Strutture dati efficienti per la ricerca della similarità

Save this PDF as:
 WORD  PNG  TXT  JPG

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Strutture dati efficienti per la ricerca della similarità"

Transcript

1 Strutture dati efficienti per la ricerca della similarità Anche utilizzando i metodi di filtraggio visti in precedenza, il numero di confronti tra query e oggetti presenti nel database rimane alto. L efficienza di ricerca può essere migliorata in maniera sensibile utilizzando delle strutture dati specifiche per la memorizzazione dei vettori di feature. Alberi bilanciati (B trees) Clustering Alberi bilanciati multidimensionali (MB trees) K-d trees Grid files Alberi bilanciati Introduciamo i B+ e i B tree che memorizzano esclusivamente vettori monodimensionali (singoli valori) ma forniscono le idee di base per le strutture dedicate ai vettori multidimensionali Un B+ tree è una struttura gerarchica costituita da nodi, Ogni nodo contiene n puntatori e n-1 valori (o chiavi) dove n è il GRADO del tree (è il massimo numeri di figli che ogni nodo può avere). Il puntatore 1 è utilizzato per accedere a tutti i record i cui valori sono inferiori al valore 1, il puntatore 2 per accedere a tutti i record il cui valore è più grande del valore 1 e più piccolo del valore 2, ecc, l ultimo puntatore n è usato per accedere a tutti i record il cui valore e uguale o maggiore del valore n-1

2 Alberi bilanciati In un albero B, tutte le foglie hanno la stessa distanza dalla radice; per questo motivo tali alberi hanno un efficienza prevedibile. Gli alberi B supportano il recupero sia casuale sia sequenziale dei record. La forma più diffusa di albero B è l albero B+. Un albero B+ di grado m possiede la seguente proprietà: Ogni nodo ha tra m e m/2 figli (m è un intero maggiore di o uguale a 3, solitamente dispari), ad eccezione del nodo radice (che non rispetta questo limite inferiore). Ricerca in alberi bilanciati Si immagini di voler recuperare i record di dati per il numero di prodotto Si noti che il valore nel nodo radice è oiché 1425 è maggiore di 1250, si dovrà seguire la freccia a destra di questo valore verso il basso fino al livello successivo. In questo nodo si trova il valore ricercato (1425), quindi si seguirà la freccia centrale verso il basso fino al nodo foglia che contiene il valore Questo nodo contiene un puntatore al record di dati per il numero di prodotto 1425, quindi il record può essere recuperato.

3 Inserimento in alberi bilanciati Si supponga di aggiungere un record con la chiave 1800 all albero B+ della figura precedente Il risultato di questo inserimento è mostrato nella figura soprastante oiché il nodo 1 ha solo tre figli l albero soddisfa ancora tutte le proprietà dell albero B+. Inserimento in alberi bilanciati Si consideri ora l effetto dell aggiunta di un altro record all albero, questa volta con la chiave In questo caso, il nodo 1 viola il limite del grado, e deve quindi essere suddiviso in due nodi. La suddivisione del nodo 1 comporta una nuova immissione nel nodo 2, che farà sì che questo nodo abbia quattro figli. Anche il nodo 2 dovrà quindi essere suddiviso, cosa che comporta una nuova immissione nel nodo 3.

4 Dopo l inserimento L eliminazione di un record causa l eliminazione di una voce nel nodo. Se questa eliminazione fa sì che una foglia abbia meno di m/2 figli, la foglia verrà unita a una foglia adiacente; se la foglia unita è troppo grande (ha più di m figli), viene suddivisa, cosa che comporta semplicemente una ri-distribuzione più equilibrata delle chiavi tra i nodi. Il risultato è che un albero B+ viene riorganizzato dinamicamente perché sia possibile mantenerlo bilanciato (stessa profondità lungo qualsiasi percorso dalla radice) Cluster 1 Cluster 5 Clustering Tecnica per ottimizzare i tempi di ricerca nello spazio di feature n-dimensionale Vettori di features simili vengono raggruppati Cluster 3 in cluster in base a Cluster 2 misure di similarità Ogni cluster e rappresentato dal proprio centroide Il calcolo della similarità avviene tra la Cluster 4 query ed il centroide di ogni cluster I cluster il cui centroide CENTROIDE e più simile alla query vengono utilizzati per la ricerca completa sui vettori di features che contengono

5 Clustering a più livelli Quando il numero di cluster e comunque alto si utilizzano cluster a livelli multipli per ridurre il numero di calcoli di similarità Cluster 2 Cluster 3 CENTROIDE DEL SUERCLUSTER Cluster 1 Super Cluster 1 Cluster 4 Super Cluster 2 Cluster 5 CENTROIDE MB trees multidimensionali Struttura simile al B+ TREE standard Supporta le similarity query Esempio in 2D: Ogni feature vector è un punto nello spazio 2D Si definisce il bounding-box contenente tutti i punti Dividiamo tale rettangolo in regioni con numero simile di feature contenute all interno di ogni regione Le regioni vengono ordinate secondo un criterio (rima X, quindi Y) Ogni regione contiene i puntatori ai feature-vector che ricadono all interno della regione Ogni feature-vector ha un link con il dato multimediale di cui è una rappresentazione

6 MB trees multidimensionali D 0,1 D 0,0 D 1,2 D 1,1 D 2,1 D 3,0 D 1,2 0 D 1,0 D 2,0 D 1,0 0 D 2,1 0 D 0,0 D 0,1 D 1,0 D 1,1 D 1,2 D 2,0 D 2,1 D 3,0 0 L 0,0 L 0,1 L 1,0 L 1,1 L 1,2 L 2,0 L 2,1 L 3,0 Ricerca su MB trees multidimensionali oint query Ricerca di un vettore dato (x,y) artiamo dalla root e troviamo la regione che contiene il vettore da ricercare Scorriamo la lista di feature-vector associata alla regione Range query Ricerca di tutti i vettori che ricadono in un rettangolo artendo dalla root troviamo tutte le regioni che si sovrappongono al rettangolo di ricerca Scorriamo la lista di feature-vector associata alla regione K Nearest-Neighbor query Ricerca dei k vettori più vicini ad un vettore dato Utilizziamo un procedimento iterativo, composto dalla ripetizione di Range query fino a quando non troviamo un numero sufficiente di vettori candidati. Utilizziamo il calcolo della distanza euclidea tra il vettore da ricercare ed i vettori candidati

7 K-d trees Sono una estensione degli ALBERI BINARI: In un A.B. ogni nodo ha tre elementi: un valore della chiave X un puntatore ai record con chiave < x un puntatore ai record con chiave > x Un albero binario e normalmente non bilanciato Durante l inserimento si applicano metodi di bilanciamento per mantenere i tempi di ricerca in O(log n ) in un k-d tree ogni chiave è costituita dal vettore k-dimensionale invece che da un solo valore er generare l albero bisogna individuare una regola per decidere da che parte inserire il nuovo elemento (dx,sx) Al primo livello si effettua il salto basandosi sulla prima componente del vettore Al secondo livello si effettua il salto basandosi sulla seconda componente del vettore ecc Esempio di K-d trees Supponiamo di avere i seguenti vettori nello spazio a 3 dimensioni: (10,13,7) (9,14,8) (20,9,17) (7,13,6) (8,12,7) (6,10,9) (11,8,14) (15,13,11) (10,6,17) (16,12,21) (17,3,15) Livello 1 L albero che potremmo costruire è: (10, 13,17) Livello 2 (9, 14,18) (20, 9,17) Livello 3 (7, 13,6) (11, 8,14) (15, 13,11) Livello 4 (8, 12,7) (10, 6,17) (16, 12,21) Livello 5 (6, 10, 9) (17, 3,15)

