Βάσεις Δεδομένων ΙI (Θ), Τμήμα ΜΗΧΑΝΙΚΩΝ ΠΛΗΡΟΦΟΡΙΚΗΣ ΤΕ
Σκοπός του μαθήματος είναι να παρουσιάσει τις έννοιες των Συναλλαγών (Transactions) στο προϊόν mySQL.Εξάμηνο: 4o 2015-12-03 01:23:28 186
Βάσεις Δεδομένων ΙI (Θ), Τμήμα ΜΗΧΑΝΙΚΩΝ ΠΛΗΡΟΦΟΡΙΚΗΣ ΤΕ
Παρουσιάζεται η διαχείριση βάσης δεδομένων με γλώσσα SQL, χρήση JDBC API, και τεχνολογίας JSP pages και λογισμικού mySQL.Εξάμηνο: 4o 2015-12-03 01:25:38 192
Βάσεις Δεδομένων ΙI (Θ), Τμήμα ΜΗΧΑΝΙΚΩΝ ΠΛΗΡΟΦΟΡΙΚΗΣ ΤΕ
Στόχος είναι η εκμάθηση της χρήσης Stored Procedures (Triggers, Functions, Procedures, Cursors) ώστε ο φοιτητής να προσεγγίσει το επίπεδο ενός ικανού developer.Εξάμηνο: 4o 2015-12-03 01:32:35 209
Βάσεις Δεδομένων ΙI (Θ), Τμήμα ΜΗΧΑΝΙΚΩΝ ΠΛΗΡΟΦΟΡΙΚΗΣ ΤΕ
Επανάληψη και λυμένα θέματα του μαθήματος «Βάσεις Δεδομένων ΙΙ» για τη διδασκαλία του στo Τμήμα Πληροφορικής του ΤΕΙ ΑθήναςΕξάμηνο: 4o 2015-12-03 03:05:06 532
ΕΞΟΡΥΞΗ ΔΕΔΟΜΕΝΩΝ Κ ΔΙΑΧΕΙΡΙΣΗ ΔΕΔΟΜΕΝΩΝ ΜΕΓΑΛΗΣ ΚΛΙΜΑΚΑΣ, Τμήμα ΜΗΧΑΝΙΚΩΝ ΠΛΗΡΟΦΟΡΙΚΗΣ ΤΕ
Σκοπός του μαθήματος «Εξόρυξη δεδομένων και διαχείριση δεδομένων μεγάλης κλίμακας» είναι η παρουσίαση τεχνικών διαχείρισης δεδομένων μεγάλης κλίμακας και προηγμένων θεμάτων Εξόρυξης Δεδομένων καθώς και των εφαρμογών τουςΕξάμηνο: Μεταπτυχιακό 2015-12-03 01:16:32 639
ΕΞΟΡΥΞΗ ΔΕΔΟΜΕΝΩΝ Κ ΔΙΑΧΕΙΡΙΣΗ ΔΕΔΟΜΕΝΩΝ ΜΕΓΑΛΗΣ ΚΛΙΜΑΚΑΣ, Τμήμα ΜΗΧΑΝΙΚΩΝ ΠΛΗΡΟΦΟΡΙΚΗΣ ΤΕ
Γίνεται αναφορά σε σημαντικές έννοιες διαχείρισης γνώσης, στρατηγικής ανάλυσης, επιχειρηματικής ευφυΐας, αποθηκών δεδομένων και εξόρυξης δεδομένωνΕξάμηνο: Μεταπτυχιακό 2015-12-03 01:46:42 284
ΕΞΟΡΥΞΗ ΔΕΔΟΜΕΝΩΝ Κ ΔΙΑΧΕΙΡΙΣΗ ΔΕΔΟΜΕΝΩΝ ΜΕΓΑΛΗΣ ΚΛΙΜΑΚΑΣ, Τμήμα ΜΗΧΑΝΙΚΩΝ ΠΛΗΡΟΦΟΡΙΚΗΣ ΤΕ
Γίνεται αναφορά σε σημαντικές έννοιες εξόρυξης δεδομένων (data mining) που αφορούν την προετοιμασία δεδομένων (Data Preparation). Η διεκπεραίωση των θεμάτων γίνεται κυρίως με χρήση παραδειγμάτων. Επιπλέον, γίνεται αναφορά στο εργαλείο Rapid MinerΕξάμηνο: Μεταπτυχιακό 2015-12-03 01:40:42 322
