L esempio di applicazione di text mining che segue percorre le fasi classiche di un processo di estrazione di conoscenza.
|
|
- Cosimo Lelio Pozzi
- 8 anni fa
- Visualizzazioni
Transcript
1 Text Mining: aspetti applicativi in capo bio-edico Introduzione Nel seguito approfondireo l apporto che tecniche di text ining possono dare all analisi della letteratura bioedica. Le osservazioni che seguono hanno portato alla costruzione di un prototipo per un sistea di text ining on-line, MedMole, disponibile su Analisi della letteratura bioedica Esistono principalente due tipi di approccio all analisi dei testi: l inforation extraction, che ha coe obiettivo quello di produrre una rappresentazione strutturata dell inforazione testuale, e il text ining, che ha coe obiettivo l individuazione autoatica di pattern di parole che consentano la creazione di gruppi teatici. Il prio richiede che entità e relazioni da ricercare nei testi siano predefinite (ad esepio le entità possono essere proteine e faraci e le relazioni attivazione, inibizione, ), il secondo non richiede alcuna definizione a priori e consente di individuare nuovi concetti e nuove relazioni. Il prio coprende tecniche che utilizzano sia l analisi sintattica che l analisi seantica, il secondo opera solaente a livello sintattico. Questi due approcci non sono copletaente separati: l inforation extraction genera databases che possono essere analizzati utilizzando le tecniche di data ining, entre il text ining può trarre vantaggio dalla presenza di inforazione specifica di doinio estratta con tecniche di I.E., coe di seguito sarà ostrato. L esepio di applicazione di text ining che segue percorre le fasi classiche di un processo di estrazione di conoscenza. Il processo di analisi 1) Individuazione delle diverse parti di ciascun docuento (tagging) ed assegnazione di un nuero identificativo TITLE (TI) TEXT (AB) parte testuale 2) Analisi graaticale (e leatizzazione) 3) Inforation Extraction Affiliation (AD) Date (EDAT) Journal (TA) Publ.Type (PT) Country (CY) etainforazione La fonte da cui sono stati estratti i docuenti è Pubed e la selezione è stata effettuata in odo da ottenere l insiee copleto delle pubblicazioni che trattano di ciclo cellulare (cell cycle OR cell proliferation OR cell death OR oncogenes OR tuor suppressor OR apoptosis OR PARP OR caspase OR CDK OR PCNA OR Fas ligand OR cytochroe C), per un totale di circa 400 ila testi. La preparazione dei docuenti è stata effettuata attraverso tre fasi. Innanzitutto l individuazione delle diverse parti del docuento ha consentito di separare l inforazione testuale dalla etainforazione (organiso di appartenenza, data e rivista di pubblicazione, tipo di pubblicazione, paese, ecc ). Sulla parte testuale è stata quindi effettuata un'analisi graaticale e sono successivaente state applicate tecniche di inforation extraction.
2 L analisi graaticale consente di individuare la funzione di ciascun terine e di ricondurlo alla propria radice, o fora canonica, o lea. Poiché, all interno di un discorso, i sostantivi sono generalente i terini con aggiore contenuto seantico, dalla lista dei terini leatizzati che si ottiene, per ogni docuento, coe risultato di questa fase, si selezionano tutti i sostantivi. Questi vengono a costituire l insiee di parole chiave che caratterizza e descrive ciascun docuento. È sulla base di queste parole chiave che verrà giudicato il grado di soiglianza tra i docuenti. Fase 2: analisi graaticale Identificazione autoatica di: SOSTANTIVI AGGETTIVI Tutte le altre parti del discorso (aggettivi, verbi e noi propri) vengono antenute coe inforazioni aggiuntive, così coe la eta-inforazione che era stata estratta durante la pria fase, di tagging. Fase 3: inforation extraction Gene Dictionary : gene nae alias CDKN1B P27KIP1 IFI27 P27 P27 P gene CDKN1B gene IFI gene P27 Poiché nell abito della ricerca biologica è olto iportante poter identificare i noi dei geni, e poiché l analisi graaticale li classifica, genericaente, coe noi propri, è necessaria un ulteriore fase di analisi del testo per estrarre questo tipo d inforazione. Questa fase, cosiddetta di inforation extraction, in quanto l obiettivo è l estrazione di terini specifici (e predefiniti) dal testo, è stata effettuata utilizzando un dizionario contenente noi ufficiali di geni ed alias (vedreo successivaente più in dettaglio coe è stato ottenuto questo dizionario). Occorre precisare che non si tratta di I.E. vera e propria, in quanto, al oento, nessuna analisi seantica opera sul testo, per l estrazione dei terini. Al terine di questa fase, per ogni docuento si è ottenuta della eta-inforazione aggiuntiva, data dalla lista dei noi di geni (solo noi ufficiali) che erano presenti nel testo (o coe tali, o sotto fora di alias) gene CDKN1B gene IFI gene P NN astrocyte NN brain NN case NN cell NN control NN disease NN distribution NN expression NN frequency NN glioa NN grade NN index NN lesion NN pattern NN process NN proliferation NN rat NN specien NN staining NN subset NN tuor Docuento finale AD Departent of Neurosurgery, Shiga University of Medical Science, Ohtsu,Japan PD EDAT TA Brain Tuor Pathol PT Journal Article NPRO astrocytic NPRO astrocytoas NPRO iunohistocheica NPRO MIB NPRO nonneoplastic NPRO p NPRO p27kip NPRO p27kip NPRO p27-positive JJ anoalous JJ heterogeneous JJ high-grade JJ huan JJ low JJ alignant JJ noral JJ reactive JJ reciprocal JJ surgical JJ unifor Il docuento finale, al terine della fase di preparazione, è forato da un elenco coposto da tre eleenti: l identificativo del docuento, il noe della variabile (nell esepio NN indica sostantivo, cioè parola chiave, JJ aggettivo, VV verbo, NPRO noe proprio, AD affiliation, PD data di pubblicazione, GENE noe di gene) e il valore, o contenuto, della variabile, anche detto attributo del docuento. Questo forato consente di rappresentare l inforazione in una atrice binaria che contiene, sulle righe, ciascun docuento, sulle colonne, ciascun sostantivo, e all interno i valori 1 o 0 ad indicare la presenza di una deterinata parola chiave in un deterinato docuento oppure la sua assenza (la etainforazione è rappresentata in aniera analoga). VERBI NOMI PROPRI Text Mining aspetti applicativi in capo bio-edico 2