8 Utilizzo K-d trees Inserimento: si utilizza ad ogni livello l ordinamento sulla corrispondente componente. roblema: la struttura dell albero dipende dall ordine di inserimento dei record. L albero può diventare sbilanciato e richiedere operazioni di ri-bilanciamento Ricerca: è simile al processo di inserimento Ad ogni livello effettuiamo il salto sulla base del valore della relativa componente del vettore Eliminazione: uò risultare complicata quando occorre eliminare un nodo intermedio dell albero Si possono effettuare delle cancellazioni logiche senza modificare la struttura dell albero Range query: sono facili da implementare e comportano la visita di un numero di nodi dell albero abbastanza ridotta Grid files Sono una modalità di indicizzazione e ricerca abbastanza semplice ma molto utilizzata in implementazioni reali. Consistono nella suddivisione dello spazio n-dimensionale in ipercubi aventi tutti la stessa dimensione. Ogni ipercubo contiene zero o più feature-vector Esempio 2D: Griglia nello spazio dei valori delle features Indice Scala dei valori 0,0 1,0 2,0 3,0 Array 2D di puntatori alle griglie 0,1 1,1 2,1 3,1 0,2 1,2 2,2 3,2 0,3 1,3 2,3 3,3

9 Grid files L Inserimento di un valore nella struttura e molto semplice: Es: se volessimo inserire il vettore de feature {80, 70} nella griglia 2D precedente sapremmo subito che questo dovrà essere inserito nella griglia con indice (1,1) e quindi sarà puntato dal puntatore 1,1 La ricerca di un valore avviene in un modo simile: Es di point query: se vogliamo trovare il vettore {40, 125} sappiamo subito che questo si troverà nella griglia (0,2). Quindi prendiamo il puntatore 0,2 e scorriamo la lista di vettori puntati da questo (tutti i vettori di feature che si trovano nella stessa griglia sono puntati dallo stesso puntatore) Es di range query: e necessario trovare tutte le liste di vettori puntate dai puntatori le cui griglie vengono intersecate dal rettangolo descritto dalla query Considerazioni su grid files Se i vettori di features sono distribuiti abbastanza uniformemente all interno dello spazio dei valori tale metodo da buoni risultati Nel caso contrario (vettori non distribuiti uniformemente nello spazio) alcune griglie risultano vuote o quasi e altre sovraffollate Se una griglia e sovraffollata il puntatore alla griglia individuerà una lista di vettori molto lunga il cui scorrimento e calcolo della similarità comporta perdita di tempo elevata er far fronte a questo problema (nel caso di distribuzione non uniforme) invece di utilizzare griglie fisse della stessa dimensione si crea una suddivisione adattativa cercando di bilanciare il contenuto delle diverse griglie Nelle zone dello spazio densamente popolate si utilizzano griglie di piccole dimensioni mentre nelle zone scarsamente popolate si utilizzano griglie di dimensioni più grandi

10 R tree Sono una famiglia si strutture di indicizzazione molto utilizzate per l organizzazione dei dati multidimensionali. Un R tree è una generalizzazione di un MB+ tree. In ogni nodo non foglia viene memorizzato un puntatore che punta ad un nodo di livello più basso nell albero e un rettangolo che copre tutti i rettangoli associati ai discendenti del nodo. Nei nodi foglia viene memorizzata la lista dei vettori che ricadono dentro al singolo rettangolo di livello più basso. Sono strutture dati utilizzate sia per memorizzare dati che hanno un boundingbox che dati di tipo puntuale Esempio R tree Il rettangolo blu rappresenta il dominio spaziale di una base di dati bidimensionale. Al suo interno sono presenti 12 oggetti. Indice RTree relativo agli oggetti della Fig. 1. La figura di destra illustra un RTree che indicizza i rettangoli della figura di sinistra oiché ogni record rappresenta una porzione di spazio, essi sono stati rappresentati graficamente. Ad esempio, la radice contiene due record, e per ognuno e' stata rappresentata l'intera base di dati (il rettangolo blu) con evidenziata in verde l'area da essi indicizzata. La stessa cosa e' ripetuta nei due nodi interni, con il colore azzurro. Si può notare come l'area indicizzata da ogni record comprenda l'unione delle aree dei figli. er compattezza, i record nelle foglie sono stati rappresentati con il solo nome.

11 Operazioni su R tree Query: La regione da cercare viene caratterizzata dal suo MBR (minimum bounding-box) A partire dalla root si attraversa l albero cercando i rettangoli che intersecano l MBR (possono essere più di uno ad ognuno dei livelli) Raggiunti i nodi foglia, si testa l intersezione tra l MBR e il rettangolo collegato Operazioni su R tree Insert: Si attraversa l albero selezionando il rettangolo più piccolo che include l oggetto da inserire o quello che richiederebbe l allargamento minore per coprire il nuovo oggetto L inserimento comporta l allargamento del nodo padre per fare in modo che il suo rettangolo includa completamente il nuovo oggetto Se il nodo nell albero è già pieno per più di metà, occorre procedere alla operazione di splitting in maniera analoga a quanto avviene sui MB+ tree Lo splitting si può ripercuotere ricorsivamente verso l alto fino a quando l aggiunta di un nuovo rettangolo non comporta un riempimento eccessivo Delete: Si utilizza un procedimento di attraversamento dell albero simile a quello della ricerca Se l eliminazione di un oggetto comporta che un nodo dell albero contiene troppo pochi elementi, il nodo viene eliminato e gli oggetti che conteneva vengono reinseriti nell albero

12 Dati puntuali e R tree er la ricerca, l inserimento e l eliminazione di dati puntuali in un R TREE gli algoritmi sono simili a quelli precedenti (dati multidimesionali) L unica differenza consiste nel fatto che ogni nodo foglia contiene più di un elemento puntuale di cui viene memorizzato l MBR E possibile implementare la ricerca k nearest neighbor attraverso la stima di un rettangolo che contiene sicuramente tutti i punti da ricercare e utilizzando la ricerca su oggetti rettangolari descritta in precedenza L inserimento di un punto avviene ricercando il rettangolo dell albero che deve essere ampliato di meno per contenerlo In maniera analoga al caso di oggetti rettangolari vengono trattati i casi di splitting (quando la lista di punti di un nodo conterrebbe troppi elementi) o di eliminazione di un nodo a seguito della eliminazione di uno o più punti Efficienza di ricerca di un R TREE Dipende da 2 concetti (definiti per ognuno dei livelli dell albero): COVERAGE: E l area totale di tutti i rettangoli associati ai nodi del livello OVERLA: E l area totale coperta da due o più nodi Un R tree è efficiente se sia la COVERAGE che l OVERLA sono minimizzati In particolare l overlap comporta problemi in fase di ricerca. Es: per cercare r12 dobbiamo attraversare i nodi interni R1, R2, R3, R4, R5 ed R6 a causa del fatto che R1 ed R2 hanno una sovrapposizione. Inoltre è cruciale l ordine di inserimento per ottenere un albero maggiormente bilanciato

