Data-analyse og datalogi
|
|
- Bodil Paulsen
- 8 år siden
- Visninger:
Transkript
1 Det Naturvidenskabelige Fakultet Data-analyse og datalogi Studiepraktik 2014 Kristoffer Stensbo-Smidt Datalogisk Institut 23. oktober 2014 Dias 1/15
2 Hvorfor bruge tid på dataanalyse?! Alle virksomheder samler data big data! Data er lig information! Det gælder om at udnytte informationen før konkurrenten. Dias 2/15 Kristoffer Stensbo-Smidt Data-analyse og datalogi
3 Hvorfor bruge tid på dataanalyse?! Alle virksomheder samler data big data! Data er lig information! Det gælder om at udnytte informationen før konkurrenten. Forbes: Data Scientist: Sexiest Job Of The Century? Dias 2/15 Kristoffer Stensbo-Smidt Data-analyse og datalogi
4 Hvad gør det så brugbart? Man tænker på data på en ny måde. Hver koordinat svarer til en målt størrelse, f.eks. højde, vægt, alder osv. Giver mulighed for at finde sammenhænge i enorme mængder af information. Dias 3/15 Kristoffer Stensbo-Smidt Data-analyse og datalogi
5 Hvad gør det så brugbart? Man tænker på data på en ny måde. Hver koordinat svarer til en målt størrelse, f.eks. højde, vægt, alder osv. Giver mulighed for at finde sammenhænge i enorme mængder af information. Det er jo bare matematik! Dias 3/15 Kristoffer Stensbo-Smidt Data-analyse og datalogi
6 Dataanalyse er ikke trivielt! Statistik er central del af dataanalyse og statistik er skide svært! Eksempel: hvor meget data skal vi have, før vi kan udtale os med sikkerhed? Kommer an på problemet og på dataene! Dias 4/15 Kristoffer Stensbo-Smidt Data-analyse og datalogi
7 Dataanalyse er ikke trivielt! Opgaver! Dias 5/15 Kristoffer Stensbo-Smidt Data-analyse og datalogi
8 Dataanalyse er ikke trivielt! Svært at gætte sig til en model. Og svært at specificere den, selvom vi kender modelfamilien. Stort problem: statistikken kan være misvisende, når man ikke forstår den. Specielt et problem i mange dimensioner, hvor man må stole på matematikken. Selv garvede forskere bliver snydt en gang imellem! Dias 6/15 Kristoffer Stensbo-Smidt Data-analyse og datalogi
9 Sære korrelationer Kilde: Dias 7/15 Kristoffer Stensbo-Smidt Data-analyse og datalogi
10 Sære korrelationer Kilde: Dias 7/15 Kristoffer Stensbo-Smidt Data-analyse og datalogi
11 Sære korrelationer Kilde: Dias 7/15 Kristoffer Stensbo-Smidt Data-analyse og datalogi
12 Sære korrelationer Kilde: Dias 7/15 Kristoffer Stensbo-Smidt Data-analyse og datalogi
13 Større datamængder færre problemer? Det bliver typisk lettere at bestemme modeller og korrelationer, når der er mange data. Hvert datapunkt bidrager med information! Dias 8/15 Kristoffer Stensbo-Smidt Data-analyse og datalogi
14 Større datamængder færre problemer? Det bliver typisk lettere at bestemme modeller og korrelationer, når der er mange data. Hvert datapunkt bidrager med information! y x Dias 8/15 Kristoffer Stensbo-Smidt Data-analyse og datalogi
15 Større datamængder færre problemer? Det bliver typisk lettere at bestemme modeller og korrelationer, når der er mange data. Hvert datapunkt bidrager med information! y x Dias 8/15 Kristoffer Stensbo-Smidt Data-analyse og datalogi
16 Større datamængder færre problemer? Det bliver typisk lettere at bestemme modeller og korrelationer, når der er mange data. Hvert datapunkt bidrager med information! y x Dias 8/15 Kristoffer Stensbo-Smidt Data-analyse og datalogi
17 Øvelse: M&M s Gruppe Gruppe Gruppe Gruppe Dias 9/15 Kristoffer Stensbo-Smidt Data-analyse og datalogi
18 Øvelse: M&M s Gruppe 1 Bud før gruppesnak Bud efter gruppesnak Gruppe 2 Bud før gruppesnak Bud efter gruppesnak Gruppe 3 Bud før gruppesnak Bud efter gruppesnak Gruppe 4 Bud før gruppesnak Bud efter gruppesnak Dias 10/15 Kristoffer Stensbo-Smidt Data-analyse og datalogi
19 Øvelse: M&M s Gennemsnit Før gruppesnak Antal bud Gennemsnit Efter gruppesnak Antal bud Dias 11/15 Kristoffer Stensbo-Smidt Data-analyse og datalogi