3 Siao così giunti alla fase di data ining vera e propria che si concretizza nell applicazione di un algorito di clustering. Poiché l inforazione disponibile è tutta di tipo qualitativo, si è scelto un algorito partitivo basato sull analisi relazionale. Questo etodo consente di confrontare tutte le coppie di docuenti e di calcolare, per ogni coppia, un indice di soiglianza basato sul nuero di co-occorrenze delle parole chiave. I cluster vengono forati in odo da assiizzare la soiglianza coplessiva dei docuenti raggruppati e iniizzare la soiglianza dei docuenti che vengono separati. Su questo processo si può intervenire agendo attraverso alcuni paraetri (la soglia di soiglianza ed il sistea di ponderazione). Per consentire al ricercatore di effettuare analisi su una selezione di docuenti di interesse (anziché su tutti i 400 ila disponibili) e di utilizzare i paraetri più opportuni, questa fase di data ining è stata essa on-line. Esepio di risultati W1 W2... W Doc i Doc j Indice di Soiglianza a N 11 s(i,j) = b N 11 + c (N 10 +N 01 ) Soglia di Soiglianza N 11 = Σ x ik x jk Condorcet a=b=1 c=1/2 Dice a=b=1 c=1/4 N 10 = Σ x ik (1-x jk ) N 01 = Σ (1-x ik ) x jk N 00 = Σ (1-x ik ) (1-x ik ) se s(i,j) > α Doc i e Doc j sono siili α in [0,1] default: α = 0.5 Sistea di ponderazione N 11 = Σ x ik x jk w k (N 10 =.. N 01 =...) w k = 1 / x.k w k = log( N / x.k ) Supponiao di essere interessati alle eventuali interazioni tra due geni, RET e BRCA1, e selezioniao tutti i docuenti che contengono aleno uno di questi geni. Con la query RET <OR> BRCA1 otteniao 1981 docuenti (naturalente è possibile selezionare i docuenti anche in base alla patologia, utilizzando le opportune parole chiave, es: breast cancer, o con altri criteri). Poiché questi docuenti sono già stati preparati secondo il procediento precedenteente descritto, può essere lanciata un analisi di data ining, che, in tepo reale, confronta le parole chiave dei docuenti selezionati (in quanto questi sono gli attributi descrittivi che abbiao deciso di usare per il clustering) e li raggruppa secondo i pattern individuati. Esepio risultati: RET <OR> BRCA1 clustering I gruppi ottenuti vengono presentati in ordine di diensione e sono descritti dalle parole chiave che aggiorente li caratterizzano. Questa descrizione autoatica non sepre è sufficienteente chiara per capire il contenuto del cluster. Bisogna, in questo caso, entrare nel cluster (cliccando il sibolo sotto docs ) per visualizzare l elenco dei titoli (ed eventualente il testo copleto) dei docuenti che contiene. La cluster ap fornisce una visione d insiee dei clusters e dei loro legai (nella partizione finale dei docuenti possono rianere dei residui di soiglianza tra docuenti che sono stati assegnati a gruppi diversi: questi residui sono rappresentati da linee). Anche da questa appa è possibile entrare in ciascun gruppo, seguendo in questo caso un percorso che è suggerito dai legai, piuttosto che dalla diensione. Text Mining aspetti applicativi in capo bio-edico 3
4 In questo esepio, la appa ette in evidenza un gruppo di clusters (nell iagine si trova in alto a sinistra, cerchiato di rosso) che sono collegati tra di loro, a separati da tutti gli altri clusters. Se andiao a vedere il loro contenuto, ci accorgiao che tutti questi gruppi condividono alcune parole chiave quali woan, history, age, test, risk, pur trattando di argoenti separati. Se andiao a vedere la etainforazione (ciccando il sibolo sotto report ), e, in particolare, i noi di geni estratti da questi docuenti, vedreo che RET non è ai presente. Un odo ancora più rapido per visualizzare la etainforazione è dato da histogra. In questa iagine, ogni barra rappresenta un cluster (tranne la pria che indica la distribuzione dei geni su tutti i docuenti selezionati) e l estensione di ciascun colore indica la percentuale di docuenti che, all interno del gruppo, contiene un particolare noe di gene (indicato dalla legenda). Ovviaente questa rappresentazione grafica ha dei liiti, per esepio solo i geni più frequenti vengono visualizzati. Per avere l inforazione copleta occorre esainare i report. Dall iagine è counque evidente che i docuenti selezionati tendono a trattare dei due geni separataente, coe era prevedibile, dato che un gene è iplicato nel tuore al polone e l altro nel tuore al seno e che le interrelazioni dovrebbero essere inie. Viceversa si può notare che, quando copare BRCA1 (colore rosso), spesso copare anche BRCA2 (colore giallo), quindi tra questi due geni deve esserci una interrelazione. Tornando al gruppo di clusters individuato sulla appa, possiao notare che si tratta proprio di quei clusters che fanno riferiento solaente a BRCA1 (il colore verde, che rappresenta RET, non copare neeno in piccola percentuale). I gruppi di docuenti che, al contrario, trattano unicaente del gene RET (barre dove il colore rosso è assente) sono anch essi evidenziabili sulla appa coe un insiee riconoscibile (nella appa è stato cerchiato di verde) anche se non totalente separato dagli altri. In questo caso sono le parole chiave an, thyroid, thyrosine, a coparire più frequenteente. Gli altri due gruppi di clusters (cerchiati con tratteggio giallo, nella appa), trattano prevalenteente di BRCA1, a anche di RET. Le parole chiave sono infatti più generiche: in un gruppo troviao doain, protein, function, transcription, aino, acid,, nell altro troviao chroosoe, loss, arker, Esepio risultati: RET <OR> BRCA1 Di questi due gruppi, il prio contiene docuenti di pubblicazione più recente, coe si può vedere dall istograa che rappresenta la variabile anno di pubblicazione. I clusters 11, 18 e 24 sono infatti quelli nei quali l area occupata dai colori del è più estesa e tutti e tre appartengono al su enzionato prio gruppo. Questa analisi ha quindi individuato delle sequenze di parole chiave che sono condivise da più docuenti e li ha raggruppati. Ogni cluster Text Mining aspetti applicativi in capo bio-edico 4