13 Hardware e software per MMDBMS Un MMDBMS deve rispettare requisiti stringenti in termini di: Throughput Delay Delay jitter Dati di tipo audio e video hanno caratteristiche particolari: Un elevata occupazione di memoria Necessitano di un elevata banda di trasmissione Sono caratterizzati da deadline temporali molto rigide Le caratteristiche hardware e software di un MMDBMS sono di conseguenza dimensionate in relazione a tali requisiti Aspetti rilevanti di un MMDBMS Supporti e tecniche per la memorizzazione Ottimizzazione dell efficienza e capacità dei dischi Sistemi RAID Accesso remoto e trasmissione dati rotocolli specifici per la trasmissione di grandi quantità di dati roblema della garanzia della QoS Decodifica dei tipi di dati La codifica e la decodifica da un formato all altro deve essere efficiente Decoder implementati in hardware Scalabilita del sistema Il sistema deve permettere la propria espansione ed evoluzione senza soffrire di drastiche riduzioni di performance

14 Architetture hardware per sistemi multimediali rocessori dedicati Set di istruzioni dedicato all elaborazione multimediale Maggiore efficienza Minore scalabilita e programmabilita (molte operazioni sono hard-wired nel processore Utilizzo di bus locali Minor traffico sul bus principale Bus locali dedicati più veloci Device multimediali dedicati Gestiscono particolari operazioni sui dati Esterni al server (il server ne controlla l operato) I dati non devono passare attraverso il server per essere elaborati Sono connessi direttamente alla rete Sistemi distribuiti Connessioni dedicate ad elevata velocità di trasmissione Separazione delle fasi di processing su macchine diverse Sistemi operativi dedicati Gestione efficiente dell hardware dedicato Garanzia della QoS Compatibilità verso sistemi standard e gestione indipendente delle normali applicazioni

15 Misure di efficienza ed efficacia dei MMDBMS Efficienza: Legata al tempo di risposta del sistema Maggiore e il tempo di risposta e minore e l efficienza Dipendenza forte dalle strutture dati utilizzate per memorizzare i record e dalle tecniche di indicizzazione Efficacia: Qualità della presentazione dei risultati (record) e un aspetto legato alla QoS Abilità del sistema di trovare record rilevanti in seguito ad una query e di scartare quelli irrilevanti (la ricerca e basata sulla similarità e non su matching esatto) Standard per valutazione dell efficacia er determinare una misura dell efficacia del sistema e necessario definire in modo standard cosa sia rilevante e cosa non lo sia in modo da avere un termine di confronto Raccolta di informazioni sulla rilevanza dei record basata sul giudizio umano Si prende un campione di persone e ad ognuna viene chiesto, date alcune query di test, quali siano i record rilevanti e quali non lo siano Normalmente si usano tre metodi differenti

16 Metodi Metodo 1: Ad ogni persona viene chiesto di indicare quale record nel database e rilevante data una particolare query I record selezionati da un numero di persone superiore ad una determinata soglia vengono contrassegnati come rilevanti per la specifica query Metodo 2: Come nel primo metodo ad ogni persona viene chiesto di indicare quale record nel database e rilevante Ad ogni record viene attribuito un peso che incrementa ogni volta che una persona indica quel record rilevante per una determinata query Ogni record avrà un peso relativo a ogni query Metodi Metodo 3 Ogni persona assegna un punteggio di rilevanza ad ogni record (invece che individuare semplicemente se e rilevante o no) Si ottiene una matrice Q j (i,k) per ogni query j dove Q j (i,k) indica il numero di persone che ha valutato il record i in k-esima posizione per la query j

17 Misure di efficacia er misurare l efficacia di un MMDBMS intesa come l abilita nel ritrovare record rilevanti esistono diverse tecniche: Recall and precision pair (R): ercentage of weighted hits (WH): ercentage of similarity rankings (SR) Recall and precision pair (R) Si basa sul confronto con risultati ottenuti con il metodo 1 Recall e precision devono essere utilizzate congiuntamente per valutare l efficacia di un sistema Recall: misura l abilita di trovare record rilevanti recision: misura l abilita di rifiutare record irrilevanti Un buon MMDBMS dovrebbe avere sia recall che precision alte

18 ercentage of weighted hits (WH) Si basa sul confronto con risultati ottenuti con il metodo 2 er ogni query vengono ritornati un numero fisso di record. La percentuale degli hit pesati e definita nel modo seguente: n i= 1 = N j= 1 w w i j dove n e il numero dei record ritornati; w i e il numero delle persone che ha definito il record i come rilevante N e il numero totale dei record nel DB e w j e il numero delle persone che ha definito il record j come rilevante ercentage of similarity rankings (SR) Si basa sul confronto con risultati ottenuti con il metodo 3 Ogni record ha un valore Qj(i,k) dal quale si calcola la media p j (i) e la deviazione standard s j (i) che rappresentano il ranking medio del record e il grado di disaccordo tra le varie persone che hanno condotto il test Il MMDBMS in risposta ad una query j ritorna dei record in un determinato ordine definendo un ranking per ogni item i del database j (i) L efficacia del sistema può essere valutata come dalla somma della percentuale di persone che ha valutato il record i in posizione compresa tra: j (i)-s j (i)/2 e j (i)+s j (i)/2 In questo modo la percentuale di similarità e calcolata come: j ( i) + s j ( i)/ 2 S j ( i) = Q j ( i, k) k = ( i) s ( i)/ 2 j j

Sistemi Informativi Multimediali Indicizzazione multidimensionale

Sistemi Informativi Multimediali Indicizzazione multidimensionale Indicizzazione nei sistemi di IR (1) Sistemi Informativi Multimediali Indicizzazione multidimensionale ugusto elentano Università a Foscari Venezia La struttura fondamentale di un sistema di information

Dettagli

Altri metodi di indicizzazione

Altri metodi di indicizzazione Organizzazione a indici su più livelli Altri metodi di indicizzazione Al crescere della dimensione del file l organizzazione sequenziale a indice diventa inefficiente: in lettura a causa del crescere del

Dettagli

Strutture Dati Efficienti per la Ricerca della Similarità

Strutture Dati Efficienti per la Ricerca della Similarità Strutture Dati Efficienti per la Ricerca della Similarità Introduzione Alberi B e B+ Clustering Alberi B+ Multidimensionali Alberi K-d Grid Files R Tree Introduzione er un insieme di oggetti multimediali,

Dettagli

Informatica 3. LEZIONE 23: Indicizzazione. Modulo 1: Indicizzazione lineare, ISAM e ad albero Modulo 2: 2-3 trees, B-trees e B + -trees