ΕΞΟΡΥΞΗ ΔΕΔΟΜΕΝΩΝ Κ ΔΙΑΧΕΙΡΙΣΗ ΔΕΔΟΜΕΝΩΝ ΜΕΓΑΛΗΣ ΚΛΙΜΑΚΑΣ, Τμήμα ΜΗΧΑΝΙΚΩΝ ΠΛΗΡΟΦΟΡΙΚΗΣ ΤΕ
Γίνεται αναφορά σε σημαντικές έννοιες εξόρυξης δεδομένων (data mining) που αφορούν την εξαγωγή Association Rules . Η διεκπεραίωση των θεμάτων γίνεται κυρίως με χρήση παραδειγμάτων. Επιπλέον, γίνεται αναφορά στο εργαλείο Rapid MinerΕξάμηνο: Μεταπτυχιακό 2015-12-03 00:37:12 268
ΕΞΟΡΥΞΗ ΔΕΔΟΜΕΝΩΝ Κ ΔΙΑΧΕΙΡΙΣΗ ΔΕΔΟΜΕΝΩΝ ΜΕΓΑΛΗΣ ΚΛΙΜΑΚΑΣ, Τμήμα ΜΗΧΑΝΙΚΩΝ ΠΛΗΡΟΦΟΡΙΚΗΣ ΤΕ
Γίνεται αναφορά σε σημαντικές έννοιες εξόρυξης δεδομένων (data mining) που αφορούν την επιχειρηματική ευφυΐα. Η διεκπεραίωση του Case Study γίνεται με χρήση Rapid MinerΕξάμηνο: Μεταπτυχιακό 2015-12-03 01:21:31 257
ΕΞΟΡΥΞΗ ΔΕΔΟΜΕΝΩΝ Κ ΔΙΑΧΕΙΡΙΣΗ ΔΕΔΟΜΕΝΩΝ ΜΕΓΑΛΗΣ ΚΛΙΜΑΚΑΣ, Τμήμα ΜΗΧΑΝΙΚΩΝ ΠΛΗΡΟΦΟΡΙΚΗΣ ΤΕ
Γίνεται παρουσίαση θεμάτων εξόρυξης και ανάλυσης κοινωνικών δικτύων με έμφαση σε graphmetrics, οπτικοποίηση, χρήση του εργαλείου weka και εφαρμογές του σε εξόρυξη δεδομένων κ.λπΕξάμηνο: Μεταπτυχιακό 2015-12-03 00:43:32 272
Τεχνητή Νοημοσύνη (E), Τμήμα ΜΗΧΑΝΙΚΩΝ ΠΛΗΡΟΦΟΡΙΚΗΣ ΤΕ
Παρουσίαση του προβλήματος προς επίλυση, διασαφήνιση της κατάσταση προβλήματος και του ρόλου που παίζουν οι τελεστές μετάβασης για την επίλυση ενός προβλήματος. Εξάσκηση σε προχωρημένες συναρτήσεις της Lisp που αφορούν διαχείριση λιστών, δημιουργία συνάρτησης χρήστη, συναρτήσεις ελέγχου και εξάσκηση στη χρήση τους.Εξάμηνο: 6o 2015-11-13 01:15:00 357
Τεχνητή Νοημοσύνη (E), Τμήμα ΜΗΧΑΝΙΚΩΝ ΠΛΗΡΟΦΟΡΙΚΗΣ ΤΕ
Παρουσίαση της τεχνικής αναδρομής ουράς σε Lisp . Παρουσίαση των εννοιών ‘μέτωπο αναζήτησης’ και ‘κλειστό σύνολο’.Εξάμηνο: 6o 2015-11-13 00:56:58 298
Τεχνητή Νοημοσύνη (E), Τμήμα ΜΗΧΑΝΙΚΩΝ ΠΛΗΡΟΦΟΡΙΚΗΣ ΤΕ
Παρουσίαση της βασικής δομής του αλγόριθμου αναζήτησης σε βάθος. Επεξήγηση των συναρτήσεων αρχικοποίησης του αλγορίθμου και των κύκλων λειτουργίας του. Επεξήγηση του ρόλου της συνάρτησης επέκτασης μετώπου ΕxpandΜetopo.Εξάμηνο: 6o 2015-11-13 00:56:31 286
