotOUGF syysseminaari Back to Basics
Oracle User Group Finland r.y. OUGF syysseminaari Back to Basics Hotelli Presidentti Congress Center Helsinki 6.11.2002 Hermanni Patama, OUGF pj 2002 OUGF syysseminaari 2002 Sivu 1 OUGF hallitus 2002 Hermanni
Lisätiedot3 9-VUOTIAIDEN LASTEN SUORIUTUMINEN BOSTONIN NIMENTÄTESTISTÄ
Puhe ja kieli, 27:4, 141 147 (2007) 3 9-VUOTIAIDEN LASTEN SUORIUTUMINEN BOSTONIN NIMENTÄTESTISTÄ Soile Loukusa, Oulun yliopisto, suomen kielen, informaatiotutkimuksen ja logopedian laitos & University
LisätiedotSOA SIG SOA Tuotetoimittajan näkökulma
SOA SIG SOA Tuotetoimittajan näkökulma 12.11.2007 Kimmo Kaskikallio IT Architect Sisältö IBM SOA Palveluiden elinkaarimalli IBM Tuotteet elinkaarimallin tukena Palvelukeskeinen arkkitehtuuri (SOA) Eri
LisätiedotScheduling of Genetic Analysis Workflows on Grid Environments (valmiin työn esittely) Arttu Voutilainen
Scheduling of Genetic Analysis Workflows on Grid Environments (valmiin työn esittely) Arttu Voutilainen 20.4.2015 Ohjaaja: FT Lauri Eronen (Biocomputing Platforms Ltd.) Valvoja: Prof. Harri Ehtamo Työn
Lisätiedot805306A Johdatus monimuuttujamenetelmiin, 5 op
monimuuttujamenetelmiin, 5 op syksy 2018 Matemaattisten tieteiden laitos Lineaarinen erotteluanalyysi (LDA, Linear discriminant analysis) Erotteluanalyysin avulla pyritään muodostamaan selittävistä muuttujista
LisätiedotMammutti 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
LisätiedotPakettisynkronointitestauksen automaatio
Pakettisynkronointitestauksen automaatio Risto Hietala valvoja: Prof. Riku Jäntti ohjaaja: DI Jonas Lundqvist ESITYKSEN RAKENNE Tietoverkkojen synkronointi Pakettikytkentäisten verkkojen synkronointi Ohjelmistotestaus
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
LisätiedotTIETOJOHDETTU RAKENNUSPROJEKTI Niko Vironen Kehityspäällikkö Fira Group
TIETOJOHDETTU RAKENNUSPROJEKTI Niko Vironen Kehityspäällikkö Fira Group Oy @NikoVironen niko.vironen@fira.fi CASE CAPELLA Tilaaja: Asumisoikeusyhdistys Suomen Omakoti Pääurakoitsija: Fira Oy Urakka-aika:
LisätiedotLämmitysjärjestelmät
METSTA Rakennusten energiatehokkuusstandardit uudistuvat seminaari 26.4.2017 Lämmitysjärjestelmät Jarek Kurnitski HEAT GAINS BUILDING PROPERTIES CLIMATIC CONDITIONS INDOOR ENVIRONMENT REQUIREMENTS EN 16789-1
LisätiedotIndoor Environment 2011-2015
Indoor Environment 2011-2015 18.4.2013 Risto Kosonen Ohjelma on investointinäkökulmasta edennyt pääosin suunnitelman mukaisesti Työpaketti Kumulatiiviset kustannukset 1.5.2011 31.8.2012 Kumulatiiviset
LisätiedotTekoäly terveydessä ja taloudessa Nykytila, haasteet ja mahdollisuudet. Elina Jeskanen Petrus Metsälä
Tekoäly terveydessä ja taloudessa Nykytila, haasteet ja mahdollisuudet Elina Jeskanen Petrus Metsälä Nykytila #tietotuottamaan Datanhallintakulttuurin kehittäminen, Datastrategia Datalähteiden tunnistaminen
LisätiedotPoraustyökierrot ja piirteiden tunnistus
Poraustyökierrot ja piirteiden tunnistus 2.5 to 5-Axis Drilling Operations Create a Spot Drilling Operation Create a Drilling Operation Create a Drilling Dwell Delay Operation Create a Drilling Deep Hole
LisätiedotLaskennallinen data-analyysi II
Laskennallinen data-analyysi II Ella Bingham, ella.bingham@cs.helsinki.fi Kevät 2008 Muuttujien valinta Kalvot perustuvat Saara Hyvösen kalvoihin 2007 Laskennallinen data-analyysi II, kevät 2008, Helsingin
LisätiedotGeomaticsandInformationScienceofWuhanUniversity Vol.37No.4 Apr.2012 : (2012) :A (1, 22,210093) :, : ; ; ;Sort :P
37 4 2012 4 GeomaticsandInformationScienceofWuhanUniversity Vol.37No.4 Apr.2012 :1671-8860(2012)04-0463-05 :A 1 1 1 1 (1, 22,210093) : : ; ; ;Sort :P208 [3],, [3] 1 :1, ;2 LOD [1] [2] ; [1] GPU, 1 1.1
LisätiedotSuorituskyvyn varmistaminen sovelluskehityksen eri vaiheissa Paavo Häkkinen, Presales Teamleader Compuware Finland
Suorituskyvyn varmistaminen sovelluskehityksen eri vaiheissa Paavo Häkkinen, Presales Teamleader Compuware Finland Epäonnistuminen ei ole vaikeaa Approximately 40% of mission-critical mainframe projects
LisätiedotAutodesk Lisenssitiedosto Autodesk, Inc.