20 Større datamængder nye problemer! Vi har mere information, men typisk også langt flere dimensioner og mere støj, end de gængse analysemetoder kan håndtere. Dias 12/15 Kristoffer Stensbo-Smidt Data-analyse og datalogi
21 Større datamængder nye problemer! Vi har mere information, men typisk også langt flere dimensioner og mere støj, end de gængse analysemetoder kan håndtere. Her kan machine learning (ML) hjælpe! Dias 12/15 Kristoffer Stensbo-Smidt Data-analyse og datalogi
22 Større datamængder nye problemer! Vi har mere information, men typisk også langt flere dimensioner og mere støj, end de gængse analysemetoder kan håndtere. Her kan machine learning (ML) hjælpe! Machine learning er en gren af datalogi og anvendt statistik, som dækker software, der forbedrer sin evne til at løse en bestemt opgave ud fra data eller erfaring. Dias 12/15 Kristoffer Stensbo-Smidt Data-analyse og datalogi
23 Machine learning ML kan bruges i problemer, hvor man ikke bare kan skrive et simpelt program: Sortere spam fra rigtig mail. Finde ud af, om en kunde vil købe et bestemt produkt. Vi aner ikke, hvordan vi skulle lave programmer, der kan dette, så vi må ty til programmer, der kan lære sig det! Dias 13/15 Kristoffer Stensbo-Smidt Data-analyse og datalogi
24 Machine learning ML kan bruges i problemer, hvor man ikke bare kan skrive et simpelt program: Sortere spam fra rigtig mail. Finde ud af, om en kunde vil købe et bestemt produkt. Vi aner ikke, hvordan vi skulle lave programmer, der kan dette, så vi må ty til programmer, der kan lære sig det! To vigtige ting at huske: Der skal være struktur i dataene, før ML kan bruges. Vi er ikke ude efter den rigtige model, men bare en god approksimation. Dias 13/15 Kristoffer Stensbo-Smidt Data-analyse og datalogi
25 Machine learning ML er en essentiel del af data mining og big data! Anvendelsesområder: Detailhandlen. Industrien. Banker. Online services (Google, Facebook, Skype, Spotify,... ). Medicinalindustrien. Forskning. Kæmpe udfordringer for datalogien: Læringsdelen er et enormt optimeringsproblem, der skal løses hurtigt og præcist! Når en model er konstrueret, skal den også kunne evalueres hurtigt og præcist. Dias 14/15 Kristoffer Stensbo-Smidt Data-analyse og datalogi
26 Machine learning opgaver I skal nu lege med rigtige, ægte ML-metoder: Lineær regression. k nearest neighbours. K-means clustering. Random forests (feature selection). Dias 15/15 Kristoffer Stensbo-Smidt Data-analyse og datalogi
Studieretningsprojekter i machine learning
i machine learning 1 Introduktion Machine learning (ml) er et område indenfor kunstig intelligens, der beskæftiger sig med at konstruere programmer, der kan kan lære fra data. Tanken er at give en computer
Læs mereit fagene i de gymnasiale uddannelser
it fagene i de gymnasiale uddannelser Machine learning, datamining og big data Benjamin Rotendahl April 17, 2016 1 benjamin rotendahl Hvem er jeg? Datalogistuderende ved Københavns Universitet. Frivillig/studentermedhjælper/bestyrelsesmedlem
Læs mereGodkendelse af ny uddannelse
Godkendelsesbrev Aarhus Universitet E-mail: au@au.dk Godkendelse af ny uddannelse Uddannelses- og forskningsministeren har på baggrund af gennemført prækvalifikation af AU s ansøgning om godkendelse af
Læs mereIndholdsfortegnelse. Side 1 af 7
Den uddannelsesspecifikke del af studieordningen for bacheloruddannelsen i machine learning og datavidenskab ved Det Natur- og Biovidenskabelige Fakultet, Københavns Universitet 2019 Indholdsfortegnelse
Læs mereOnline kursus: Data Science
Online kursus 365 dage DKK 8.999 Nr. 90210 P ekskl. moms Data science går ud på at finde ny viden ved hjælp af store datamængder. Med denne kursuspakken kommer du hele vejen rundt om de værktøjer og den
Læs mereDatalogistudiet. Rolf Fagerberg. Institut for Matematik og Datalogi Syddansk Universitet. Studiestart, 1. september 2014
Datalogistudiet Rolf Fagerberg Institut for Matematik og Datalogi Syddansk Universitet Studiestart, 1. september 2014 Datalogistudiet Studiestart, 1. september, 2014 1 / 15 Hvad arbejder du med bagefter?
