Datastrukturer. Kevin Thon. 25 april 2017
|
|
- Sofie Jakobsen
- 6 år siden
- Visninger:
Transkript
1 Datastrukturer Kevin Thon 25 april 2017
2 Innledning De fleste som er involvert med registerdata på et eller annet plan vil et et tidspunkt måtte forholde seg til hvordan dataen er strukturert. Dette gjelder f.eks. ved: Utvikling/design av register Eksport/import av registerdata Analyse av registerdata Validering av registerdata
3 Avgrensing Denne forelesningen vil i stor grad ha fokus på data ut og kun i liten grad berøre temaer som omhandler databaser og effektiv datalagring.
4 Avgrensing Denne forelesningen vil i stor grad ha fokus på data ut og kun i liten grad berøre temaer som omhandler databaser og effektiv datalagring. Det betyr fokus på et bredere tema nemlig vasking/rydding av data for å etablere analyseklare datasett. Praktiske eksempler vil benytte statistikkprogrammet R men fokus vil være på underliggende konsepter.
5 Avgrensing Denne forelesningen vil i stor grad ha fokus på data ut og kun i liten grad berøre temaer som omhandler databaser og effektiv datalagring. Det betyr fokus på et bredere tema nemlig vasking/rydding av data for å etablere analyseklare datasett. Praktiske eksempler vil benytte statistikkprogrammet R men fokus vil være på underliggende konsepter. Disclaimer: Innholdet er sterkt inspirert av Hadley Wickham sin artikkel Tidy Data og eksemplene er hentet direkte derfra.
6 Definisjoner De fleste statistiske datasett er rektangulære tabeller bestående av rader og kolonner. Table 1: En tabell med behandlingsresultatet av to metoder i et fiktivt eksperiment treatmenta treatmentb John Smith - 8 Jane Doe Mary Johnson 17 12
7 Definisjoner forts. Et datasett er en samling verdier, typisk numeriske eller tekstlige. Hver verdi tilhører en variabel og en observasjon.
8 Definisjoner forts. Et datasett er en samling verdier, typisk numeriske eller tekstlige. Hver verdi tilhører en variabel og en observasjon. En variabel inneholder alle verdier som måler samme underliggende atributt på tvers av enheter. Eksempler: Høyde, blodtrykk, O 2 -opptak.
9 Definisjoner forts. Et datasett er en samling verdier, typisk numeriske eller tekstlige. Hver verdi tilhører en variabel og en observasjon. En variabel inneholder alle verdier som måler samme underliggende atributt på tvers av enheter. Eksempler: Høyde, blodtrykk, O 2 -opptak. En observasjon inneholder alle verdier målt på samme enhet (f.eks person, operasjon, dag) på tvers av atributter.
10 Oppgave treatmenta treatmentb John Smith - 8 Jane Doe Mary Johnson Oppgave: Hva er variablene i dette datasettet?
11 Oppgave treatmenta treatmentb John Smith - 8 Jane Doe Mary Johnson Oppgave: Hva er variablene i datasettet? Løsningsforslag: 1. person med verdiene John Smith, Mary Johnson, and Jane Doe 2. behandling med verdiene a og b 3. resultat med verdiene 8, 15 14, 17, 12 (og én missing)
12 Hva er god datastruktur? Avhengig av formålet
13 Hva er god datastruktur? Avhengig av formålet God struktur for lagring er ikke nødvendigvis god struktur for analyse
14 Hva er god datastruktur? Avhengig av formålet God struktur for lagring er ikke nødvendigvis god struktur for analyse Forskjellige typer analyse kan forusette forskjellig struktur
15 Hva er god datastruktur? Avhengig av formålet God struktur for lagring er ikke nødvendigvis god struktur for analyse Forskjellige typer analyse kan forusette forskjellig struktur Forskjellig programvare kan forutsette ulik struktur for samme analyser...
16 Data i flere tabeller Et register sin database vil typisk bestå av flere tabeller, f.eks.: Pasientinfo Behandlerskjema/intervensjon Oppfølging Som regel ønsker registerfolk/forskere data i én fil - kobling overlates til IT leverandør Ikke alltid praktisk mulig f.eks. for kronikerregister med vilkårlig antall oppfølginger
17 Kobling av data - prinsipper Hver tabell vil ha én eller flere koblingsnøkler Pasient-ID Foløps-ID Ved en kobling matcher man rader med samme koblingsnøkkel Forskjellige måter å koble data: Inner join: Behold rader med koblingsnøkkel i begge tabeller Left outer join: Behold alle rader i venstre tabell, de som ikke har matchende koblingsnøkkel i høyre tabell blir tomme Full outer join: Behold alle rader, ikke-matchede (venstre eller høyre) blir tomme Right outer join: Behold alle rader i høyre tabell, de som ikke har matchende koblingsnøkkel i venstre tabell blir tomme
18 Kobling av data - eksempler Eksempeldata: PART PRODNR SUPPLIER WIRE 10 ACWF OIL 160 WESTERN_CHEM MAGNETS 10 BATEMAN PLASTIC 30 PLASTIK_CORP BLADES 205 ACE_STEEL PRODUCT PRODNR PRICE SCREWDRIVER RELAY SAW GENERATOR
19 Kobling av data - eksempler Inner join: PRODNR PART SUPPLIER PRODUCT PRICE 10 WIRE ACWF GENERATOR MAGNETS BATEMAN GENERATOR PLASTIC PLASTIK_CORP RELAY BLADES ACE_STEEL SAW 18.90
20 Kobling av data - eksempler Figure 1
21 Ryddig (tidy) data Et datasett er ryddig når: 1. Hver variabel utgjør en kolonne 2. Hver observasjon utgjør en rad (noe forenklet... )
22 Ryddig versjon av Tabell 1. treatmenta treatmentb John Smith - 8 Jane Doe Mary Johnson name trt result John Smith a - Jane Doe a 15 Mary Johnson a 17 John Smith b 8 Jane Doe b 14 Mary Johnson b 12
