Introduzione al Data Mining

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Introduzione al Data Mining"

Transcript

1 , Riccard Trlne settembre Intrduzine Negli ultimi anni, le rganizzazini hann effettuat investimenti significativi per miglirare la lr capacità di raccgliere dati ad esempi, relativi ai prpri prcessi, al cmprtament dei clienti, a prestazini delle campagne di marketing, le rganizzazini pssn accedere facilmente anche ad altri dati esterni ad esempi, tendenze di mercat, ntizie nel prpri settre aziendale, msse della cncrrenza, Questa vasta dispnibilità di dati ha aumentat l interesse in metdi per estrarre dai dati infrmazini utili e cnscenza quest è il reame della data science le applicazini più significative di questa disciplina riguardan il supprt alle decisini aziendali ad esempi, per prgettare nuve campagne di marketing 2

2 Dati, infrmazini e cnscenza 3 Data science e data mining Data science la data science è un insieme di principi fndamentali che guida l estrazine di cnscenza da dati Data mining il data mining è l estrazine di cnscenza da dati, tramite tecnlgie che incrpran i principi della data science Spess questi due termini vengn usati in md intercambiabile data science ha un significat più generale, e fa riferiment ad un insieme di principi data mining ha un significat più specific, e fa riferiment ad un insieme di tecniche e metdi 4

3 Esempi: l uragan Frances Dal NYT, 2004 Hurricane Frances was n its way, barreling acrss the Caribbean, threatening a direct hit n Flrida s Atlantic cast. Residents made fr higher grund, but far away, in Bentnville, Ark., eecutives at Wal-Mart Stres decided that the situatin ffered a great pprtunity fr ne f their newest data-driven weapns predictive technlgy. A week ahead f the strm s landfall, Linda M. Dillman, Wal-Mart s chief infrmatin fficer, pressed her staff t cme up with frecasts based n what had happened when Hurricane Charley struck several weeks earlier. Backed by the trillins f bytes wrth f shpper histry that is stred in Wal-Mart s data warehuse, she felt that the cmpany culd start predicting what s ging t happen, instead f waiting fr it t happen, as she put it. (Hays, 2004) In quest cas può essere utile fare previsini perché ci sn dei prdtti che, vviamente, si venderann di più, cme le bttiglie d acqua ma quant venderann di più? ci sn altri prdtti che, in md men vvi, venderann di più? ad esempi, trte alle fragle ci sn prdtti che, pur essendsi esauriti in cncmitanza cn l uragan Charley, nn venderann altrettant? ad esempi, è il cas di un specific film di success 5 Esempi: abbandn dei clienti Suppniam di essere analisti della MegaTelC una grande azienda di telecmunicazini un dei prblemi principali di questa azienda è l abbandn di clienti (custmer churn) del servizi di telefnia cellulare il 20% degli abbnati abbandna il servizi all scadere dell abbnament inltre, acquisire nuvi clienti è difficile per quest, l azienda vule ffrire una prmzine mirata di tratteniment ad alcuni clienti a cui sta per scadere l abbnament, per cercare di ridurre gli abbandni ma a quali specifici clienti va fferta questa prmzine? in quest cas è utile fare previsini circa i clienti che (i) senza fferta, prbabilmente abbandnerann, ma (ii) cn l fferta, prbabilmente rimarrann clienti 6

4 Data science e decisini guidate dai dati La data science riguarda principi, prcessi e tecniche per cmprendere fenmeni tramite l analisi (autmatizzata) di dati l biettiv fndamentale della data science è miglirare il decisin making, cnsentend alle rganizzazini di prendere decisini guidate dai dati vver, decisini basate su esperienze effettive e dati strici e nn semplicemente guidate dall intuizine di slit, queste decisini vengn basate sull estrazine di cnscenza dai dati stt frma di mdelli pattern l esperienza ha infatti dimstrat che è pssibile estrarre cnscenza utile dai dati per rislvere prblemi di business cncreti e, inltre, che quest può essere fatt in md sistematic sulla base di un prcess di data mining, cn fasi raginevlmente ben definite 7 Esempi: prestiti Si cnsideri, per una certa banca, il prblema della cncessine di prestiti la banca vule cncedere prestiti sl se si aspetta che il cliente pagherà tutte le rate nei tempi previsti Quest prblema può essere rislt mediante l estrazine di pattern da dati strici la banca pssiede dati strici sui prestiti che ha già ergat nel passat e sa in quali casi le rate sn state pagate reglarmente men per pattern si intende, ad esempi, una regla che descrive in md succint delle infrmazini estratte dai dati strici per prevedere se un ptenziale cliente pagherà le rate di un prestit reglarmente men 8

5 Esempi: prestiti Dati strici sui prestiti Prestit (imprt) Stipendi Persne che hann ricevut un prestit dalla banca: : persne che hann mancat la restituzine di rate : persne che hann rispettat le scadenze 9 Esempi: prestiti Un pssibile pattern estratt da questi dati strici Prestit (imprt) k Stipendi IF stipendi < k THEN mancat pagament 10

6 Esempi: prestiti Applicazine del pattern estratt ad altri ptenziali clienti Prestit (imprt) A C B k Stipendi IF stipendi < k THEN mancat pagament 11 Dati e pattern Dati insieme di infrmazini, tipicamente nn strutturate, estratte da una base di dati da un data warehuse Pattern espressine, in un linguaggi pprtun, che descrive in md succint le infrmazini estratte dai dati reglarità infrmazine di alt livell 12

7 Caratteristiche dei pattern Validità (ad esempi, accuratezza) una misura del grad di validità del pattern ad esempi, nel 90% dei casi si nti che, rispett all identificazine dei mancati pagamenti, aumentand il valre k aumentan i falsi psitivi, e diminuendl aumentan i falsi negativi Nvità misurata rispett a variazini dei dati della cnscenza estratta Utilità esempi: aument di prfitt attes dalla banca assciat alla regla estratta Cmprensibilità misure di tip sintattic e/ semantic 13 Prblemi fndamentali di data mining I prblemi decisinali di business sn cmplessi ciascun di essi è unic, e va rislt diversamente da altri prblemi tuttavia, in generale è pssibile rislvere un prblema decisinale cmpless decmpnendl in sttprblemi cmpiti (task), rislvend questi prblemi parziali separatamente, e ricmpnend le sluzini parziali in una sluzine cmplessiva del prblema iniziale inltre, mlti task sn cmuni, e le lr tecniche rislutive pssn essere usate in prblemi diversi ad es., calclare da dati strici la prbabilità di abbandn di un cliente il data mining è basat su un insieme di tecniche e algritmi rislutivi per cmpiti decisinali cmuni una capacità critica della data science è la capacità di decmprre un prblema in parti, in md tale che ciascuna parte pssa essere messa in crrispndenza cn un cmpit di data mining nt 14

8 Prblemi fndamentali di data mining Nel crs degli anni sn stati sviluppati un gran numer di algritmi di data mining tuttavia, essi fann riferiment sl a una manciata di cmpiti fndamentali l scp generale è quell di cstruire autmaticamente, a partire da dati strici, un mdell da usare, ad esempi, per fare previsini su dati crrenti e futuri ne descriviam brevemente alcuni 15 Prblemi fndamentali di data mining Classificazine ha l scp di predire, per gni individu di una pplazine, a quale classe appartiene tra un cert numer di classi predefinite ad esempi, nel cas della MegaTelC, cliente prpens ad abbandnare e cliente prpens a rimanere può essere di interesse determinare anche la prbabilità di appartenenza di un individu a una classe Regressine predire, per un individu, il valre numer di una sua variabile ad esempi, stimare la quantità che sarà venduta di un prdtt 16

9 Prblemi fndamentali di data mining Similarity matching identificare individui simili tra lr (cn riferiment ad un scp specific) ad esempi, per cnsigliare prdtti se ti piace quest prdtt, allra ptrebbe piacerti anche quest altr Clustering per raggruppare gli individui di una pplazine sulla base della lr similarità (nn guidati da un scp specific) ad esempi, cme attività preliminare ad un cmpit di classificazine in quali classi di suddividn, effettivamente, i miei clienti? 17 Prblemi fndamentali di data mining C-ccrrenze (assciazini) trvare relazini cmuni tra entità sulla base di transazini che le riguardan ad esempi, analisi di mercat degli acquisti quali prdtti vengn cmunemente acquistati insieme? Prfiling (descrizine del cmprtament) caratterizza il cmprtament tipic di un individu di una pplazine ad esempi, quel è l utilizz tipic del servizi di telefnia mbile per un cliente appartenente a un cert segment? 18

