FONForum

Pismeni traje sat i po. Vreme pregleda varira, ali pošto je usmeni 20. ovog meseca, biće do tada objavljeni na sajtu predmeta (do sada je bilo tako) http://odlucivanje.fon.rs/

_________________
- Do you expect me to mock?
- No, Mr Bourne, I expect you to lie.

zna li neko pitanja sa klasicnog usmenog sad u januaru i koliki su otp odgovori na ta pitanja, kapiram ne duze od recenice ili jedne reci ako je konkretno pitanje? hvala

Odakle se uci za usmeni i koliko otprilike treba vremena?

Па, учи се из књиге.

_________________
Факултет НЕорганизованих наука!!!

Koliko vazi pismeni?

Do okt2 ako ga bude bilo a bice

da li neko zna odg na pitanje od cega se sastoje dinamicki memorijski modeli?

Od GE,slučajeva,normi i indeksa..126str,knjiga.

Pitanja od danas.

I glava
1. Sa kojim problemima se susreće DO kod baza modela?
2. Taktičke odluke
3. Adresar modela

II glava
1. Agregacija OLAP kocke je
2. Faktori koji utiču na izbor šeme DW
3. Prednosti i nestaci šeme pahuljica

III glava
1. Procena je
2. Najveći problem kod otkrivanja asocijativnih pravila je
3. Pri izboru atributa pravi se kompromis između

IV glava
1. Da li slučaj može da nema izlazni atribut?
2. Koje normalizacije koristi metoda najbližih suseda?
3. Proces pamćenja novog slučaja

V glava
1. Hebovo učenje se stopira
2. Problemi koji se rešavaju strukturom višeslojnih perceptrona su
3. Backpropagation služi za obučavanje mreža struktura

VI glava
1. Šest tipova komunikacije korisnika i SPO
2. Vremensko-prostorni okvir klasifikaciju alata za podršku rada grupe
3. Četiri GSPO aplikacije po Turbanu

VII glava
1. Podela znanja
2. Patern Analiza se uočava
3. Model poslovne inteligencije pomaže u rešavanju problema

svaka cast Lina
to je bila i moja grupa.
Molim nekoga ko je bio druga grupa da napise koja pitanja su dosla

Ja sam polozio pismeni deo, ali nisam izasao na usmeni, pa me sad interesuje da li mi vazi ovaj pismeni deo u sledecem roku ?

^ Pise ti 5 postova iznad, do okt 2.

I glava
1. Definisati SPO
2. Navesti 5 prednosti SPO
3. Na koje pitanje ne daje odgovor adresar model?

II glava
1. OLAP predstavlja sponu...
2. Seme za DW
3. Page Fields

III glava
1. Nedostajuci podaci
2. Delovi induktivnog stabla
3. Nesto konfuzno, tipa sta se radi nakon sto se odrede zakonitosti u org

IV glava
1. Sta je slucaj?
2. Cebisevljeva metrika?
3. Metoda najblizeg suseda?

V glava
1. Koje odluke projektant treba doneti pri izgradnji VNM?
2. Tolerancija ostecenja?
3. Primeri primene VNM u prepoznavanju signala( govora, oblika, slika)?

VI glava
1. Sesti tip GSPO?
2. Prvi nivo GSPO?
3. Seme koje zavise od brizne i tačnosti?

VII glava
1. Sta je informacija?
2. Da li je patern iskustveno proveren?
3. Tumacenje zakonitosti preko histograma

Je l' ovo 5. aprila pismeni, a 15. usmeni? U rasporedu za mart-april piše ISPM, a katedra je promenila naziv predmetu u Poslovna inteligencija, što ne piše nigde na spisku. Sajt je nem.

_________________
- Do you expect me to mock?
- No, Mr Bourne, I expect you to lie.

Ćao ljudi, može li neko da me podseti u kom slučaju se koristi koji tip formule u ZOS-u? Hvala unapred!

_________________
Naravno da sam luda, ali to ne znači da nisam u pravu.

Da, gledaš raspored za ISPM, ima obaveštenje na sajtu da su promenili naziv ispita, ali da će se u rasporedima ispita objavljivati i staro ime ispita. Tako da, iako su u rasporedu oba imena, isti je datum.

_________________
Naravno da sam luda, ali to ne znači da nisam u pravu.

Ако се ради Еуклидска, онда иде формула са кореном.

Уколико је Прометеј, онда гледаш Тип преференције.

_________________
Факултет НЕорганизованих наука!!!

Juče sam izmozgala i setila se.. hvala na pomoći u svakom slučaju!

_________________
Naravno da sam luda, ali to ne znači da nisam u pravu.

Da li neko zna odgovor na ova pitanja?
II glava
1. Agregacija OLAP kocke je
III
2. Najveći problem kod otkrivanja asocijativnih pravila je
3. Pri izboru atributa pravi se kompromis između
3. Nesto konfuzno, tipa sta se radi nakon sto se odrede zakonitosti u org
4. Transformacija slucajeva
5. Adaptivnost SPO u vremenu-vidim da je neko napisao da ima na 8.str.knjige, ali ja nemam knjigu.. 