5 rappresenta un diverso argoento. I acro argoenti sono counque stati individuati attraverso i legai tra clusters. Così gli abstract che trattano del gene BRCA1, seppur da punti di vista diversi, sono (quasi tutti) collegati tra loro. Tutto ciò è stato ottenuto autoaticaente. L utente può però intervenire sul processo di clustering, selezionando le advanced options che sono disponibili, assiee al tasto cluster, dopo la selezione dei docuenti. Se, nell esepio precedente, odifichiao il paraetro # assio di clusters portandolo a 10, avreo una rappresentazione ancora più sintetica dei nostri 1981 docuenti. In questo caso tutti i docuenti che trattano solo di RET sono raggruppati in un unico cluster separato da tutti gli altri, entre quelli che trattano esclusivaente di BRCA1 sono raggruppati in due clusters collegati tra loro. Anche la odifica anuale dei pesi è spesso utile: quando, per esepio, da una pria elaborazione si evidenziano parole chiave di scarso significato (coe cell ). Attribuire peso zero a queste parole chiave consente di avere clusters più significativi. L insiee delle parole con peso zero è anche detta lista di stop words. Attualente non è possibile selezionare gli attributi che devono avere ruolo attivo nella forazione dei clusters e i patterns sono ricercati solo all interno delle parole chiave, costituite, coe si è visto dall insiee dei sostantivi presenti nel testo. Teoricaente è possibile utilizzare per il clustering anche altre parti del discorso e/o la eta-inforazione. Risultati interessanti si potrebbero infatti ottenere raggruppando i docuenti in base ai noi di geni che contengono, oppure in base a sostantivi e a noi di geni, Il processo di riconosciento dei noi di geni Il riconosciento dei noi di geni presenti all interno degli abstract di Medline (terza ed ultia fase di preparazione dei docuenti) è stato fatto sulla base di un dizionario. Questo processo è stato chiaato di inforation extraction in quanto con le tecniche di I.E. condivide aleno l obiettivo finale ed inoltre si prevede di integrare questa fase con l esecuzione di regole che attengono all analisi seantica. Il dizionario è stato derivato dalla banca dati Locus Link, in quanto risulta essere la fonte più stabile e copleta di inforazioni sui geni finora individuati (le cui sequenze sono eorizzate nella banca dati collegata RefSeq). Locus Link deriva da UniGene ed associa a ciascun gene un nuero identificativo univoco. Attualente il processo si copone di tre parti: filtro, indicizzazione e generazione della etainforazione. Il filtro consente di estrarre dai record di Locus Link solo le inforazioni di interesse e cioè OFFICIAL_SYMBOL ed ALIAS_SYMBOL, selezionare i terini di aleno tre caratteri e Esepio risultati: RET <OR> BRCA1 con Nb cluster ax = 10 Filtro gene A1BG A2M A2MP NAT1 NAT1 NAT2 NAT2 AACP AACP SERPINA3 SERPINA3 SERPINA3 AADAC AADAC Indice AAMP AAMP AANAT AANAT Metainforazione AANAT SNAT Text Mining aspetti applicativi in AANAT capo AA-NAT bio-edico 5 AARS AAVS1 AAVS1 ABAT ABAT alias A1BG A2M A2MP NAT1 AAC1 NAT2 AAC2 AACP NATP SERPINA3 ACT AACT AADAC DAC AARS AAVS1 AAV ABAT GABAT A1BG A2M A2MP gene CDKN1B gene IFI gene P27
6 creare le coppie GENE/ALIAS per la successiva indicizzazione dei docuenti. L indicizzazione viene fatta ricercando ciascun terine che copare nella colonna alias nel testo dei docuenti e registrando il terine ufficiale corrispondente (che copare nella colonna gene ), insiee al nuero identificativo del docuento che contiene l alias. Questo elenco viene successivaente pulito dalle ridondanze e viene ordinato per identificativo del docuento. Per ogni docuento si ottiene così l elenco dei noi ufficiali di geni che vi copaiono, sia coe tali, sia coe alias. Questo consente di generare la eta-inforazione nel forato precedenteente visto e di integrarla con le altre inforazioni estratte dal docuento originale. Occorre notare che questo uso degli alias non sepre porta ad una sintesi nei noi di geni, vi sono infatti terini che risultano alias di più noi ufficiali. È il caso del docuento di esepio precedenteente visto in cui i noi di alias individuati nel testo erano due (P27 e P27KIP1) entre i noi ufficiali assegnati al docuento sono tre in quanto P27 è sia noe ufficiale, sia alias di IFI27. La ricerca all interno dei testi è stata fatta cercando un atch esatto con il terine della colonna alias. Nei casi in cui questo terine ha anche un significato copiuto nella lingua inglese (es: FAR, GAS, RED, ), per evitare di riconoscere coe noi di geni terini di tutt altro significato, si è inibita la ricerca oppure la si è vincolata alla presenza dei terini gene oppure protein oppure product in un intorno di sei parole. Approcci alternativi di inforation extraction e di clustering Per quanto riguarda il riconosciento di noi di geni negli abstract, il seplice uso di dizionari può creare problei dovuti sia alla presenza di terini di significato copiuto nella lingua inglese (abiguità), sia dovuti al grado di aggiornaento e di copletezza del dizionario (che è counque un dizionario aperto, in continua espansione). riconosciento terini - approcci Codifica anuale della conoscenza* Metodi di apprendiento Maxiu entropy * * Hidden Markov odels * Decision trees * * Naive Bayes * Metodi statistici naive Bayes + word lists * Metodi ibridi * * * LTG (Language Technology Group) * training * uso dizionari * regole hand coded Test Test in in capo biologico geni(dna) proteine 96,7 96, ,2 47,2 75,9 75,9 17,8 17,8 --44,6 44,6 83,4-87,5 87,5 84,4 84,4 84,5 84,5 83,8 83,8 70,3 70, F-score = 2*P*R/(P+R) Gli approcci alternativi al problea sono principalente di due tipi: uno basato su regole seantiche, sintattiche e orfologiche scritte ad hoc per l applicazione specifica e l altro basato su etodi di apprendiento. Il prio richiede un grande sforzo in terini di risorse uane per codificare la conoscenza in un deterinato doinio ed ha lo svantaggio che il risultato di questa attività è difficilente riutilizzabile in contesti diversi. Nel caso dei noi di geni, inoltre, è particolarente arduo individuare delle regole. Il secondo richiede di avere a disposizione un certo nuero di docuenti (da studi precedenti si può afferare che 100 abstract non sono sufficienti) già annotati, nei quali cioè i noi di geni sono stati già individuati. Questo costituisce il corpus di addestraento che consente l apprendiento autoatico di regole. Lo schea riporta alcuni di questi etodi con a fianco, ove disponibile, un indicatore di successo nel riconosciento di terini biologici (proteine o geni). Tale indicatore, l F-score, è calcolato coe sintesi di due ben noti indicatori nell abito dell inforation retrieval: il grado di precision (quanti tra i terini individuati sono effettivaente noi di geni) e il grado di recall (quanti, tra i noi di geni presenti negli abstract, sono stati effettivaente individuati). Text Mining aspetti applicativi in capo bio-edico 6