10 Prblemi fndamentali di data mining Link predictin prevede relazini tra individui, di slit suggerend che ci debba essere un cllegament quand invece manca ad esempi, per suggerire amicizie su un scial netwrk Causal mdeling aiuta a cmprendere relazini di causa-effett tra eventi azini ad esempi, si cnsideri un cliente a cui è stata rivlta una prmzine mirata per un prdtt ha pi acquistat quel prdtt ma l acquist è stat effettivamente influenzat dalla prmzine, quel cliente avrebbe acquistat quel prdtt cmunque? (si pensi anche all effett placeb in medicina) 19 Metdi supervisinati e nn supervisinati In generale, un cmpit di data mining ha l scp di cstruire un mdell a partire da dati strici un cmpit ( metd) si dice supervisinat quand i dati di addestrament cmprendn un insieme di esempi insieme a dati sulla caratteristica indirizzata dal mdell nel cas degli abbandni, i dati strici sui clienti cmprendn il fatt se il cliente ha abbandnat men un cmpit si dice invece nn supervisinat quand i dati di addestrament nn cmprendn dati sulla caratteristica indirizzata dal mdell quest succede, ad esempi, nei prblemi di clustering e di assciazini 20

11 Data mining e us dei risultati del data mining 21 Il prcess di data mining 22

12 Classificazine La classificazine è un cmpit supervisinat di data mining ha l scp di predire, per gni individu di una pplazine, a quale classe appartiene tra un cert numer di classi predefinite Dati del prblema un insieme di ggetti (training set), ciascun dei quali è caratterizzat da un insieme di attributi un degli attributi è l attribut biettiv (target) della classificazine il su valre appartiene ad un insieme predefinit di valri (classi) Prblema trvare un mdell, basat sugli attributi del training set, per prevedere la classe di appartenenza di altri ggetti di cui si cnscn i diversi attributi (ma nn l attribut target) 23 Applicazini Classificazine tendenze di mercat Identificazine del rischi in mutui/assicurazini Identificazine autmatica di immagini Efficacia trattamenti medici 24

13 Classificazine Un esempi di training set quest è sl un esempi: di slit i dati di addestrament sn mlti di più, ed anche gli attributi sn mlti di più! 25 Alberi di classificazine Il mdell usat per la classificazine può essere di tipi diversi un cas cmune è quell degli alberi di classificazine vver, una regla di classificazine che può essere rappresentata mediante una struttura decisinale cn la frma ad alber 26

14 Un altr alber di classificazine 27 e una sua interpretazine grafica 28

15 Un classificatre lineare Un classificatre lineare è un mdell di classificazine basat su una disequazine lineare sugli attributi dell entità 29 esistn anche classificatri nn lineari e di natura ancra diversa Esercizi Un prblema di classificazine 30

16 Cstruzine degli alberi di classificazine Ogni alber di classificazine è basat su una successine di cndizini ciascuna delle quali riguarda un singl attribut dell entità è bene basare la prima cndizine sul singl attribut più infrmativ vver quell che, intuitivamente, frnisce più infrmazini (degli altri) sull attribut target questa cndizine cnsente di partizinare il training set in insiemi disgiunti su ciascun dei quali va applicat, ricrsivamente, quest stess raginament fin a trvare un alber di classificazine sddisfacente 31 Esercizi Qual è il singl attribut più infrmativ? la frma della testa? la frma del crp? il clre del crp? 32

17 Esercizi Il prim partizinament può riguardare la frma del crp 33 Esercizi Un successiv partizinament relativ al crp rettanglare 34

18 Esercizi Un successiv partizinament relativ al crp vale 35 Esercizi Alber di classificazine cmplessiv 36

19 Assciazini Le c-ccrrenze ( assciazini) sn un prblema di data mining nn supervisinat l scp è scprire relazini tra ggetti entità che cmpain nell ambit di transazini ad esempi, l analisi di market-basket quali prdtti vengn cmunemente acquistati insieme? Dati del prblema un insieme I di ggetti ad esempi, prdtti venduti da un supermercat un insieme D di transazini ciascuna transazine T è un insieme di ggetti, T I ad esempi, prdtti acquistati nella stessa transazine di cassa al supermercat 37 Assciazine Una regla di assciazine ha la frma X Y cn X,Y I si legge: X implica Y in quest cas vul dire: chi cmpra X cmpra anche Y X e Y pssn essere sia singli ggetti che gruppi di ggetti 38

20 Prprietà delle assciazini Una regla di assciazine ha la frma X Y cn X,Y I Prprietà di una regla di assciazine X Y supprt S misura la rilevanza statistica della regla S = # transazini che cntengn X Y # transazini in D cnfidenza C misura la significatività della regla C = # transazini che cntengn X Y # transazini che cntengn X 39 Prprietà delle assciazini In termini di prbabilità, le prprietà della regla di assciazine X Y pssn essere anche espresse cme segue supprt S prbabilità che una transazine cntiene sia X che Y S = prb(x Y) cnfidenza C prbabilità che una transazine cntiene Y, cndizinata al fatt che la transazine cntiene X C = prb(y X) 40

21 Esempi Latte Uva Supprt il 2% delle transazini cntiene entrambi gli elementi Cnfidenza il 30% delle transazini che cntengn latte cntiene anche uva 41 Assciazini Prblema determinare tutte le regle di assciazine cn supprt e cnfidenza superiri ad una sglia data 42

22 Esempi TRANSACTION ID OGGETTI ACQUISTATI A,B,C A,C A,D B,E,F Assumiam: supprt minim 50% cnfidenza minima 50% 43 Esempi TRANSACTION ID OGGETTI ACQUISTATI A,B,C A,C A,D B,E,F Regle ttenute: A C supprt 50% cnfidenza 66.6 C A supprt 50% cnfidenza 100% 44

23 Applicazini Analisi market basket * Uva csa si deve prmuvere per aumentare le vendite di uva? Latte * quali altri prdtti devn essere venduti da un supermercat che vende latte? in generale, gli insiemi X e Y pssn cmprendere anche più di un ggett L biettiv di quest prblema è trvare regle di assciazini che nn sn vvie per sfruttarle in md cmpetitiv un esempi classic: Pannlini *? 45 Decmpsizine prblema Trvare tutti gli insiemi di item che hann un supprt minim (frequent itemsets) Generazine delle regle a partire dai frequent itemsets Algritm fndamentale: APRIORI [Agrawal, Srikant 1994] 46

24 Esempi Pass 1: estrazine frequent itemsets TRANSACTION ID supprt minim 50% OGGETTI ACQUISTATI A,B,C A,C A,D B,E,F FREQUENT ITEMSET {A} {B} {C} {A,C} SUPPORTO 75% 50% 50% 50% 47 Esempi Pass 2: estrazine regle cnfidenza minima 50% Cnfidenza regla A C Supprt {A,C} / Supprt {A} = 66.6% regle estratte A C supprt 50%, cnf. 66.6% C A supprt 50%, cnf. 100% 48

25 Interesse regle estratte Nn sempre tutte le regle cn supprt e cnfidenza superiri ad una certa sglia, anche alta, sn interessanti Ad esempi, in una scula cn 5000 studenti 3000 studenti (60%) gican a pallacanestr 3750 studenti (75%) mangian cereali a clazine 2000 studenti (40%) gican a pallacanestr e mangian cereali a clazine si cnsideri la regla di assciazine gica a pallacanestr mangia cereali supprt = 2000/5000 = 40% cnfidenza = 2000/3000 = 66% la regla è furviante perché il 75% degli studenti mangia cereali! 49 Interesse regle estratte In effetti, per determinare l interesse di una regla di assciazine X Y può essere utile far riferiment anche ad altre prprietà/misure lift = prb(x Y) prb(x) prb(y) affinché una regla sia effettivamente interessante, il lift deve essere maggire di 1 nell esempi è sl 0.88 leverage = prb(y X) prb(x) prb(y) il leverage serve invece a misurare l indipendenza tra gli ggetti che cmpain nella regla in quest cas è il 21% 50