Læs mereGymnasielærerdage. Det rullende Universitet
Gymnasielærerdage Naturgeografi Fysik Matematik Biologi Kemi Idræt Astronomidag Gymnasielærerdag med fokus på teknologi, Ingeniørhøjskolen Gymnasielærerdag med fokus på Nanoscience, inano (?) Tværfaglige
Læs mereGodkendelse af ny uddannelse. Godkendelse af ny bacheloruddannelse i teknisk videnskab (kunstig intelligens og data) Afgørelsesbrev
Afgørelsesbrev Danmarks Tekniske Universitet dtu@dtu.dk Godkendelse af ny uddannelse Uddannelses- og forskningsministeren har på baggrund af gennemført prækvalifikation af Danmarks Tekniske Universitets
Læs mereGodkendelse af ny uddannelse
Aalborg Universitet E-mail: aau@aau.dk Godkendelse af ny uddannelse Uddannelses- og forskningsministeren har på baggrund af gennemført prækvalifikation af AAU s ansøgning om godkendelse af ny uddannelse
Læs mereGRUPPEN GRUPPEN GRUPPEN GRUPPEN GRUPPEN GRUPPEN GRUPPEN GRUPPEN GRUPPEN GRUPPEN GRUPPEN GRUPPEN WALK AND TALK WALK AND TALK WALK AND TALK
KRISTENDOM OG RELIGIONS SPØRGSMÅL KRISTENDOM OG RELIGIONS SPØRGSMÅL Hvad forstår du ved De ti bud Hvad forstår du ved De ti bud Hvad forstår du ved De ti bud Hvad forstår du ved De ti bud Hvad forstår
Læs mereSmart analyse af Fjernvarmedata
Smart analyse af Fjernvarmedata - nu og i fremtiden Indlæg på Flowtemadag Force Technology, Brøndby Ved Anders Niemann, Sektionsleder, Teknologisk Institut, Aarhus Analyse af fjernvarmedata Historisk set
Læs mereNaturvidenskab. Hvis man skulle prøve at tegne, hvordan den naturvidenskabelige metode fungerer, vil den se sådan her ud:
Naturvidenskab Videnskab handler om at samle ny viden, så natur-videnskab er det ord, vi bruger om at samle ny viden om naturen. Når vi hører ordene videnskab eller naturvidenskab, er det første, der dukker
Læs mereKapitel 11 Lineær regression
Kapitel 11 Lineær regression Peter Tibert Stoltze stat@peterstoltze.dk Elementær statistik F2011 1 / 1 Indledning Vi modellerer en afhængig variabel (responset) på baggrund af en uafhængig variabel (stimulus),
Læs mereTech-tarium 2.0. Den 19. juni 2019 i Valencia
Tech-tarium 2.0 Den 19. juni 2019 i Valencia Program - formiddag 09.00-09.30 Tjek in og morgenmad + mulighed for besøg hos leverandører 09.30-10.00 Indsigt i nye teknologier og brugen heraf ved digitaliseringschef
Læs mereHOVEDRESULTATER FRA UNDERSØGELSEN
FEBRUAR 2013 HOVEDRESULTATER FRA UNDERSØGELSEN TEENAGERE - DERES PRIVATE OG OFFENTLIGE LIV PÅ SOCIALE MEDIER EN REPRÆSENTATIV UNDERSØGELSE BLANDT A) TEENAGERE I ALDEREN 12-18 ÅR SAMT B) FORÆLDRE TIL 9-18-ÅRIGE
Læs merePræsentation og praktisk anvendelse af PROC GLMSELECT
Præsentation og praktisk anvendelse af PROC GLMSELECT Kristina Birch, projektchef Copyright 2011 SAS Institute Inc. All rights reserved. Præsentation og praktisk anvendelse af PROC GLMSELECT Abstract I
Læs mereBiokemi Udforsk livets kerne med en uddannelse i biokemi på Københavns Universitet
det natur- og biovidenskabelige fakultet københavns universitet Biokemi Udforsk livets kerne med en uddannelse i biokemi på Københavns Universitet Biokemi 1 kemi bioteknologi bioinformatik laboratoriearbejde
Læs mereDIGITALISERING. Aktuelle indsatser på AU og i Økonomi og Bygninger AARHUS NIELS JØRGEN RASMUSSEN UNIVERSITET 24. JANUAR 2018 VICEDIREKTØR
DIGITALISERING Aktuelle indsatser på AU og i Økonomi og Bygninger STØRRE PROJEKTER PÅ AU Workzone/ESDH Bedre blanket-løsninger Nyt system til eksamens- og undervisningsplanlægning Nyt studieadministrativt
Læs mereMatematik, maskiner og metadata
MATEMATIK, MASKINER OG METADATA VEJE TIL VIDEN Matematik, maskiner og metadata af CHRISTIAN BOESGAARD DATALOG IT Development / DBC 1 Konkrete projekter med machine learning, hvor computersystemer lærer
Læs mereAfgørelsesbrev. Aalborg Universitet Godkendelse af ny uddannelse
Afgørelsesbrev Aalborg Universitet aau@aau.dk Godkendelse af ny uddannelse Uddannelses- og forskningsministeren har på baggrund af gennemført prækvalifikation af Aalborg Universitets (AAU) ansøgning om
Læs mereComputer Vision: Fysisk rehabilitering i eget hjem
D E P A R T M E N T O F C O M P U T E R S C I E N C E U N I V E R S I T Y O F C O P E N H A G E N Computer Vision: Fysisk rehabilitering i eget hjem Kim Steenstrup Pedersen Datalogisk Institut, Københavns
Læs mereMatematik på Københavns Universitet - den gavnlige skønhed
S C I E N C E Matematik på Københavns Universitet - den gavnlige skønhed Matematik eksisterer overalt Hvad enten det drejer sig om styrken i Storebæltsbroens pyloner, forsikringspræmien efter en kollision
Læs mereFORSTÅ FREMTIDEN? 28. november, Anders Kofod-Petersen Vicedirektør, Alexandra Instituttet Professor, NTNU
FORSTÅ FREMTIDEN? 28. november, 2018 @AKofodPetersen Anders Kofod-Petersen Vicedirektør, Alexandra Instituttet Professor, NTNU Alexandra Instituttet er en almennyttig virksomhed, der hjælper offentlige
Læs mereEn frafalden matematikers hverdag
En frafalden matematikers hverdag S.L. Gadegaard Department of Economics and Business Economics Aarhus BSS, Aarhus University 12. April 2019 Sune L. Gadegaard Alumnedag 12. April 2019 1 / 22 Hvem er jeg
Læs mereBACHELOR I DATA SCIENCE IT-UNIVERSITETET I KØBENHAVN
BACHELOR I DATA SCIENCE IT-UNIVERSITETET I KØBENHAVN BACHELOR I DATA SCIENCE Virksomheder, offentlige institutioner og andre organisationer over hele verden indsamler enorme mængder data til blandt andet
Læs mereResidualer i grundforløbet
Erik Vestergaard www.matematikfysik.dk 1 Residualer i grundforløbet I dette lille tillæg til grundforløbet, skal vi kigge på begreberne residualer, residualplot samt residualspredning. Vi vil se, hvad
Læs mereGiv mig 5 minutter til at forklare...