Informatica 3. LEZIONE 23: Indicizzazione. Modulo 1: Indicizzazione lineare, ISAM e ad albero Modulo 2: 2-3 trees, B-trees e B + -trees Informatica 3 LEZIONE 23: Indicizzazione Modulo 1: Indicizzazione lineare, ISAM e ad albero Modulo 2: 2-3 trees, B-trees e B + -trees Informatica 3 Lezione 23 - Modulo 1 Indicizzazione lineare, ISAM e

Dettagli

B+Trees. Introduzione

B+Trees. Introduzione B+Trees Introduzione B+Trees Il B+Trees e la variante maggiormente utilizzata dei BTrees BTrees e B+trees fanno parte della famiglia degli alberi di ricerca. Nel B+Trees i dati sono memorizzati solo nelle

Dettagli

16.3.1 Alberi binari di ricerca

16.3.1 Alberi binari di ricerca 442 CAPITOLO 16. STRUTTURE DI DATI DINAMICHE root 7 5 11 2 8 13 10 Figura 16.11 Esempio di albero binario: ogni nodo contiene il dato da immagazzinare e tre puntatori che definiscono le sue relazioni di

Dettagli

Distributed P2P Data Mining. Autore: Elia Gaglio (matricola n 809477) Corso di Sistemi Distribuiti Prof.ssa Simonetta Balsamo

Distributed P2P Data Mining. Autore: Elia Gaglio (matricola n 809477) Corso di Sistemi Distribuiti Prof.ssa Simonetta Balsamo Distributed P2P Data Mining Autore: (matricola n 809477) Corso di Sistemi Distribuiti Prof.ssa Simonetta Balsamo A.A. 2005/2006 Il settore del Data Mining Distribuito (DDM): Data Mining: cuore del processo

Dettagli

Progettazione Fisica FILE

Progettazione Fisica FILE Progettazione Fisica Organizzazione dei files Organizzazione indici FILE Insieme di record lunghezza fissa (R) lunghezza variabile Record Header BH RH record1 RH record2 RH record2 RH record3 Block Header

Dettagli

Di testi ed immagini

Di testi ed immagini Università Cattolica del Sacro Cuore - Brescia 23/5/2005 Parte I: Richiami di algebra lineare Parte II: Applicazioni Sommario della Parte I 1 Diagonalizzabilità di una matrice Autovalori ed autovettori

Dettagli

La gestione del documento

La 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

Dettagli

1. I database. La schermata di avvio di Access

1. I database. La schermata di avvio di Access 7 Microsoft Access 1. I database Con il termine database (o base di dati) si intende una raccolta organizzata di dati, strutturati in maniera tale che, effettuandovi operazioni di vario tipo (inserimento

Dettagli

Naming nei Sistemi Distribuiti

Naming nei Sistemi Distribuiti Naming nei Sistemi Distribuiti Naming (1) La risoluzione dei nomi permette ad un processo di accedere ad una entità in un sistema distribuito. Un sistema di naming è necessario per avere un modello comune

Dettagli

Naming nei Sistemi Distribuiti

Naming nei Sistemi Distribuiti Naming nei Sistemi Distribuiti Naming (1) La risoluzione dei nomi permette ad un processo di accedere ad una entità in un sistema distribuito. Un sistema di naming è necessario per avere un modello comune

Dettagli

Algoritmi di clustering

Algoritmi 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

Dettagli

Introduzione. Il principio di localizzazione... 2 Organizzazioni delle memorie cache... 4 Gestione delle scritture in una cache...

Introduzione. Il principio di localizzazione... 2 Organizzazioni delle memorie cache... 4 Gestione delle scritture in una cache... Appunti di Calcolatori Elettronici Concetti generali sulla memoria cache Introduzione... 1 Il principio di localizzazione... 2 Organizzazioni delle memorie cache... 4 Gestione delle scritture in una cache...

Dettagli

Algoritmi e strutture dati. Codici di Huffman

Algoritmi e strutture dati. Codici di Huffman Algoritmi e strutture dati Codici di Huffman Memorizzazione dei dati Quando un file viene memorizzato, esso va memorizzato in qualche formato binario Modo più semplice: memorizzare il codice ASCII per

Dettagli

B-Tree. Struttura dati usata in applicazioni che necessitano di gestire insiemi di chiavi ordinate Una variante (B+-Tree) è diffusa in:

B-Tree. Struttura dati usata in applicazioni che necessitano di gestire insiemi di chiavi ordinate Una variante (B+-Tree) è diffusa in: B-Tree Prof. Rudolf Bayer Struttura dati usata in applicazioni che necessitano di gestire insiemi di chiavi ordinate Una variante (B+-Tree) è diffusa in: Filesystem: btrfs, NTFS, ReiserFS, NSS, XFS, JFS

Dettagli

PROGETTAZIONE FISICA

PROGETTAZIONE FISICA PROGETTAZIONE FISICA Memorizzazione su disco, organizzazione di file e tecniche hash 2 Introduzione La collezione di dati che costituisce una BDD deve essere fisicamente organizzata su qualche supporto

Dettagli

Prof.ssa Paola Vicard

Prof.ssa Paola Vicard Questa nota consiste perlopiù nella traduzione da Descriptive statistics di J. Shalliker e C. Ricketts, 2000, University of Plymouth Consideriamo come esempio il data set contenuto nel foglio excel esercizio2_dati.xls.

Dettagli

Introduzione al foglio elettronico

Introduzione al foglio elettronico Introduzione al foglio elettronico 1. Che cos'è un foglio elettronico? Un foglio elettronico è un programma che permette di inserire dei dati, di calcolare automaticamente i risultati, di ricalcolarli

Dettagli

Indici ad albero. Albero Binario di Ricerca

Indici ad albero. Albero Binario di Ricerca Indici ad albero Ogni nodo contiene una sequenza di valori ed un insieme di puntatori ai nodi successivi. I valori sono le chiavi di ricerca dell indice N.B. In strutture fisiche ogni nodo corrisponde

Dettagli

INFORMATICA PER LE APPLICAZIONI ECONOMICHE PROF.SSA BICE CAVALLO

INFORMATICA PER LE APPLICAZIONI ECONOMICHE PROF.SSA BICE CAVALLO Basi di dati: Microsoft Access INFORMATICA PER LE APPLICAZIONI ECONOMICHE PROF.SSA BICE CAVALLO Database e DBMS Il termine database (banca dati, base di dati) indica un archivio, strutturato in modo tale

Dettagli

Laboratorio di Informatica

Laboratorio di Informatica per chimica industriale e chimica applicata e ambientale LEZIONE 4 - parte II La memoria 1 La memoriaparametri di caratterizzazione Un dato dispositivo di memoria è caratterizzato da : velocità di accesso,

Dettagli

TEORIA sulle BASI DI DATI

TEORIA 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

Dettagli

Portale cartografico del Servizio Geologico, Sismico e dei Suoli Guida utente

Portale cartografico del Servizio Geologico, Sismico e dei Suoli Guida utente Portale cartografico del Servizio Geologico, Sismico e dei Suoli Guida utente 1. Introduzione Il Portale cartografico del Servizio Geologico, Sismico e dei Suoli (SGSS) rappresenta l evoluzione dell ambiente