23 Rotete data Datasett man treffer på i villmarken vil ofte bryte med prinsippene for ryddige datasett, og det på alle mulige måter. F.eks.: Kolonnenavn kan være verdier (ikke variabelnavn)
24 Rotete data Datasett man treffer på i villmarken vil ofte bryte med prinsippene for ryddige datasett, og det på alle mulige måter. F.eks.: Kolonnenavn kan være verdier (ikke variabelnavn) Flere variabler kan være lagret i én kolonne
25 Rotete data Datasett man treffer på i villmarken vil ofte bryte med prinsippene for ryddige datasett, og det på alle mulige måter. F.eks.: Kolonnenavn kan være verdier (ikke variabelnavn) Flere variabler kan være lagret i én kolonne Variabler kan være lagret i både rader og kolonner
26 Kolonnenavn kan være verdier religion <$10k $10-20k $20-30k $30-40k Agnostic Atheist Buddhist Catholic Don t know/refused Evangelical Prot Hindu Historically Black Prot Jehovah s Witness Jewish
27 Ryddig form religion income freq Agnostic <$10k 27 Agnostic $10-20k 34 Agnostic $20-30k 60 Agnostic $30-40k 81 Agnostic $40-50k 76 Agnostic $50-75k 137 Agnostic $75-100k 122 Agnostic $ k 109 Agnostic >150k 84 Agnostic Don t know/refused 96 Atheist <$10k 12 Atheist $10-20k 27 Atheist $20-30k 37 Atheist $30-40k 52
28 Flere variabler kan være lagret i én kolonne country year m014 m1524 m2534 m3544 m AD AE AF AG AL AM AN AO AR AS
29 Opprydding country year column cases AD 2000 m014 0 AD 2000 m AD 2000 m AD 2000 m AD 2000 m AD 2000 m AD 2000 m65 0 AE 2000 m014 2 AE 2000 m AE 2000 m AE 2000 m AE 2000 m AE 2000 m AE 2000 m65 10 AE 2000 f014 3
30 Opprydding country year sex age cases AD 2000 m AD 2000 m AD 2000 m AD 2000 m AD 2000 m AD 2000 m AD 2000 m AE 2000 m AE 2000 m AE 2000 m AE 2000 m AE 2000 m AE 2000 m AE 2000 m AE 2000 f
31 Flere variabler i én kolonne: Norsk register Figure 2
32 Variabler kan være lagret i både rader og kolonner id year month element d1 d2 d3 d4 d5 MX tmax MX tmin MX tmax MX tmin MX tmax MX tmin MX tmax MX tmin MX tmax MX tmin
33 Opprydding id date element value MX tmax 27.8 MX tmin 14.5 MX tmax 27.3 MX tmin 14.4 MX tmax 24.1 MX tmin 14.4 MX tmax 29.7 MX tmin 13.4 MX tmax 29.9 MX tmin 10.7
34 Opprydding id date tmax tmin MX MX MX MX MX MX MX MX MX MX
35 Ryddige data - hva så? Ryddige verktøy: Ryddig input -> ryddig output Forenkler en sammensatt analyse siden output fra ett verktøy kan gis som input til et annet
36 Ryddige data - hva så? Ryddige verktøy: Ryddig input -> ryddig output Forenkler en sammensatt analyse siden output fra ett verktøy kan gis som input til et annet Kan potensielt forenkle de vanligste operasjoner på data: Manipulering (filtrering, transformering, aggregering, sortering) Plotting/visualisering (ggplot2) Modellering (f.eks regresjonsanalyse)
37 Oppsummering Vær bevisst hva du ønsker å bruke dataen til
38 Oppsummering Vær bevisst hva du ønsker å bruke dataen til Ingen fasit, bli kjent med mulighetene i ditt foretrukne verktøy
39 Oppsummering Vær bevisst hva du ønsker å bruke dataen til Ingen fasit, bli kjent med mulighetene i ditt foretrukne verktøy En konsistent måte å tenke dataorganisering og struktur gjør at man slipper å begynne fra scratch for hvert datasett
40 Oppsummering Vær bevisst hva du ønsker å bruke dataen til Ingen fasit, bli kjent med mulighetene i ditt foretrukne verktøy En konsistent måte å tenke dataorganisering og struktur gjør at man slipper å begynne fra scratch for hvert datasett Struktur bare én av mange utfordringer Takk for meg!
Datastrukturer. Kevin Thon. 25 april 2017
Datastrukturer Kevin Thon 25 april 2017 Innledning De fleste som er involvert med registerdata på et eller annet plan vil et et tidspunkt måtte forholde seg til hvordan dataen er strukturert. Dette gjelder
DetaljerDatavask - klargjøring av data for analyse. Kevin Thon
Datavask - klargjøring av data for analyse Kevin Thon Hva er datavask Begrepet datavask har ingen entydig definisjon Typisk: Sett av valideringsregler i en datainnhentingskjede Denne forelesningen tar
DetaljerKom i gang med Stata for Windows på UiO - hurtigstart for begynnere
Kom i gang med Stata for Windows på UiO - hurtigstart for begynnere Hensikten med denne introduksjonen er å lære hvordan man kommer raskt i gang med grunnleggende funksjoner i Stata. Teksten er tilpasset
DetaljerDATAUTFORSKNING I EG, EG 7.1 OG EGENDEFINERTE FUNKSJONER SAS FANS I STAVANGER 4. MARS 2014, MARIT FISKAAEN
DATAUTFORSKNING I EG, EG 7.1 OG EGENDEFINERTE FUNKSJONER SAS FANS I STAVANGER 4. MARS 2014, MARIT FISKAAEN 2 INNLEDNING TEMA I SAS Enterprise Guide versjon 5.1 (februar 2012) kom det et nytt datautforskingsverktøy,
DetaljerKvalitetssikre og analysere egne data - Nødvendig kunnskap
Kvalitetssikre og analysere egne data - Nødvendig kunnskap Lena Ringstad Olsen 29. januar 2019 Oversikt Tallknuserhjelp fra Servicemiljøet; tilbud og krav Tallbehandling: verktøy, metoder Minimumshjelp
Detaljerting å gjøre å prøve å oppsummere informasjonen i Hva som er hensiktsmessig måter å beskrive dataene på en hensiktsmessig måte.