7 Queste inforazioni sono state tratte da alcuni articoli scientifici (si veda, a questo proposito, la bibliografia allegata). Per quanto riguarda il clustering, alternative al etodo presentato si possono cercare nell abito della rappresentazione vettoriale che del docuento viene fatta, nell abito della etrica scelta per isurare il grado di prossiità dei docuenti, ed infine, nell abito dell algorito. La rappresentazione del docuento riguarda sia la scelta degli eleenti descrittivi (nel nostro caso sostantivi, a coe abbiao visto, anche altre scelte sono possibili) sia la odalità di rappresentazione vera e propria. Questa può essere binaria (coe nel etodo che è stato presentato, dove l attributo è presente oppure assente) a può anche essere quantitativa (per esepio la frequenza con cui ogni sostantivo appare nel testo). La etrica dipende in parte dalla rappresentazione. Oltre all indice di soiglianza, altre etriche olto utilizzate nell analisi testuale sono la distanza Euclidea e il coseno dell angolo copreso tra i vettori (entrabe utilizzabili solo nel caso di inforazioni quantitative). L algorito può essere principalente di due tipi: gerarchico o partitivo. Di quest ultio tipo, oltre a quello visto, esistono anche le K-edie, le Self Organizing Maps, Autoclass, Il etodo utilizzato costituisce, a nostro avviso un buon punto di partenza per la sperientazione delle tecniche di text ining in abito biologico. L obiettivo è quello di creare uno struento di effettiva utilità per il ricercatore, in questo senso l unico indicatore di successo può essere quanto tepo fa rispariare e/o quante nuove scoperte consente di fare. Bibliografia [1] Haphrays, K., et al. (2000): Two Applications of Inforation Extraction to Biological Science Journal Articles: Enzye Interactions and Protein Structures, in Proceedings of Pacific Syposiu on Biocoputing, pp 72-80, World Scientific Press [2] Milward, T., et al. (2000): Autoatic Extraction of Protein Interactions fro Scientific Abstracts, in Proceedings of Pacific Syposiu on Biocoputing, pp , World Scientific Press. [3] Rindflesch, T. C. et al. (2000), EDGAR: Extraction of Drugs, Genes and Relations fro the Bioedical Literature, PSB'2000 [4] Iliopoulos, et al., «TEXTQUEST : Docuent Clustering of Medline Abstracts for Concept Discovery in Molecular Biology» [5] Stapley, B.J. et al., «Biobiblioetrics : Inforation Retrieval and Visualization for Co-occurrences of Gene Naes in Medline Abstracts» [6] Jeffrey T. Chang et al., «Including Biological Literature Iproves Hoology Search» [7] Leung, S. et al., «Basic Gene Graars and DNA-ChartParser for language processing of Escherichia Coli prooter DNA sequences» [8] Andrade, M. A. Et at., «Autoatic extraction of keywords fro scientific text: application to the knowledge doain of protein failies» [9] Marcotte, E. M. et al., «Mining literature for protein-protein interactions» [10] Masys, D. R. et al., «Use of keyword hierarchies to interpret gene expression patterns» Text Mining aspetti applicativi in capo bio-edico 7
8 [11] Eckan, B. A. et al., «The Merck Gene Index browser: an extensible data integration syste for gene finding, gene characterization and EST data ining» [12] Fukuda, et al., (1999): Toward Inforation extraction: Identifying protein naes fro biological papers, PSB 98 [13] Collier, N., Nobata, C., and Tsujii, J. (2000), Extracting the Naes of Genes and Gene Products with a Hidden Markov Model, COLING-2000 [14] Nobata, C., et al.(1999): Autoatic Ter Identification and Classification in Biology Texts, in Proceeding. of 5th Natural Language Processing Pacific Ri Syposiu [15] Borthwick, A. et al. (1998), Exploiting Diverse Knowledge Sources via Maxiu Entropy in Naed Entity Recognition, Proceedings of the Sixth Workshop on Very Large Corpora, pp [16] Hatzivassiloglou, V. et al., «Disabiguating Proteins, Genes, and RNA in Text : A Machine Learning Approach» [17] Mikheev, A. Et al., «Description of the LTG Syste used for MUC-7» [18] Andrade, M. A. Et at., «Autoatic Annotation for Biological Sequences by Extraction of Keywords fro Medline Abstracts. Developent of a prototype syste.» Text Mining aspetti applicativi in capo bio-edico 8
Progetto ASTREA WP2: Sistema informativo per il monitoraggio del sistema giudiziario
Progetto ASTREA WP2: Sistema informativo per il monitoraggio del sistema giudiziario Nell ambito di questa attività è in fase di realizzazione un applicativo che metterà a disposizione dei policy makers,
DettagliOrganizzazione degli archivi
COSA E UN DATA-BASE (DB)? è l insieme di dati relativo ad un sistema informativo COSA CARATTERIZZA UN DB? la struttura dei dati le relazioni fra i dati I REQUISITI DI UN DB SONO: la ridondanza minima i
Dettagli2003.06.16 Il sistema C.R.M. / E.R.M.
2003.06.16 Il sistema C.R.M. / E.R.M. Customer / Enterprise : Resource Management of Informations I-SKIPPER è un sistema di CONOSCENZE che raccoglie ed integra INFORMAZIONI COMMERCIALI, dati su Clienti,
DettagliLAVORO ED ENERGIA Corso di Fisica per Farmacia, Facoltà di Farmacia, Università G. D Annunzio, Cosimo Del Gratta 2006
LAVORO ED ENERGIA INTRODUZIONE L introduzione dei concetto di lavoro, energia cinetica ed energia potenziale ci perettono di affrontare i problei della dinaica in un odo nuovo In particolare enuncereo
DettagliPRINCIPIO DI INDUZIONE. k =. 2. k 2 n(n + 1)(2n + 1) 6
PRINCIPIO DI INDUZIONE LORENZO BRASCO Esercizio. Diostrare che per ogni n si ha nn. 2 Esercizio 2. Diostrare che per ogni n si ha 2 2 nn 2n. Soluzione Procediao per induzione: la 2 è ovviaente vera per
DettagliPROGRAMMA SVOLTO NELLA SESSIONE N.
Università C. Cattaneo Liuc, Corso di Statistica, Sessione n. 1, 2014 Laboratorio Excel Sessione n. 1 Venerdì 031014 Gruppo PZ Lunedì 061014 Gruppo AD Martedì 071014 Gruppo EO PROGRAMMA SVOLTO NELLA SESSIONE
DettagliARCHIVI E DATABASE (prof. Ivaldi Giuliano)
ARCHIVI E DATABASE (prof. Ivaldi Giuliano) Archivio: è un insieme di registrazioni (o records) ciascuna delle quali è costituita da un insieme prefissato di informazioni elementari dette attributi (o campi).