26 Pattern sequenziali Una variante dei prblemi di assciazini dati un insieme di transazini nn annime ad esempi, di ciascuna si cnsce il cliente biettiv trvare gruppi di ggetti che cmpain in transazini successive di un stess cliente Esempi chi cmpra test di gravidanza pi cmpra (cn una qualche prbabilità) pannlini ma ci sn altri acquisti che cnsentn di predire, in md tempestiv e cn più precisine, una gravidanza? 51 Pattern sequenziali Applicazini misura della sddisfazine del cliente prmzini mirate medicina (sintmi - malattia) 52

27 Clustering Il clustering è un altr prblema nn supervisinat di data mining l scp è identificare delle classi per raggruppare gli individui di una pplazine sulla base della lr similarità Dati un insieme di ggetti Prblema trvare una suddivisine degli ggetti in gruppi in md che: gli ggetti in un grupp sian mlt simili tra di lr ggetti in gruppi diversi sian mlt diversi i gruppi pssn essere anche svrappsti rganizzati gerarchicamente 53 Applicazini Identificazine di pplazini mgenee di clienti in basi di dati di marketing Valutazine dei risultati di esperimenti clinici Mnitraggi dell attività di aziende cncrrenti 54

28 Esempi: dati incidenti età 55 Esempi: clusterizzazine incidenti età 56

29 Esempi Clustering di whisky sczzesi per superare la classificazine basata sulla regine di prvenienza e trvarne una basata sul gust ad esempi, un piccl negzi vule cmunque vendere almen un prdtt per ciascun dei gusti attributi usati per il clustering: clr, nse, bdy, palate, finish 57 Apprcci Prcess si determinan i rappresentanti di gni cluster si cercan gli elementi simili si aggirnan i rappresentanti Gli algritmi si differenzian principalmente nella scelta dei rappresentanti 58

30 Analisi di sequenze temprali Un altra classe di prblemi significativi di data mining riguarda l analisi di sequenze temprali in quest casi, l biettiv può essere trvare sequenze temprali simili ad una sequenza data trvare cppie di sequenze simili quest può essere fatt misurand la crrelazine tra sequenze può essere utile anche misurare la crrelazine di una sequenza cn se stessa (ma pprtunamente traslata nel temp) 59 Applicazini Identificazine delle scietà cn cmprtament simile di crescita Determinazine di prdtti cn prfil simile di vendita Identificazine di azini cn andament simile Individuazine przini nde sismiche nn simili per determinare irreglarità gelgiche 60

31 Tecniche Due tipi di interrgazine match cmplet: la sequenza cercata e le sequenze della base di dati hann la stessa lunghezza match parziale: la sequenza cercata può essere sttsequenza di quelle recuperate dalla base di dati Pssibilità di traslazini, variazini di scala 61 Esempi prezz AZIONE A temp prezz prezz AZIONE B temp temp 62

32 Il prcess di data mining Il data mining è un prcess per rislvere prblemi decisinali in md (raginevlmente) cnsistente, ripetibile e ggettiv 63 Il prcess di data mining Business understanding i prblemi di business sn cmplessi, e la lr cmprensine è il punt di partenza per la lr sluzine Data understanding è imprtante anche capire quali sn i dati a dispsizine quali tra i tanti dati a dispsizine sn utili per rislvere il prblema in esame di slit, la cmprensine del prblema e quella dei dati sn attività svlte in md intrecciat, iterativ in generale, è iterativ l inter prcess di data mining Data preparatin è cmune dver pre-elabrare i dati selezinati (ad esempi, tramite cnversini e perazini di pulizia e di nrmalizzazine dei dati), per pterli effettivamente utilizzare, ppure per ttenere risultati migliri 64

33 Il prcess di data mining Mdeling è l attività di estrazine di un pattern di un mdell dai dati, che cattura reglarità dei dati che pssn essere utilizzate a fini decisinali Evaluatin i risultati del data mining vann pi valutati, ad esempi in termini di validità e affidabilità per determinare se il mdell trvat rislve effettivamente il prblema di business iniziale Deplyment se il mdell trvat è sddisfacente, viene effettivamente mess in us per rislvere il prblema di business di interesse per realizzare un pprtun ritrn di investiment 65

I SERVIZI DI CUI AVETE BISOGNO OVUNQUE VOI SIATE

I SERVIZI DI CUI AVETE BISOGNO OVUNQUE VOI SIATE I SERVIZI DI CUI AVETE BISOGNO OVUNQUE VOI SIATE La direttiva Servizi mira a ffrire ai cnsumatri più scelta, più qualità e un access più facile ai servizi in tutt il territri dell UE PERCHÉ LE NUOVE NORME

Dettagli

Progettare l ambiente di apprendimento. Valorizzare l esperienza e le conoscenze degli alunni

Progettare 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

Dettagli

Silk Enterprise Content Management Collaboration, content, people, innovation.

Silk Enterprise Content Management Collaboration, content, people, innovation. Cllabratin, cntent, peple, innvatin. The Need fr an Enterprise Cntent Management System In un mercat knwledge riented, estremamente cmpetitiv e dinamic, le Imprese di success sn quelle che gestiscn in

Dettagli

Cos è il Master Essere HR Business Partner?

Cos è il Master Essere HR Business Partner? Cs è il Master Essere HR Business Partner? Un percrs che aiuta i prfessinisti HR ad andare ltre in termini di autrevlezza e fcalizzazine sul cliente e sui risultati. Quali biettivi permette di raggiungere?

Dettagli

Abstract: una versione sintetica della tua relazione. Il lavoro di ricerca e progettazione svolto prima di cominciare gli esperimenti.

Abstract: una versione sintetica della tua relazione. Il lavoro di ricerca e progettazione svolto prima di cominciare gli esperimenti. COME SCRIVERE LA RELAZIONE DEL PROGETTO La tua relazine finale deve includere le seguenti sezini: Titl Abstract: una versine sintetica della tua relazine. Indice. Dmanda, variabili e iptesi. Il lavr di

Dettagli

3) MECCANISMI DI RILASSAMENTO

3) MECCANISMI DI RILASSAMENTO 3) MECCANSM D RLASSAMENTO nuclei eccitati tendn a cedere l'energia acquisita ed a ritrnare nella "psizine" di equilibri. meccanismi del rilassament sn mlt cmplessi (sprattutt nei slidi) e pssn essere classificati

Dettagli

UNIVERSITA' DEGLI STUDI DI FIRENZE FACOLTA' DI SCIENZE DELLA FORMAZIONE CORSO DI LAUREA IN. Formatore Multimediale

UNIVERSITA' DEGLI STUDI DI FIRENZE FACOLTA' DI SCIENZE DELLA FORMAZIONE CORSO DI LAUREA IN. Formatore Multimediale UNIVERSITA' DEGLI STUDI DI FIRENZE FACOLTA' DI SCIENZE DELLA FORMAZIONE CORSO DI LAUREA IN Frmatre Multimediale METODOLOGIA METACOGNITIVA DEI SISTEMI INTEGRATI PER LA GESTIONE DELL APPRENDIMENTO E DELLA

Dettagli

Understanding VMware HA. Le meccaniche di ridondanza dei cluster VMware vsphere (v5.x)

Understanding VMware HA. Le meccaniche di ridondanza dei cluster VMware vsphere (v5.x) Understanding VMware HA Le meccaniche di ridndanza dei cluster VMware vsphere (v5.x) 1 «Chi sn?» Rcc Sicilia, IT Manager e Virtualizatin Architect. Attualmente sn respnsabile del team di Design di un System

Dettagli

1. CORRENTE CONTINUA

1. CORRENTE CONTINUA . ONT ONTNUA.. arica elettrica e crrente elettrica e e e e P N NP e e arica elementare carica dell elettrne,6 0-9 Massa dell elettrne m 9, 0 - Kg L atm è neutr. Le cariche che pssn essere spstate nei slidi

Dettagli

Aggiornamento remoto della chiave hardware

Aggiornamento remoto della chiave hardware AMV S.r.l. Via San Lrenz, 106 34077 Rnchi dei Leginari (Grizia) Italy Ph. +39 0481.779.903 r.a. Fax +39 0481.777.125 E-mail: inf@amv.it www.amv.it Cap. Sc. 10.920,00 i.v. P.Iva: IT00382470318 C.F. e Iscriz.

