Tecniche di Apprendimento Automatico in Applicazioni Bio-Genetiche
|
|
- Gabriella Rossi
- 6 anni fa
- Visualizzazioni
Transcript
1 Tecniche di Apprendiment Autmatic in Applicazini Bi-Genetiche Marc Btta Dipartiment di Infrmatica Università di Trin Smmari Caratterizzazine dei prblemi di apprendiment riscntrabili in applicazini Bi-Genetiche e Bi- Mediche. Panramica sulle tecniche di apprendiment dispnibili. Apprcci integrat basat su strategie multiple. Alcuni esempi.
2 Tre Aspetti Fndamentali... Rappresentazine cme presentiam i dati a dispsizine agli algritmi di apprendiment Definizine del prblema di apprendiment quale task dbbiam rislvere Apprcci da utilizzare quale algritm è più adatt al nstr prblema Rappresentazine il prblema principale Rappresentazine attribut-valre D Temp Pres Vgliam un prgramma che ricnsca i casi preccupanti Rappresentazine cn istanze multiple D d Temp Pres Casi in cui esiste almen un recrd preccupante Rappresentazine Strutturata D d Temp Pres Casi in cui esistn recrd cn temperatura simile e pressine mlt diversa
3 Task di Data Mining Classificazine Dipendenze funzinali / Regressine Clustering / Segmentazine Riassunt / Caratterizzazine Scperta di Assciazini / Causalità Individuazine di Anmalie Analisi di Serie Temprali Classificazine e Regressine Classificazine predire il valre di un attribut categric Regressine predire il valre di un attribut numeric D Temp Pres C N? N? P? N? P? N? P? N? N? N? N? D Temp Pres Fr ? ? ? ? ? ? ? ? ? ? ?
4 Classificazine Debit N prestit Prestit Prblemi tipici affrntati Individuazine di frdi Cncessine di crediti Reddit Dipendenze funzinali / Regressine Individuazine di legami funzinali tra variabili che ccrrn in una base di dati Dat un insieme E = {e 1,..., e n }, di elementi descrivibili mediante i valri degli attributi A = { 1,..., k }, il task di regressine assegna ad gni element e i dell insieme E un valre di una variabile cntinua f DM -> Inferisce una funzine di regressine direttamente da un sttinsieme dei dati ( esempi di apprendiment ) e i f = f( 1,..., k ) y = Debit y i y ( i ) i i = Reddit n [y i ] fp r ( i )]2 i =1 y
5 Clustering Distanza Densità Frma ( Gestalt ) Segmentazine La segmentazine cnsiste nell analizzare attuali ptenziali gruppi di clienti ( segmenti ) per scprirne caratteristiche e cmprtamenti che pssan essere sfruttati nel mercat. La segmentazine prta una rganizzazine a vedere, al limite, gnun dei sui clienti cme un segment unitari ( segment f ne ), al fine di stabilire cn ess una relazine altamente persnalizzata. Due prblemi basilari del marketing Capire le cause dell abbandn dei clienti ( custmer attritin ) Individuare nuve fette di mercat ( target marketing e crss selling )
6 Riassunt / Caratterizzazine C 1 C 2 Perché sn stati raggruppati? Che csa hann in cmune? C 3 D 1 D 2 D 3 Riassunt / Caratterizzazine Descrizine cmpatta di un insieme di dati y Anni di Studi Frequent flyers Media Deviazine standard Skate-barders Persne di mezza età e istruzine universitaria Ragazzi cn bass livell di istruzine Età
7 Scperta di Assciazini Scperta di assciazini tra fatti, prprietà valri di variabili ( Link analysis ) Il 72% degli acquirenti di insalata verde, acquista anche un cndiment 1/7/99 Pane Pesche Uva Spaghetti... 2/7/99 Ris Pane Carne Pesche... Prblema tipic Market Basket Analysis... {Pane, Pesche} scntrin scntrin Individuazine di Eccezini Individuazine di valri devianti dai nrmali (Eccezini, Casi particlari, Errri) n N I.Q. Test scre n << N Età
8 Individuazine di Anmalie Individuazine di valri devianti dai nrmali Anni di Studi Anni di Studi Età Età Occrre definire che csa vul dire nrmale Analisi di Serie Temprali Individuazine di cnfrmazini episdi interessanti Analisi di tendenze Scperta di peridicità fenmeni staginali Vlume di vendite di Giacche a vent 20 Peridicità Episdi Trend Gen Feb Mar Apr Mag Giu Lug Ag Set Ott Nv Dic Gen Feb Mar Apr Mag Giu Lug Ag Set Ott Nv Dic Mesi Temp
9 Discipline Rilevanti per il Data Mining Statistica Ricnsciment di Frme Intelligenza Artificiale Apprendiment Autmatic Reti Bayesiane Agenti Intelligenti Basi di Dati Query and Reprting Data Warehusing OLAP Visualizzazine Grafica Ambienti multi-mediali Scienze Cgnitive Relazini tra Discipline y Machine Learning Task cndivisi a Statistica b Gal cndivisi = Prgett di esperimenti y = Apprendiment di piani a = Stima dell errre b = Classificazine
10 Apprendiment Supervisinat Base Dati (Learning Set) D Temp Pres C N N P N P N P N N N N Algritm di Apprendiment Prgramma capace Cnscenza di calclare il valre dell attribut Utilizzatre incgnit Cnscenza sul Dmini Ciò che viene appres è la cnscenza. Apprendiment cme Hypthesizing and Testing Base Dati (Learning Set) D Temp Pres C N N P N P N P N N N N Algritm di Apprendiment Cnscenza Utilizzatre Perfrmance Cnscenza sul Dmini La pssibilità di gestire rappresentazini a istanze multiple strutturate, dipende in gran parte dall Utilizzatre
11 Analisi Statistica Analisi Discriminante Funzine discriminante Reddit Debit y Lineare Prestit y - a - b < 0 Nn Lineare Classe A y - a 2 -b > 0 N prestit Prestit Classe A Classe B Analisi Statistica Clustering Algritm k-means Il numer K di cluster desiderat deve essere frnit dall utente Funzine distanza Funzine bbiettiv da ttimizzare Massimizza la distanza inter-cluster e minimizza la distanza intra-cluster
12 Ricnsciment di Frme Classificazine Apprcci Statistic Funzine di discriminazine prbabilistica Classificatre Bayesian Classificatre di Massima Versimiglianza A Pr{A r } = Pr{B r } Pr{A r }P(A) = Pr{B r }P(B) B Pr{A r } = Pr{B r } = Pr{ r A} P(A) Pr{ r A} P(A) Pr{ r B} P(B) Pr{ r B} P(B) Pr{ r A} P(A) Pr{ r B} P(B) Ricnsciment di Frme Classificazine Apprcci Basat su Casi Case-Based Debit k-nearest Neighburs N prestit Prestit Reddit
13 Instance Based Learning T=37 0, P=155 T=38 0, P=165 T=36 0, P=145 - T=36 0, P=165 - T=39 0, P=175 T=38 0, P=125 - P Quand si cmmette un errre si aggiunge un nuv cas se ne mdifica un esistente? - T L idea Base Ogni istanza ha un camp di influenza Una nuva istanza da valutare subisce l effett dei campi cui è sttpsta e assume un etichetta di cnseguenza
14 k-nn per classificazine Si selezinan i K più vicini e si assegna la classe di maggiranza K = 1 => classe = K = 3 => classe = - Se scpr che la classe assegnata è sbagliata memrizz il nuv cas classificat crrettamente da un maestr Supprt Vectr Machine _ Dat un insieme di punti ciascun appartenente a una di due classi, una SVM trva l iperpian che _ lascia la maggir parte dei punti di una stessa classe nell stess semipian _ e massimizza la distanza dei punti delle due classi dall iperpian