DettagliMODELLO RELAZIONALE. Introduzione
MODELLO RELAZIONALE Introduzione E' stato proposto agli inizi degli anni 70 da Codd finalizzato alla realizzazione dell indipendenza dei dati, unisce concetti derivati dalla teoria degli insiemi (relazioni)
DettagliLezione n.15. Doppi bipoli
Lezione 5 Doppi bipoli Lezione n.5 Doppi bipoli. Definizione di N-polo. Definizione di doppio-bipolo 3. Doppi-bipoli in regie stazionario (doppi-bipoli di resistenze 4. Problei di analisi 5. Problei di
DettagliIntroduzione all Information Retrieval
Introduzione all Information Retrieval Argomenti della lezione Definizione di Information Retrieval. Information Retrieval vs Data Retrieval. Indicizzazione di collezioni e ricerca. Modelli per Information
DettagliGestione Turni. Introduzione
Gestione Turni Introduzione La gestione dei turni di lavoro si rende necessaria quando, per garantire la continuità del servizio di una determinata struttura, è necessario che tutto il personale afferente
DettagliDatabase. Si ringrazia Marco Bertini per le slides
Database Si ringrazia Marco Bertini per le slides Obiettivo Concetti base dati e informazioni cos è un database terminologia Modelli organizzativi flat file database relazionali Principi e linee guida
DettagliGUIDA RAPIDA PER LA COMPILAZIONE DELLA SCHEDA CCNL GUIDA RAPIDA PER LA COMPILAZIONE DELLA SCHEDA CCNL
GUIDA RAPIDA BOZZA 23/07/2008 INDICE 1. PERCHÉ UNA NUOVA VERSIONE DEI MODULI DI RACCOLTA DATI... 3 2. INDICAZIONI GENERALI... 4 2.1. Non modificare la struttura dei fogli di lavoro... 4 2.2. Cosa significano
DettagliExcel. A cura di Luigi Labonia. e-mail: luigi.lab@libero.it
Excel A cura di Luigi Labonia e-mail: luigi.lab@libero.it Introduzione Un foglio elettronico è un applicazione comunemente usata per bilanci, previsioni ed altri compiti tipici del campo amministrativo
DettagliWG-TRANSLATE Manuale Utente WG TRANSLATE. Pagina 1 di 15
WG TRANSLATE Pagina 1 di 15 Sommario WG TRANSLATE... 1 1.1 INTRODUZIONE... 3 1 TRADUZIONE DISPLAY FILE... 3 1.1 Traduzione singolo display file... 4 1.2 Traduzione stringhe da display file... 5 1.3 Traduzione
DettagliEsercitazione di Basi di Dati
Esercitazione di Basi di Dati Corso di Fondamenti di Informatica 6 Maggio 2004 Come costruire una ontologia Marco Pennacchiotti pennacchiotti@info.uniroma2.it Tel. 0672597334 Ing.dell Informazione, stanza
DettagliControlloCosti. Cubi OLAP. Controllo Costi Manuale Cubi
ControlloCosti Cubi OLAP I cubi OLAP Un Cubo (OLAP, acronimo di On-Line Analytical Processing) è una struttura per la memorizzazione e la gestione dei dati che permette di eseguire analisi in tempi rapidi,
DettagliAccedere all'area riservata
Accedere all'area riservata Collegarsi all indirizzo: http://www.provincia.bologna.it/ambiente Fare click sul pulsante Rete Natura 2000 Misura 323 Accedere all'area riservata Fare click alla voce Area
Dettagli5.2.1 RELAZIONI TRA TABELLE 1. 5.2.4.1 Creare una relazione uno-a-uno, uno-a-molti tra tabelle 9
5.2.1 RELAZIONI TRA TABELLE 1 5.2.4.1 Creare una relazione uno-a-uno, uno-a-molti tra tabelle 9 Il grado di un verso di un associazione indica quanti record della tabella di partenza si associano ad un
DettagliEsercizio data base "Biblioteca"
Rocco Sergi Esercizio data base "Biblioteca" Database 2: Biblioteca Testo dell esercizio Si vuole realizzare una base dati per la gestione di una biblioteca. La base dati conterrà tutte le informazioni
DettagliI database relazionali (Access)
I database relazionali (Access) Filippo TROTTA 04/02/2013 1 Prof.Filippo TROTTA Definizioni Database Sistema di gestione di database (DBMS, Database Management System) Sistema di gestione di database relazionale
DettagliCollegarsi all indirizzo: http://www.provincia.bologna.it/ambiente/admin/
Autenticarsi al sistema di gestione Collegarsi all indirizzo: http://www.provincia.bologna.it/ambiente/admin/ 1. Inserire nome utente e password 2. Cliccare su Entra Per iniziare... Creare nuove pagine
DettagliAnalisi dei requisiti e casi d uso
Analisi dei requisiti e casi d uso Indice 1 Introduzione 2 1.1 Terminologia........................... 2 2 Modello del sistema 4 2.1 Requisiti hardware........................ 4 2.2 Requisiti software.........................
DettagliGestione del workflow
Gestione del workflow Stefania Marrara Corso di Tecnologie dei Sistemi Informativi 2004/2005 Progettazione di un Sistema Informativo Analisi dei processi Per progettare un sistema informativo è necessario
DettagliI database relazionali sono il tipo di database attualmente piu diffuso. I motivi di questo successo sono fondamentalmente due:
Il modello relazionale I database relazionali sono il tipo di database attualmente piu diffuso. I motivi di questo successo sono fondamentalmente due: 1. forniscono sistemi semplici ed efficienti per rappresentare
DettagliSISTEMI INFORMATIVI AVANZATI -2010/2011 1. Introduzione
SISTEMI INFORMATIVI AVANZATI -2010/2011 1 Introduzione In queste dispense, dopo aver riportato una sintesi del concetto di Dipendenza Funzionale e di Normalizzazione estratti dal libro Progetto di Basi
DettagliAPPUNTI DEL CORSO DI SISTEMI IMPIANTISTICI E SICUREZZA REGIMI DI FUNZIONAMENTO DEI CIRCUITI ELETTRICI: CORRENTE CONTINUA
APPUNTI DL CORSO DI SISTMI IMPIANTISTICI SICURZZA RGIMI DI FUNZIONAMNTO DI CIRCUITI LTTRICI: CORRNT CONTINUA SOLO ALCUNI SMPI DI ANALISI DI UN CIRCUITO LTTRICO FUNZIONANTI IN CORRNT CONTINUA APPUNTI DL
DettagliCorso di. Dott.ssa Donatella Cocca
Corso di Statistica medica e applicata Dott.ssa Donatella Cocca 1 a Lezione Cos'è la statistica? Come in tutta la ricerca scientifica sperimentale, anche nelle scienze mediche e biologiche è indispensabile
DettagliGuida all uso di Java Diagrammi ER
Guida all uso di Java Diagrammi ER Ver. 1.1 Alessandro Ballini 16/5/2004 Questa guida ha lo scopo di mostrare gli aspetti fondamentali dell utilizzo dell applicazione Java Diagrammi ER. Inizieremo con
DettagliUniversità degli Studi di Ferrara - A.A. 2014/15 Dott. Valerio Muzzioli ORDINAMENTO DEI DATI
ORDINAMENTO DEI DATI Quando si ordina un elenco (ovvero una serie di righe contenenti dati correlati), le righe sono ridisposte in base al contenuto di una colonna specificata. Distinguiamo due tipi di
DettagliSistema Informativo Gestione Fidelizzazione Clienti MANUALE D USO
Sistema Informativo Gestione Fidelizzazione Clienti MANUALE D USO Login All apertura il programma controlla che sia stata effettuata la registrazione e in caso negativo viene visualizzato un messaggio.
DettagliCapitolo 13. Interrogare una base di dati
Capitolo 13 Interrogare una base di dati Il database fisico La ridondanza è una cosa molto, molto, molto brutta Non si devono mai replicare informazioni scrivendole in più posti diversi nel database Per
DettagliPROCEDURA INVENTARIO DI MAGAZZINO di FINE ESERCIZIO (dalla versione 3.2.0)
PROCEDURA INVENTARIO DI MAGAZZINO di FINE ESERCIZIO (dalla versione 3.2.0) (Da effettuare non prima del 01/01/2011) Le istruzioni si basano su un azienda che ha circa 1000 articoli, che utilizza l ultimo
DettagliI TUTORI. I tutori vanno creati la prima volta seguendo esclusivamente le procedure sotto descritte.
I TUTORI Indice Del Manuale 1 - Introduzione al Manuale Operativo 2 - Area Tutore o Area Studente? 3 - Come creare tutti insieme i Tutori per ogni alunno? 3.1 - Come creare il secondo tutore per ogni alunno?