1. Mozda se to odnosi da se unapred, pre nego sto korisnik pokrene upit, racunaju statistike iz podataka (npr. aritm. sredina, standardna devijacija itd.) i da so kod OLAP kocke formira multidimenziona struktura za cuvanje agregiranih podataka.
2. Ne znam na sta se konkretno to odnosi ali mozda je to sto DO nakon sto su pravila otkrivena, treba i da kaze da li su pravila korisna, osto odredjena otkrivena pravila ne moraju da imaju znacaj za odlucivanje.
5. SPO moraju biti adaptivni u vremenu, a DO mora biti u stanju da reaguje na sve promene. SPO mora biti i fleksibilan(dodati, izbrisati, kombinovati, promeniti ili preurediti osnovne elemente). To omogucava vremenski adekvatne i brze ad hoc analize.

Ako je neko raspolozen da mi protumaci ova pitanja..
IV glava
1. Da li slučaj može da nema izlazni atribut?
2. Koje normalizacije koristi metoda najbližih suseda?
3. Proces pamćenja novog slučaja
V glava
1. Hebovo učenje se stopira
VII glava
2. Patern Analiza se uočava
I glava
1. Sa kojim problemima se susreće DO kod baza modela?

II glava
1. Agregacija OLAP kocke je
3. Prednosti i nestaci šeme pahuljica
III glava

2. Najveći problem kod otkrivanja asocijativnih pravila je
3. Pri izboru atributa pravi se kompromis između

1. Da, kada su u pitanju metode nenadgledanog izbora indeksa gde se traže kriterijumi za najveću različitost medju slučajevima.

2. Ako su numerički podaci u pitanju, onda bilo koja metrika koja radi sa tim podacima (najpopularnija Euklidska, još ima i Čebiševljeva i Metrika gradskog bloka, ali nisu jedine numeričke metrike). Ako su kategorički podaci, pretpostavljam da mogu i Hi-kvadrat i CHAID, izmedju ostalih (nijedna kategorička nije eksplicitno imenovana).

3. Ammmm... beleži se novi slučaj u bazu slučajeva, ako je prošao proveru korisnosti. Ne znam šta ima više od ovoga da se napiše, kad ni u samoj IV glavi ne piše išta drugo.

4. Kada težine mreže konvergiraju stabilnom rešenju. Sinapse (težine) ojačavaju tamo gde su postoji asocijacija izmedju neurona.

5. U svakodnevnom životu. Ljudi uvek ponavljaju istu materiju i svaki put se analizira da li je ponavljanje izvedeno kako treba.

6. Koji model izabrati? Kako koristiti izabrani model? Kako kombinovati više modela?

7. Stepen popunjenosti OLAP kocke upitima spremnih za izvršavanje odmah, tj. stepen agregiranosti mera po dimenzijama tokom pravljenja OLAP kocke (pošto su dimenzije pogledi na mere iz odredjenog ugla - praktično izveštaji).

8. Mana - lošije performanse od zvezdaste šeme, prednost (ne piše izričito u knjizi, tako da je ovo moje zaključivanje) - bolje performanse kada su u pitanju velike količine podataka i složeniji upiti korisnika.

9. Ammmm... nagadjam da je odgovor: prepoznavanje koje pravilo je (dovoljno) korisno za DO i organizaciju i donosi nadmoć nad konkurencijom.

10. Kompromis izmedju pripreme (stepena transformacije) podataka u oblik koji mašina razume i zadržanog kvaliteta podataka (otkrivenih zakonitosti).

_________________
- Do you expect me to mock?
- No, Mr Bourne, I expect you to lie.

Aaaaa, kolega, svaka ti cast koliko si raspolozen.. Imam jos neka pitanja, pa ako neko zna neka napise..

1. Kad se stopira Kompetitivno ucenje?
2. Sta menja tezine Hebovog?
3. Drag&drop cemu sluzi?
4. Veza izmedju razumevanja i konteksta?
5. Visestruka povezanost brzine i tacnosti je...?
6. GROUP WARE je..?
7. Konzistentnost podataka OLTP?
8. Algoritmi predvidjanja?

^
3. To su komande koje se prevode prevuci i pusti. Ideja ovih sistema je da krajni korisnik moze jednostavnim izborom, prevlacenjem i spustanjem zeljenih dimenzija i mera na radnu povrsinu sastavi ad hoc upit koji zeli.
6. Efikasni kompjuterski alati za podrsku rada grupe.
7. Valjda treba samo da se kaze da je visoka, to je jedna od karakteristika OLTP.

Zar ne bi trebalo da bude da ne konvergiraju, bar tako pise u knjizi?