Τεχνητή Νοημοσύνη (E), Τμήμα ΜΗΧΑΝΙΚΩΝ ΠΛΗΡΟΦΟΡΙΚΗΣ ΤΕ
Παρουσίαση των εννοιών μονοπάτι αναζήτησης και ουρά αναζήτησης. Επεξήγηση της λειτουργίας της πρώτα σε πλάτος αναζήτησης. Διευκρίνιση της έννοιας ευρετικός αλγόριθμος και ευρετικό κριτήριο. Παρουσίαση της εντολής sort για τις ανάγκες ευριστικής αναζήτησηςΕξάμηνο: 6o 2015-11-13 01:13:36 233
Τεχνητή Νοημοσύνη (E), Τμήμα ΜΗΧΑΝΙΚΩΝ ΠΛΗΡΟΦΟΡΙΚΗΣ ΤΕ
Επίλυση αποριών και αξιολόγηση εργασιών 1ου μέρους. Προετοιμασία για την εξέταση μέσω προσομοίωσης της εξέτασης.Εξάμηνο: 6o 2015-11-13 00:59:22 284
Τεχνητή Νοημοσύνη (E), Τμήμα ΜΗΧΑΝΙΚΩΝ ΠΛΗΡΟΦΟΡΙΚΗΣ ΤΕ
Παρουσίαση του προβλήματος προς επίλυση, διασαφήνιση των γεγονότων του προβλήματος, των κανόνων παραγωγής του και του ρόλου που παίζει η δομή ελέγχου για την επίλυσή του. Παρουσίαση της έννοιας της αναπαράστασης γνώσης ενός προβλήματος ως γεγονότα και κανόνες ενός ΕΣ και της έννοιας της ταυτοποίησης γεγονότων.Εξάμηνο: 6o 2015-11-13 01:17:44 242
Τεχνητή Νοημοσύνη (E), Τμήμα ΜΗΧΑΝΙΚΩΝ ΠΛΗΡΟΦΟΡΙΚΗΣ ΤΕ
Παρουσίαση στόχων Β’ Μέρους Μαθήματος και Εισαγωγικών εννοιών περιβάλλοντος ανάπτυξης εμπείρων συστημάτων σε περιβάλλον CLIPS. Εισαγωγή και διαγραφή γεγονότων μέσω συναρτήσεων. Ορισμός κανόνων και άλλες συναρτήσεις του περιβάλλοντος.Εξάμηνο: 6o 2015-11-13 01:11:58 294
Τεχνητή Νοημοσύνη (E), Τμήμα ΜΗΧΑΝΙΚΩΝ ΠΛΗΡΟΦΟΡΙΚΗΣ ΤΕ
Η έννοια της σύνθετης ταυτοποίησης και συνδυαστικής χρήσης γεγονότων μέσα σε έναν κανόνα. Ορισμός συνάρτησης χρήστη.Εξάμηνο: 6o 2015-11-13 01:18:39 239
Τεχνητή Νοημοσύνη (E), Τμήμα ΜΗΧΑΝΙΚΩΝ ΠΛΗΡΟΦΟΡΙΚΗΣ ΤΕ
Η επικοινωνία με το χρήστη σε περιβάλλον CLIPS. Ολοκλήρωση της εργασίας του μαθήματος.Εξάμηνο: 6o 2015-11-13 00:49:36 260
Τεχνητή Νοημοσύνη (E), Τμήμα ΜΗΧΑΝΙΚΩΝ ΠΛΗΡΟΦΟΡΙΚΗΣ ΤΕ
Περιγραφή της σκοπιμότητας και του τρόπου διεξαγωγής της συνεργατικής εξ αποστάσεως αξιολόγησης εργασιών μεταξύ ομοτίμων.Εξάμηνο: 6o 2015-11-13 01:13:29 182