Dettagli

EasyPrint v4.7. Impaginatore Album. Manuale Utente

EasyPrint v4.7. Impaginatore Album. Manuale Utente EasyPrint v4.7 Impaginatore Album Manuale Utente Lo strumento di impaginazione album consiste in una nuova funzione del software da banco EasyPrint 4 che permette di organizzare le immagini in maniera

Dettagli

Il file system. meccanismi di accesso e memorizzazione delle informazioni (programmi e dati) allocate. in memoria di massa

Il file system. meccanismi di accesso e memorizzazione delle informazioni (programmi e dati) allocate. in memoria di massa Il File System 1 Il file system E quella componente del SO che fornisce i meccanismi di accesso e memorizzazione delle informazioni (programmi e dati) allocate in memoria di massa Realizza i concetti astratti

Dettagli

Parte II: Reti di calcolatori Lezione 9

Parte II: Reti di calcolatori Lezione 9 Università di Roma Tor Vergata Corso di Laurea triennale in Informatica Sistemi operativi e reti A.A. 2013-14 Pietro Frasca Parte II: Reti di calcolatori Lezione 9 Martedì 1-04-2014 1 Applicazioni P2P

Dettagli

Regole di gioco Roulette Mobile

Regole di gioco Roulette Mobile Regole di gioco Roulette Mobile European Classic Roulette European Premium Roulette European VIP Roulette Regole di gioco European Classic Roulette Il gioco si svolge esclusivamente nella modalità a solitario,

Dettagli

CALCOLATORI ELETTRONICI A cura di Luca Orrù. Lezione n.6. Unità di controllo microprogrammata

CALCOLATORI ELETTRONICI A cura di Luca Orrù. Lezione n.6. Unità di controllo microprogrammata Lezione n.6 Unità di controllo microprogrammata 1 Sommario Unità di controllo microprogrammata Ottimizzazione, per ottimizzare lo spazio di memoria occupato Il moltiplicatore binario Esempio di architettura

Dettagli

Mon Ami 3000 Varianti articolo Gestione di varianti articoli

Mon Ami 3000 Varianti articolo Gestione di varianti articoli Prerequisiti Mon Ami 3000 Varianti articolo Gestione di varianti articoli L opzione Varianti articolo è disponibile per le versioni Azienda Light e Azienda Pro e include tre funzionalità distinte: 1. Gestione

Dettagli

Manuale d uso Software di parcellazione per commercialisti Ver. 1.0.3 [05/01/2015]

Manuale d uso Software di parcellazione per commercialisti Ver. 1.0.3 [05/01/2015] Manuale d uso Software di parcellazione per commercialisti Ver. 1.0.3 [05/01/2015] Realizzato e distribuito da LeggeraSoft Sommario Premessa... 2 Fase di Login... 2 Menù principale... 2 Anagrafica clienti...

Dettagli

MANUALE D USO Agosto 2013

MANUALE D USO Agosto 2013 MANUALE D USO Agosto 2013 Descrizione generale MATCHSHARE è un software per la condivisione dei video e dati (statistiche, roster, ) delle gare sportive. Ogni utente abilitato potrà caricare o scaricare

Dettagli

InfoTecna ITCube Web

InfoTecna ITCube Web InfoTecna ITCubeWeb ITCubeWeb è un software avanzato per la consultazione tramite interfaccia Web di dati analitici organizzati in forma multidimensionale. L analisi multidimensionale è il sistema più

Dettagli

Il sofware è inoltre completato da una funzione di calendario che consente di impostare in modo semplice ed intuitivo i vari appuntamenti.

Il sofware è inoltre completato da una funzione di calendario che consente di impostare in modo semplice ed intuitivo i vari appuntamenti. SH.MedicalStudio Presentazione SH.MedicalStudio è un software per la gestione degli studi medici. Consente di gestire un archivio Pazienti, con tutti i documenti necessari ad avere un quadro clinico completo

Dettagli

Sistemi Operativi. ugoerr+so@dia.unisa.it 12 LEZIONE REALIZZAZIONE DEL FILE SYSTEM CORSO DI LAUREA TRIENNALE IN INFORMATICA. Sistemi Operativi 2007/08

Sistemi Operativi. ugoerr+so@dia.unisa.it 12 LEZIONE REALIZZAZIONE DEL FILE SYSTEM CORSO DI LAUREA TRIENNALE IN INFORMATICA. Sistemi Operativi 2007/08 Sistemi Operativi Docente: Ugo Erra ugoerr+so@dia.unisa.it 12 LEZIONE REALIZZAZIONE DEL FILE SYSTEM CORSO DI LAUREA TRIENNALE IN INFORMATICA UNIVERSITA DEGLI STUDI DELLA BASILICATA Sommario della lezione

Dettagli

STRUTTURE NON LINEARI

STRUTTURE NON LINEARI PR1 Lezione 13: STRUTTURE NON LINEARI Michele Nappi mnappi@unisa.it www.dmi.unisa.it/people/nappi Per la realizzazione della presentazione è stato utilizzato in parte materiale didattico prodotto da Oronzo

Dettagli

Indirizzamento Aperto

Indirizzamento Aperto Indirizzamento Aperto Sommario Metodo di indirizzamento aperto Scansione lineare Scansione quadratica Hashing doppio Metodo di indirizzamento aperto L idea è di memorizzare tutti gli elementi nella tabella

Dettagli

Ricerca di outlier. Ricerca di Anomalie/Outlier

Ricerca di outlier. Ricerca di Anomalie/Outlier Ricerca di outlier Prof. Matteo Golfarelli Alma Mater Studiorum - Università di Bologna Ricerca di Anomalie/Outlier Cosa sono gli outlier? L insieme di dati che sono considerevolmente differenti dalla

Dettagli

Informatica 3. LEZIONE 21: Ricerca su liste e tecniche di hashing. Modulo 1: Algoritmi sequenziali e basati su liste Modulo 2: Hashing

Informatica 3. LEZIONE 21: Ricerca su liste e tecniche di hashing. Modulo 1: Algoritmi sequenziali e basati su liste Modulo 2: Hashing Informatica 3 LEZIONE 21: Ricerca su liste e tecniche di hashing Modulo 1: Algoritmi sequenziali e basati su liste Modulo 2: Hashing Informatica 3 Lezione 21 - Modulo 1 Algoritmi sequenziali e basati su

Dettagli

Sistemi Informativi I Function Point Analisys

Sistemi Informativi I Function Point Analisys 7. Stima dei costi. Nelle diverse fasi del progetto di sviluppo del software si possono individuare quattro principali voci di costo, corrispondenti alle fasi del ciclo posteriori allo studio di fattibilità:

Dettagli

12. Implementazione di un File System. 12.1.1 Struttura a livelli. 12.2.1 Allocazione contigua

12. Implementazione di un File System. 12.1.1 Struttura a livelli. 12.2.1 Allocazione contigua 12. Implementazione di un File System 1 Struttura del file system Metodi di allocazione Gestione dello spazio libero Implementazione delle directory Prestazioni ed efficienza 2 Utente 12.1.1 Struttura