Dettagli

Scheda di sintesi Armenia

Scheda di sintesi Armenia VI. Prgramma prmzinale 2006: ARMENIA SCHEDA DI SINTESI ATTIVITA ne altri 1. EVENTI DI PROMOZIONE TURISTICA 1.1 Manifestazini fieristiche diffusine di ntizie tramite e-mail e Sit Internet dell Ambasciata

Dettagli

CONTENUTO INTRODUZIONE. Descrizione della piattaforma Servizio di ricezione di dati Servizio di trading Materiale di supporto.

CONTENUTO INTRODUZIONE. Descrizione della piattaforma Servizio di ricezione di dati Servizio di trading Materiale di supporto. CONTENUTO INTRODUZIONE Descrizine della piattafrma Servizi di ricezine di dati Servizi di trading Materiale di supprt INIZIARE A LAVORARE CON VISUAL CHART V Requisiti del sistema Cme ttenere i dati di

Dettagli

RELAZIONE PROGETTO Breve descrizione del problema trattato

RELAZIONE PROGETTO Breve descrizione del problema trattato RELAZIONE PROGETTO Irene Maria Girnacci Fndamenti di prgrammazine I ann laurea triennale Breve descrizine del prblema trattat Il prblema assegnat cnsiste nell svilupp di una agenda elettrnica, cmpsta da

Dettagli

Per risolvere le equazioni alle differenze si può utilizzare il metodo della Z-trasformata.

Per risolvere le equazioni alle differenze si può utilizzare il metodo della Z-trasformata. 8.. STRUMENTI MATEMATICI 8. Equazini alle differenze. Sn legami statici che legan i valri attuali (all istante k) e passati (negli istanti k, k, ecc.) dell ingress e k e dell uscita u k : u k = f(e 0,

Dettagli

Università degli Studi di Lecce Facoltà di Ingegneria Informatica N.O. A.A. 2003/2004. Tesina Esame di Elettronica Analogica II

Università degli Studi di Lecce Facoltà di Ingegneria Informatica N.O. A.A. 2003/2004. Tesina Esame di Elettronica Analogica II Università degli Studi di Lecce Facltà di Ingegneria Infrmatica N.O. A.A. /4 esina Esame di Elettrnica Analgica II Studentessa: Laura Crchia Dcente: Dtt. Marc Panare INDICE Presentazine del prgett del

Dettagli

1. Microsoft Power Point: costruire una presentazione

1. Microsoft Power Point: costruire una presentazione Dtt. Pal Mnella Labratri di Infrmatica Specialistica per Lettere Mderne 2 semestre, A.A. 2009-2010 Dispensa n. 3: Presentazini Indice Dispensa n. 3: Presentazini...1 1. Micrsft Pwer Pint: cstruire una

Dettagli

Dati dai questionari. Report preliminare. Maggio 2015

Dati dai questionari. Report preliminare. Maggio 2015 Dati dai questinari Reprt preliminare Maggi 2015 Dati Scule Regine Abruzz 3,9% 16 Basilicata 0,5% 2 Calabria 2,4% 10 Campania 3,9% 16 Emilia Rmagna 4,6% 19 Friuli Venezia Giulia 3,4% 14 Lazi 4,1% 17 Liguria

Dettagli

Sconti e agevolazioni speciali in CONVENZIONE em.01 14

Sconti e agevolazioni speciali in CONVENZIONE em.01 14 Sigeim Energia srl Ftvltaic Veicli elettrici Batterie slari Scnti e agevlazini speciali in CONVENZIONE em.01 14 Negli ultimi 6 anni la Sigeim Energia si è dedicata alla prgettazine e installazine di impianti

Dettagli

A chi si rivolge: a coloro che già svolgono o svolgeranno mansioni di amministratore di sistemi o ingegnere di sistemi in strutture medio-grandi

A chi si rivolge: a coloro che già svolgono o svolgeranno mansioni di amministratore di sistemi o ingegnere di sistemi in strutture medio-grandi Via Renat Cesarini, 58/60 00144 Rma Via Scrate 26-20128 - Milan P. IVA: 01508940663 CCIAA: 11380/00/AQ Cisc, Juniper and Micrsft authrized Trainers Esame 70 291: (Btcamp Crs MS-2276 e crs MS-2277 ) Crs

Dettagli

Università degli Studi di Messina Anno Accademico 2014/2015. Dipartimento di Scienze Economiche, Aziendali, Ambientali e Metodologie Quantitative

Università degli Studi di Messina Anno Accademico 2014/2015. Dipartimento di Scienze Economiche, Aziendali, Ambientali e Metodologie Quantitative Università degli Studi di Messina Ann Accademic 2014/2015 Dipartiment di Scienze Ecnmiche, Aziendali, Ambientali e Metdlgie Quantitative I MASTER UNIVERSITARIO DI PRIMO LIVELLO IN ECONOMIA BANCARIA E FINANZIARIA

Dettagli

PREVENZIONE DEL TROMBOEMBOLISMO VENOSO NEL PAZIENTE NEUROLOGICO ALLETTATO

PREVENZIONE DEL TROMBOEMBOLISMO VENOSO NEL PAZIENTE NEUROLOGICO ALLETTATO PREVENZIONE EL TROMBOEMBOLISMO VENOSO NEL PAZIENTE NEUROLOGIO ALLETTATO 1. Intrduzine ed biettivi 3 2 Sinssi delle raccmandazini 4 3. Ictus cerebri ischemic acut 10 3.1 Prfilassi meccanica 10 3.2 Prfilassi

Dettagli

Alto Apprendistato 2011-2013

Alto Apprendistato 2011-2013 Alt Apprendistat 2011-2013 Dcente: 2010 - CEFRIEL The present riginal dcument was prduced by CEFRIEL fr the benefit and

Dettagli

Manuale Amministratore. Edizione Ottobre 2008

Manuale Amministratore. Edizione Ottobre 2008 Manuale Amministratre Edizine Ottbre 2008 Manuale Amministratre PaschiInTesreria - Ottbre 2008 INDICE 1. Intrduzine 3 2. Access Amministratre 4 3. Funzini Amministrative 6 3.1. Gestine Azienda 6 3.2. Gestine

Dettagli

La retta è il luogo geometrico dei punti che soddisfano la seguente relazione

La retta è il luogo geometrico dei punti che soddisfano la seguente relazione RETTE Definizine intuitiva La retta linea retta è un dei tre enti gemetrici fndamentali della gemetria euclidea. Viene definita da Euclide nei sui Elementi cme un cncett primitiv. Un fil di ctne di spag

Dettagli

SPINE PER GLI IMPIANTI ELETTRICI

SPINE PER GLI IMPIANTI ELETTRICI SPINE PER GLI IMPIANTI ELETTRICI Una spina elettrica è un cnnettre elettric che può essere inserit in una presa di crrente cmplementare. Per mtivi di sicurezza, il lat cstantemente stt tensine è sempre

Dettagli

MODELLO RI2 DOMANDA DI RILASCIO/RINNOVO AUTORIZZAZIONE ALLO SCARICO IN CORPO IDRICO SUPERFICIALE PER IMPIANTI A SCAMBIO TERMICO

MODELLO RI2 DOMANDA DI RILASCIO/RINNOVO AUTORIZZAZIONE ALLO SCARICO IN CORPO IDRICO SUPERFICIALE PER IMPIANTI A SCAMBIO TERMICO MODELLO RI2 DOMANDA DI RILASCIO/RINNOVO AUTORIZZAZIONE ALLO SCARICO IN CORPO IDRICO SUPERFICIALE PER IMPIANTI A SCAMBIO TERMICO Riepilg dcumentazine 1 2 Istanza di autrizzazine all scaric in crp idric

Dettagli

LA FATTURAZIONE ELETTRONICA VERSO LA PUBBLICA AMMINISTRAZIONE

LA FATTURAZIONE ELETTRONICA VERSO LA PUBBLICA AMMINISTRAZIONE DATALOG ITALIA SRL LA FATTURAZIONE ELETTRONICA VERSO LA PUBBLICA AMMINISTRAZIONE La Finanziaria 2008 ha stabilit che la fatturazine nei cnfrnti delle amministrazini dell stat debba avvenire esclusivamente

Dettagli

Annual General Meeting AGM 3-6 Aprile 2014

Annual General Meeting AGM 3-6 Aprile 2014 Annual General Meeting AGM 36 Aprile 2014 Erasmus Student Netwrk Annual General Meeting 2014 Milan Italia COS'E' ESN? Erasmus Student Netwrk (ESN) è una delle più grandi assciazini studentesche in Eurpa.