Daniel Brandt Introduktion Introduktion til online marketing er alt, hvad du foretager dig på internettet med din forretning. Din hjemmeside er typisk der, dine salg kommer fra, derfor skal den være overskuelig
Læs mere5 VINDERSTRATEGIER FOR CIRKULÆR ØKONOMI NOVEMBER 2016
5 VINDERSTRATEGIER FOR CIRKULÆR ØKONOMI NOVEMBER 2016 SPØRGSMÅL HVORNÅR KØBTE DU SIDST EN CD, LP, BÅND ELLER ET SPOLEBÅND? 2 SVAR 3 IKKE KUN MUSIK INDUSTRIEN ER UNDER FORVANDLING DET GÆLDER ALLE MEDIER
Læs mereVektorer og lineær regression
Vektorer og lineær regression Peter Harremoës Niels Brock April 03 Planproduktet Vi har set, at man kan gange en vektor med et tal Et oplagt spørgsmål er, om man også kan gange to vektorer med hinanden
Læs mereAarhus Universitet Godkendelse af ny uddannelse
Aarhus Universitet au@au.dk Godkendelse af ny uddannelse Uddannelses- og forskningsministeren har på baggrund af gennemført prækvalifikation af Aarhus Universitets (AU) ansøgning om godkendelse af ny uddannelse
Læs mereTrend & Expert Reports: Online Series 2017
½ Trend & Expert Reports: Online Series 2017 Interactive Content Læs alt om hvad Interactive Content er, hvordan det giver marketing og salg helt nye muligheder for at skabe leads, kvalificere dem og lukke
Læs mereVirksomhedsklubbens studielegat
Virksomhedsklubbens studielegat Lisa Ibenfeldt Schultz Datalogisk Institut Dias 1 Formålet med virksomhedsklubben Formålet med virksomhedsklubben: at styrke kvaliteten i undervisningen i datalogi med viden
Læs mereVektorer og lineær regression. Peter Harremoës Niels Brock
Vektorer og lineær regression Peter Harremoës Niels Brock April 2013 1 Planproduktet Vi har set, at man kan gange en vektor med et tal. Et oplagt spørgsmål er, om man også kan gange to vektorer med hinanden.
Læs mereMatematikken bag Numb3rs. UNF 2010. Lisbeth Fajstrup Institut for Matematiske Fag
Matematikken bag Numb3rs UNF 2010. Lisbeth Fajstrup Institut for Matematiske Fag TV-programmet Numb3rs Produceret af CBS i foreløbig 6 sæsoner med 13, 24, 24, 18, 23 og formentlig 16 afsnit. I alt 118.
Læs mereCENTER FOR COMPUTERBASERET MATEMATIK- UNDERVISNING
CMU, INSTITUT FOR MATEMATISKE FAG, KU INSTITUT FOR MATEMATISKE FAG, KU CENTER FOR COMPUTERBASERET MATEMATIK- UNDERVISNING CMU, INSTITUT FOR MATEMATISKE FAG, KU CASma7k eller CASseret? Mød MATH på KU 2015
Læs mereSTATUS PÅ DATALOGIFORSKNING OG -UDDANNELSE Professor Stephen Alstrup, Datalogisk Institut, KU Næstformand i ATV s Digitale Vismænd
STATUS PÅ DATALOGIFORSKNING OG -UDDANNELSE Professor Stephen Alstrup, Datalogisk Institut, KU Næstformand i ATV s Digitale Vismænd 1 Den digitale verden 2 Digitalisering og lidt tal IKT-sektoren omsætter
Læs mereAfrapportering projekt Regn og Design
DET NATUR- OG BIOVIDENSKABELIGE FAKULTET KØBENHAVNS UNIVERSITET 27.SEPTEMBER 2013 Afrapportering projekt Regn og Design SCIENCE KOMMUNIKATION BÜLOWSVEJ 17 1870 FREDERIKSBERG C TLF 353 34042 DIR 353 32387
Læs mereNyhedsbrev november 2016
Sidste nyt Jul i stalden Det så længe sort ud med vores traditionsrige julearrangement i stalden. Stalden var lejet ud til andre formål, og det nye hold af musiklærere havde meget, meget kort tid til at
Læs mereFOR ALLE MED INTERESSE FOR VELVÆRE PÅ- OG UDEN FOR ARBEJDSPLADSEN
FOR ALLE MED INTERESSE FOR VELVÆRE PÅ- OG UDEN FOR ARBEJDSPLADSEN www.redminkrop.dk Tlf.: 40 222 395 MOTIVATIONS FOREDRAG PÅ ARBEJDSPLADSEN REDMINKROP gør en forskel inden for trivsel, sundhed og arbejdsmiljø
Læs mereAnvendt Statistik Lektion 7. Simpel Lineær Regression
Anvendt Statistik Lektion 7 Simpel Lineær Regression 1 Er der en sammenhæng? Plot af mordraten () mod fattigdomsraten (): Scatterplot Afhænger mordraten af fattigdomsraten? 2 Scatterplot Et scatterplot
Læs mere60% af de bedste jobs indenfor de næste ti år er ikke opfundet endnu. -Thomas Frey
19 JOB I FREMTIDEN 60% af de bedste jobs indenfor de næste ti år er ikke opfundet endnu. -Thomas Frey Før i tiden var karrierer stabile, lineære og enkle. Folk valgte en sti og forfulgte den i løbet af
Læs mereStatistik II 1. Lektion. Analyse af kontingenstabeller