DettagliAlgoritmi di clustering
Algoritmi di clustering Dato un insieme di dati sperimentali, vogliamo dividerli in clusters in modo che: I dati all interno di ciascun cluster siano simili tra loro Ciascun dato appartenga a uno e un
DettagliPer effettuare la stampa di una cartella di lavoro si accede al comando. Stampa dal menu File o si utilizza il pulsante omonimo sulla barra
4.5 Stampa 4.5.1 Stampare semplici fogli elettronici 4.5.1.1 Usare le opzioni di base della stampa Per effettuare la stampa di una cartella di lavoro si accede al comando Stampa dal menu File o si utilizza
DettagliPORTALE CLIENTI Manuale utente
PORTALE CLIENTI Manuale utente Sommario 1. Accesso al portale 2. Home Page e login 3. Area riservata 4. Pagina dettaglio procedura 5. Pagina dettaglio programma 6. Installazione dei programmi Sistema operativo
DettagliLABORATORIO-EXCEL N. 2-3 XLSTAT- Pro Versione 7 VARIABILI QUANTITATIVE
LABORATORIO-EXCEL N. 2-3 XLSTAT- Pro Versione 7 VARIABILI QUANTITATIVE DESCRIZIONE DEI DATI DA ESAMINARE Sono stati raccolti i dati sul peso del polmone di topi normali e affetti da una patologia simile
DettagliIntroduzione. Macro macro istruzione. Sequenza di comandi memorizzati programma
Introduzione Macro macro istruzione Sequenza di comandi memorizzati programma Scopo: eseguire più volte una sequenza di operazioni che a mano sarebbero noiose e ripetitive, se non proibitive Le macro Le
DettagliCOLLI. Gestione dei Colli di Spedizione. Release 5.20 Manuale Operativo
Release 5.20 Manuale Operativo COLLI Gestione dei Colli di Spedizione La funzione Gestione Colli consente di generare i colli di spedizione in cui imballare gli articoli presenti negli Ordini Clienti;
DettagliTelerilevamento e GIS Prof. Ing. Giuseppe Mussumeci
Corso di Laurea Magistrale in Ingegneria per l Ambiente e il Territorio A.A. 2014-2015 Telerilevamento e GIS Prof. Ing. Giuseppe Mussumeci Strutture di dati: DB e DBMS DATO E INFORMAZIONE Dato: insieme
DettagliSQL/OLAP. Estensioni OLAP in SQL
SQL/OLAP Estensioni OLAP in SQL 1 Definizione e calcolo delle misure Definire una misura significa specificare gli operatori di aggregazione rispetto a tutte le dimensioni del fatto Ipotesi: per ogni misura,
DettagliIngegneria del Software T
Home Finance 1 Requisiti del cliente 1 Si richiede di realizzare un sistema per la gestione della contabilità familiare. Il sistema consente la classificazione dei movimenti di denaro e la loro memorizzazione.
DettagliCome archiviare i dati per le scienze sociali
Come archiviare i dati per le scienze sociali ADPSS-SOCIODATA Archivio Dati e Programmi per le Scienze Sociali www.sociologiadip.unimib.it/sociodata E-mail: adpss.sociologia@unimib.it Tel.: 02 64487513
DettagliINVENTION AND TECHNOLOGY DISCLOSURE FORM SCHEDA DI RICHIESTA PER L APERTURA DI UNA PRATICA DI BREVETTO
INVENTION AND TECHNOLOGY DISCLOSURE FORM UFFICIO TRASFERIMENTO TECNOLOGICO SCHEDA DI RICHIESTA PER L APERTURA DI UNA PRATICA DI BREVETTO Mittente: Prof./Dott Dipartimento di Via.. 4412. Ferrara Al Magnifico
DettagliWord processor funzione Stampa Unione
Word processor funzione Stampa Unione La funzione Stampa unione permette di collegare un documento che deve essere inviato ad una serie di indirizzi ad un file che contenga i nominativi dei destinatari.
DettagliDimensione di uno Spazio vettoriale
Capitolo 4 Dimensione di uno Spazio vettoriale 4.1 Introduzione Dedichiamo questo capitolo ad un concetto fondamentale in algebra lineare: la dimensione di uno spazio vettoriale. Daremo una definizione
DettagliRegione Toscana. ARPA Fonte Dati. Manuale Amministratore. L. Folchi (TAI) Redatto da
ARPA Fonte Dati Regione Toscana Redatto da L. Folchi (TAI) Rivisto da Approvato da Versione 1.0 Data emissione 06/08/13 Stato DRAFT 1 Versione Data Descrizione 1,0 06/08/13 Versione Iniziale 2 Sommario
DettagliM:\Manuali\VARIE\GENERAZIONE REPORT PARAMETRICI.doc GENERAZIONE REPORT PARAMETRICI
M:\Manuali\VARIE\GENERAZIONE REPORT PARAMETRICI.doc GENERAZIONE REPORT PARAMETRICI Di seguito, riportiamo le istruzioni per la gestione delle query parametriche utile ad eventuali ricerche di casi particolari,
DettagliOlga Scotti. Basi di Informatica. Excel
Basi di Informatica Excel Tabelle pivot Le tabelle pivot sono strumenti analitici e di reporting per creare tabelle riassuntive, riorganizzare dati tramite trascinamento, filtrare e raggruppare i dati,
DettagliUniversità degli Studi di Messina
Università degli Studi di Messina Guida alla Rendicontazione on-line delle Attività del Docente Versione della revisione: 2.02/2013-07 A cura di: Fabio Adelardi Università degli studi di Messina Centro
DettagliDispensa di database Access
Dispensa di database Access Indice: Database come tabelle; fogli di lavoro e tabelle...2 Database con più tabelle; relazioni tra tabelle...2 Motore di database, complessità di un database; concetto di
DettagliEasyPrint v4.15. Gadget e calendari. Manuale Utente
EasyPrint v4.15 Gadget e calendari Manuale Utente Lo strumento di impaginazione gadget e calendari consiste in una nuova funzione del software da banco EasyPrint 4 che permette di ordinare in maniera semplice
DettagliCapitolo 2. Operazione di limite
Capitolo 2 Operazione di ite In questo capitolo vogliamo occuparci dell operazione di ite, strumento indispensabile per scoprire molte proprietà delle funzioni. D ora in avanti riguarderemo i domini A
DettagliLezione 8. La macchina universale
Lezione 8 Algoritmi La macchina universale Un elaboratore o computer è una macchina digitale, elettronica, automatica capace di effettuare trasformazioni o elaborazioni su i dati digitale= l informazione
DettagliENTRARE NEL SISTEMA. Clicca su Entra per entrare nel sistema. PAGINA 1