Dettagli

1. Lessicologia vs terminologia... 4 2. Lessico comune e lessico specialistico... 4 3. I linguaggi speciali... 6 4. Cenni storici... 6 5.

1. Lessicologia vs terminologia... 4 2. Lessico comune e lessico specialistico... 4 3. I linguaggi speciali... 6 4. Cenni storici... 6 5. 1. Lessiclgia vs terminlgia... 4 2. Lessic cmune e lessic specialistic... 4 3. I linguaggi speciali... 6 4. Cenni strici... 6 5. La nrmazine terminlgica... 7 6. Dalla lessicgrafia alla termingrafia, dai

Dettagli

PREMESSA PREMESSA PREMESSA PRE

PREMESSA PREMESSA PREMESSA PRE PREMESSA PREMESSA I Servizi via internet, cellulare e telefn le permettn di perare in md semplice e dirett cn la Banca, dvunque lei sia, a qualsiasi ra del girn, scegliend di vlta in vlta il canale che

Dettagli

rigenerazione urbana volti a promuovere la riqualificazione Pulsano, viale dei Micenei n.70. PREMESSA

rigenerazione urbana volti a promuovere la riqualificazione Pulsano, viale dei Micenei n.70. PREMESSA RELAZIONE TECNICA OGGETTO: Prgett di un intervent sit in Pulsan, lc. La Fntana, viale dei Micenei n.70 inserit nei prgrammi integrati di rigenerazine urbana vlti a prmuvere la riqualificazine di città

Dettagli

MINIGUIDA SULLA CASSA INTEGRAZIONE GUADAGNI ORDINARIA NELL'INDUSTRIA (ESCLUSO SETTORE EDILE)

MINIGUIDA SULLA CASSA INTEGRAZIONE GUADAGNI ORDINARIA NELL'INDUSTRIA (ESCLUSO SETTORE EDILE) MINIGUIDA SULLA CASSA INTEGRAZIONE GUADAGNI ORDINARIA NELL'INDUSTRIA (ESCLUSO SETTORE EDILE) "per la nzine di "industria" ai fini del trattament di cig ccrre fare riferiment alla legge 9 marz 1989 n. 88

Dettagli

(Fonte: Vademecum Nextville 2013, Efficienza energetica, gli incentivi per il risparmio energetico, le rinnovabili termiche e la cogenerazione )

(Fonte: Vademecum Nextville 2013, Efficienza energetica, gli incentivi per il risparmio energetico, le rinnovabili termiche e la cogenerazione ) CERTIFICATI BIANCHI (TITOLI DI EFFICIENZA ENERGETICA TEE) (Fnte: Vademecum Nextville 2013, Efficienza energetica, gli incentivi per il risparmi energetic, le rinnvabili termiche e la cgenerazine ) 1) MECCANISMO

Dettagli

Chi è il soggetto che procede ad erogare il servizio di scambio sul posto? Quali sono i vantaggi di aderire al regime di scambio sul posto?

Chi è il soggetto che procede ad erogare il servizio di scambio sul posto? Quali sono i vantaggi di aderire al regime di scambio sul posto? Mdalità di access alla cnvenzine (13) Csa si intende per servizi di scambi sul pst? L scambi sul pst [Deliberazine ARG/elt 74/08, Allegat A Test integrat dell scambi sul pst (TISP)], è un meccanism che

Dettagli

Curriculum Vitae Europass

Curriculum Vitae Europass Curriculum Vitae Eurpass Infrmazini persnali Cgnme(i/)/Nme(i) Gentili Marc Cittadinanza italiana Sess Occupazine desiderata/settre prfessinale Maschile Espert Senir Esperienza prfessinale Date Lavr psizine

Dettagli

Non vuoi disegnare a mano libera? Preferisci usare il computer? Nessun problema! Puoi...

Non vuoi disegnare a mano libera? Preferisci usare il computer? Nessun problema! Puoi... Idee per nn far fatica Nn vui disegnare a man libera? Preferisci usare il cmputer? Nessun prblema! Pui... Utilizzare gli emticn In quest blg ci sn numersi emticn a tua dispsizine. Clicca semplicemente

Dettagli

D.P.G.R n in data Eventi eccezionali del/dal..al (gg/mese/anno). MODULO PER PRIVATI

D.P.G.R n in data Eventi eccezionali del/dal..al (gg/mese/anno). MODULO PER PRIVATI Md. 1 - Privati D.P.G.R n in data Eventi eccezinali del/dal..al (gg/mese/ann). MODULO PER PRIVATI Cn il presente mdul pssn essere segnalate anche vci di dann nn ricmprese nella LR 4/97 Da cnsegnare al

Dettagli

Soci. Posteggio barche/canoa. Categoria Socio Tassa base Uso barche Uso natante Uso tutto. Socio attivo 150 350 550 800

Soci. Posteggio barche/canoa. Categoria Socio Tassa base Uso barche Uso natante Uso tutto. Socio attivo 150 350 550 800 TARIFFARIO 2015 Valid dal 01.02.2015 Sci Categria Sci Tassa base Us barche Us natante Us tutt Psteggi barche/cana Sci attiv 150 350 550 800 Sci attiv famiglia 160 400 600 800 Sci attiv Junir 50 *1) 100

Dettagli

EMERGENZA MEDITERRANEO E MIGRAZIONI: COME PUÒ RISPONDERE L EUROPA?

EMERGENZA MEDITERRANEO E MIGRAZIONI: COME PUÒ RISPONDERE L EUROPA? Analysis N. 284, Aprile 2015 EMERGENZA MEDITERRANEO E MIGRAZIONI: COME PUÒ RISPONDERE L EUROPA? Stefan M. Trelli La tragedia avvenuta nel Canale di Sicilia, cn circa 700 persne che si teme abbian pers

Dettagli

Guida alla Convenzione TELEFONIA MOBILE 5

Guida alla Convenzione TELEFONIA MOBILE 5 TELEFONIA MOBILE 5 Realizzat da azienda cn sistema di gestine per la qualità certificat ISO 9001:2008 Smmari 1. PREMESSA... 4 1.1 CRITERI DI ASSEGNAZIONE DELLE SIM IN CONVENZIONE AI DIPENDENTI DELLE AMMINISTRAZIONI...

Dettagli

Carta dei Servizi CARTA DEI SERVIZI

Carta dei Servizi CARTA DEI SERVIZI CARTA DEI SERVIZI SERVIZIO RELATIVA AL TRASPORTO PUBBLICO LOCALE INDICE 1. Elenc mduli richiamati... 4 2. Riferimenti... 4 3. Scp e generalità... 5 4. Camp di applicazine... 5 5. Standard specifici...

Dettagli

Condizioni Generali sito SOSartigiani.it

Condizioni Generali sito SOSartigiani.it Cndizini Generali sit SOSartigiani.it 1. Premesse 1.1 Il presente accrd è stipulat in Italia tra il Dtt. Lrenz Caprini, via Garibaldi 2, Trezzan Rsa 20060 Milan, ideatre di SOSartigiani.it di seguit denminat

Dettagli

MARTINA ZIPOLI. Curriculum Vitae Martina Zipoli INFORMAZIONI PERSONALI. Sesso Femmina Data di nascita 14/12/1986 Nazionalità Italiana

MARTINA ZIPOLI. Curriculum Vitae Martina Zipoli INFORMAZIONI PERSONALI. Sesso Femmina Data di nascita 14/12/1986 Nazionalità Italiana INFORMAZIONI PERSONALI MARTINA ZIPOLI Sess Femmina Data di nascita 14/12/1986 Nazinalità Italiana ESPERIENZA PROFESSIONALE Archelga press cantieri di scav prgrammat ed emergenza, cn ruli di respnsabile

Dettagli

REGOLAMENTO del CONCORSO A PREMI denominato Scopri l'azerbaijan e vinci un biglietto per Expo2015.