Statistik II 1. Lektion Analyse af kontingenstabeller Kursusbeskrivelse Omfang 5 kursusgange (forelæsning + opgaveregning) 5 kursusgange (mini-projekt) Emner Analyse af kontingenstabeller Logistisk regression
Læs mereSikkerhed & Revision i det digitale samfund
Sikkerhed & Revision i det digitale samfund 7.9.2017 David Dreyer Lassen Økonomisk Institut Center for Social Data Science - SODAS Københavns Universitet 07-09-2017 2 1. Privacy 2. Hvad man man lære af
Læs mereBOGBRANCHEN Merethe Eckhardt april 2012
BOGBRANCHEN I januar 2012 sagde 20 % af amerikanerne at de har læst en e- bog i løbet af det seneste år Pew Research Centers Internet and american Life Projects Det er et spring på 5 %point i forhold til
Læs mereUddannelseskvalitet. KU s fempunktsplan. Uddannelsesservice Dias 1
Uddannelseskvalitet KU s fempunktsplan Uddannelsesservice Dias 1 Københavns Universitets position i diskussionen om uddannelseskvalitet Københavns Universitet: Er et forskningsintensivt universitet, der
Læs mereAfhold team-webinars og styrk dit team.
Afhold team-webinars og styrk dit team. Dette dokument indeholder den information du skal bruge for at kunne oprette og afholde et webinar for dit team, og er produceret af Dennis Nielsen til fri afbenyttelse.
Læs mereAlmen kemi Miljøkemi Medicinalkemi Grøn og bæredygtig kemi Gymnasierettet kemi
københavns universitet science - det natur- og biovidenskabelige fakultet Almen kemi Miljøkemi Medicinalkemi Grøn og bæredygtig kemi Gymnasierettet kemi Læs kemi på Københavns Universitet Kemi 1 2 SCIENCE
Læs mereBig data: Nye muligheder, nye trusler?
Big data: Nye muligheder, nye trusler? René Rydhof Hansen Institut for Datalogi, Aalborg Universitet BrainsBusiness, 06 MAJ 2014 René Rydhof Hansen (rrh@cs.aau.dk) Big data: Nye muligheder, nye trusler?
Læs mereHar du brug for flere så skriv til Helle på hj@nagym.dk
Hvis du har brug for nogle simple øvelser, der sætter fokus på den enkelte lærers egen praksis, så er der et par forslag her! Har du brug for flere så skriv til Helle på hj@nagym.dk Her er udvalgt tre
Læs mereAgenda. Introduktion Datadrevet tilgang Værdisætning af kanaler Opsamling Gå-hjem-opgaver
Agenda Introduktion Datadrevet tilgang Værdisætning af kanaler Opsamling Gå-hjem-opgaver Målet med i dag Give jer indblik i, hvordan I kan bruge data til at arbejde intelligent online og lave bedre kampagner
Læs mereBiologi-bioteknologi. Kombiner teori og praksis med mange valgmuligheder. det natur- og biovidenskabelige fakultet københavns universitet
det natur- og biovidenskabelige fakultet københavns universitet Biologi-bioteknologi Kombiner teori og praksis med mange valgmuligheder Biologi-bioteknologi 1 2 LÆS BIOLOGI-BIOTEKNOLOGI PÅ KØBENHAVNS UNIVERSITET
Læs merePlanlægningsværktøj for terrænnært grundvand projekt med machine learning
Planlægningsværktøj for terrænnært grundvand projekt med machine learning v. Helen Berger, COWI Perspektivering af digitalisering af data ATV-møde den 18. juni 2019 Planlægningsværktøj til beskrivelse
Læs mereSkræddersyet A.I. Virtual Expert Platform
Skræddersyet A.I. Virtual Expert Platform Program Hvad koster finansiel regulatorisk compliance? Præsentation af Calcabis Hvad er A.I. egentlig? Hvad kan A.I. bruges til? Hvordan kommer man igang og hvad
Læs mereKUNSTEN AT FORUDSIGE KONKURSER
Økonomikonference 7. oktober 2016 v/ Philipp Trénel, DTI og Klaus Kaiser, SEGES P/S KUNSTEN AT FORUDSIGE KONKURSER LANDBRUGET ER MEGET KONJUNKTURFØLSOM Svineproducenter 600 Mælkeproducenter 1.000 kr. 400-100
Læs mereDET VI ARBEJDER MED PÅ IKT-OMRÅDET ET HURTIGT OVERBLIK 1. JUNI 2017 UFFE KJÆRULFF
DET VI ARBEJDER MED PÅ IKT-OMRÅDET ET HURTIGT OVERBLIK 1. JUNI 2017 UFFE KJÆRULFF Emner Diverse nyt fra andedammen Kvalitetssikring Strategi på uddannelsesområdet Uddannelsesporteføljetilpasninger Ny bevillingsmodel
Læs mereBrugervejledning til udskriften ReproAnalyse
Brugervejledning til udskriften ReproAnalyse Tilgængelighed Udskriften ReproAnalyse er tilgængelig i Dairy Management System (DMS) under fanebladet Analyse og lister > Analyseudskrifter. Husk at vælge