Dettagli

ALBO FORNITORI MEDIASET

ALBO FORNITORI MEDIASET e-procurement TMP-018_11 MEDIASET ALBO FORNITORI MEDIASET Manuale_BUYER_vOnline.doc Pagina 1 di 46 e-procurement TMP-018_11 Sommario MEDIASET... 1 ALBO FORNITORI MEDIASET... 1 INTRODUZIONE... 4 STRUTTURA

Dettagli

Indici basati su alberi

Indici basati su alberi Query\update Query plan Execution Engine richieste di indici, record e file Index/file/record Manager comandi su pagine Lettura/scrittura pagine Architettura di un DBMS Utente/Applicazione Query Compiler

Dettagli

DATABASE RELAZIONALI

DATABASE RELAZIONALI 1 di 54 UNIVERSITA DEGLI STUDI DI NAPOLI FEDERICO II DIPARTIMENTO DI DISCIPLINE STORICHE ETTORE LEPORE DATABASE RELAZIONALI Dott. Simone Sammartino Istituto per l Ambiente l Marino Costiero I.A.M.C. C.N.R.

Dettagli

EUROPEAN COMPUTER DRIVING LICENCE. Using Databases. Syllabus

EUROPEAN COMPUTER DRIVING LICENCE. Using Databases. Syllabus EUROPEAN COMPUTER DRIVING LICENCE Using Databases Syllabus Scopo Questo documento presenta il syllabus di ECDL Standard Modulo 5 Uso delle basi di dati. Il syllabus descrive, attraverso i risultati del

Dettagli

INTERPRETAZIONE DEI RISULTATI DEL QUESTIONARIO I

INTERPRETAZIONE DEI RISULTATI DEL QUESTIONARIO I CeSe.Di. - Riorientamento nel primo anno delle superiori INTERPRETAZIONE DEI RISULTATI DEL QUESTIONARIO I dati Sezione 1 - AFFERMAZIONI GENERALI (10 item): affermazioni che afferiscono alle percezioni

Dettagli

Lezione n.19 Processori RISC e CISC

Lezione n.19 Processori RISC e CISC Lezione n.19 Processori RISC e CISC 1 Processori RISC e Superscalari Motivazioni che hanno portato alla realizzazione di queste architetture Sommario: Confronto tra le architetture CISC e RISC Prestazioni

Dettagli

Feature Selection per la Classificazione

Feature Selection per la Classificazione 1 1 Dipartimento di Informatica e Sistemistica Sapienza Università di Roma Corso di Algoritmi di Classificazione e Reti Neurali 20/11/2009, Roma Outline Feature Selection per problemi di Classificazione

Dettagli

Informatica I per la. Fisica

Informatica I per la. Fisica Corso di Laurea in Fisica Informatica I per la Fisica Lezione: Software applicativo II Fogli elettronici e Data Base Software: software di sistema (BIOS) sistema operativo software applicativo ROM Dischi

Dettagli

1. Spiegare le differenze fra le seguenti modalità di binding degli indirizzi:

1. Spiegare le differenze fra le seguenti modalità di binding degli indirizzi: 1. Spiegare le differenze fra le seguenti modalità di binding degli indirizzi: compile time, load time, execution time. Quale delle modalità precedenti necessita di un supporto hardware per poter essere

Dettagli

Architettura di un computer

Architettura di un computer Architettura di un computer Modulo di Informatica Dott.sa Sara Zuppiroli A.A. 2012-2013 Modulo di Informatica () Architettura A.A. 2012-2013 1 / 36 La tecnologia Cerchiamo di capire alcuni concetti su

Dettagli

Il File System. Il file system

Il File System. Il file system Il File System Il file system Parte di SO che fornisce i meccanismi di accesso e memorizzazione delle informazioni (programmi e dati) allocate in memoria di massa Realizza i concetti astratti di file:

Dettagli

Sistemi Informativi e Basi di Dati

Sistemi Informativi e Basi di Dati Sistemi Informativi e Basi di Dati Laurea Specialistica in Tecnologie di Analisi degli Impatti Ecotossicologici Docente: Francesco Geri Dipartimento di Scienze Ambientali G. Sarfatti Via P.A. Mattioli

Dettagli

Foglio di calcolo. Il foglio di calcolo: Excel. Selezione delle celle

Foglio di calcolo. Il foglio di calcolo: Excel. Selezione delle celle Foglio di calcolo Il foglio di calcolo: Excel I dati inseriti in Excel sono organizzati in Cartelle di lavoro a loro volta suddivise in Fogli elettronici. I fogli sono formati da celle disposte per righe

Dettagli

SISTEMI OPERATIVI. Gestione dei dischi. Gestione dei dischi e sistemi RAID

SISTEMI OPERATIVI. Gestione dei dischi. Gestione dei dischi e sistemi RAID SISTEMI OPERATIVI 08.c Gestione dei dischi e sistemi RAID Gestione dei dischi Caratteristiche dei dischi magnetici Schedulazione degli accessi al disco Sistemi RAID 1 Struttura meccanica 2 traccia testina

Dettagli

SH.Invoice è un software pratico e completo per la gestione della fatturazione di professionisti e imprese.

SH.Invoice è un software pratico e completo per la gestione della fatturazione di professionisti e imprese. Presentazione: SH.Invoice è un software pratico e completo per la gestione della fatturazione di professionisti e imprese. Il programma si distingue per la rapidità e l elasticità del processo di gestione

Dettagli

wave a 44,1 khz, 16 bit, PCM, stereo (standard cd audio) L utilizzo di una risoluzione dipende anche dal supporto che la dovrà ospitare.

wave a 44,1 khz, 16 bit, PCM, stereo (standard cd audio) L utilizzo di una risoluzione dipende anche dal supporto che la dovrà ospitare. Il Suono Digitale Capitolo 3 - Formati e standard digitali dei file audio Il formato Wave, Wave 64, AIFF pag 1 Il Transfert Rate pag 4 Il formato mp3 pag 5 Il trasferimento di file tramite Internet pag

Dettagli

PORTALE PER GESTIONE REPERIBILITA Manuale e guida O.M. e ufficio distribuzione

PORTALE PER GESTIONE REPERIBILITA Manuale e guida O.M. e ufficio distribuzione PORTALE PER GESTIONE REPERIBILITA Manuale e guida O.M. e ufficio distribuzione Portale Numero Verde Vivisol pag. 1 di 31 INDICE 1. INTRODUZIONE...3 2. SCHERMATA PRINCIPALE...4 3. REPERIBILITÀ...5 4. RICERCA

Dettagli

Entropia. Motivazione. ? Quant è l informazione portata dalla sequenza? Abbiamo una sequenza S di N simboli (campioni audio, pixel, caratteri,...