ENTRARE NEL SISTEMA Clicca su Entra per entrare nel sistema. PAGINA 1 ENTRARE NEL SISTEMA Compare il box di LOGIN in cui inserire il nome utente e la password fornite tramite posta elettronica dall indirizzo
DettagliPIATTAFORMA DOCUMENTALE CRG
SISTEMA DI GESTIONE DOCUMENTALE DMS24 PIATTAFORMA DOCUMENTALE CRG APPLICAZIONE PER LE PROCEDURE DI GARE D AMBITO 1 AGENDA 1. Introduzione 2. I Livelli di accesso 3. Architettura di configurazione 4. Accesso
DettagliProgettazione di Basi di Dati
Progettazione di Basi di Dati Prof. Nicoletta D Alpaos & Prof. Andrea Borghesan Entità-Relazione Progettazione Logica 2 E il modo attraverso il quale i dati sono rappresentati : fa riferimento al modello
DettagliInformatica per le discipline umanistiche 2 lezione 12
Informatica per le discipline umanistiche 2 lezione 12 Nella lezione precedente: In realtà non tutto il data mining è dettato dagli interessi economici (commercial) data mining Abbiamo visto risvolti commerciali
DettagliManuale Intesa. Guida all apertura di un ticket di assistenza online
Manuale Intesa Guida all apertura di un ticket di assistenza online 1 Indice Manuale Intesa L applicativo IBM - Intesa... 3 Accesso all applicativo... 3 Request Management Creare una nuova Request... 4
Dettaglicorso di Access MICROSOFT ACCESS Docente: Andrea Mereu Università degli studi di Cagliari 16 aprile 9 maggio 2012
1 MICROSOFT ACCESS 1 Docente: Andrea Mereu Università degli studi di Cagliari 16 aprile 9 maggio 2012 Che cos'è Access? 2 Access è un'applicazione database (DBMS), cioè un programma che serve a gestire
Dettagliwww.reputazioneonline.it
1 INDICE 1.INTRODUZIONE 3 1.1 Cosa è 3 1.2 Obiettivo 3 1.3 A cosa serve 3 1.4 A chi è rivolto 3 2.ACCESSO AL PORTALE 4 2.1 Registrazione 5 2.2 Login 7 3.STRUTTURA DEL PORTALE 8 3.1 Identità Digitale 8
DettagliSpazio Commerciale. Le tue vendite, il nostro successo. Manuale Operativo. Guida inserimento articoli tramite Area di amministrazione.
Manuale Operativo Guida inserimento articoli tramite Area di amministrazione Pagina 1 di 8 Indice Generale 1. Sommario 2. Introduzione 3. Glossario 4. Accesso all'interfaccia 5. Icone e funzionalità 5.1.
Dettaglif(x) = 1 x. Il dominio di questa funzione è il sottoinsieme proprio di R dato da
Data una funzione reale f di variabile reale x, definita su un sottoinsieme proprio D f di R (con questo voglio dire che il dominio di f è un sottoinsieme di R che non coincide con tutto R), ci si chiede
DettagliProcedura tecnico-statistica per il calcolo dell Indice di Disagio Socioeconomico (IDS)
Procedura tecnico-statistica per il calcolo dell Indice di Disagio Socioeconomico (IDS) Unità di Valutazione-DPS Ministero dello Sviluppo Economico Luglio 2008 Per garantire uniformità e completezza dei
DettagliEXCEL PER WINDOWS95. sfruttare le potenzialità di calcolo dei personal computer. Essi si basano su un area di lavoro, detta foglio di lavoro,
EXCEL PER WINDOWS95 1.Introduzione ai fogli elettronici I fogli elettronici sono delle applicazioni che permettono di sfruttare le potenzialità di calcolo dei personal computer. Essi si basano su un area
DettagliCome costruire una presentazione. PowerPoint 1. ! PowerPoint permette la realizzazione di presentazioni video ipertestuali, animate e multimediali
PowerPoint Come costruire una presentazione PowerPoint 1 Introduzione! PowerPoint è uno degli strumenti presenti nella suite Office di Microsoft! PowerPoint permette la realizzazione di presentazioni video
DettagliMODULO 5 Appunti ACCESS - Basi di dati
MODULO 5 Appunti ACCESS - Basi di dati Lezione 1 www.mondopcnet.com Modulo 5 basi di dati Richiede che il candidato dimostri di possedere la conoscenza relativa ad alcuni concetti fondamentali sui database.
DettagliGuida alla registrazione on-line di un DataLogger
NovaProject s.r.l. Guida alla registrazione on-line di un DataLogger Revisione 3.0 3/08/2010 Partita IVA / Codice Fiscale: 03034090542 pag. 1 di 17 Contenuti Il presente documento è una guida all accesso
DettagliBreve guida all uso di PubMed
Breve guida all uso di PubMed http://www4.ncbi.nlm.nih.gov/pubmed/ I. Pagina iniziale A destra di appare una finestra di interrogazione dove è possibile inserire uno o più termini. Al di sotto di questa
DettagliTEORIA sulle BASI DI DATI
TEORIA sulle BASI DI DATI A cura del Prof. Enea Ferri Cos è un DATA BASE E un insieme di archivi legati tra loro da relazioni. Vengono memorizzati su memorie di massa come un unico insieme, e possono essere
DettagliAccess. P a r t e p r i m a
Access P a r t e p r i m a 1 Esempio di gestione di database con MS Access 2 Cosa è Access? Access e un DBMS che permette di progettare e utilizzare DB relazionali Un DB Access e basato sui concetti di
Dettagli. A primi passi con microsoft a.ccepss SommarIo: i S 1. aprire e chiudere microsoft access Start (o avvio) l i b tutti i pro- grammi
Capitolo Terzo Primi passi con Microsoft Access Sommario: 1. Aprire e chiudere Microsoft Access. - 2. Aprire un database esistente. - 3. La barra multifunzione di Microsoft Access 2007. - 4. Creare e salvare
DettagliIl database management system Access
Il database management system Access Corso di autoistruzione http://www.manualipc.it/manuali/ corso/manuali.php? idcap=00&idman=17&size=12&sid= INTRODUZIONE Il concetto di base di dati, database o archivio
DettagliSOMMARIO... 3 INTRODUZIONE...
Sommario SOMMARIO... 3 INTRODUZIONE... 4 INTRODUZIONE ALLE FUNZIONALITÀ DEL PROGRAMMA INTRAWEB... 4 STRUTTURA DEL MANUALE... 4 INSTALLAZIONE INRAWEB VER. 11.0.0.0... 5 1 GESTIONE INTRAWEB VER 11.0.0.0...
DettagliSommario. Definizione di informatica. Definizione di un calcolatore come esecutore. Gli algoritmi.