Læs mereHigh-Performance Data Mining med SAS Enterprise Miner 14.1
High-Performance Data Mining med SAS Enterprise Miner 14.1 nye procedurer til en mere effektiv modeludviklingsproces Kristina Birch, Advisory Analytical Consultant, SAS Institute Indhold Hvad er High-Performance
Læs mereVedr. infrastruktur for analyse af registre og store datamængder KOR
DeiC Asmussens Allé, bygning 305 2800 Lyngby Dato: 1. september 2017 Vedr. infrastruktur for analyse af registre og store datamængder KOR Rigsarkivet Indstilling Det Koordinerende Organ for Registerforskning
Læs mereInddragelse af patienter i klinisk forskning
Inddragelse af patienter i klinisk forskning Peter Schwarz Professor, overlæge, dr.med. Osteoporoseambulatoriet MAO og Forskningscenter for Aldring og Osteoporose, FAO Medicinsk afd. M Glostrup hospital
Læs mereAnsøgning om godkendelse af kandidatuddannelse i escience
KØBENHAVNS UNIVERSITET Ansøgning om godkendelse af kandidatuddannelse i escience Hidtil er videnskabelig indsigt fortrinsvis opnået enten gennem opstilling af teorier eller gennem observationer i naturen
Læs mereHvad er fremtiden for internettet?
Hvad er fremtiden for internettet? pcfly.info Den Internettet er blot et par årtier gamle, men i dette korte tidsrum har oplevet væsentlige ændringer. Den voksede ud af et sammensurium af uafhængige netværk
Læs mereGodkendelse af ny uddannelse
Afgørelsesbrev Danmarks Tekniske Universitet dtu@dtu.dk Godkendelse af ny uddannelse Uddannelses- og forskningsministeren har på baggrund af gennemført prækvalifikation af Danmarks Tekniske Universitets
Læs mereEn spekulativ teori om hvad det vil sige at være en normal person
En spekulativ teori om hvad det vil sige at være en normal person Introduktion Jeg har i længere tid gået og spekuleret over hvad dette egentlig vil sige; hvad vi mener når vi siger, at en person er normal
Læs mereKvadratisk regression
Kvadratisk regression Helle Sørensen Institut for Matematiske Fag Københavns Universitet Juli 2011 I kapitlet om lineær regression blev det vist hvordan man kan modellere en lineær sammenhæng mellem to
Læs mereDIGITAL. viden Kursuskatalog. Hvad revisor skal vide om digitalisering.
DIGITAL viden 2018 Hvad revisor skal vide om digitalisering Kursuskatalog www. Hvad skal revisor vide om digitalisering? Den digitale verden er accelereret af den teknologiske udvikling, og man kan let
Læs mereHvad bør en option koste?
Det Naturvidenskabelige Fakultet Rolf Poulsen rolf@math.ku.dk Institut for Matematiske Fag 19. marts 2015 Dias 1/22 Reklame først: Matematik-økonomi-uddannelsen Økonomi på et solidt matematisk/statistisk
Læs mereDen digitale verden er i dag en del af de fleste menneskers dagligdag. Når mennesker bruger
Menneskers omgang med den digitale teknik Af redaktionen Den digitale verden er i dag en del af de fleste menneskers dagligdag. Når mennesker bruger deres mobiltelefon, ser tv, søger oplysninger på Wikipedia,
Læs mereKUNSTIG INTELLIGENS KOMMUNAL GAME CHANGER ELLER BARE BUZZ?
KUNSTIG INTELLIGENS KOMMUNAL GAME CHANGER ELLER BARE BUZZ? v. Tim Daniel Hansen Managing Partner & Co-Founder Digitaliseringsmessen d. 27. september 2018 På vippen til et paradigmeskifte 2 KL S TEKNOLOGISPRING
Læs mereAvancerede analysemetoder i den offentlige sektor
Avancerede analysemetoder i den offentlige sektor IT Historisk betydning for SKAT Data Warehouse Side 2 Big data i SKAT i dag Elektronisk borgerkontakt Udarbejdelse af standardrapporter til skattemedarbejdere
Læs mereman selv bider mærke i
1 KUNST & TRIVSEL Kan et besøg på kunstmuseum hjælpe gæsten til at tage hånd om tilværelsens eksistentielle udfordringer, lindre stress og dermed give større livskvalitet? Med dette spørgsmål i tankerne
Læs mereDM fagforening for højtuddannede. DM Leder
DM fagforening for højtuddannede DM Leder DM Leder Det er vigtigt, at DM har fokus på ledere, fordi mange medlemmer af DM før eller senere bliver ledere. Det er en meget naturlig karrierevej for mange
Læs mere3. Computerens opbygning.