REGOLAMENTO del CONCORSO A PREMI denominato Scopri l'azerbaijan e vinci un biglietto per Expo2015. REGOLAMENTO del CONCORSO A PREMI denminat Scpri l'azerbaijan e vinci un bigliett per Exp2015. 1. SOCIETA PROMOTRICE Simmetric SRL Via V. Frcella 13, 20144 Milan P.IVA 05682780969 (di seguit la Prmtrice

Dettagli

GLI AMMORTIZZATORI SOCIALI

GLI AMMORTIZZATORI SOCIALI GLI AMMORTIZZATORI SOCIALI Ringraziamenti Diverse persne hann cntribuit a quest lavr. Tra queste ringrazi l Avv. Rsari Salnia, che nel nstr ambiente, è cnsiderat il miglir giuslavrista di Rma ed il su

Dettagli

Approcci quantitativi per l Energy Trading & Risk Management: Gestione rischio asset rinnovabili

Approcci quantitativi per l Energy Trading & Risk Management: Gestione rischio asset rinnovabili Mercati energetici e metdi quantitativi: un pnte tra Università e Aziende 22-23 Maggi, Padva Apprcci quantitativi per l Energy Trading & Risk Management: Gestine rischi asset rinnvabili Manuele Mnti, Ph.D.

Dettagli

Dopo 30 giugno. Totale. TASSA D ISCRIZIONE 30 giugno RICHIESTE E CONDIZIONI DI PRENOTAZIONE SPAZI. DOPO QUANTITÀ 30 GIUGNO x mq

Dopo 30 giugno. Totale. TASSA D ISCRIZIONE 30 giugno RICHIESTE E CONDIZIONI DI PRENOTAZIONE SPAZI. DOPO QUANTITÀ 30 GIUGNO x mq Rma, 29-30-31 ttbre 2003, EUR, Palazz dei Cngressi DOMANDA DI AMMISSIONE A BIBLIOCOM BIBLIOTEXPO 2003 cmpilare in gni sua parte Dati aziendali DATI DELL AZIENDA TITOLARE DELLO STAND DATI PER LA FATTURAZIONE

Dettagli

TURISMO MARITTIMO E COSTIERO SOSTENIBILE,

TURISMO MARITTIMO E COSTIERO SOSTENIBILE, TURISMO MARITTIMO E COSTIERO SOSTENIBILE, CHIAVE PER LA CRESCITA BLU COM & CAP MARINA-MED #5 SEMINARIO DI CAPITALIZZAZIONE 12 &13 Maggi, 2015 Firenze (Regines Tscana- Italia) Luca Girdan Hall, Palazz Medici

Dettagli

IL TESTO ARGOMENTATIVO

IL TESTO ARGOMENTATIVO IL TESTO ARGOMENTATIVO 1. LA STRUTTURA DI UN TESTO ARGOMENTATIVO La struttura base del test argmentativ può essere csì schematizzata: PROBLEMA TEMATICA CONFUTAZIONE DELLE SIN CONCLUSIONE Questa struttura,

Dettagli

MINISTERO DELLA DIFESA UFFICIO CENTRALE DEL BILANCIO E DEGLI AFFARI FINANZIARI

MINISTERO DELLA DIFESA UFFICIO CENTRALE DEL BILANCIO E DEGLI AFFARI FINANZIARI MINISTERO DELLA DIFESA UFFICIO CENTRALE DEL BILANCIO E DEGLI AFFARI FINANZIARI II REPARTO- COOPERAZIONE INTERNAZIONALE 2 Uffici- Trattamenti ecnmici del persnale all'ester All.8 Indirizz Pstale: Via XX

Dettagli

VERBALE DELLA COMMISSIONE PER L AFFIDAMENTO DEL SERVIZIO DI PULIZIA E DISINFEZIONE DEI LOCALI CAMERALI CIG N. 1310739808

VERBALE DELLA COMMISSIONE PER L AFFIDAMENTO DEL SERVIZIO DI PULIZIA E DISINFEZIONE DEI LOCALI CAMERALI CIG N. 1310739808 VERBALE DELLA COMMISSIONE PER L AFFIDAMENTO DEL SERVIZIO DI PULIZIA E DISINFEZIONE DEI LOCALI CAMERALI CIG N. 1310739808 L ann duemilaundici il girn 11 del mese di Aprile alle re 10:00, press la sede della

Dettagli

SOAP qwerty Manuale Utente. Ver.1.0.20101105. Contenuti

SOAP qwerty Manuale Utente. Ver.1.0.20101105. Contenuti Ver.1.0.20101105 Cntenuti SOAP QWERTY 1. Per la Vstra Sicurezza... 4 2. Prfil del telefn... 7 3. Prim utilizz... 9 Installare la SIM Card... 9 Installare la Memry card... 11 Installare la Batteria... 12

Dettagli

Ingegneria, Qualità e Servizi Engineering Process Owner

Ingegneria, Qualità e Servizi Engineering Process Owner Engineering Prcess Owner ING. FABIO GIANOLA Dati Anagrafici Nat a Milan il 25/11/1968. Nazinalità: Italiana Residenza: Milan Prfessine: Da Nvembre 2013 Amministratre Unic di I.Q.S. Ingegneria Qualità e

Dettagli

anno scolastico/school YEAR 2015/2016

anno scolastico/school YEAR 2015/2016 MODULO D ISCRIZIONESERVIZIO TRASPORTO ALUNNI PER LE FAMIGLIE DELLA CANADIAN SCHOOL OF MILAN SCHOOL BUS APPLICATION FORM FOR THE STUDENTS OF CANADIAN SCHOOL OF MILAN ann sclastic/school YEAR 2015/2016 SCRIVERE

Dettagli

Allegato all'articolo Taglialeggi

Allegato all'articolo Taglialeggi Allegat all'articl Taglialeggi Tip att Titl dispsizi ni da abrgare 1 R.D. 773 18/06/1931 Apprvazine del test unic delle leggi di Le persne che hann l'bblig di prvvedere all'istruzine art. 12, elementare

Dettagli

Strategia Energetica Nazionale: per un energia più competitiva e sostenibile

Strategia Energetica Nazionale: per un energia più competitiva e sostenibile Strategia Energetica Nazinale: per un energia più cmpetitiva e sstenibile Marz 2013 Premessa Il cntest nazinale e internazinale di questi anni è difficile ed incert. La crisi ecnmica ha investit tutte

Dettagli

ESERCITAZIONI DI STATISTICA BIOMEDICA

ESERCITAZIONI DI STATISTICA BIOMEDICA ESERCITAZIONI DI STATISTICA BIOMEDICA ALCUNE NOTE SU R Matte Dell Omdarme agst 2012 Cpyright c 2012 Matte Dell Omdarme versin 1.3.3 mattdell@fastmail.fm Permissin is granted t cpy, distribute and/r mdify

Dettagli

Grilamid Poliammide 12 Tecnopolimero per le massime prestazioni

Grilamid Poliammide 12 Tecnopolimero per le massime prestazioni Grilamid Pliammide 12 Tecnplimer per le massime prestazini Indice 3 Intrduzine 4 Cnfrnt cn altre pliammidi 5 Nmenclatura Grilamid 6 Esempi di impieghi 8 Caratteristiche tipi Grilamid 10 Prprietà 20 Dati

Dettagli

La nuova Strategia Energetica Nazionale per un energia più competitiva e sostenibile DOCUMENTO PER CONSULTAZIONE PUBBLICA

La nuova Strategia Energetica Nazionale per un energia più competitiva e sostenibile DOCUMENTO PER CONSULTAZIONE PUBBLICA La nuva Strategia Energetica Nazinale per un energia più cmpetitiva e sstenibile DOCUMENTO PER CONSULTAZIONE PUBBLICA Settembre 2012 La Nuva Strategia Energetica Nazinale Premessa Il cntest nazinale e

Dettagli

Nota tecnica riferita alla nota M.I.U.R. prot. n. 8409 del 30 luglio 2010

Nota tecnica riferita alla nota M.I.U.R. prot. n. 8409 del 30 luglio 2010 Nta tecnica riferita alla nta M.I.U.R. prt. n. 8409 del 30 lugli 2010 Oggett: Istruzini amministrativ-cntabili per le istituzini ggett di dimensinament. Le Istituzini sclastiche, per quant attiene all

Dettagli

PROPOSTA DI LEGGE N. 4091. D iniziativa dei deputati

PROPOSTA DI LEGGE N. 4091. D iniziativa dei deputati PROPOSTA DI LEGGE N. 4091 D iniziativa dei deputati SANTULLI, ARACU, BIANCHI CLERICI, CARLUCCI, GALVAGNO, GARAGNANI, LICASTRO SCARDINO, ORSINI, PACINI, PALMIERI, RANIERI Statut dei diritti degli insegnanti

Dettagli

Il primo documento internazionale per la definizione della sensibilitá al glutine

Il primo documento internazionale per la definizione della sensibilitá al glutine Il prim dcument internazinale per la definizine della sensibilitá al glutine Cnsensus Cnference n Gluten Sensitivity, Lndn 11/12 Februar 2011 Prfessr Alessi Fasan, M.D., Prfessr f Pediatrics, Medicine

Dettagli

Quadri fissi con interruttore automatico tipo NXPLUS C fino a 24 kv, isolati in gas

Quadri fissi con interruttore automatico tipo NXPLUS C fino a 24 kv, isolati in gas www.siemens.cm/medium-vltage-switchgear Quadri fissi cn interruttre autmatic tip NXPLUS C fin a kv, islati in gas Quadri di media tensine Catalg HA 5. 0 Answers fr infrastructure and cities. R-HA5-6.tif

Dettagli

Possibilità di impiego su vite di induttori di resistenza nei confronti di Flavescenza dorata e sue dinamiche in giovani impianti

Possibilità di impiego su vite di induttori di resistenza nei confronti di Flavescenza dorata e sue dinamiche in giovani impianti Pssibilità di impieg su vite di induttri di resistenza nei cnfrnti di Flavescenza drata e sue dinamiche in givani impianti Albin Mrand, Simne Lavezzar www.viten.net Sperimentazine Induttri A. Mrand, S.