Kapittel : Beskrivende statistikk Etter at vi har samlet inn data er en naturlig første ting å gjøre å prøve å oppsummere informasjonen i dataene på en hensiktsmessig måte. Hva som er hensiktsmessig måter
DetaljerDen norske mor og barn undersøkelsen Versjon 2
Den norske mor og barn undersøkelsen Versjon 2 Oslo 17. mars 2006 Elin Alsaker Nye MFR-data Lager variable som er gjennomgående fra 1967 til d.d. Variablene vil ha navn som VEKT, LENGDE i stedenfor D17,
DetaljerMål. Pensum. TDT4110 Informasjonsteknologi grunnkurs: Tema: Et større case. Terje Rydland - IDI/NTNU. Lære å lage større og sammensatte programmer
1 Kunnskap for en bedre verden TDT4110 Informasjonsteknologi grunnkurs: Tema: Et større case Terje Rydland - IDI/NTNU 2 Læringsmål og pensum Mål Lære å lage større og sammensatte programmer Pensum Kapitlene
DetaljerBakgrunn. Viktig del av kvalitetsstrategien Et viktig helsepolitisk mål HOD med styringssignaler til RHF
Disposisjon Bakgrunn og definisjon Hva gjøres sentralt? Hva ønsker vi med Helseregister.no? Topologi og kommunikasjon Innrapportering av data Tilgang til egne data Brukerhåndtering og tilgangsstyring Utfordringer
DetaljerDagens temaer. Sekvensiell logikk: Kretser med minne. D-flipflop: Forbedring av RS-latch
Dagens temaer Sekvensiell logikk: Kretser med minne RS-latch: Enkleste minnekrets D-flipflop: Forbedring av RS-latch Presentasjon av obligatorisk oppgave (se også oppgaveteksten på hjemmesiden). 9.9.3
DetaljerØVINGER 2017 Løsninger til oppgaver. Øving 1
ØVINGER 017 Løsninger til oppgaver Øving 1.1. Frekvenstabell For å lage en frekvenstabell må vi telle antall observasjoner av hvert antall henvendelser. Siden antall henvendelser på en gitt dag alltid
DetaljerEn lett innføring i foreninger (JOINs) i SQL
En lett innføring i foreninger (JOINs) i SQL Noen ord om forening (JOIN)! 2 JOINs til gjennomgang! 3 1. INNER JOIN! 3 Eksempel på [INNER] JOIN! 4 NATURAL JOIN! 5 Eksempel på NATURAL JOIN! 5 2. LEFT [OUTER]
DetaljerBEGYNNERKURS I SPSS. Anne Schad Bergsaker 17. november 2017
BEGYNNERKURS I SPSS Anne Schad Bergsaker 17. november 2017 FØR VI BEGYNNER... LÆRINGSMÅL 1. Kjenne til og kunne navigere mellom de ulike delene/ vinduene i SPSS, og vite forskjellen på dem 2. Kunne skrive
DetaljerGrandView. Et dataprogram for samle, organisere og analysere mengder av ulike typer informasjon. Brukermanual
GrandView Et dataprogram for samle, organisere og analysere mengder av ulike typer informasjon Brukermanual Forskningsprogrammet Concept, NTNU November 2017 1 «Forløperen til dette programmet var en enkel
DetaljerDen norske mor og barn undersøkelsen Versjon 2
Den norske mor og barn undersøkelsen Versjon 2 Oslo 17. mars 2006 Elin Alsaker Datainnsamling Uke Uke Uke 17 22 30 Fødsel Ultralyd MFR 6 mnd 18 mnd 36 mnd 7 år Barn Navle snor Mor QI QII QIII QIV QV QVI
DetaljerBEGYNNERKURS I SPSS. Anne Schad Bergsaker 12. februar 2019
BEGYNNERKURS I SPSS Anne Schad Bergsaker 12. februar 2019 FØR VI BEGYNNER... LÆRINGSMÅL 1. Kjenne til og kunne navigere mellom de ulike delene/ vinduene i SPSS, og vite forskjellen på dem 2. Kunne skrive
DetaljerParallelle og distribuerte databaser del III
UNIVERSITETET I OSLO Parallelle og distribuerte databaser del III NoSQL og alternative datamodeller Institutt for Informatikk INF3100 20.4.2015 Ellen Munthe-Kaas 1 NoSQL NoSQL er et paraplybegrep som omfatter
DetaljerTirsdag 21/11. Onsdag 24/11. Tirsdag 12/12. TDT4110 Informasjonsteknologi grunnkurs: Tema: Et større case
1 Kunnskap for en bedre verden TDT4110 Informasjonsteknologi grunnkurs: Tema: Et større case Terje Rydland - IDI/NTNU 2 Fram mot eksamen Tirsdag 21/11 Repetisjon. Send inn behov/ønsker til : terjery@idi.ntnu.no
DetaljerTDT4110 Informasjonsteknologi grunnkurs: Programmering: En større case. Professor Alf Inge Wang
1 TDT4110 Informasjonsteknologi grunnkurs: Programmering: En større case Professor Alf Inge Wang 2 Læringsmål og pensum Mål Lære å lage større og sammensatte programmer Pensum Kapitlene 1-9 og 12. 3 Sette
DetaljerLæringsmål og pensum. En større case. Mål Lære å lage større og sammensatte programmer Pensum Kapitlene 1-9 og 12.