3. Computerens opbygning. Computere er konstrueret med henblik på at skulle kunne behandle og opbevare data og det er de som nævnt i noterne om Bits og Bytes vældig gode til. Som overordnet model for computere
Læs mereFaglig rammebeskrivelse for kandidatuddannelsen i datalogi
Faglig rammebeskrivelse for kandidatuddannelsen i datalogi Nærværende rammebeskrivelse er et fagbilag, knyttet til Studieordning for kandidatuddannelsen i datalogi. Denne kan ses på Det Naturvidenskabelige
Læs mereSkriftlig eksamen Vejledende besvarelse MATEMATIK B (MM02)
SYDDANSK UNIVERSITET ODENSE UNIVERSITET INSTITUT FOR MATEMATIK OG DATALOGI Skriftlig eksamen Vejledende besvarelse MATEMATIK B (MM2) Fredag d. 2. januar 22 kl. 9. 3. 4 timer med alle sædvanlige skriftlige
Læs mereTILBUD TIL DIG OG DINE ELEVER PÅ NATURVIDENSKAB
TILBUD TIL DIG OG DINE ELEVER PÅ NATURVIDENSKAB Annika B. Lindberg, ph.d. i biologi Kommunikationsafdelingen, Faculty of Science and Technology 1 INDHOLD Det nye Aarhus Universitet Tilbud til dig Samarbejde
Læs mereOnline kommunikation til kunder Data & design. Thomas Kragh Internetchef - Underdirektør Nykredit Digitale Medier
Online kommunikation til kunder Data & design Thomas Kragh Internetchef - Underdirektør Nykredit Digitale Medier Kort om Nykredit Nykredit er: Danmarks største långiver ydet 31% af alle lån i 2012 1. Mere
Læs mereSocial Big Data. LauritzenConsulting. Indhold og anvendelse. Centrale miljøer og stjerneforskere. Investeringsfremmepotentiale
Social Big Data LauritzenConsulting Indhold og anvendelse Greater Copenhangen har en særlig styrke inden for Social Big Data og data science. Det handler om at bruge metoder fra bl.a. datalogi, samfundsvidenskab
Læs mereSIMPLE OPGAVER GØR MATEMATIK SVÆRERE
SIMPLE OPGAVER GØR MATEMATIK SVÆRERE Gennem tre årtier er sproget i de engelske eksamensopgaver i matematik ændret, så sætningerne nu er kortere, der er færre fagudtryk, og der bliver brugt færre matematiske
Læs mereCHATBOTS KAN BOOSTE DIN B2B LEADGENERERING
CHATBOTS KAN BOOSTE DIN B2B LEADGENERERING 1 Indholdsfortegnelse Hvorfor er B2B leadgenerering med chatbots så effektivt?... 4 #1 Tovejskommunikation... 5 #2 Relevans!?... 5 #3 Brugbar data... 6 #4 Opfølgning...
Læs mereSAS Asset Management. Mikal Netteberg Marianne Hansen Søren Johansen SAS Institute A/S. Copyright 2006, SAS Institute Inc. All rights reserved.
SAS Asset Management Mikal Netteberg Marianne Hansen Søren Johansen SAS Institute A/S Agenda Introduktion Arbejdsmetode Overordnet forretningsmæssig kravspecifikation Detailforretningsmæssig kravspecifikation
Læs mereVi glæder os til at arbejde sammen med jer! De bedste hilsner. Sebastian Hansen og Bjarke Nielsen HeltSimpelt.dk
Vi glæder os allerede! Nu går det spændende arbejde i gang og vi skal om lidt levere jeres nye hjemmeside, blog, webshop eller alle tre dele samlet i et. Derfor skal vi bruge en kravsspecifikation, så
Læs mereVid at de arbejder i dig og at du hele tiden kan gå tilbage til dem, når du har lyst.
Kald 4: Hvad er dit behov lige nu. Nu er det tid til at ligge ønskerne lidt væk. Vid at de arbejder i dig og at du hele tiden kan gå tilbage til dem, når du har lyst. Men i dag skal vi tale om dit behov.
Læs mereMatematik på Københavns Universitet - den gavnlige skønhed
S C I E N C E Matematik på Københavns Universitet - den gavnlige skønhed Matematik eksisterer overalt Foto: Lars Gejl / Scanpix. Hvad enten det drejer sig om styrken i Storebæltsbroens pyloner, forsikringspræmien
Læs mereBilag 3. Diskussionsoplæg: Konkurrence- og forbrugervilkår i en digital verden
Bilag 3. Diskussionsoplæg: Konkurrence- og forbrugervilkår i en digital verden Disruptionrådets sekretariat Februar 2018 Digitale platforme rummer fordele for virksomheder og forbrugere, men skaber også
Læs mereBRUGERCENTRERET DESIGN.