Autodesk Lisenssitiedosto 2014 Autodesk, Inc. Lisenssitiedosto Lisenssitiedosto on tekstitiedosto, mikä sallii verkkolisenssin käytön tietyllä palvelimen laitteistolla. Lisenssitiedosto sisältää tietoa
LisätiedotMitä IHMEttä on MIXTURE -mallintaminen?
JYVÄSKYLÄN YLIOPISTO Matematiikan ja tilastotieteen laitos Esko Leskinen 28.5.2009 Mitä IHMEttä on MIXTURE -mallintaminen? A-L Lyyra 2009 2 1. Taustaa mixture sekoitus (mikstuura) sekoitetut jakaumat sekoitetut
LisätiedotTulevaisuuden työ nyt
Tulevaisuuden työ nyt SoteNavi seminaari 15.1.2019 PhD Ursula Hyrkkänen Tutkimus- ja koulutuspäällikkö Turun amk ursula.hyrkkanen@turkuamk.fi NewWoW- ja Pisku -projektit NewWoW, new work patterns, Eurofound
LisätiedotPALVELUKULTTUURIN JA MINDSETIN KEHITTÄMINEN 3 STEP IT. 15.3.2013 2013 3 Step IT Group / Palvelukulttuuri / Artti Aurasmaa
PALVELUKULTTUURIN JA MINDSETIN KEHITTÄMINEN 3 STEP IT 1 Päivän kolme kysymystä Miksi, miten mitä? Mitä? Miten? Mitä? 1. 3 Step IT 3 minuutissa 2. Työntekijät ensin 3. Arvoista asenteeseen 4. PPPP -> SAVE
LisätiedotVirtualisoinnilla käytettävyyttä ja joustavuutta liiketoimintakriittisille sovelluksille
Virtualisoinnilla käytettävyyttä ja joustavuutta liiketoimintakriittisille sovelluksille Mikko Kulmala, IT päällikkö & Jouko Poranen, Kehitysjohtaja 3 Step IT Group Oy 22.10.2008 Sisältö 3 Step IT Group
LisätiedotSovellusarkkitehtuurit
HELIA TiKo-05 1 (9) Sovellusarkkitehtuurit ODBC (Open Database Connectivity)... 2 JDBC (Java Database Connectivity)... 5 Middleware... 6 Middleware luokittelu... 7 Tietokanta -middleware... 8 Tapahtumamonitorit
LisätiedotKaksiluokkainen tapaus, lineaarinen päätöspinta, lineaarisesti erottuvat luokat
1 Tukivektoriluokittelija Tukivektorikoneeseen (support vector machine) perustuva luoikittelija on tilastollisen koneoppimisen teoriaan perustuva lineaarinen luokittelija. Perusajatus on sovittaa kahden
LisätiedotVapaan sivistystyön päivät , Jyväskylä Jan-Markus Holm
Vapaan sivistystyön päivät 30.-31.8.2018, Jyväskylä Jan-Markus Holm www.eduexcellence.fi 1 Finland - the home of world-class education Source: Youtube: Education Export Personal background in a nutshell
LisätiedotPortaaliteknologiat mahdollistavat ajattelutavan muutoksen
- 1 - Portaaliteknologiat mahdollistavat ajattelutavan muutoksen Petri Kanerva Fusion Middleware Architect, Oracle Finland Oy 29.04.2010 The following is intended to outline our general
LisätiedotTallennusverkkojen tulevaisuutta - FC over Ethernet / Data Center Ethernet