15 SVM Idea di base Supprt Vectr Machine _ I punti che stann vicin all iperpian sn detti Supprt Vectrs
16 Reti Neurali Una rete neurale è una struttura cmpsita, frmata da elementi cmputazinali semplici, cnnessi secnd una tplgia a strati => Apprssimatri universali di funzini Unità di ingress Unità Nascste Unità di Uscita Reti Neurali Funzini Elementari 1 2 w 1 w 2 = Σi ( i w i ) Σ σ y 3 w 3 Uscita σ Ingress
17 Reti Neurali Addestrament Algritm di Backprpagatin Minimizza l errre quadratic ttale Se la rete è a più strati, l errre viene prpagat indietr 1 k Rete (W) y n E = 1 2 n k=1 (t k y k ) 2 w j = η E w j η = Velcità di apprendiment Intelligenza Artificiale Apprendiment Autmatic Simblic Alberi di Decisine Regle di Prduzine Reti Bayesiane Gerarchie Cncettuali
18 Alberi di Decisine Date due classi P ed N Dati p ed n esempi di apprendiment Dat un insieme di Attributi A Generare una partizine dell spazi dei pssibili esempi, usand un criteri euristic di qualità (p,n) A S a 1 ai ar S1 (p, n ) (p, n ) Si i i... (p, n ) r r Sr Alberi di Decisine Esempi Attributes Clr = {Red, Blue, Green, White} Shaded = {Yes, N} Shape = {Square, Triangle, Circle, Oval} Size = {Small, Large} (POS) g h a b c d e f i (NEG) n p s t m q r
19 Alberi di Decisine Apprendiment Clr {a-i} { m-t} Blue Red Green White { b,g} { m,t} { d,e,f,h} { n,q} Shape { c } { p,r,s } { a,i } Triangle Square Oval Circle {e} {f} { q} Size {d,h} { n} {f} { q} Small Shaded Large Yes N {f} { q} Alberi di Decisine Esempi (Classificazine) Clr {a-i} { m-t} {a-i} Blue Red Green White { b,g} { m,t} { d,e,f,h} { n,q} Shape { c } { p,r,s } { a,i } Triangle Square Oval Circle {e} {f} { q} {f} Size { q} Small Shaded Large {d,h} { n} Nuvi Esempi e 1 (-) Yes N e 2? {f} { q}
20 Regle di Prduzine Regle di decisine espresse in frma lgica Calcl Prpsizinale Calcl dei Predicati (frma = quadrat triangl) (dimensine = piccl) POS (frma = triangl) (tratteggiat = SI) NEG Classificazine POS NEG POS, NEG? e e e e Reti Bayesiane Rete Bayesiana = Mdell grafic di relazini prbabilistiche tra un insieme di variabili Metd per rappresentare l incertezza nel raginament Pr{frde} = Pr{età < 30} = 0.25 Pr{30 < età < 50} = 0.40 Pr{maschi} = 0.50 Frde Età Sess Frdi nell us di Carte di Credit Benzina Giielli Pr{acq. benzina frde} = 0.2 Pr{acq. benzina frde} = 0.01 Pr{acq. giielli frde, età =*, sess=*} = 0.05 Pr{acq. giielli frde, età < 30, maschi} = Pr{acq. giielli frde, 30 < età < 50, maschi} = Pr{acq. giielli frde, età > 50, maschi} = Pr{acq. giielli frde, età < 30, femmina} = Pr{acq. giielli frde, 30 < età < 50, femmina} = Pr{acq. giielli frde, età > 50, femmina} = 0.001
21 DM cn le Reti Bayesiane Cdifica della cnscenza dell espert mediante una Rete Bayesiana Us della base di dati per aggirnare questa rete, eventualmente creandne di nuve Le prbabilità si pssn apprendere dai dati mediante statistica Bayesiana Us delle reti ttenute simile a quell delle reti neurali Metd rbust rispett ad errri nella cnscenza iniziale Cnscenza interpretabile Utile per sfruttare cnscenza a priri Gerarchie Cncettuali Clustering Cncettuale Rt StudentFaculty = 51 (2%) SAT-Verbal = % Financial Aid = 45 % Admittance = 25 % Enrlled = 55 Scial = 3.5 ut f 5 N. Student < 5,000 Lcatin = Urban Epenses > 10,000 $ Academics = 5 ut f 5 Cntrl = Private Brwn Male;Female = 7525 MIT % Financial Aid = 55 N. f Applicants = 4,000-7,000 Quality f Life = 3 ut f 5 % Financial Aid = 45 (2%) % Admittance = 25 Scial = 3.5 ut f 5 Quality f life = 3.5 ut f 5 Academic Emphasis = Histry Academic Emphasis = Arts Male;Female = 6535 StudentFaculty = 71 SAT-Math = 675 Epenses > 10,000 $ Academics = 5 ut f 5 % Enrlled = 55 Cntrl = Private Harvard, Clumbia
22 Algritmi Genetici Gli Algritmi Genetici sn un metd generale di ricerca stcastica Essi si ispiran ai cncetti dell Evluzine Darwiniana Pssn essere usati nell ambit di apprcci sia simblici che neurali Ingredienti Pplazine di sluzini (Crmsmi) Funzine di Fitness Operatri genetici ( Crssver e Mutazine) Cicl di Base Si selezinan dalla pplazine, in numer prprzinale alla lr fitness, gli individui che devn riprdursi Gli individui selezinati si accppian e generan due figli, mediante l applicazine dell peratre di crssver Ai figli si applica l peratre di mutazine La pplazine viene rinnvata Algritmi Genetici Idea di base La pplazine di ptenziali sluzini al prblema miglira nelle generazini successive Prblema Prblem slver Prestazini Pplazine di sluzini ptenziali
23 Algritmi Genetici Selezine Selezine Algritmi Genetici Riprduzine Riprduzine
24 Algritmi Genetici Valutazine Valutazine Algritmi Genetici Operatri Genetici Crssver Mutatin
25 Regle di Assciazine SiaI uninsiemedi items Sia D un insieme di recrd, gnun cntenente un sttinsieme di I Regla di assciazine r X => Y X e Y sn sttnsiemi disgiunti di I Supprt di un sttinsieme Z di I supp(z) = D(Z) / D Cnfidenza di una regla cnf(r) = supp(x r Y)/supp(X) Regle di Assciazine Algritm Apriri Algritm Apriri Fase 1 => Ricerca di tutti gli insiemi frequenti Cstruzine incrementale a partire dalla cardinalità 1 Generazine dei candidati di cardinalità k a partire dagli insiemi frequenti di cardinalità (k-1) Eliminazine dei candidati spuri Fase 2 => Ricerca di tutte le regle pssibili per gni insieme frequente Ottimizzazine del metd di calcl del supprt Ricerca di regle ttimizzate rispett la supprt rispett alla cnfidenza => Regini rettilineari
26 Scperta di Assciazini / Causalità La scperta di assciazini tra variabili è sl il prim pass di analisi. Occrre cercare una spiegazine Causalità tra A e B Una variazine della variabile A causa una variazine della variabile B A = Aument di dipendenti a temp B = Aument delle spese per stipendi Rispsta cmune Una variazine delle variabili A e B è causata dalla variazine di una terza variabile C A = Temprale B = Abbassament della clnnina di mercuri del barmetr C = Arriv di un nda di bassa pressine Mascherament Una variazine della variabile B è causata sia da una variazine di A che da una variazine di una terza variabile C A = Spese per prmuvere un prdtt B = Ricav dalle vendite C = Numer di respnsabili delle vendite che segun i clienti Classificatri Cmpsiti...a c g t t t a c g a t a t c c c g a t g g c t a t a... Classificatre 1 Classificatre 2 Classificatre 3 Classificatre 4 Un insieme di classificatri imprecisi può essere cmbinat per frmare un classificatre mlt più accurat Cmbinatre Rispsta Bsting, Bagging,...