1 TDT4110 Informasjonsteknologi grunnkurs: Programmering: En større case Professor Alf Inge Wang 2 Læringsmål og pensum Mål Lære å lage større og sammensatte programmer Pensum Kapitlene 1-9 og 12. 3 Sette
DetaljerGJENNOMGANG UKESOPPGAVER 9 TESTING
GJENNOMGANG UKESOPPGAVER 9 TESTING INF1050 V16 KRISTIN BRÆNDEN 1 A) Testing viser feil som du oppdager under kjøring av testen. Forklar hvorfor testing ikke kan vise at det ikke er flere gjenstående feil.
DetaljerEksport /Import person
Innhold Eksport /Import person... 2 Fri eksport av personopplysninger... 2 Definisjon av utplukk... 2 Definisjon av layout... 3 Fri import av personopplysninger... 7 Hodeinformasjon... 7 Valg av felt...
DetaljerVerdier, variabler og forms
[Kurssidene] [ ABI - fagsider bibin ] Verdier, variabler og forms Michael Preminger (michaelp@hio.no) 16/01-14 Utvikling av dynamiske nettsteder med PHP og databaser, våren 2014 Litt om forrige times øvelsesoppgaver
DetaljerTDT4110 Informasjonsteknologi grunnkurs: Eksempler. Mangekanter
1 TDT4110 Informasjonsteknologi grunnkurs: Eksempler Kunnskap for en bedre verden Amanuensis Terje Rydland Kontor: ITV-021 i IT-bygget vest (Gløshaugen) Epost: terjery@idi.ntnu.no Tlf: 735 91845 TDT4105
DetaljerTDT4110 Informasjonsteknologi grunnkurs: Kapittel 7 Filer og unntak ( exceptions ) Professor Alf Inge Wang Stipendiat Lars Bungum
1 TDT4110 Informasjonsteknologi grunnkurs: Kapittel 7 Filer og unntak ( exceptions ) Professor Alf Inge Wang Stipendiat Lars Bungum 2 Læringsmål Mål Introduksjon til filer (som inndata og utdata) Å bruke
DetaljerØvingsforelesning TDT4105
Øvingsforelesning TDT4105 Gjennomgang øving 9, intro øving 10. Eksamensoppgaver. Benjamin A. Bjørnseth 10. november 2015 2 Oversikt Praktisk Gjennomgang øving 9 Introduksjon sudoku Oppgave 4 Kont-eksamen
DetaljerRepetisjon: Normalformer og SQL
IN2090 databaser og datamodellering Repetisjon: Normalformer og SQL Mathias Stang og Stein Michael Storleer 21. november 2018 1 Agenda Normalformer Funksjonelle avhengigheter Nøkler Finne hvilke normalformer
DetaljerSensorveiledning for IN2090 og INF desember :30 18:30 (4 timer)
Sensorveiledning for IN2090 og INF1300 6. desember 2018 14:30 18:30 (4 timer) 1. Eksterne skranker (5%) I modellene nedenfor (ORM2) skal du anta at alle begreper har en unik representasjon. Er plasseringen
DetaljerTilkobling og Triggere
Tilkobling og Triggere Lars Vidar Magnusson October 12, 2011 Lars Vidar Magnusson () Forelesning i DAS 11.10.2011 October 12, 2011 1 / 25 Tilkobling med PHP PHP bruker databasespesifike moduler til å koble
DetaljerRomlig datamanipulering
Romlig datamanipulering Gunnar Tenge, 18.04.08 Romlige manipuleringsteknikker brukes i GIS-analyser. I denne artikkelen forklares alle manipuleringsteknikker som man kan forvente å finne i et GIS-program.
DetaljerNRFs administrasjon TLF 22 43 76 60 post@vvsnrf.no. Norske Rørgrossisters Forening. Effektiv informasjonslogistikk. Terje Røising Daglig leder
NRFs administrasjon TLF 22 43 76 60 post@vvsnrf.no Terje Røising Daglig leder Morten Svensen Teknisk sjef Effektiv informasjonslogistikk Iren Bjerklund Databaseoperatør NRF Excel Ark. Gjennomgang av NRF
DetaljerUtvidet brukerveiledning
Utvidet brukerveiledning for Akershus fylkeskommunes statistikkverktøy http://statistikk.akershus-fk.no Utarbeidet av Cathrine Bergjordet, analysestaben, AFK Sist oppdatert 14/3 2014 Viktige begreper og
DetaljerBrukerveiledning. Enkelt søk i Naturbase. Versjon 23. februar 2015
Brukerveiledning Enkelt søk i Naturbase Versjon 23. februar 2015 1. Innledning Denne veiledningen beskriver bruken av funksjonen Enkelt søk i Naturbase. Enkelt søk gir en enkel tilgang til data i Naturbase.
DetaljerHva kan vi forvente og kreve?