Tallennusverkkojen tulevaisuutta - FC over Ethernet / Data Center Ethernet IT2008 24.10.2008 Lauri Toropainen ltoropai@cisco.com 2008 Cisco Systems, Inc. All rights reserved. 1 Agenda Datakeskusten kehitystrendejä
LisätiedotTURVALLISEN TEKNIIKAN SEMINAARI 2003. Laitteiden etähallinta tietoverkkojen välityksellä Jani Järvinen, tuotepäällikkö
TURVALLISEN TEKNIIKAN SEMINAARI 2003 Laitteiden etähallinta tietoverkkojen välityksellä Jani Järvinen, tuotepäällikkö Mitä on etähallinta? Jotain muuta kuin laitteen välittömässä läheisyydessä tapahtuvaa
LisätiedotToimisto (5) HUOM. Komiteoiden ja seurantaryhmien kokoonpanot on esitetty SESKOn komitealuettelossa
Toimisto 2012-11-30 1(5) CENELEC TC 9X Rautateiden sähkö- ja elektroniikkalaitteet S380-12 Safety (RAMS). Part 1: Generic RAMS process Esikuva: pren 50126-1:2012 S381-12 Safety (RAMS). Part 2: Systems
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
LisätiedotAmmatillinen opettajakorkeakoulu
- Ammatillinen opettajakorkeakoulu 2 JYVÄSKYLÄN KUVAILULEHTI AMMATTIKORKEAKOULU Päivämäärä 762007 Tekijä(t) Merja Hilpinen Julkaisun laji Kehittämishankeraportti Sivumäärä 65 Julkaisun kieli Suomi Luottamuksellisuus
LisätiedotTibio Luottaa Lenovon konesaliteknologiaan
Tibio Luottaa Lenovon konesaliteknologiaan Kotimainen IT-palvelutalo Tibio on rakentanut tarjoamansa konesalipalvelut Lenovon ratkaisujen ja teknologian varaan. Tibio tuottaa palvelut Uspenskin katedraalin
LisätiedotKoko ajan. monimutkaisemmaksi
Koko ajan monimutkaisemmaksi 2020.us.ca 4 mrd.jm.mx.gt.hn.sv.cu.ni.cr.pa Internetin.co.ec käyttäjää, määrä.pe kaksinkertaistuu.do.ht.ve.br.pr.tt.bo.py.cl.ar.uy.ie.uk.pt.fr.nl.be.dk.de.it.no.se.ch.at.hu.es
LisätiedotImproving advisory services through technology. Challenges for agricultural advisory after 2020 Jussi Juhola Warsaw,
Improving advisory services through technology Challenges for agricultural advisory after 2020 Jussi Juhola Warsaw, 22.2.2018 ProAgria in a nutshell Provides farm-and-agriculture entrepreneurs with services
LisätiedotDronejen vaatimukset viestintäyhteyksille
Dronejen vaatimukset viestintäyhteyksille LTE verkon mittaus ja tutkimus tukena 3GPP standardoinnille matkalla 5G:hen Richard Wirén, Ericsson 5G Momentum Drone 2018-12-12 Page 1 Sisältö Johdanto Vaatimukset
LisätiedotHP Change Rules of Networking
H Change Rules of Networking kehittyminen vaatii muutosta! Jani Vahvanen & Mikko Eerola LN&WN Executive -seminaari Finlandia Talo 15.2.2012 Miksi tietoverkkojen on muututtava? Toimintatavat IT-ympäristöissä
Lisätiedot(b) Tunnista a-kohdassa saadusta riippuvuudesta virtausmekaniikassa yleisesti käytössä olevat dimensiottomat parametrit.