27 Un prblema bilgic affrntat in Machine Learning Apprendiment Splice-Junctins in sequenze DNA di primati _ Dati presi da Genbank 64.1 (ftp site genbank.bi.net) (risalgn al 1992) 3190 sequenze nel dataset 3 categrie _ ei (767) e ie (768) includn gni "split-gene" per i primati in Genbank 64.1 _ n (1655) nn-splice presi da sequenze che nn includn un splicing site Un prblema bilgic affrntat in Machine Learning Apprendiment Splice-Junctins in sequenze DNA di primati _ Prblema di apprendiment data una psizine nel centr di una finestra di 60 basi di DNA decidere se _ a) giunzine "intrn -> en" (ie) _ b) giunzine "en -> intrn" (ei) _ c) neither (n)
28 Un prblema bilgic affrntat in Machine Learning Apprendiment Splice-Junctins in sequenze DNA di primati _ Rappresentazine prpsizinale cn 62 attributi _ 1 la classe {n ei ie} della sequenza _ 2 il nme della sequenza _ 3-62 I rimanenti 60 attributi sn le basi della sequenza, in psizini dalla -30 alla psizine 30 rispett all splice site. ATRINS-DONOR-905, A,G,A,C,C,C,G,C,C,G,G,G,A,G,G,C,G,G,A,G,G,A,C,C,T,G,C,A,G,G,G,T,G,A,G,C,C,C,C,A,C,C,G,C, C,C,C,T,C,C,G,T,G,C,C,C,C,C,G,C, EI Distribuzine dei valri Basi Neither EI IE A % % % G % % % T % % % C % % % D 0.001% % N 0.010% 0.010% -- S % R %
29 Predire in una Sequenza... d i d i1 d i2 d i3 d i4 d i5 d i6 d i7 d i8 d i9 d i10? Quali elementi sn crrelati e descrivn un event cmpless?... 1 d i d i1 d i2 d i3 d i4 2 d i1 d i2 d i3 d i4 d i5 3 d i2 d i3 d i4 d i5 d i6 4 d i3 d i4 d i5 d i6 d i7 5 d i4 d i5 d i6 d i7 d i8 6 d i5 d i6 d i7 d i8 d i9 7 d i6 d i7 d i8 d i9 d i10... Cme sarà il prssim element? Quand In Esistn altri casi cmunque cnsce si pu` la trasfrmare algritmi dimensine in apprendiment della un prblema finestra, di si classificazine capaci pu` di trasfrmare trattare cn direttamente istanze in un prblema multiple. sequenze. di classificazine cn rappresentazine attribut-valre. Esempi... Prmter gene...a c a t c c t t a t c g t g a a c c c t a a t a c a c c g t a g t c a t a t t t a c c c a c g a c a t c c t t a t c g t g a a 110 t c g t g a a c c c t a a t a c a c c t c g t g a a c c c t a a t a c a c c c a c c g t a g t c a t a t t t a c c c Un ulterire pass in avanti cnsiste nel cnsiderare gni pssibile istanza di prmter cme una sequenza, invece che un semplice vettre di attributi.
30 Apprendiment Splice-Junctins cn Rappresentazine Attribut-Valre k-nn Neither E/I I/E Lin. Dis. ID3 MLP KBANN REGAL G-NET Su dataset di 3600 esempi Su altri dataset presi dalla Gene-Bank.!?! Un Prblema di Apprendiment...a a c t t t a c c c c a t a a t a a c c g t c t c c c a c g... Scegliere / Cstruire i prtpti... È una frma di Instance-Based learning c * a c * * t a t t a * * * a c * c g * c a c * * t a a t a a a * * c g c g * * c g a c * * t a t a a * * c g * * c g c g * c * * t a t a * * * c c g * * c g Utilizzat cn success un Algritm Genetic
31 Predizine di interazini dalla sequenza primaria cn SVM...S K I I N F E D L T Indice Amminacidic Standardizzazine input in SVM (Bck e Gugh, 2001) Database di interazini prteiche _ BIND classifica interazini tra prteine ed altre prteine, acidi nucleici, mlecle semplici ftni _ MINT raccglie essenzialmente interazini tra prteine, anche se rimane apert a tutti i tipi di interazine _ DIP è il più ricc database di interazini tra prteine (ltre al 28/6/2002) ed è in cntinua e rapida espansine
32 Rbustezza di SVM % predizini crrette esempi psitivi esempi negativi Numer di esempi LEARNING Neural Netwrk fr secndary structure A C D E F G H I K L M N P Q R S T V W Y. D (L) R (E) Q (E) G (E) F (E) V (E) P (E) A (H) A (H) Y (H) V (E) K (E) K (E) H E L
33 Sftware Dispnibile _ Apprendiment simblic Weka Suite _ http// Neural Netwrks _ http// e.html Algritmi genetici _ G-net http//hermes.mfn.unipmn.it/~attili/projects/gnet/gnet.html Cnclusini Il Machine Learning cme punt di incntr e di integrazine di apprcci diversi nati in sen a discipline diverse. L apprendiment da dati strutturati e da sequenze è una prblematica emergente che risulta essere cruciale per applicazini avanzate nel settre bi-medic. Due fattri fndamentali per applicazini di success disprre di una equipe che abbia sia cmpetenze infrmatiche che cnscenze relative al dmini dell applicazine. sapere integrare metdlgie diverse in prgrammi diversi.