Dettagli

Manuale d uso. Manuale d uso EPIC 10 codice articolo 5400321-03 Rev. H

Manuale d uso. Manuale d uso EPIC 10 codice articolo 5400321-03 Rev. H Manuale d us Manuale d us EPIC 10 cdice articl 5400321-03 Rev. H INDICE Indice... 1 Intrduzine... 4 1. Cnfezine... 5 1.1 Elenc dei cmpnenti del sistema... 5 1.2 Dati Tecnici... 5 2. Descrizine dell apparecchiatura...

Dettagli

Esercizi sull Association Analysis

Esercizi sull Association Analysis Data Mining: Esercizi sull Association Analysis 1 Esercizi sull Association Analysis 1. Si consideri il mining di association rule da un dataset T di transazioni, rispetto a delle soglie minsup e minconf.

Dettagli

Becomingossola.com. Politica della riservatezza

Becomingossola.com. Politica della riservatezza Becmingssla.cm Plitica della riservatezza Infrmativa per prentazini Aurive scietà cperatva sciale, sede legale Crs Cavallt 26/B Nvara, P.IVA 02101050033 Numer REA: NO 215498, e-mail inf@becmingssla.cm,

Dettagli

FUNZIONE CARATTERISTICA DI UN FENOMENO ALEATORIO

FUNZIONE CARATTERISTICA DI UN FENOMENO ALEATORIO B. DE FINETTI (Rma - ItaKa) FUNZIONE CARATTERISTICA DI UN FENOMENO ALEATORIO 1. - Scp di questa cmunicazine è di mstrare cme il metd deka funzine caratteristica ( l ), già csì vantaggisamente intrdtt neka

Dettagli

Text mining ed analisi di dati codificati in linguaggio naturale. Analisi esplorative di dati testualilezione

Text mining ed analisi di dati codificati in linguaggio naturale. Analisi esplorative di dati testualilezione Text mining ed analisi di dati codificati in linguaggio naturale Analisi esplorative di dati testualilezione 2 Le principali tecniche di analisi testuale Facendo riferimento alle tecniche di data mining,

Dettagli

tropologia Violenza F;su Achille Mbembe Roberto Beneduce hilippe Bourgoi Romain Bertrand Johan Pottier Cristina Vargas Loic Wacquant

tropologia Violenza F;su Achille Mbembe Roberto Beneduce hilippe Bourgoi Romain Bertrand Johan Pottier Cristina Vargas Loic Wacquant trplgia Ann 8 numer 9-10 ta da Ug abietti...,;tt't' '',:lt: t,, ::i Vilena Rbert Beneduce Rmain Bertrand hilippe Burgi Achille Mbembe Jhan Pttier Cristina Vargas Lic Wacquant E ;su Antrplgia Annuari dirett

Dettagli

QUESITI BANDO RISERVATO ALLE P.M.I. TEMATICA 2 (SECONDA TORNATA DI INVIO DI DOMANDE E RISPOSTE)

QUESITI BANDO RISERVATO ALLE P.M.I. TEMATICA 2 (SECONDA TORNATA DI INVIO DI DOMANDE E RISPOSTE) QUESITI BANDO RISERVATO ALLE P.M.I. TEMATICA 2 (SECONDA TORNATA DI INVIO DI DOMANDE E RISPOSTE) Sono pervenuti in merito al Bando riservato alle P.M.I. pubblicato sul sito dell ASI in data 11 agosto 2010

Dettagli

INTRODUZIONE ALLA BUSINESS PROCESS MODELING NOTATION (BPMN) 1

INTRODUZIONE ALLA BUSINESS PROCESS MODELING NOTATION (BPMN) 1 ITRODUZIOE ALLA BUSIESS PROCESS MODELIG OTATIO (BPM) 1 1. Prsntazin La ntazin BPM (http://www.bpn.rg) è sviluppata dalla Businss Prcss Managnt Initiativ dall Objct Managnt Grup (http://www.g.rg), assciazini

Dettagli

PER IMPIEGHI SPECIALI FINO A 1000 VOLT PROGRAMMA. T Giraviti VDE. T Assortimenti VDE. T Pinze VDE. T Cricchetti VDE

PER IMPIEGHI SPECIALI FINO A 1000 VOLT PROGRAMMA. T Giraviti VDE. T Assortimenti VDE. T Pinze VDE. T Cricchetti VDE ER IMIEGHI SECIALI FINO A 1000 VOL ROGRAMMA Giraviti VDE inze VDE Cricchetti VDE Assrtimenti VDE 1 2 UENSILI GEDORE VDE utti gli utensili i sicurezza GEDORE mlgati VDE in plastica mrbia sn tati i islament

Dettagli

referente e-mail PEC referente identificatore titolo descrizione

referente e-mail PEC referente identificatore titolo descrizione referente e-mail PEC referente identificatre titl descrizi Avv. Pal Brgia - resp. cmu.mnterdibisacciacb@legalmail.it Settre Affari Gerali Avv. Pal Brgia - resp. cmu.mnterdibisacciacb@legalmail.it Settre

Dettagli

TRASFORMAZIONI: DALL UVA AL VINO

TRASFORMAZIONI: DALL UVA AL VINO Scuola elementare istituto comprensivo Adro Classi seconde a.s. 2003 2004 TRASFRMAZINI: DALL UVA AL VIN BIETTIV: sservare, porre domande, fare ipotesi e verificarle. Riconoscere e descrivere fenomeni del

Dettagli

Consigli per la risoluzione dei problemi

Consigli per la risoluzione dei problemi Cnsigli per la risluzine dei prblei Una parte fndaentale di gni crs di Fisica è la risluzine di prblei. Rislvere prblei spinge a raginare su idee e cncetti e a cprenderli egli attravers la lr applicazine.

Dettagli

Gli acciai inossidabili resistenti all'urto alle basse temperature, impiegati nella costruzione di caldareria saldata

Gli acciai inossidabili resistenti all'urto alle basse temperature, impiegati nella costruzione di caldareria saldata Gli acciai inssidabili resistenti all'urt alle basse temperature, impiegati nella cstruzine di caldareria saldata dr. ing- Gabriele DI CAPRIO dirìgente del servizi tecnic del Centr Inx O Le applicazini

Dettagli

Algebra Relazionale. algebra relazionale

Algebra Relazionale. algebra relazionale Algebra Relazionale algebra relazionale Linguaggi di Interrogazione linguaggi formali Algebra relazionale Calcolo relazionale Programmazione logica linguaggi programmativi SQL: Structured Query Language

Dettagli

DIREZIONE REGIONALE FORMAZIONE, RICERCA E INNOVAZIONE, SCUOLA E UNIVERSITA', DIRITTO ALLO STUDIO

DIREZIONE REGIONALE FORMAZIONE, RICERCA E INNOVAZIONE, SCUOLA E UNIVERSITA', DIRITTO ALLO STUDIO Avvis pubblic per la cncessine di cntributi ecnmici a sstegn di prgetti da attuare nelle Scule del Lazi - Presentazine n demand delle prpste prgettuali ALLEGATO A - Prgetti Esclusi - Scadenza 27 febbrai