Tehtävä 1 Oletetaan, että ruiskutussuuttimen nestepisaroiden halkaisija d riippuu suuttimen halkaisijasta D, suihkun nopeudesta V sekä nesteen tiheydestä ρ, viskositeetista µ ja pintajännityksestä σ. (a)
LisätiedotLäsnäolotiedot Syksy 2017 Kevät 2018 OPINTOJAKSO OP ARV PVM OPETTAJA
Mönkkönen Joni Kristian 681 s. 1..199 Opiskeltava tutkinto Diplomi-insinöörin tutkinto Konetekniikan DI-tutkinto-ohjelma OPINTOSUORITUKSET 4.4.018 Tutkintoon kirjoilletulopvm 1.1 Läsnäolotiedot Syksy 017
LisätiedotJOHDATUS TEKOÄLYYN TEEMU ROOS
JOHDATUS TEKOÄLYYN TEEMU ROOS TERMINATOR SIGNAALINKÄSITTELY KUVA VOIDAAN TULKITA KOORDINAATTIEN (X,Y) FUNKTIONA. LÄHDE: S. SEITZ VÄRIKUVA KOOSTUU KOLMESTA KOMPONENTISTA (R,G,B). ÄÄNI VASTAAVASTI MUUTTUJAN
LisätiedotUse of spatial data in the new production environment and in a data warehouse
Use of spatial data in the new production environment and in a data warehouse Nordic Forum for Geostatistics 2007 Session 3, GI infrastructure and use of spatial database Statistics Finland, Population
LisätiedotDYNAMIC INFRASTRUCTURE - Uudet tavat suunnitella tehokkaita konesaleja
Johanna Pöri, myyntipäälikkö, Konesaliratkaisut 01.09.2009 DYNAMIC INFRASTRUCTURE - Uudet tavat suunnitella tehokkaita konesaleja Miksi energiatehokkuus on tärkeä lähtökohta konesalisuunnittelussa? Konesalin
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
LisätiedotLuento 1 (verkkoluento 1) Tietokonejärjestelmä
Luento 1 (verkkoluento 1) Tietokonejärjestelmä Järjestelmän eri tasot Ohjelman sijainti Ohjelman esitysmuoto Laitteiston nopeus 1 Tietokonejärjestelmä Käyttäjä This image cannot currently be displayed.
LisätiedotKONENÄÖN MAHDOLLISUUDET KATUJEN JA TEIDEN OMAISUUDEN HALLINTAAN
KONENÄÖN MAHDOLLISUUDET KATUJEN JA TEIDEN OMAISUUDEN HALLINTAAN Petri Hienonen * * Lappeenranta University of Technology (LUT) Laboratory of Machine Vision and Pattern Recognition (MVPR) Kuntatekniikkapäivät
LisätiedotFPGA-piirien käyttökohteet nyt ja tulevaisuudessa Tomi Norolampi
FPGA-piirien käyttökohteet nyt ja tulevaisuudessa Tomi Norolampi ESITYKSEN SISÄLTÖ Flexibilis Oy lyhyesti FPGA FPGA-teknologian nykytilanne ja tulevaisuus Kaupallinen näkökulma Uudelleenkonfiguroinnin
LisätiedotTekoäly liiketoiminnassa. Tuomas Ritola CEO, selko.io
Tekoäly liiketoiminnassa Tuomas Ritola CEO, selko.io Selko.io Automaattista teknisen tekstin luokittelua ja analysointia, eli tekoälyä tekstidatalle. Päivän agenda: Tekoäly. Muotisana? Strategia? Uhka?
LisätiedotWWW load balancing. Onni Lampi. Bachelor s thesis Espoo Thesis supervisor: Lehtori Kalle Ruttik. Thesis advisor:
WWW load balancing Onni Lampi School of Electrical Engineering Bachelor s thesis Espoo 28.8.2017 Thesis supervisor: Lehtori Kalle Ruttik Thesis advisor: TkT Sebastian Sonntag, sebastian.sonntag@aalto.fi,
LisätiedotPOWER analytiikka-alustana
POWER analytiikka-alustana Teppo Seesto Solution Architect Infrastructure matters SAPS/core 5000 4000 SAP 2-tier SD-benchmark SAP ERP 6.0 3765 3000 2000 2204 70% nopeampi 1000 Intel IvyBridge E7-4890v2
LisätiedotTK Palvelinympäristö
TK081001 Palvelinympäristö 5 opintopistettä!! Petri Nuutinen! 8 opintopistettä!! Petri Nuutinen! Nauha-asemat Tehtävänä lähes poikkeuksetta datan varmistaminen Hoitavat palvelimien kiintolevyjen varmistamisen
Lisätiedot