Tecnologie di Riferimento per il Data Mining
Tecnlgie di Riferiment per il Data Mining Marc Btta Dipartiment di Infrmatica Università di Trin btta@di.unit.it Knwledge Discvery in Databases e Data Mining KDD Termine derivat dal titl di un wrkshp rganizzat
DettagliConvegno organizzato dall Associazione ICT Dott.com. Business Intelligence L utilità per le imprese. Prof. Elena Baralis. Politecnico di Torino
Cnvegn rganizzat dall Assciazine ICT Dtt.cm Business Intelligence L utilità per le imprese Prf. Plitecnic di Trin D B M G Data Base and Data Mining Grup f Plitecnic di Trin Supprt alle decisini aziendali
DettagliISIS V. FOSSOMBRONI. Dipartimento di informatica PROGRAMMI MINIMI DI INFORMATICA
Dipartiment di infrmatica CLASSE PRIMA AFM e TURISMO SPORTIVO LICEO DELLE SCIENZE APPLICATE CLASSE SECONDA AFM e TURISMO SPORTIVO LICEO DELLE SCIENZE APPLICATE CLASSE TERZA SISTEMI INFORMATIVI AZIENDALI
DettagliObiettivo. Dal problema al risultato Algoritmo. Imparare a PROGRAMMARE
Obiettiv Imparare a PROGRAMMARE LA PROGRAMMAZIONE: Algritmi e prgrammi Imparare a cstruire PROGRAMMI che permettan, tramite l us di cmputer, di rislvere prblemi di divers tip. Prblema Dal prblema al risultat
DettagliScuola secondaria di 1 grado F. Malaguti Valsamoggia Anno scolastico 2014/2015 Programmazione per competenze Curricolo classi prime -tecnologia
Scula secndaria di 1 grad F. Malaguti Valsamggia Ann sclastic 2014/2015 Prgrammazine per cmpetenze Curricl classi prime -tecnlgia Traguardi per l svilupp delle cmpetenze al termine della scula secndaria
DettagliISTITUTO DI ISTRUZIONE SUPERIORE P.ALDI - GROSSETO SEZIONE LICEO SCIENTIFICO
ISTITUTO DI ISTRUZIONE SUPERIORE P.ALDI - GROSSETO SEZIONE LICEO SCIENTIFICO PROGRAMMAZIONE CLASSI PRIME ANNO SCOLASTICO 2013/2014 MATERIA: MATEMATICA ED INFORMATICA Test: MATEMATICA.BLU vl.1 Autri :BERGAMINI-TRIFONE-BAROZZI
DettagliRELAZIONI TRA VARIAIBLI
RELAZIONI TRA VARIAIBLI Esiste la pssibilità che la crrelazine tra due variabili x e y sia dvuta all influenza di una terza variabile z Relazine spuria Presenza di cvariazine in assenza di causazine. La
DettagliDataCubex Business Intelligence. Soluzioni del futuro
DataCubex Business Intelligence Sluzini del futur pagina 2 Intrduzine L analisi OLAP (On Line Analytical Prcessing) è un insieme di tecniche sftware utilizzate per analizzare velcemente grandi quantità
DettagliDISCIPLINA: Matematica Ordinamento CLASSE: 3^ SEZ.: Alunno/a:. Voto proposto dal Consiglio di Classe:..
DISCIPLINA: Matematica Ordinament CLASSE: 3^ SEZ.: in termini di cnscenze relative ai cntenuti minimi: Disequazini: Abilità di calcl Gemetria Analitica: Analisi e cmprensine del test di un prblema Impstazine
DettagliData warehouse: introduzione DataBase and Data Mining Group of Politecnico di Torino
Data warehuse: intrduzine DataBase and Data Mining Grup f Database and data mining grup, Database and data mining grup, DataBase and Data Mining Grup f DataBase and Data Mining Grup f Supprt alle decisini
DettagliEquazioni. Prerequisiti. Definizioni e concetti generali. Incognita Lettera (di solito X) alla quale è possibile sostituire dei valori numerici
Scmpsizini plinmiali Calcl del M.C.D. e del m.c.m. tra plinmi P), cn P) plinmi di grad qualsiasi Equazini Prerequisiti Definizini e cncetti generali Incgnita Lettera di slit ) alla quale è pssibile sstituire
DettagliProgettare l ambiente di apprendimento. Valorizzare l esperienza e le conoscenze degli alunni
Rendiam prduttive le riunini Per prgettare un mdell di scula: un apprcci culturale e filsfic un elabrazine pedaggica una prgettazine didattica frti cnscenze disciplinari L autnmia è: respnsabilità innvazine
DettagliLa tecnica FMEA di prodotto
ISI MANUALE PER CORSI QUALITÀ dispensa data mdifica del livell Q-052 01.01.1996 0 01.01.1996 BLU La tecnica FMEA di prdtt MANUALE DI UTILIZZO ISI La tecnica FMEA di prdtt pagina 2 di 10 1.0 Intrduzine
DettagliGestione Agenti. Software per il Calcolo provvigioni per Agenti e Venditori Software GESAGE - Specifiche del prodotto
Gestine Agenti Sftware per il Calcl prvvigini per Agenti e Venditri Sftware GESAGE - Specifiche del prdtt EBC Cnsulting Gestine delle risrse umane http://www.ebccnsulting.cm Sftware H1 Hrms GESAGE Gestine
DettagliLA FACOLTÀ DI GIURISPRUDENZA
LA FACOLTÀ DI GIURISPRUDENZA STRUTTURA GENERALE DEI CORSI DI LAUREA E SISTEMA DEI "CREDITI" In base alla rifrma universitaria (D.M. 3.11.99 n. 509) l impegn dell studente (frequenza dei crsi e studi individuale)
DettagliMATEMATICA - CLASSE I. Obiettivi minimi di apprendimento matematica I. Competenze
- CLASSE I Cmpetenze MATEMATICA Nucle tematic: il numer Utilizzare le tecniche e le prcedure del calcl aritmetic in N, rappresentandle anche in frma grafica. Rislvere i prblemi facend us delle perazini
DettagliSenTaClAus - Sentiment Tagging & Clustering Analysis on web & social contents
Via Marche 10 56123 Pisa Phne +39.050.552574 Fax +39.1782239361 inf@netseven.it - www.netseven.it P.IVA 01577590506 REGIONE TOSCANA POR CReO FESR 2007 2013 LINEA D INTERVENTO 1.5.a - 1.6 BANDO UNICO R&S
DettagliGiuseppe Contu. Conoscenza di base di MS Excel 2003.
Titl del crs Dcente Obiettivi del crs Prerequisiti Micrsft Excel Livell avanzat Giuseppe Cntu Il crs frnisce ai partecipanti le cnscenze per utilizzare le funzini avanzate di Micrsft Excel, per creare
DettagliNovità: Correzione di errori: Altro
Nvità: È stata aggiunta alle pzini di cnfigurazine generale del prgrama la pssibilità di cnfigurare il cllegament al server tramite prxy. Si accettan questi tipi di prxy: SOCKS v4, SOCKS v5, HTTP 1.1 e
DettagliPIANO DI LAVORO ANNUALE DELLA DISCIPLINA TECNOLOGIA E TECNICHE DI RAPPRESENTAZIONE GRAFICA Classi 1 ITI A.S. 2014-2015
Impssibile visualizzare l'immagine. La memria del cmputer ptrebbe essere insufficiente per aprire l'immagine ppure l'immagine ptrebbe essere danneggiata. Riavviare il cmputer e aprire di nuv il file. Se
DettagliLibro di testo e materiale didattico: Cloud - Piero Gallo, Fabio Salerno Minerva Scuola. Appunti scaricabili dal sito web dell Istituto.
Crs di Infrmatica Prgramma svlt nella classe V sez. D Infrmatica ann sclastic 2014/2015 Prf. Enni Ranucci Prf. Margherita Puca (labratri) Finalità: Gestire il prgett e la manutenzine di sistemi infrmativi
DettagliA.s. 2014-2015 Programma di Informatica
Via Tscana, 10 Parma tel. 0521266511 fax 0521266550 A.s. 2014-2015 Prgramma di Infrmatica Gli aspetti terici della disciplina sn suddivisi in 5 mduli: A. Prgett di sistemi infrmativi B. Basi di dati C.