Risikovurdering som grunnlag for valg av Tekniske løsninger Sikkerhetstiltak Hva kan vi forvente og kreve? Sjefingeniør - Jostein Ween Grav Avdeling for forebygging og elsikkerhet Enhet for elektriske
DetaljerEksamen i SLI 5 høsten 1993
1 Eksamen i SLI 5 høsten 1993 Tid: Mandag 29.november 1993 kl. 9-15 (6 timer). Det er ikke tillatt med trykte eller skrevne hjelpemidler. Som siste ark i dette eksamenssettet er det lagt ved en liste over
DetaljerGoOnline Site Search
GoOnline Site Search Beskrivelse Innhold 1. Generelt a. Informasjon om dette dokumentet b. Versjon 2. Indeksering 3. Søk a. Indeksering av produkt b. Indeksering av ordinær side c. Indeksering mot 3.parts
DetaljerDatamodellering og databaser http://www.aitel.hist.no/fag/_dmdb/ SQL, del 2
http://www.aitel.hist.no/fag/_dmdb/ SQL, del 2 Eksempelbase side 2 Virtuelle tabeller (views) side 3-6 NULL-verdier side 7-14 UPDATE-setningen side 15-16 INSERT-setningen side 17 DELETE-setningen side
DetaljerMorfologi i Binære Bilder
Morfologi i Binære Bilder Lars Vidar Magnusson February 26, 2018 Delkapittel 9.1 Preliminaries Delkapittel 9.2 Dilation and Erosion Delkapittel 9.3 Opening and Closing Delkapittel 9.4 The Hit-or-Miss Transformation
DetaljerVerktøy for boligkartlegging
Verktøy for boligkartlegging Rapporter Versjon 3.0 Opprettet 15.05.2005 av Pål Guddal Sist endret 23.01.2007 av André Teig Bli kjent med Bokart- Rapporter Side 2 Hva er filter, og hva brukes de til? Filter
DetaljerVerktøy for boligkartlegging
Verktøy for boligkartlegging Rapporter. Versjon 2 Helse og Velferd - Norge Stasjonsgata 37, NO-1820 Spydeberg - Tlf: + 47 90 12 45 50, Faks: + 47 69 83 87 10 - www.tietoenator.com Bli kjent med Bokart-
DetaljerDeskriptiv statistikk., Introduksjon til dataanalyse
Introduksjon til dataanalyse Deskriptiv statistikk 2 Kapittel 1 Denne timen og delvis forrige time er inspirert av Kapittel 1, men vi kommer ikke til å gå igjennom alt fra dette kapittelet i forelesning.
DetaljerDeskriptiv statistikk., Introduksjon til dataanalyse
Introduksjon til dataanalyse Deskriptiv statistikk 2 Kapittel 1 Denne timen og delvis forrige time er inspirert av Kapittel 1, men vi kommer ikke til å gå igjennom alt fra dette kapittelet i forelesning.
DetaljerPython: Intro til funksjoner. TDT4110 IT Grunnkurs Professor Guttorm Sindre
Python: Intro til funksjoner TDT4110 IT Grunnkurs Professor Guttorm Sindre Snart referansegruppemøte Viktig mulighet for å gi tilbakemelding på emnet Pensumbøker Forelesninger Øvingsforelesninger Veiledning
DetaljerTDT4300 Datavarehus og datagruvedri3, Våren 2014
TDT4300 Datavarehus og datagruvedri3, Våren 2014 23/1 2014 Trond Aalberg 1 Dagens tema MulAdimensjonale data Dimensjoner og hierarkier revisited Fra modellering Al OLAP implementasjon Vi ser på eksempler
DetaljerHva kan et klinisk fagsystem bidra med til kvalitetsregistre?
Hva kan et klinisk fagsystem bidra med til kvalitetsregistre? Helse Vest - Regional konferanse for Kvalitetsregistre 2001 Dr. Magne Rekdal, Daglig leder, Emetra AS magne@rekdal.no, Tel: 9065 6922 Et fagsystem
DetaljerTDT4110 Informasjonsteknologi grunnkurs: Uke 43: Datastrukturer (kap. 8)
1 TDT4110 Informasjonsteknologi grunnkurs: Uke 43: Datastrukturer (kap. 8) Anders Christensen anders@idi.ntnu.no Rune Sætre satre@idi.ntnu.no 2 Læringsmål og pensum Læringsmål Datastrukturer: Cell Arrays
DetaljerKategoriske data, del I: Kategoriske data - del 2 (Rosner, ) Kategoriske data, del II: 2x2 tabell, parede data (Mc Nemar s test)
Kategoriske data, del I: Kategoriske data - del (Rosner, 10.3-10.7) 1 januar 009 Stian Lydersen To behandlinger og to utfall. (generelt: variable, verdier). x tabell. Uavhengige observasjoner Sammenheng
DetaljerLage større programmer (Python, relatert til teoridelen om Software Engineering ) TDT 4110 IT Grunnkurs Professor Guttorm Sindre
Lage større programmer (Python, relatert til teoridelen om Software Engineering ) TDT 4110 IT Grunnkurs Professor Guttorm Sindre Læringsmål og pensum Mål Lære å lage større og sammensatte programmer Kunne
DetaljerIN2090 Databaser og datamodellering. Databasedesign og normalformer
IN2090 Databaser og datamodellering Databasedesign og normalformer Evgenij Thorstensen evgenit@ifi.uio.no Universitetet i Oslo 1 / 43 Oversikt Gode og dårlige skjemadesign (og litt historie) Funksjonelle
DetaljerSemantisk Analyse del I
Semantisk Analyse del I Attributtgrammatikker Kapittel 6.1-6.2 26.02.2013 1 Statisk semantisk analyse kapittel 6: Innhold Generelt om statisk semantisk analyse Attributt-grammatikker (kapittel 6.1-6.2)
DetaljerST0103 Brukerkurs i statistikk Høst 2014
Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag ST0103 Brukerkurs i statistikk Høst 2014 Løsningsforslag Øving 1 2.1 Frekvenstabell For å lage en frekvenstabell må vi telle
DetaljerXSLT 2. David Massey MBIB
XSLT 2 David Massey MBIB4140 21-9-2017 Demo html.xsl mondial.xsl albania 1214489 1618829
DetaljerMAT1030 Diskret Matematikk
MAT1030 Diskret Matematikk Plenumsregning 4: Ukeoppgaver Mathias Barra Matematisk institutt, Universitetet i Oslo 6. februar 2009 (Sist oppdatert: 2009-02-10 11:20) Plenumsregning 4 MAT1030 Diskret Matematikk
DetaljerViktig informasjon ang. lagringsområder
Viktig informasjon ang. lagringsområder Ved overgang fra Windows XP til Windows 7: Spørsmål ang. hjemmeområdet på nettverket og mappen Mine dokumenter Spesielle hensyn for bærbare maskiner Hvor er det
DetaljerIntegrasjon mot Active Directory i EK 2.37
Notat EK har funksjonalitet for å synkronisere brukertabellen sin mot Active Directory eller en annen katalogtjeneste som kan aksesseres via LDAP protokollen. Funksjonaliteten kan brukes til å: - Oppdatere
DetaljerVeileder til levering og godkjenning av rapporteringsdata til DBH-F
07.06.2012 Veileder til levering og godkjenning av rapporteringsdata til DBH-F Innhold Punkt I Hvordan fungerer dette? Hva må jeg vite før jeg går i gang?... 2 Punkt II Laste opp filer... 9 Punkt III Vis
DetaljerUtplukk og sortering. Innhold
Innhold Utplukk og sortering... 2 Definering av utplukk... 2 Velge felter for utplukket... 2 Filtrering og søk på tilgjengelige databasefelter... 3 Endre databasekobling etter at felt er valgt... 7 Valg
DetaljerMetaspråket for å beskrive grammatikk
1 SQL-syntaks Korrekt språkbruk bygger på et sett av regler. Eksempler: En SQL utvalgsspørring inneholder alltid ordene SELECT og FROM, mens WHERE og tilhørende betingelse er valgfri. Etter SELECT kan
DetaljerPG4200 Algoritmer og datastrukturer Forelesning 7
PG4200 Algoritmer og datastrukturer Forelesning 7 Lars Sydnes, NITH 19. mars 2014 I. TERMINOLOGI FOR TRÆR TRÆR Lister: Lineære Trær: Hierarkiske Modell / Språk: Bestanddeler: Noder, forbindelser. Forbindelse
DetaljerFÅ KONTROLL PÅ DE USTRUKTURERTE DATAENE
FÅ KONTROLL PÅ DE USTRUKTURERTE DATAENE Start din reise mot å etterleve de nye personvernreglene INTRODUKSJON I mai 2018 innføres ny personvernlovgivning i Norge. Disse har vært mye omtalt, både som de
DetaljerBEGYNNERKURS I SPSS. Anne Schad Bergsaker 26. april 2018
BEGYNNERKURS I SPSS Anne Schad Bergsaker 26. april 2018 FØR VI BEGYNNER... LÆRINGSMÅL 1. Kjenne til og kunne navigere mellom de ulike delene/ vinduene i SPSS, og vite forskjellen på dem 2. Kunne skrive
DetaljerLøsningsforslag for Obligatorisk Oppgave 3. Algoritmer og Datastrukturer ITF20006
Løsningsforslag for Obligatorisk Oppgave 3 Algoritmer og Datastrukturer ITF20006 Lars Vidar Magnusson Frist 28.03.14 Den tredje obligatoriske oppgaven tar for seg forelesning 9 til 13, som dreier seg om
DetaljerAnalysekurs Bevisst. Superbrukere
Analysekurs Bevisst Superbrukere 13.03.14 Forskjeller og sammenhenger mellom kuber, områderapporter og lederrapporter. «snakk med sidemannen i 2 minutter» 2 Høy standardiseringsgrad, lav detaljeringsgrad,
DetaljerTDT4105 Informasjonsteknologi grunnkurs: Uke 43: Datastrukturer (kap. 8)
1 TDT4105 Informasjonsteknologi grunnkurs: Uke 43: Datastrukturer (kap. 8) Anders Christensen anders@ntnu.no Rune Sætre satre@ntnu.no 2 Læringsmål og pensum Læringsmål Datastrukturer: Cell Arrays Structures
DetaljerTeam2 Requirements & Design Document Værsystem
Requirements & Design Document Høgskolen i Sørøst-Norge Fakultet for teknologi, naturvitenskap og maritime fag Institutt for elektro, IT og kybernetikk SRD 22/01/2018 Systemutvikling og dokumentasjon/ia4412
DetaljerIN uke 1. Komme i gang med programmering
IN1000 - uke 1 Komme i gang med programmering Plan for forelesingen Hva er programmering? Skrive og kjøre våre første program Variabler Feilmeldinger Innlesing fra tastatur Beslutninger (if) Plan for forelesingen
DetaljerDette dokumentet beskriver ny funksjonalitet i NOBB Kontrakt versjon 7.0. Merk at alle skjermbilder i beskrivelsen er gjort med fiktive data.
NOBB Kontrakt 7.0 Dette dokumentet beskriver ny funksjonalitet i NOBB Kontrakt versjon 7.0. Merk at alle skjermbilder i beskrivelsen er gjort med fiktive data. Søk i avtalelister Alle avtalelister har
DetaljerTDT4110 Informasjonsteknologi, grunnkurs Uke 35 Introduksjon til programmering i Python
TDT4110 Informasjonsteknologi, grunnkurs Uke 35 Introduksjon til programmering i Python Professor Guttorm Sindre Institutt for datateknikk og informasjonsvitenskap Læringsmål og pensum Mål Vite hva et
DetaljerProblemer med Indre joins. Inner joins og manglende verdier med aggregater. Left Outer Join. Outer Joins. Hvor mange har kjøpt hvert produkt?