Entropia. Motivazione. ? Quant è l informazione portata dalla sequenza? Abbiamo una sequenza S di N simboli (campioni audio, pixel, caratteri,... Entropia Motivazione Abbiamo una sequenza S di N simboli (campioni audio, pixel, caratteri,... ) s,s 2,s 3,... ognuno dei quali appartiene ad un alfabeto A di M elementi.? Quant è l informazione portata

Dettagli

Progetto Finale: Progettazione di un database e di una applicazione

Progetto Finale: Progettazione di un database e di una applicazione Progetto Finale: Progettazione di un database e di una applicazione Roberto Basili Corso di Basi Di Dati a.a. 2002-2003 Norme Generali Il progetto fa parte della valutazione gobale del corso e la data

Dettagli

Università degli Studi di Cagliari Corso di Laurea Specialistica in Ingegneria Elettronica SISTEMI OPERATIVI

Università degli Studi di Cagliari Corso di Laurea Specialistica in Ingegneria Elettronica SISTEMI OPERATIVI Università degli Studi di Cagliari Corso di Laurea Specialistica in Ingegneria Elettronica SISTEMI OPERATIVI SISTEMI A ORIENTAMENTO SPECIFICO I SISTEMI MULTIMEDIALI Obiettivi! Identificare le caratteristiche

Dettagli

SISTEMI OPERATIVI DISTRIBUITI

SISTEMI OPERATIVI DISTRIBUITI SISTEMI OPERATIVI DISTRIBUITI E FILE SYSTEM DISTRIBUITI 12.1 Sistemi Distribuiti Sistemi operativi di rete Sistemi operativi distribuiti Robustezza File system distribuiti Naming e Trasparenza Caching

Dettagli

IL SERVIZIO DI POSTA ELETTRONICA

IL SERVIZIO DI POSTA ELETTRONICA IL SERVIZIO DI POSTA ELETTRONICA Premessa Il servizio di posta elettronica della RUN, entrato in esercizio nel novembre del 1999, si è, in questi anni, notevolmente incrementato a causa di: aumento nell

Dettagli

Corso di Algoritmi e Strutture Dati Informatica per il Management Prova Scritta, 25/6/2015

Corso di Algoritmi e Strutture Dati Informatica per il Management Prova Scritta, 25/6/2015 Corso di Algoritmi e Strutture Dati Informatica per il Management Prova Scritta, 25/6/2015 Chi deve recuperare il progetto del modulo 1 ha 1 ora e 30 minuti per svolgere gli esercizi 1, 2, 3 Chi deve recuperare

Dettagli

Servizio di Invio Telematico delle Schedine Alloggiati

Servizio di Invio Telematico delle Schedine Alloggiati Servizio di Invio Telematico delle Schedine Alloggiati 1. Login Fig.1.1: Maschera di Login Per accedere all applicativo inserire correttamente nome utente e password poi fare clic sul pulsante Accedi,

Dettagli

Misure della dispersione o della variabilità

Misure della dispersione o della variabilità QUARTA UNITA Misure della dispersione o della variabilità Abbiamo visto che un punteggio di per sé non ha alcun significato e lo acquista solo quando è posto a confronto con altri punteggi o con una statistica.

Dettagli

Le Infrastrutture Software ed il Sistema Operativo

Le Infrastrutture Software ed il Sistema Operativo Le Infrastrutture Software ed il Sistema Operativo Corso di Informatica CdL: Chimica Claudia d'amato claudia.damato@di.uniba.it Il Sistema Operativo (S0) (Inf.) E' l'insieme dei programmi che consentono

Dettagli

Protocolli di accesso multiplo

Protocolli di accesso multiplo Protocolli di accesso multiplo Quando l accesso ad una risorsa può avvenire da parte di più utenti indipendenti, si parla di risorsa condivisa ed è necessaria l implementazione di particolari protocolli

Dettagli

ICT (Information and Communication Technology): ELEMENTI DI TECNOLOGIA

ICT (Information and Communication Technology): ELEMENTI DI TECNOLOGIA ICT (Information and Communication Technology): ELEMENTI DI TECNOLOGIA Obiettivo Richiamare quello che non si può non sapere Fare alcune precisazioni terminologiche IL COMPUTER La struttura, i componenti

Dettagli

Laboratorio di Algoritmi e Strutture Dati

Laboratorio di Algoritmi e Strutture Dati Laboratorio di Algoritmi e Strutture Dati Aniello Murano http://people.na.infn.it people.na.infn.it/~murano/ 1 Esercitazione di laboratorio: Problema del venditore Terza parte 2 1 Esercizio del venditore

Dettagli

Gestione della memoria centrale

Gestione della memoria centrale Gestione della memoria centrale Un programma per essere eseguito deve risiedere in memoria principale e lo stesso vale per i dati su cui esso opera In un sistema multitasking molti processi vengono eseguiti

Dettagli

Reti combinatorie: Codificatori

Reti combinatorie: Codificatori Reti combinatorie: Codificatori P. Marincola (Rev..2) Come si ricorderà, i decodificatori hanno essenzialmente il compito di convertire un codice binario a n bit in un codice -su-m, dovem =2 n. In molte

Dettagli

Sistemi Operativi. Organizzazione logica ed implementazione di un File System

Sistemi Operativi. Organizzazione logica ed implementazione di un File System Modulo di Sistemi Operativi per il corso di Master RISS: Ricerca e Innovazione nelle Scienze della Salute Unisa, 17-26 Luglio 2012 Sistemi Operativi Organizzazione logica ed implementazione di un File

Dettagli

ColorSplitter. La separazione automatica dei colori di Colibri.. Perché ColorSplitter? Come opera ColorSplitter?

ColorSplitter. La separazione automatica dei colori di Colibri.. Perché ColorSplitter? Come opera ColorSplitter? ColorSplitter La separazione automatica dei colori di Colibri.. ColorSplitter è una nuova funzionalità aggiunta a Colibri, che permette di elaborare un immagine trasformandola in una separata in canali

Dettagli

Informatica e Bioinformatica: Sistemi Operativi

Informatica e Bioinformatica: Sistemi Operativi Informatica e Bioinformatica: Sistemi Operativi 11 marzo 2013 Macchina Hardware/Software Sistema Operativo Macchina Hardware La macchina hardware corrisponde alle componenti fisiche del calcolatore (quelle

Dettagli

Le superfici e i modelli di elevazione digitale in genere possono essere rappresentati mediante le strutture raster Difetto delle strutture dati

Le superfici e i modelli di elevazione digitale in genere possono essere rappresentati mediante le strutture raster Difetto delle strutture dati Triangulated Irregular Network Le superfici e i modelli di elevazione digitale in genere possono essere rappresentati mediante le strutture raster Difetto delle strutture dati raster classiche: sono a

Dettagli

Lezione 1. Introduzione e Modellazione Concettuale

Lezione 1. Introduzione e Modellazione Concettuale Lezione 1 Introduzione e Modellazione Concettuale 1 Tipi di Database ed Applicazioni Database Numerici e Testuali Database Multimediali Geographic Information Systems (GIS) Data Warehouses Real-time and

Dettagli

Excel Foglio elettronico: esempio

Excel Foglio elettronico: esempio Excel Sist.Elaborazione Inf. excel 1 Foglio elettronico: esempio Sist.Elaborazione Inf. excel 2 Foglio elettronico o spreadsheet griglia o tabella di celle o caselle in cui è possibile inserire: diversi