DettagliA.s. 2012-2013 Programma di Informatica
Via Tscana, 10 Parma tel. 0521266511 fax 0521266550 A.s. 2012-2013 Prgramma di Infrmatica Gli aspetti terici della disciplina sn suddivisi in 5 mduli: A. Prgett di sistemi infrmativi B. Basi di dati C.
DettagliSALUTE GLOBALE ED EQUITA' IN SALUTE
SALUTE GLOBALE ED EQUITA' IN SALUTE GLI STRUMENTI DELL'OPERATORE SANITARIO PER LA TUTELA DELLA SALUTE, DI TUTTI Nel 2008 l OMS ha presentat i lavri cnclusivi della Cmmissine sui Determinanti Sciali di
DettagliISTITUTO TECNICO COMMERCIALE STATALE ABBA - BALLINI
ISTITUTO TECNICO COMMERCIALE STATALE ABBA - BALLINI Via Tirandi n. 3-25128 BRESCIA tel. 030/307332-393363 - fax 030/303379 www.abba-ballini.it email: inf@abba-ballini.it DIPARTIMENTO DI INFORMATICA Attività
DettagliGestione della conoscenza (Knowledge Management, KM) nelle aziende sanitarie
Gestine della cnscenza (Knwledge Management, KM) nelle aziende sanitarie Schema dell intervent del dtt. Michele Tringali Azienda Ospedaliera di Udine - www.spedaleudine.it/kc 1. Intrduzine Grandi successi
DettagliRelatori: * Dr. Romeo Di Giuseppe - # Dr. Palmerino Masciotta. Abstract. Introduzione e scopo dello studio. Materiali e Metodi
La valutazine dei rischi per la sicurezza e per la salute degli peratri di un servizi veterinari: l esperienza della ASL RM B * e della ASL RM C #. Relatri: * Dr. Rme Di Giuseppe - # Dr. Palmerin Mascitta
DettagliA chi è diretto Tutti i docenti di ogni ordine e grado. I docenti potranno scegliere i moduli da seguire. I temi trattati
ImparaDigitale rganizza la Summer Schl di Olbia DATA: 12-14/15 Settembre 2016 LUOGO: Lice Scientific Lrenz Mssa, Olbia Calendari Il crs si struttura su 3 girni: il prim (12 settembre) di 4 re pmeridiane,
DettagliClassificazioni dei linguaggi di programmazione
Il Sftware (prgrammi) può essere classificat cme: di sistema di base (Sistema Operativ, cmpilatri,, interpreti 1 ) prgrammi applicativi (editr di test, fgli elettrnici, data base.) linguaggi di prgrammazine
DettagliNote Legali - Modalità e condizioni di utilizzo del sito web
Nte Legali - Mdalità e cndizini di utilizz del sit web Chiunque acceda utilizzi quest sit web accetta senza restrizini di essere vinclat dalle cndizini qui specificate. Se nn le accetta nn intende essere
DettagliPROGETTO S.A.I.A. Software XML v.2 - Tracciati AP5
Prerequisiti / Cnfigurazini PROGETTO S.A.I.A Sftware XML v.2 - Tracciati AP5 Passi da eseguite per prcedere cn l invi dei dati al SAIA attravers il sftware XML-2 cn i nuvi tracciati AP5. 1. Presa in caric
DettagliCASSETTA DEGLI ATTREZZI STANDARD
CASSETTA DEGLI ATTREZZI STANDARD Tip Ente: Cmune Uffici: Relazini cn il Pubblic Servizi: Assistenza Dmiciliare INDICE Smmari 1 OGGETTO E CONTENUTI... 3 1.1 DESCRIZIONE DEL SERVIZIO OGGETTO DI CUSTOMER
DettagliCompetenze, conoscenze ed abilità del secondo Biennio e del quinto Anno FISICA
Cmpetenze, cnscenze ed abilità del secnd Bienni e del quint Ann FISICA Cmpetenze analizzare e saper interpretare fenmeni fisici; essere cnsapevle delle ptenzialità e dei limiti delle tecnlgie nel cntest
DettagliCOME AIUTARE TUO FIGLIO A STUDIARE E A FARE I COMPITI A CASA
Istitut Cmprensiv Enric Fermi Scula Secndaria di prim grad G.B. Rubini Rman di Lmbardia Rman di Lmbardia - BG! COME AIUTARE TUO FIGLIO A STUDIARE E A FARE I COMPITI A CASA LE INDICAZIONI DELLA SCUOLA PER
DettagliNuovo Sistema Cartografico SGR per le reti Gas
Nuv Sistema Cartgrafic SGR per le reti Gas Dtt. Alessandr Bugli, SGR Reti S.p.A - Rimini Abstract La Scietà Gas Rimini S.p.A., cn il supprt di GeGraphics S.r.l., ha attivat un Sistema Infrmativ Territriale
DettagliLa gestione informatizzata del farmaco
Azienda Ospedaliera di Verna Dipartiment di Medicina Clinica e Sperimentale Medicina Interna B - Reumatlgia La gestine infrmatizzata del farmac Crdinatre Stefania Discnzi Reggi Emilia 11-12 XII 2008 CRITICITA
Dettagli, progettati e realizzati in loco ricorrendo alle risorse umane presenti nelle strutture d Ateneo
PROGETTO FORMATIVO COMUNICAZIONE EFFICACE E GESTIONE DEL CONFLITTO NEL FRONT-OFFICE PREMESSA L rientament al cliente è una prergativa indispensabile per la crescita e la cmpetitività di un rganizzazine
DettagliE.C.M. Educazione Continua in Medicina. Servizi web. Manuale utente
E.C.M. Educazine Cntinua in Medicina Servizi web Manuale utente Versine 1.0 maggi 2015 E.C.M. Servizi web: invi autmatic Indice 2 eventi e pian frmativ Indice Revisini 3 1. Intrduzine 4 2. 5 2.1 Verifica
DettagliValutare e motivare progetti di formazione
Descrittiv di mdul FFA-D-M1 Valutare e mtivare prgetti di frmazine Cmpetenza perativa I/Le titlari del certificat di mdul sviluppan, valutan, aggirnan e mtivan prgetti di frmazine. Verifica delle cmpetenze
DettagliCosa vedremo. Lezione 4. Dati. Tipo di dato. Tipo di dato. I Dati: Gli oggetti che conosce il computer
Csa vedrem Lezine 4 Dati ed istruzini di base I Dati: Gli ggetti che cnsce il cmputer Le istruzini: Le azini che cnsce il cmputer Dati ggetti cn cui si lavra Il cmputer cnsce sl alcuni tipi di dat ritmetici
DettagliCASSETTA DEGLI ATTREZZI STANDARD. Tipo Ente: Trasversale. Servizio: Valutazione Sito internet
CASSETTA DEGLI ATTREZZI STANDARD Tip Ente: Trasversale Servizi: Valutazine Sit internet INDICE Smmari 1 OGGETTO E CONTENUTI... 3 1.1 DESCRIZIONE DEL SERVIZIO OGGETTO DI CUSTOMER SATISFACTION... 4 1.2 DESCRIZIONE
DettagliDIREZIONE SERVIZI INFORMATICI. All. A. Copernico formalità 81-83-88 Manuale Utente
All. A Cpernic frmalità 81-83-88 Manuale Utente Smmari DIREZIONE SERVIZI INFORMATICI 1. SCOPO...4 2. SCELTA DEL SERVIZIO...4 Links --------------------------------------------------------------------------------------------------------------------
DettagliLa notevole precisione raggiunta dal sistema non dipende solo misura delle varie tipologie di sensori ed aiutare nella futura
TechNte T001 pagina 1 Sensri di precisine di spstament nnacntatt Intrduzine La richiesta di sensri per la misura dell spstament nei sui diversi aspetti (psizine, mviment, altezza, spessre, larghezza, diametr)
Dettaglie/fiscali - Rel. 04.01.04
e/fiscali - Rel. 04.01.04 Rimini, 09 dicembre 2013 e/fiscali - Fix 04.01.04 Dcumentazine di rilasci 24 ORE Sftware S.p.A. 12/12/2013 Pag. 1 di 15 INDICE 1 FIX 04.01.04 DI E/FISCALI... 3 2 NOTE DI INSTALLAZIONE...