IN2090 Databaser og datamodellering 10 Outer joins og mengdeoperatorer Leif Harald Karlsen leifhka@ifi.uio.no Aggregering og NULL Aggregering med sum, min, max og avg ignorerer NULL-verdier Det betyr også
DetaljerInnhold uke 10. Objektorientert programmering i Python. Oblig 7 og 8. IN1000 Seminar! IN1000 Høst 2018 uke 10 Siri Moe Jensen
Innhold uke 10 Hva bruker vi klasser til? Objektorientert programmering i Python IN1000 Høst 2018 uke 10 Siri Moe Jensen Noen sentrale datastrukturer for programmering lenkede lister trær grafer Eksempler:
DetaljerIN Algoritmer og datastrukturer
IN2010 - Algoritmer og datastrukturer HØSTEN 2018 Ingrid Chieh Yu Institutt for informatikk, Universitetet i Oslo Forelesning 3: Prioritetskø og Heap Ingrid Chieh Yu (Ifi, UiO) INF2010 H2018, forelesning
DetaljerLøsningsforslag til eksamen i IN2090 Databaser og datamodellering og INF1300 Introduksjon til databaser 6. desember :30 18:30 (4 timer)
Løsningsforslag til eksamen i IN2090 Databaser og datamodellering og INF1300 Introduksjon til databaser 6. desember 2018 14:30 18:30 (4 timer) 1. Eksterne skranker (5%) I modellene nedenfor (ORM2) skal
DetaljerRESULTATHÅNDTERING Guide om håndtering av resultater for klubber (eksport og import)
RESULTATHÅNDTERING Guide om håndtering av resultater for klubber (eksport og import) Her kan du lese en enkel guide til hvordan du håndterer resultater 1 1. Arrangere en konkurranse For å eksportere utøverlister
DetaljerTDT4110 Informasjonsteknologi grunnkurs: Tema: Funksjoner med retur og moduler. - 3rd edition: Kapittel Professor Alf Inge Wang
1 TDT4110 Informasjonsteknologi grunnkurs: Tema: Funksjoner med retur og moduler - 3rd edition: Kapittel 5.7-5.10 Professor Alf Inge Wang 2 Læringsmål og pensum Mål Beherske returverdier og returverdifunksjoner
DetaljerINF april, 2013 Kap. 8 Noen oppgaver som er meget relevante for Oblig 2
INF5110 16. april, 2013 Kap. 8 Noen oppgaver som er meget relevante for Oblig 2 Oppgave: Ut fra den objektorienterte trestrukturen vi laget for å representere Tiny-programmer (se neste foiler), gjør følgende
DetaljerTDT4105 Informasjonsteknologi, grunnkurs MatLab: Filbehandling - load, save, type - fopen, fgetl, feof, fprintf, fclose
1 TDT4105 Informasjonsteknologi, grunnkurs MatLab: Filbehandling - load, save, type - fopen, fgetl, feof, fprintf, fclose Anders Christensen (anders@ntnu.no) Rune Sætre (satre@ntnu.no) TDT4105 IT Grunnkurs
DetaljerGruppe prosjekt del 3. INFO134 Klientprogrammering Vår 2017 Kandidatnummer: 304, 298
Gruppe prosjekt del 3 INFO134 Klientprogrammering Vår 2017 Kandidatnummer: 304, 298 Del 1 Forholdet mellom HTML, JavaScript og MongoDB HTML, er et markeringsspråk for hypertekst. HTML benyttes for å strukturere
DetaljerIN2090 Databaser og datamodellering. 06 Enkele joins og nestede SELECT
IN2090 Databaser og datamodellering 06 Enkele joins og nestede SELECT Leif Harald Karlsen leifhka@ifi.uio.no Universitetet i Oslo 1 / 43 Repetisjon (Enkle) SELECT-spørringer har formen: SELECT
DetaljerImport/Eksport av SOSI
Import/Eksport av SOSI Knut Hunstad HVA ER EN KORREKT SOSI-FIL? SOSI håndteres av Kartverket Standarden finnes på Kartverkets sider, i flere dokumenter Siste versjon er 5.0 SOSI-kontroll/SOSI-vis er det
DetaljerPROGRAMUTVIKLINGSPLAN. Big Data and Machine Learning
PROGRAMUTVIKLINGSPLAN Big Data and Machine Learning Innholdsfortegnelse Produkt beskrivelse... 1 Team beskrivelse... 2 Prosjektets kunnskapskrav... 2 Medlemmer og roller... 2 Program prosessmodell beskrivelse...
DetaljerSPSS Statistics-kurs 2014
SPSS Statistics-kurs 2014 Kurskalender 2014-1. halvår Dager Pris Jan Feb Mars April Mai Juni 6.-7. 5.-6. 3.-4. 6.-7. 5.-6. 22.-23. 27.-28. 19.-20. 22.-23. 26.-27. Anvendt statistikk 2 8 300 16.-17. 13.-14.
DetaljerOversikt. Beskrivelse Bash. 1 UNIX shell. 2 Kommandolinje som brukergrensesnitt. 3 Input og output. 4 Bash builtins. 5 Linux utilities.
Oversikt UNIX shell 1 UNIX shell Beskrivelse Bash 2 Kommandolinje som brukergrensesnitt 3 Input og output 4 Bash builtins 5 Linux utilities Lars Vidar Magnusson () Forelesning i Operativsystemer 30.08.2011
DetaljerOPPGAVESETTET BESTÅR AV 3 OPPGAVER PÅ 6 SIDER MERKNADER: Alle deloppgaver vektlegges likt.