BRUGERCENTRERET DESIGN. AGENDA. Velkomst og introduktion Brugercentreret design Kaffepause og netværk Implementering af brugercentreret design i en virksomhed Afslutning BRUGERVENLIGHED. BRUGERVENLIGHED.
Læs mereKarakterstatistik for Januar 2013
nasievej 10 Januar 2013 Arabisk, niveau A - Mundtlig Arabisk, niveau B - Mundtlig Datalogi, niveau C - Mundtlig Dramatik, niveau C - Mundtlig Engelsk, niveau B - Mundtlig Erhvervsøkonomi, niveau C - Mundtlig
Læs mereAdgang til eksterne referencedata, integration til egne systemer og søgning i egne kundedata som en samlet Master Data Management (MDM) løsning.
idq MDM Edition Adgang til eksterne referencedata, integration til egne systemer og søgning i egne kundedata som en samlet Master Data Management (MDM) løsning. Hvad er Master Data Management? Master Data
Læs merePå opdagelse i det matematiske laboratorium En introduktion til eksperimentel matematik
københavns universitet På opdagelse i det matematiske laboratorium En introduktion til eksperimentel matematik Rune Johansen Ørsted 14. november, 2018 Dias 1/23 Overblik 1 Eksperimentel matematik? 2 Visualisering
Læs mereFremtidens Facility Management er datadrevet!
Fremtidens Facility Management er datadrevet! Få mere værdi ud af FM ved hjælp af Big Data Lidt om mig Flemming Adsersen Direktør, Over 20 års erfaring med Information Management fra projekter hos mange
Læs mereSammenhængen mellem elevernes trivsel og elevernes nationale testresultater.
Sammenhængen mellem elevernes trivsel og elevernes nationale testresultater. 1 Sammenfatning Der er en statistisk signifikant positiv sammenhæng mellem opnåelse af et godt testresultat og elevernes oplevede
Læs mereIndhold Forelæsning Dat-D1: Regneark Matematik og databehandling 2012
Indhold Forelæsning Dat-D1: Regneark Matematik og databehandling 2012 Henrik L. Pedersen Institut for Matematiske Fag henrikp@life.ku.dk 1 Forberedelsesopgaverne Dat-D-1 og Dat-D-2 2 Regnearks grundprincipper
Læs merePublic Analytics Tema: Effektmåling
Public Analytics Tema: Effektmåling Tirsdag den 19. marts 2013 1 22 MARCH 2013 2012 COPYRIGHT SAS INSTITUTE Public Analytics Tema: Effektmåling Tirsdag den 19. marts 2013 2 22 MARCH 2013 2012 COPYRIGHT
Læs mereMarkedsføring af løb - på Facebook v. Trine-Maria Kristensen
Markedsføring af løb - på Facebook v. Trine-Maria Kristensen trinemaria.dk Trine-Maria Kristensen Cand. Scient. Soc (PR) Strategisk rådgivning om sociale medier siden 2005 @trinemaria på Twitter Blogger
Læs mereGennemsnitskarakter for dimittender fra Datalogi 1 Vægtet gennemsnit beregnet af STADS og registreret på rammen
Gennemsnitskarakter for fra Datalogi 1 Vægtet beregnet af STADS og registreret på rammen Niveau: Bachelor Karakter Datalogi 13/14 33 7,81 6,40 7,50 9,50 10,30 11,40 11,80 Informatik Informationsteknologi
Læs mereVelkommen til kurset. Teoretisk Statistik. Lærer: Niels-Erik Jensen
1 Velkommen til kurset Teoretisk Statistik Lærer: Niels-Erik Jensen Plan for i dag: 1. Eks: Er euro'en skæv? 4. Praktiske informationer 2. Eks: Regressionsmodel (kap. 1) 5. Lidt om kursets indhold 3. Hvad
Læs mereKokain ændrer din hjerne
Formidlingstekst Ph.d. Cup 2018 Kokain ændrer din hjerne kun første gang kan DU sige nej Har du nogensinde tænkt over hvad der driver dig? til at tømme slikskålen, dyrke sex eller bruge tid med dine gode
Læs mereDigitale kompetencebehov på Fyn Udarbejdet for Odense Kommune og Technology Denmark. August 2017
Digitale kompetencebehov på Fyn Udarbejdet for Odense Kommune og Technology Denmark August 2017 Definition af digitale kompetencer Digitale kompetencer er viden om og forståelse for relevante digitale
Læs mereIdestafet. Ja, og. Min ide: BC-Syd- 1. int. praktikdag i ugen i butik/flensborg. Og hvad hvis man
BC-Syd- 1. int. praktikdag i ugen i butik/flensborg KBH 1 praktikdag i Malmø Eller som en praktikuge, i et tæt på land. hvad med - EUREKA! PIU kontorer Materiale omkring i verden - Det kunne bemandes med
Læs mereSKEMA TIL AFRAPPORTERING EVALUERINGSRAPPORT
SKEMA TIL AFRAPPORTERING EVALUERINGSRAPPORT OBS! Excel-ark/oversigt over fagelementernes placering i A-, B- og C-kategorier skal vedlægges rapporten. - Følgende bedes udfyldt som del af den Offentliggjorte
Læs mere