DettagliIl Business Plan, documento essenziale per lo sviluppo e la crescita dell impresa. Sintesi del nostro punto di vista
Il Business Plan, dcument essenziale per l svilupp e la crescita dell impresa Sintesi del nstr punt di vista Settembre 2014 Preparare il Business Plan Sintesi del nstr punt di vista La preparazine del
DettagliSenTaClAus - Sentiment Tagging & Clustering Analysis on web & social contents
Via Marche 10 56123 Pisa Phne +39.050.552574 Fax +39.1782239361 inf@netseven.it - www.netseven.it P.IVA 01577590506 REGIONE TOSCANA POR CReO FESR 2007 2013 LINEA D INTERVENTO 1.5.a - 1.6 BANDO UNICO R&S
DettagliVia F. Lana, 1-25020 FLERO (BS) Tel. 0303582748 Fax 03072131184 www.themissoluzioni.it info@themissoluzioni.it. gruppo axelera.
Via F. Lana, 1-25020 FLERO (BS) Tel. 0303582748 Fax 03072131184 www.sluzini.it inf@sluzini.it grupp axelera sluzini Obiettiv Scp del presente dcument è descrivere il prdtt Nprinting, il più evlut add-in
DettagliCASSETTA DEGLI ATTREZZI STANDARD. Tipo Ente: Asl. Ufficio: Assistenza 118. Servizio: Servizio 118
CASSETTA DEGLI ATTREZZI STANDARD Tip Ente: Asl Uffici: Assistenza 118 Servizi: Servizi 118 INDICE Smmari 1 OGGETTO E CONTENUTI... 3 1.1 DESCRIZIONE DEL SERVIZIO OGGETTO DI CUSTOMER SATISFACTION... 4 1.2
DettagliDisciplina: Economia aziendale A.S. 2016/2017 DESCRITTORI DI ABILITA / PRESTAZIONI
Istitut Tecnic Internazinale Ecnmic E. Tsi Bust Arsizi Amministrazine Finanza e Marketing Relazini internazinali Sistemi infrmativi aziendali Turism Internazinale Quadriennale Indirizz: Sistemi infrmativi
DettagliINFORMATICA CORSI DELL INDIRIZZO TECNICO AMMINISTRAZIONE FINANZA MARKETING
Larg Zecca, 4-16124 GENOVA Tel. 010/247.07.78 - Fax 010/251.29.60- E-mail geis00600r@istruzine.it C.F. 95062410105 CORSI DELL INDIRIZZO TECNICO AMMINISTRAZIONE FINANZA MARKETING INFORMATICA CLASSE PRIMA
DettagliIndirizzo: INTERNAZIONALE
Istitut Tecnic Internazinale Ecnmic E. Tsi Bust Arsizi Amministrazine Finanza e Marketing Relazini internazinali Sistemi infrmativi aziendali Turism Internazinale Quadriennale Indirizz: INTERNAZIONALE
DettagliRidisegnamo la Distribuzione di Specialità. Distributors Group Europe 2017
Ridisegnam la Distribuzine di Specialità Distributrs Grup Eurpe 2017 Perchè DGE Cme periam 2 Cs è DGE (fndata 12 marz 1996) 1. Rete paneurpea di distributri 2. Membri (distributri lcali) 3. Azienda DGE
DettagliMon Ami 3000. Gestione della packing list
Prerequisiti Mn Ami 3000 Packing list Gestine della packing list L pzine Packing list è dispnibile per le versini Azienda Light e Azienda Pr. Intrduzine L'pzine Packing list cnsente di velcizzare la gestine
DettagliSCUOLE ITALIANE ALL ESTERO (EUROPA) SESSIONE ORDINARIA 2013 QUESITO 1
www.matefilia.it SCUOLE ITALIANE ALL ESTERO (EUROPA) SESSIONE ORDINARIA 2013 QUESITO 1 Dat un triangl ABC, si indichi cn M il punt medi del lat BC. Si dimstri che la mediana AM è il lug gemetric dei punti
DettagliWAS Monitoring Valutazione rischio Work organization
Mnitring Valutazine rischi Wrk rganizatin Premessa In base ai dcumenti dell WHO(OMS), alle linee guida eurpee, all Accrd Eurpe del 2004 sull stress lavr crrelat e in base al dcument ICF dell OMS 2001 che
DettagliEmanuele Dalmasso. Curriculum Vitae Europass. Informazioni personali
Emanuele Dalmass Curriculum Vitae Eurpass Infrmazini persnali Cgnme/Nme Dalmass Emanuele Indirizz Larg Lenard Da Vinci 3, Mncalieri, TO, Italia. Telefn +39 0 979425 Cellulare +39 333 6677683 E-mail emanuele.dalmass@gmail.cm
DettagliTipo Ente: Trasversale. Ufficio: Servizio Biblioteca. Servizio: Prestito/consultazione
Tip Ente: Trasversale Uffici: Servizi Bibliteca Servizi: Prestit/cnsultazine INDICE Smmari 1 Oggett e cntenuti... 3 1.1 Descrizine del servizi ggett di custmer satisfactin... 4 1.2 Descrizine del prcess
DettagliCASSETTA DEGLI ATTREZZI STANDARD. Tipo Ente: Comune. Ufficio: Servizi sociali
CASSETTA DEGLI ATTREZZI STANDARD Tip Ente: Cmune Uffici: Servizi sciali Servizi: Centr sciale terza età INDICE Smmari 1 OGGETTO E CONTENUTI... 3 1.1 DESCRIZIONE DEL SERVIZIO OGGETTO DI CUSTOMER SATISFACTION...