EKSAMEN I: MOT310 STATISTISKE METODER 1 VARIGHET: 4 TIMER DATO: 08. mai 2008 TILLATTE HJELPEMIDLER: Kalkulator: HP30S, Casio FX82 eller TI-30 Tabeller og formler i statistikk (Tapir forlag) OPPGAVESETTET
DetaljerUnit Relational Algebra 1 1. Relational Algebra 1. Unit 3.3
Relational Algebra 1 Unit 3.3 Unit 3.3 - Relational Algebra 1 1 Relational Algebra Relational Algebra is : the formal description of how a relational database operates the mathematics which underpin SQL
DetaljerPG 4200 Algoritmer og datastrukturer Innlevering 2
PG 4200 Algoritmer og datastrukturer Innlevering 2 Frist: Mandag 21.april 2014 kl 23.55 Utdelt materiale: Se zip-filen innlevering2.zip. Innlevering: Lever en zip-fil som inneholder følgende: PG4200_innlevering_2.pdf:
DetaljerSimulerings-eksperiment - Fysikk/Matematikk
Simulerings-eksperiment - Fysikk/Matematikk Tidligere dette semesteret er det gjennomført et såkalt Tracker-eksperiment i fysikk ved UiA. Her sammenlignes data fra et kast-eksperiment med data fra en tilhørende
DetaljerLæringsmål og pensum. if (be): else (not_to_be):
1 TDT4110 Informasjonsteknologi grunnkurs: Tema: Betingelser og logiske uttrykk - 3rd edition: Kapittel 3 Professor Alf Inge Wang 2 if (be): else (not_to_be): 3 Læringsmål og pensum Mål Lære å bruke og
DetaljerKapittel 1: Data og fordelinger
STK Innføring i anvendt statistikk Mandag 8. august 8 Ingrid K. lad I løpet av dette kurset skal dere bli fortrolig med statistisk tenkemåte forstå teori og metoder som ligger bak knappene/menyene i vanlige
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i : INF5110 Eksamensdag : Tirsdag 6. juni 2006 Tid for eksamen : 09.00-12.00 Oppgavesettet er på : 5 sider Vedlegg : Intet Tillatte
DetaljerTom Røise 2/28/2007. IMT2243 : Systemutvikling 1. Forelesning IMT2243 1. mars 2007. Tema : Litteratur : Strukturert analyse. Strukturert analyse
Forelesning IMT2243 1. mars 2007 Tema : Litteratur : Art.saml. Punkt 9 : Kap. 9. SASD - modellen, E. Andersen Metoden går ut på å anvende et sett teknikker i arbeidet med å lage gode systemmodeller /beskrivelser
DetaljerStatus tekniske løsninger Medisinske kvalitetsregistre. HelsIT 23 september 2010 Per.Olav.Skjesol@hemit.no Avdelingsleder
Status tekniske løsninger Medisinske kvalitetsregistre HelsIT 23 september 2010 Per.Olav.Skjesol@hemit.no Avdelingsleder Overordnet målsetting Utvikle en teknisk løsning som er Brukervennlig Gir god datakvalitet
DetaljerBegynnerkurs i Stata. UiO vår 2019, Knut Waagan 1 / 95
Begynnerkurs i Stata UiO vår 2019, Knut Waagan 1 / 95 Mål Komme i gang Grunnleggende datahåndtering Få litt oversikt 2 / 95 Temaer Håndtere datasett Beskrivende statistikk Lage grafer Litt estimering 3
DetaljerINF 3430/4431. Simuleringsmetodikk
INF 3430/4431 Simuleringsmetodikk Innhold Event driven simulation Simulering av VHDL-modeller Selvtestende testbenker Fil-operasjoner Eksempel på SRAM modell og simulering av lesing fra denne INF3430/4431
DetaljerRutenettsmodell Import av Laserscan datafiler
Rutenettsmodell Import av Laserscan datafiler Funksjonen for import av rutenettsmodell er utvidet og inkluderer nå en funksjon for import av laserscan datafiler. Metoden bak funksjonen fungerer som følger:
DetaljerBrukerveiledning Excelmal Merkesystem 2017
Brukerveiledning Excelmal Merkesystem 2017 Versjon 1.2 Dato: 20.6.2017 Forfatter: Andreas Erichsen, Erichsen & Horgen AS Innhold Innhold... 1 Oversikt... 2 Oppstart... 3 Generell innlegging og validering
DetaljerINF 3430/4430. Simuleringsmetodikk
INF 3430/4430 Simuleringsmetodikk Innhold Event driven simulation Simulering av VHDL-modeller Selvtestende testbenker Fil-operasjoner Eksempel på SRAM modell og simulering av lesing fra denne INF3430 Side
DetaljerRedigere innsynsmodulens oppslagsregistre
ArkiData ByggSak-Rapport 5 Administrasjonsverktøy for installasjon og vedlikehold av innsynsmodul Redigere innsynsmodulens oppslagsregistre Oppslagsregistre i ByggSak-Rapport ByggSak-Rapport er avhengig
DetaljerSTYRINGSSYSTEMER OG VERDISKAPING; HVOR STÅR BUDSJETTET I NORSKE VIRKSOMHETER?
STYRINGSSYSTEMER OG VERDISKAPING; HVOR STÅR BUDSJETTET I NORSKE VIRKSOMHETER? Beyond Budgeting Workshop NHH-symposiet 18. Mars 2015 Trond Bjørnenak Norges Handelshøyskole Funn fra studier i norske virksomheter
DetaljerDIN DIGITALE PARTNER
DIN DIGITALE PARTNER GDPR General Data Protection Regulation eprivacy Regulation Forordning fra EU som trer i kraft 25. mai Påvirker alle virksomheter i Norge GDPR Hva gjør CoreTrek med GDPR? GDPR «treffer»
DetaljerInstitutt for økonomi og administrasjon
Fakultet for samfunnsfag Institutt for økonomi og administrasjon Statistiske metoder Bokmål Dato: Torsdag 19. desember Tid: 4 timer / kl. 9-13 Antall sider (inkl. forside): 8 Antall oppgaver: 3 Oppsettet
Detaljer