Algoritmi 1 Sommario Definizione di informatica. Definizione di un calcolatore come esecutore. Gli algoritmi. 2 Informatica Nome Informatica=informazione+automatica. Definizione Scienza che si occupa dell
DettagliIntroduzione alla teoria dei database relazionali. Come progettare un database
Introduzione alla teoria dei database relazionali Come progettare un database La struttura delle relazioni Dopo la prima fase di individuazione concettuale delle entità e degli attributi è necessario passare
DettagliLa gestione del documento
Operatore giuridico d impresa Informatica Giuridica A.A 2002/2003 II Semestre La gestione del documento prof. Monica Palmirani Il documento A differenza del dato il documento è solitamente un oggetto non
DettagliManuale Amministratore Legalmail Enterprise. Manuale ad uso degli Amministratori del Servizio Legalmail Enterprise
Manuale Amministratore Legalmail Enterprise Manuale ad uso degli Amministratori del Servizio Legalmail Enterprise Pagina 2 di 16 Manuale Amministratore Legalmail Enterprise Introduzione a Legalmail Enterprise...3
DettagliEXPLOit Content Management Data Base per documenti SGML/XML
EXPLOit Content Management Data Base per documenti SGML/XML Introduzione L applicazione EXPLOit gestisce i contenuti dei documenti strutturati in SGML o XML, utilizzando il prodotto Adobe FrameMaker per
DettagliManuale operativo - Procedura per la costruzione, la pubblicazione di questionari
Questionari online Questionari online... 1 Ambienti dedicati... 2 Costruzione questionario... 4 Creazione struttura... 4 Gestione del questionario... 15 Condivisione (fase facoltativa)... 16 Autorizzazione
DettagliMacchine a stati finiti. Sommario. Sommario. M. Favalli. 5th June 2007
Sommario Macchine a stati finiti M. Favalli 5th June 27 4 Sommario () 5th June 27 / 35 () 5th June 27 2 / 35 4 Le macchine a stati si utilizzano per modellare di sistemi fisici caratterizzabili mediante:
DettagliMacchine a stati finiti G. MARSELLA UNIVERSITÀ DEL SALENTO
Macchine a stati finiti 1 G. MARSELLA UNIVERSITÀ DEL SALENTO Introduzione Al più alto livello di astrazione il progetto logico impiega un modello, la cosiddetta macchina a stati finiti, per descrivere
DettagliSistemi Informativi. Introduzione. Processi fisici. Tipologie di processi. Processi informativi. Processi aziendali
Introduzione Sistemi Informativi Linguaggi per la modellazione dei processi aziendali Paolo Maggi Per progettare un sistema informativo è necessario identificare tutti i suoi elementi
DettagliBasi di dati 9 febbraio 2010 Compito A
Basi di dati 9 febbraio 2010 Compito A Domanda 0 (5%) Leggere e rispettare le seguenti regole: Scrivere nome, cognome, matricola (se nota), corso di studio e lettera del compito (ad esempio, A) sui fogli
DettagliDatabase 1 biblioteca universitaria. Testo del quesito
Database 1 biblioteca universitaria Testo del quesito Una biblioteca universitaria acquista testi didattici su indicazione dei professori e cura il prestito dei testi agli studenti. La biblioteca vuole
DettagliProject Cycle Management
Project Cycle Management Tre momenti centrali della fase di analisi: analisi dei problemi, analisi degli obiettivi e identificazione degli ambiti di intervento Il presente materiale didattico costituisce
DettagliSISTEMI MULTIAGENTE. Esercizio
Esercizio SISTEMI MULTIAGENTE Nello studio dei sistemi dinamici complessi la simulazione al computer ha un ruolo importante dal momento che presenta molti vantaggi rispetto ai metodi sperimentali più tradizionali;
DettagliManuale di utilizzo del sito ASUWEB
Manuale di utilizzo del sito ASUWEB Versione 1.0 maggio 2007 1. Introduzione:... 3 2. Come registrarsi:... 3 3. I diversi livelli di abilitazione degli utenti:... 5 4. UTENTI IN SOLA LETTURA... 5 4.1.
DettagliPrima parte. giustificando le a operazioni fatte con le proprietà delle congruenze utilizzate. Poiché ax b mod n (a mod n) x (b mod n) mod n
Soluione del copito di Fondaenti di Mateatica del discreto laurea OnLine 6 aio 7 Per la soluione si è posto: N = 7354 n=n od =354; =G od 4)+4=7; =M od 6)+=5; a=a od =86 Pria parte 3 96 od). Deterinare
DettagliIstituto Centrale per il Catalogo Unico delle Biblioteche Italiane. e per le Informazioni bibliografiche. Manuali utente per SBN WEB. Versione 1.
Istituto Centrale per il Catalogo Unico delle Biblioteche Italiane e per le Informazioni bibliografiche Manuali utente per SBN WEB Versione 1.0 Produzione editoriale Vers. 1.0 27/09/2013 Pagina 1 Sommario
DettagliCenni su algoritmi, diagrammi di flusso, strutture di controllo
Cenni su algoritmi, diagrammi di flusso, strutture di controllo Algoritmo Spesso, nel nostro vivere quotidiano, ci troviamo nella necessità di risolvere problemi. La descrizione della successione di operazioni
DettagliOSSIF WEB. Manuale query builder
OSSIF WEB Manuale query builder - Maggio 2010 1) Sommario 1) SOMMARIO... 2 INTRODUZIONE... 3 Scopo del documento... 3 Struttura del documento... 3 Descrizione dell interfaccia grafica... 3 SELEZIONE DI
DettagliSiamo così arrivati all aritmetica modulare, ma anche a individuare alcuni aspetti di come funziona l aritmetica del calcolatore come vedremo.
DALLE PESATE ALL ARITMETICA FINITA IN BASE 2 Si è trovato, partendo da un problema concreto, che con la base 2, utilizzando alcune potenze della base, operando con solo addizioni, posso ottenere tutti
DettagliConfronto fra valore del misurando e valore di riferimento (1 di 2)
Confronto fra valore del isurando e valore di riferiento (1 di 2) Talvolta si deve espriere un parere sulla accettabilità o eno di una caratteristica fisica del isurando ediante il confronto fra il valore
DettagliWEB MARKETING. Indicizzazione nei motori di ricerca. SCHEDA PRODOTTO Versione 1.1
WEB MARKETING nei motori di ricerca SCHEDA PRODOTTO Versione 1.1 1 1. INTRODUZIONE I motori di ricerca sono la funzione più utilizzata sul web e sono secondi solo alla posta elettronica nella lista delle
DettagliBasi di Dati e Sistemi Informativi. Progettazione logica: Il modello relazionale
Basi di Dati e Sistemi Informativi Progettazione logica: Il modello relazionale Corso di Laurea in Ing. Informatica Ing. Gestionale Magistrale Introduzione Basato sul lavoro di Codd (~1970) E attualmente
DettagliUSARE JOOMLA 1.7/2.5 per gestire il vostro sito.
1 USARE JOOMLA 1.7/2.5 per gestire il vostro sito. 1. Per accedere al pannello di controllo: www.vostrosito.it/administrator 2. Inserire utente e password 3. Il vostro pannello di controllo si presenterà
DettagliESEMPI DI QUERY SQL. Esempi di Query SQL Michele Batocchi AS 2012/2013 Pagina 1 di 7
ESEMPI DI QUERY SQL Dati di esempio... 2 Query su una sola tabella... 2 Esempio 1 (Ordinamento)... 2 Esempio 2 (Scelta di alcune colonne)... 3 Esempio 3 (Condizioni sui dati)... 3 Esempio 4 (Condizioni
Dettagli