DettagliLA PROGRAMMAZIONE DIDATTICA NEI CASI DI DISTURBI SPECIFICI DELL APPRENDIMENTO
LA PROGRAMMAZIONE DIDATTICA NEI CASI DI DISTURBI SPECIFICI DELL APPRENDIMENTO DEFINIZIONE NORMATIVA OBIETTIVO STRUMENTI VALUTAZIONE ITER ORGANIZZATIVO DEFINIZIONE disturbi relativi alle abilità dell apprendiment
DettagliDiagramma di Hubble. Lega magnitudine e redshift. Ricordiamo che: L 2. c H 1 = L 1
Diagramma di Hubble Lega magnitudine e redshift. Ricrdiam che: L F = 4πD 2 L ; D L = (1+ z) S ( χ ) ; S( χ ) 1 1 = χ1 se sinχ1 se sinhχ1 se k = 0 k = 1 k = 1 χ1 = c H 1 1 ( 1+ z ) aˆ 2 [ Ω R aˆ 4 + Ω M
DettagliPROGETTO RECUPERO DELLE DIFFICOLTA DI LETTURA E SCRITTURA
ann sclastic 2007-2008 PROGETTO RECUPERO DELLE DIFFICOLTA DI LETTURA E SCRITTURA Scula Media classi Prime, Secnde e Terze (applicazine del Metd FEUERSTEIN) 1 MOTIVAZIONE E BISOGNI Il Cllegi dei Dcenti,
DettagliKIT INFO-FORMATIVI. Catalogo 1/17
\ \\\\\ KIT INFO-FORMATIVI Catalg Servizi di autentificazine federata FedERa Destinatari Destinatari principali dell intervent frmativ di seguit descritt sn stati individuati negli Operatri della Pubblica
DettagliPRIVACY e SICUREZZA INFORMATICA
e SICUREZZA INFORMATICA by www.centrsftware.cm Tel 051 813324 Fax 051 813330 inf@centrsftware.cm e SICUREZZA INFORMATICA Gli bblighi di Legge A partire dal 30 giugn 2004 tutte le imprese devn mettersi
Dettagliun aiuto concreto www.cashaid.org
CASH AID Fundatin un aiut cncret www.cashaid.rg DESCRIPTION Csa è... 2 Gli biettivi... 2 Cme funzina... 2 Benefici per chi spende... 2 Benefici per chi vende... 3 Cme funzina il demurrage cllegat ai Bnus...3
DettagliCASSETTO PREVIDENZIALE AZIENDE
CASSETTO PREVIDENZIALE AZIENDE Pagina 1 di 51 Smmari 1. Premessa...4 2. Access alla applicazine...5 2.1.1 Ricerca iniziale...5 3. Stampa...7 4. Cassett Previdenziale Aziende...9 4.1 Dati Sintetici... 10
DettagliIndirizzo: Relazioni internazionali per il marketing. Classe: 4. Disciplina: Relazioni internazionali
Istitut Tecnic Internazinale Ecnmic E. Tsi Bust Arsizi Amministrazine Finanza e Marketing Relazini internazinali Sistemi infrmativi aziendali Turism Internazinale Quadriennale Indirizz: Relazini internazinali
DettagliPerché e per chi. Perché Lyra News? Sistema di Gestione Offerte e Organizzazione dell Attività Commerciale. In questo numero...
Sistema di Gestine Offerte e Organizzazine dell Attività Cmmerciale Perché e per chi. Il prcess di interazine cliente azienda che prta alla predispsizine dell fferta di un mezz di prduzine è mlt cmplicat
DettagliPOLITICA DELLA QUALITA TOTALERG
POLITICA DELLA QUALITA TOTALERG TtalErg vule essere prtagnista del mercat petrlifer nazinale cn l biettiv di rinfrzare il su psizinament cmpetitiv, garantendne la sstenibilità nel temp attravers: La massimizzazine
DettagliPsicologia. Anno Accademico Anna Borghi Sito web:
Psiclgia Ann Accademic 2008-2009 Anna Brghi annamaria.brghi@unib.it Sit web: http://laral.istc.cnr.it/brghi 1 Cntatti Orari di riceviment: venerdì re 10-12 (re 12-13 durante il perid dei crsi) Press: Dipartiment
DettagliCASSETTA DEGLI ATTREZZI STANDARD. Tipo Ente: Comune. Ufficio: Anagrafe. Servizio: Rilascio certificati
CASSETTA DEGLI ATTREZZI STANDARD Tip Ente: Cmune Uffici: Anagrafe Servizi: Rilasci certificati INDICE Smmari 1 OGGETTO E CONTENUTI... 3 1.1 DESCRIZIONE DEL SERVIZIO OGGETTO DI CUSTOMER SATISFACTION...
DettagliIL GRUPPO DEL FARE OBIETTIVI, CONTRIBUTI. Maurizio Parini (OTTOBRE 2015)
IL GRUPPO DEL FARE OBIETTIVI, CONTRIBUTI Maurizi Parini (OTTOBRE 2015) Il GRUPPO DEL FARE Nasce il 19 marz 2013 per essere una RISORSA per l SVILUPPO e l OCCUPAZIONE. E una COMMUNITY di cui fann parte
DettagliPIANO DI LAVORO INIZIALE A.S. 2014-2015
PIANO DI LAVORO INIZIALE A.S. 2014-2015 SEDE: Via Mranti, 4 Castelnv né mnti INDIRIZZO: Servizi sci sanitari DOCENTE: Liguri Tiziana CLASSE: 2^E MATERIA DI INSEGNAMENTO: Metdlgie perative LIVELLI DI PARTENZA
DettagliISTITUTO COMPRENSIVO DI CLUSONE A.S. 2014-2015
ISTITUTO COMPRENSIVO DI CLUSONE A.S. 2014-2015 CURRICOLO DI MATEMATICA Classe TERZA 1 BIMESTRE COMPETENZE ABILITA CONOSCENZE AMBIENTE DI APPRENDIMENTO Indicazini NUMERI L alunn si muve cn sicurezza nel
DettagliEconomia dell Impresa e dell Industria
Ecnmia dell Impresa e dell Industria a.a. 2015/2016 Fabi Mntbbi fabi.mntbbi@unit.it Dipartiment di Ecnmia «Cgnetti de Martiis» Lezine 9 Fnti: Besank Cap. 4 Fabi Mntbbi - Dip. di Ecnmia - Università di
DettagliPIANO DI LAVORO ANNUALE DELLA DISCIPLINA TECNOLOGIA E TECNICHE DI RAPPRESENTAZIONE GRAFICA Classi 2 ITI A.S. 2014-15
Impssibile visualizzare l'immagine. La memria del cmputer ptrebbe essere insufficiente per aprire l'immagine ppure l'immagine ptrebbe essere danneggiata. Riavviare il cmputer e aprire di nuv il file. Se
DettagliCompilazione. Compilazione del Giornale dei lavori
Girnale Elettrnic dei Lavri GIOELAV (Versine 1.1.0) Cs è GIOELAV? E una piattafrma sftware, residente in clud, per la registrazine di tutte le attività girnaliere riguardanti l'andament dei Cantieri e
DettagliIL PERCORSO DI VALUTAZIONE DEL RISCHIO STRESS LAVORO- CORRELATO
IL PERCORSO DI VALUTAZIONE DEL RISCHIO STRESS LAVORO- CORRELATO Premessa La valutazine del rischi stress lavr-crrelat, secnd le Indicazini metdlgiche emanate dal Minister del lavr e delle Plitiche Sciali,
DettagliSCHEDA PROFILO DINAMICO FUNZIONALE
Minister dell Istruzine, Università e Ricerca Direzine Reginale Tscana Uffici X Ambit Territriale Prvincia di Arezz SCHEDA PROFILO DINAMICO FUNZIONALE ATTIVITA' e PARTECIPAZIONE: indicare la gravità del
DettagliIstruzione e formazione all imprenditorialità
Istruzine e frmazine all imprenditrialità L istruzine e la frmazine all imprenditrialità è il punt di partenza per sviluppare ed espandere l attività dei prfessinisti, miglirand la lr cnscenza e le lr
DettagliLe disequazioni di primo grado
) Disequazini di prim grad intere Le disequazini di prim grad Cnsider due plinmi A() e B(), entrambi di prim grad in. Le seguenti espressini: A()>B() A() B() A() B() A()
DettagliAUCHAN spa. Progetto Benessere Regolamento relativo alla selezione Prodotti Blu
AUCHAN spa Prgett Benessere Reglament relativ alla selezine Prdtti Blu 2 18 lugli 2017 Smmari 1. Intrduzine 4 2. Definizini 4 3. Oggett 4 4. Obiettivi della selezine Prdtti Blu 4 5. Organizzatre 4 6. Prdtti
DettagliCookie Policy di acquadivolterra.com e profumoacquadivolterra.com
Ckie Plicy di acquadivlterra.cm e prfumacquadivlterra.cm La presente Ckie Plicy descrive le mdalità utilizzate da Sali Vlterra di Francalacci Laura (di seguit anche Acqua di Vlterra ) per la gestine degli
DettagliSommario. Corso di Statistica Facoltà di Economia francesco mola a.a. 2010-2011. Fasi di un indagine statistica. L indagine statistica.