Dettagli

Plate Locator Riconoscimento Automatico di Targhe

Plate Locator Riconoscimento Automatico di Targhe Progetto per Laboratorio di Informatica 3 - Rimotti Daniele, Santinelli Gabriele Plate Locator Riconoscimento Automatico di Targhe Il programma plate_locator.m prende come input: l immagine della targa

Dettagli

P.D.M. (Product Document Management) Hierarchycal Tree

P.D.M. (Product Document Management) Hierarchycal Tree DOKMAWEB P.D.M. (Product Document Management) Hierarchycal Tree BBL Technology Srl Via Bruno Buozzi 8 Lissone (MI) Tel 039 2454013 Fax 039 2451959 www.bbl.it www.dokmaweb.it BBL Technology srl (WWW.BBL.IT)

Dettagli

Manuale Progetto Placement

Manuale Progetto Placement Manuale Progetto Placement V. 5 del 20/06/2013 FUNZIONI PRINCIPALI: Fornire uno strumento per la gestione centralizzata di stage, alternanze e placement. Costruire un database contenente i curriculum degli

Dettagli

Cultura Tecnologica di Progetto

Cultura Tecnologica di Progetto Cultura Tecnologica di Progetto Politecnico di Milano Facoltà di Disegno Industriale - DATABASE - A.A. 2003-2004 2004 DataBase DB e DataBase Management System DBMS - I database sono archivi che costituiscono

Dettagli

Laboratorio informatico di base

Laboratorio informatico di base Laboratorio informatico di base A.A. 2013/2014 Dipartimento di Scienze Aziendali e Giuridiche (DISCAG) Università della Calabria Dott. Pierluigi Muoio (pierluigi.muoio@unical.it) Sito Web del corso: www.griadlearn.unical.it/labinf

Dettagli

Elaborazione dei dati su PC Regressione Multipla

Elaborazione dei dati su PC Regressione Multipla 21 Elaborazione dei dati su PC Regressione Multipla Analizza Regressione Statistiche Grafici Metodo di selezione Analisi dei dati 21.1 Introduzione 21.2 Regressione lineare multipla con SPSS 21.3 Regressione

Dettagli

Mon Ami 3000 Provvigioni agenti Calcolo delle provvigioni per agente / sub-agente

Mon Ami 3000 Provvigioni agenti Calcolo delle provvigioni per agente / sub-agente Prerequisiti Mon Ami 3000 Provvigioni agenti Calcolo delle provvigioni per agente / sub-agente L opzione Provvigioni agenti è disponibile per le versioni Vendite, Azienda Light e Azienda Pro. Introduzione

Dettagli

Gestione del database Gidas

Gestione del database Gidas Gestione del database Gidas Manuale utente Aggiornamento 20/06/2013 Cod. SWUM_00535_it Sommario 1. Introduzione... 3 2. Requisiti e creazione del Database Gidas... 3 2.1.1. SQL Server... 3 2.1.2. Requisiti

Dettagli

DATABASE. Progettare una base di dati. Database fisico e database logico

DATABASE. Progettare una base di dati. Database fisico e database logico DATABASE Progettare una base di dati Database fisico e database logico Un DB è una collezione di tabelle, le cui proprietà sono specificate dai metadati Attraverso le operazioni sulle tabelle è possibile

Dettagli

Sistemi avanzati di gestione dei Sistemi Informativi

Sistemi avanzati di gestione dei Sistemi Informativi Esperti nella gestione dei sistemi informativi e tecnologie informatiche Sistemi avanzati di gestione dei Sistemi Informativi Docente: Email: Sito: Eduard Roccatello eduard@roccatello.it http://www.roccatello.it/teaching/gsi/

Dettagli

Rappresentazione grafica di entità e attributi

Rappresentazione grafica di entità e attributi PROGETTAZIONE CONCETTUALE La progettazione concettuale, ha il compito di costruire e definire una rappresentazione corretta e completa della realtà di interesse, e il prodotto di tale attività, è lo schema

Dettagli

Sistemi Operativi Il Sistema Operativo Windows (parte 3)

Sistemi Operativi Il Sistema Operativo Windows (parte 3) Sistemi Operativi Il Sistema Operativo Windows (parte 3) Docente: Claudio E. Palazzi cpalazzi@math.unipd.it Crediti per queste slides al Prof. Tullio Vardanega Architettura di NTFS 1 NTFS file system adottato

Dettagli

GestVetrine 1.1 versione novembre 2014

GestVetrine 1.1 versione novembre 2014 GestVetrine 1.1 versione novembre 2014 0 GestVetrine 1.1 GestVetrine 1.0 Indice Indice pag.1 1. Finalità pag.2 2. Gestione screen pag.2 3. Come Accedere pag.3 4. Come Creare un negozio pag.4 5. Come Creare

Dettagli

Navigare verso il cambiamento. La St r a d a. p i ù semplice verso il ca m b i a m e n t o

Navigare verso il cambiamento. La St r a d a. p i ù semplice verso il ca m b i a m e n t o Navigare verso il cambiamento La St r a d a p i ù semplice verso il ca m b i a m e n t o Le caratteristiche tecniche del software La Tecnologia utilizzata EASY è una applicazione Open Source basata sul

Dettagli

Sommario. Analysis & design delle applicazioni parallele. Misura delle prestazioni parallele. Tecniche di partizionamento.

Sommario. Analysis & design delle applicazioni parallele. Misura delle prestazioni parallele. Tecniche di partizionamento. Sommario Analysis & design delle applicazioni parallele Misura delle prestazioni parallele Tecniche di partizionamento Comunicazioni Load balancing 2 Primi passi: analizzare il problema Prima di iniziare

Dettagli

CLASSIFICAZIONE DEI CARATTERI

CLASSIFICAZIONE DEI CARATTERI CLASSIFICAZIONE DEI CARATTERI Come abbiamo visto, su ogni unità statistica si rilevano una o più informazioni di interesse (caratteri). Il modo in cui un carattere si manifesta in un unità statistica è

Dettagli

Introduzione all Information Retrieval

Introduzione 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

Dettagli

Scadenziario e Rubrica

Scadenziario e Rubrica Scadenziario e Rubrica Breve panoramica Lo Scadenziario è un software creato con lo scopo di avere sempre sotto controllo i propri impegni e le proprie attività da svolgere. Quante volte ci si dimentica

Dettagli

L Informatica al Vostro Servizio

L Informatica al Vostro Servizio L Informatica al Vostro Servizio Faticoni S.p.A. è Certificata UNI ENI ISO 9001:2008 N. CERT-02228-97-AQ-MILSINCERT per Progettazione, Realizzazione, Manutenzione di soluzioni Hardware e Software Soluzioni

Dettagli

L estrusione secondo il metodo OEE

L estrusione secondo il metodo OEE L estrusione secondo il metodo OEE Parte seconda: Performance Questo è il secondo di tre articoli riguardanti l applicazione del metodo OEE in estrusione, nel quale saranno approfondite le performance

Dettagli

EasyPrint v4.15. Gadget e calendari. Manuale Utente

EasyPrint 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

Dettagli