Dettagli

Guida all uso del portale dello studente

Guida all uso del portale dello studente Guida all uso del portale dello studente www.studente.unicas.it Versione 1.0 del 10/04/2010 Pagina 1 Sommario PREMESSA... 3 PROFILO... 7 AMICI... 9 POSTA... 10 IMPOSTAZIONI... 11 APPUNTI DI STUDIO... 12

Dettagli

+ / operatori di confronto (espressioni logiche/predicati) / + 5 3 9 = > < Pseudo codice. Pseudo codice

+ / operatori di confronto (espressioni logiche/predicati) / + 5 3 9 = > < Pseudo codice. Pseudo codice Pseudo codice Pseudo codice Paolo Bison Fondamenti di Informatica A.A. 2006/07 Università di Padova linguaggio testuale mix di linguaggio naturale ed elementi linguistici con sintassi ben definita e semantica

Dettagli

Relazione sul data warehouse e sul data mining

Relazione sul data warehouse e sul data mining Relazione sul data warehouse e sul data mining INTRODUZIONE Inquadrando il sistema informativo aziendale automatizzato come costituito dall insieme delle risorse messe a disposizione della tecnologia,

Dettagli

Business Intelligence. Il data mining in

Business Intelligence. Il data mining in Business Intelligence Il data mining in L'analisi matematica per dedurre schemi e tendenze dai dati storici esistenti. Revenue Management. Previsioni di occupazione. Marketing. Mail diretto a clienti specifici.

Dettagli

Analisi dei requisiti e casi d uso

Analisi dei requisiti e casi d uso Analisi dei requisiti e casi d uso Indice 1 Introduzione 2 1.1 Terminologia........................... 2 2 Modello del sistema 4 2.1 Requisiti hardware........................ 4 2.2 Requisiti software.........................

Dettagli

Tipologie di pianificatori. Pianificazione. Partial Order Planning. E compiti diversi. Pianificazione gerarchica. Approcci integrati

Tipologie di pianificatori. Pianificazione. Partial Order Planning. E compiti diversi. Pianificazione gerarchica. Approcci integrati Tipologie di pianificatori Pianificazione Intelligenza Artificiale e Agenti II modulo Pianificazione a ordinamento parziale (POP) (HTN) pianificazione logica (SatPlan) Pianificazione come ricerca su grafi

Dettagli

ESERCIZI. x + 3 x 2 1. a) y = 4x2 + 3x 2x + 2 ; b) y = 6x2 x 1. (x + 2) 2 c) y =

ESERCIZI. x + 3 x 2 1. a) y = 4x2 + 3x 2x + 2 ; b) y = 6x2 x 1. (x + 2) 2 c) y = ESERCIZI Testi (1) Un urna contiene 20 palline di cui 8 rosse 3 bianche e 9 nere; calcolare la probabilità che: (a) tutte e tre siano rosse; (b) tutte e tre bianche; (c) 2 rosse e una nera; (d) almeno

Dettagli

DBMS (Data Base Management System)

DBMS (Data Base Management System) Cos'è un Database I database o banche dati o base dati sono collezioni di dati, tra loro correlati, utilizzati per rappresentare una porzione del mondo reale. Sono strutturati in modo tale da consentire

Dettagli

COMINCIAMO A SENTIRCI UNA FAMIGLIA

COMINCIAMO A SENTIRCI UNA FAMIGLIA COMINCIAMO A SENTIRCI UNA FAMIGLIA IL PRIMO GIORNO CON LA FAMIGLIA OSPITANTE FIRST DAY WITH THE HOST FAMILY Questa serie di domande, a cui gli studenti risponderanno insieme alle loro famiglie, vuole aiutare

Dettagli

(anno accademico 2008-09)

(anno accademico 2008-09) Calcolo relazionale Prof Alberto Belussi Prof. Alberto Belussi (anno accademico 2008-09) Calcolo relazionale E un linguaggio di interrogazione o e dichiarativo: at specifica le proprietà del risultato

Dettagli

Process mining & Optimization Un approccio matematico al problema

Process mining & Optimization Un approccio matematico al problema Res User Meeting 2014 con la partecipazione di Scriviamo insieme il futuro Paolo Ferrandi Responsabile Tecnico Research for Enterprise Systems Federico Bonelli Engineer Process mining & Optimization Un

Dettagli

DIODO E RADDRIZZATORI DI PRECISIONE

DIODO E RADDRIZZATORI DI PRECISIONE OO E AZZATO PECSONE raddrzzar ( refcar) sn crcu mpega per la rasfrmazne d segnal bdreznal n segnal undreznal. Usand, però, dd per raddrzzare segnal, s avrà l svanagg d nn per raddrzzare segnal la cu ampezza

Dettagli

Materia: INGLESE Data: 24/10/2004

Materia: INGLESE Data: 24/10/2004 ! VERBI CHE TERMINANO IN... COME COSTRUIRE IL SIMPLE PAST ESEMPIO e aggiungere -d live - lived date - dated consonante + y 1 vocale + 1 consonante (ma non w o y) cambiare y in i, poi aggiungere -ed raddoppiare

Dettagli

Requisiti per la firma di un'iniziativa dei cittadini europei

Requisiti per la firma di un'iniziativa dei cittadini europei Requisiti per la firma di un'iniziativa dei cittadini eurpei REQUISITI GENERALI Per pter sstenere un'iniziativa dei cittadini eurpei ccrre essere cittadini dell'ue (cittadini di un Stat membr) e aver raggiunt

Dettagli

Per i primi tempi era davvero stridente la differenza tra una grande città affollata come Milano, e la

Per i primi tempi era davvero stridente la differenza tra una grande città affollata come Milano, e la Ci sono molti ricordi che rimangono impressi nella memoria, quegli eventi che rappresentano una parte importante della propria vita e di cui non ci si dimentica mai. Tra i miei c è questo viaggio, che

Dettagli

Elementi di Statistica

Elementi di Statistica Elementi di Statistica Contenuti Contenuti di Statistica nel corso di Data Base Elementi di statistica descrittiva: media, moda, mediana, indici di dispersione Introduzione alle variabili casuali e alle

Dettagli

5 cabins (1 main deck+ 4 lower deck) Legno: essenza di rovere naturale Rigatino Wood: striped oak

5 cabins (1 main deck+ 4 lower deck) Legno: essenza di rovere naturale Rigatino Wood: striped oak Tipo: Type: 5 cabine (1 main deck+ 4 lower deck) 5 cabins (1 main deck+ 4 lower deck) Legno: essenza di rovere naturale Rigatino Wood: striped oak Tessuti: Dedar Fanfara, Paola Lenti Fabrics: Dedar Fanfara,

Dettagli

Esercizi Capitolo 5 - Alberi

Esercizi Capitolo 5 - Alberi Esercizi Capitolo 5 - Alberi Alberto Montresor 19 Agosto, 2014 Alcuni degli esercizi che seguono sono associati alle rispettive soluzioni. Se il vostro lettore PDF lo consente, è possibile saltare alle

Dettagli

Entrate... 11 Uscite... 11 Trasferimento... 11 Movimenti ricorrenti... 11 Movimenti suddivisi... 12

Entrate... 11 Uscite... 11 Trasferimento... 11 Movimenti ricorrenti... 11 Movimenti suddivisi... 12 Data ultima revisione del presente documento: domenica 8 maggio 2011 Indice Sommario Descrizione prodotto.... 3 Licenza e assunzione di responsabilità utente finale:... 4 Prerequisiti:... 5 Sistema Operativo:...

Dettagli

Nota Metodologica Applicazione Regolamento sul RECLUTAMENTO DEL PERSONALE E CONFERIMENTO DI INCARICHI (D.L. 112/08, Art. 18)

Nota Metodologica Applicazione Regolamento sul RECLUTAMENTO DEL PERSONALE E CONFERIMENTO DI INCARICHI (D.L. 112/08, Art. 18) STAFF RISRSE UMANE Nota Metodologica Applicazione Regolamento sul RECLUTAMENT DEL PERSNALE E CNFERIMENT DI INCARICHI (D.L. 112/08, Art. 18) NTA METDLGICA SCREENING Servizio Gestione Risorse 1 PREMESSA

Dettagli

LA CORRELAZIONE LINEARE

LA CORRELAZIONE LINEARE LA CORRELAZIONE LINEARE La correlazione indica la tendenza che hanno due variabili (X e Y) a variare insieme, ovvero, a covariare. Ad esempio, si può supporre che vi sia una relazione tra l insoddisfazione

Dettagli