Smmari Crs di Statistica Facltà di Ecnmia francesc mla a.a. 2010-2011 Lezine n 1 Che csa è la statistica? L scprirem a fine crs! altrimenti che gust c è? L indagine I cncetti di base Unità statistica.
DettagliAmministrazione e Bilancio Docente di riferimento: Patrizia Tettamanzi
Amministrazine e Bilanci Dcente di riferiment: Patrizia Tettamanzi Il prim macr-mdul ha l biettiv di permettere ai partecipanti di apprfndire la cnscenza degli strumenti fndamentali per una crretta applicazine
DettagliISTRUZIONE OPERATIVA N. 12 ESPOSIZIONE A NANOMATERIALI
Revisine 01 - Maggi 2013 A cura di: Servizi Prevenzine, Prtezine, Ambiente e Sicurezza 1 Premessa Le applicazini basate sulle nantecnlgie e sui nanmateriali (NM) sn destinate ad entrare in mlteplici settri
Dettagli4 Classificazione e definizione dei rischi lavorativi
4 Classificazine e definizine dei rischi lavrativi I rischi presenti negli ambienti di lavr, pssn essere divisi in tre grandi categrie riprtate in Tabella RISCHI PER LA SICUREZZA (Rischi di natura infrtunistica
DettagliSommario. Statistica. Fasi di un indagine statistica. L indagine statistica. Corso di Laurea in. francesco mola. Lezione n 1
Crs di Laurea in Scienze del Turism Statistica francesc mla a.a. 2009-2010 2010 Lezine n 1 Smmari Che csa è la statistica? L scprirem a fine crs altrimenti che gust c è? L indagine I cncetti di base Unità
DettagliPrincipi di sicurezza nell attrezzare aree di soccorso. Ester Baldi Infermiera IRCCS Don Carlo Gnocchi Firenze
Principi di sicurezza nell attrezzare aree di sccrs Ester Baldi Infermiera IRCCS Dn Carl Gncchi Firenze Obiettivi: Cncett e frme di rischi nel cntest dell emergenza Cme riuscire a ridurre i rischi Cncett
DettagliIntroduzione al Data Mining
, Riccard Trlne settembre 2014 1 Intrduzine Negli ultimi anni, le rganizzazini hann effettuat investimenti significativi per miglirare la lr capacità di raccgliere dati ad esempi, relativi ai prpri prcessi,
DettagliStage di "iniziativa personale"
Stage di "iniziativa persnale" La cmpilazine del presente mdul è a cura dell studente/laureat che è stat selezinat per svlgere un stage in una realtà cntattata autnmamente. Seguirann da parte dell Università
DettagliUfficio: Servizi Sociali
CASSETTA DEGLI ATTREZZI STANDARD Tip Ente: Cmune Uffici: Servizi Sciali Servizi: Cncessine Agevlazini INDICE Smmari 1 OGGETTO E CONTENUTI... 3 1.1 DESCRIZIONE DEL SERVIZIO OGGETTO DI CUSTOMER SATISFACTION...
DettagliRegione Calabria Dipartimento n.9 Lavori Pubblici ed Infrastrutture
UNIONE EUROPEA REPUBBLICA ITALIANA REGIONE CALABRIA Regine Calabria Dipartiment n.9 Lavri Pubblici ed Infrastrutture Via Crispi 33-88100 CATANZARO SPECIFICHE SIERC: INTEGRAZIONE PROTOCOLLO SIAR POR Calabria
DettagliEWS - Energy Weather Solutions
EWS - Energy Weather Slutins Nat nel 1995, il Centr Epsn Mete (CEM) è una delle strutture private di ricerca applicata e di previsine in ambit meterlgic e climatlgic più accreditate. Nel crs degli ultimi
DettagliOUTSOURCING LOGISTICO E GESTIONE DEL CAMBIAMENTO
OUTSOURCING LOGISTICO E GESTIONE DEL CAMBIAMENTO OUTSOURCING LOGISTICO E GESTIONE DEL CAMBIAMENTO La scelta strategica di un azienda di gestire cn una prpria rganizzazine la Supply Chain di affidarla,
DettagliPRESENZE ASSENZE Presenze WEB
PRESENZE ASSENZE Presenze WEB Presenze WEB FUNZIONALITA PRINCIPALI Funzinalità e cpertura Gestine multiaziendale Gestine di varie tiplgie di rapprt di lavr (dipendente, cllabratre, smministrat, etc. )
DettagliSede legale: Dipartimento di Economia Università degli Studi di Parma- Via J.F. Kennedy 6 43125 Parma C.F. 93053280504 - P.I.
SCUOLA SIM COME SI SCRIVE UNA MONOGRAFIA NETWORK ANALYSIS Università degli Studi di Napli Federic II, Dipartiment di Ecnmia, Management, Istituzini. Aula ex Presidenza, Centri Cmuni - Campus Universitari
DettagliPROGETTO I - CAST Integrazione delle ICT nella catena del valore delle imprese del sistema Tessile Abbigliamento AVVISO
PROGETTO I - CAST Integrazine delle ICT nella catena del valre delle imprese del sistema Tessile Abbigliament AVVISO Dispnibilità della piattafrma tecnlgica di scambi dcumentale Pagina 1 di 7 1. PREMESSA
DettagliService Software Sunplug eco
Service Sftware Sunplug ec INDICE Istruzini 1. Premessa... 2 2. Indicazini generali... 2 3. Requisiti di sistema... 3 4. Preparazine e installazine... 3 5. Messa in funzine... 3 6. Istruzini d'us... 4
DettagliIMPIANTO ELETTRICO DI ILLUMINAZIONE STRADALE
Illuminazine stradale Ultim aggirnament: 1 apr. 2009 IMPIANTO ELETTRICO DI ILLUMINAZIONE STRADALE Sistema di alimentazine: TT, TN Nrme di riferiment: Nrma CEI 64-8 "Impianti elettrici utilizzatri a tensine
DettagliManuale Utente. Data : 06/06/2012 Versione : 1.9
Sistema Infrmativ di EMITTENTI Data : 06/06/2012 Versine : 1.9 Stria delle mdifiche Data Versine Tip di mdifica 09/07/2006 1.0 Creazine del dcument 10/04/2007 1.1 Mdifica del dcument 24/04/2007 1.2 Mdificata
Dettagli