IT, BI, DWH, DM, AI

Online python: használatot lehetővétevő oldalak https://www.python.org/shell/ https://trinket.io/python3 https://repl.it/@klajosw/ SpryBruisedCodeview   //   https://repl.it/languages/ python3 https://www.onlinegdb.com/ online_python_compiler https://www.jdoodle.com/ python-programming-online/ https://paiza.io/projects/ qes1fSDB7ZdOTRG4K7Kplw? language=python3 https://colab.research.google. com/notebooks/welcome.ipynb https://www.pythonanywhere. com/login/ https://www.tutorialspoint. com/execute_python_online.php   (2.7) https://live.sympy.org/  (2.7) https://www.guru99.com/ execute-python-online.html https://www.jdatalab.com/ datacamppython/ https://tio.run/#python1 http://mathcs.holycross.edu/~ kwalsh/python/ https://rextester.com/l/ python3_online_compiler https://pythonprinciples.com/ online-python-interpreter/ http://pythonfiddle.com/ https://ideone.com/ Python online oktatási oldalak, : https://www.infoq.com/ ent

Az interneten a smileyk azért terjedtek el, hogy pótolják a beszélgetés során az arckifejezéseket, gesztusokat, amik nélkül a mondanivaló néha félreérthet!. Ezek összefoglaló elnevezése emotikon (emóció + ikon), de ehelyett sokszor a smiley szót használják.  Fontosabb szöveges emotikonok: :) mosoly :-( szomorúság, esetleg együttérzés :-| közömbös :-/ felemás érzésekkel küszköd! :-> gúnyos ;-) kacsintás :-D széles vigyor, nevetés :-P kiöltött nyelv, csípkelődés 8-) napszemüveg, szemüveges B-) „Cool” - jó, tetszik, remek, frankó :-o csodálkozás, meglepettség :-@ ordító, visító, sikító :-x puszi :'-( könnycsepp, síró :o) bohócorr 0:-) glória, angyal, angyali :-)>> Mikulás :"> szégyenlőss >:-> ördög, pokoli [-) kopasz :-{ bajuszos :-! befogták a száját (ráléptek a szájára) Már a karakter készlet is tartalmaz simey-eket.  Itt egy Python minta a kiolvasásra:

Szó felhő készítése Python-ban (wordcloud modul használatával). A szófelhő egy formába rendezett, szavakból álló illusztrációs megjelenítés, ahol a megjelenített forma és a szavak jelentése, előfordulási gyakorisága  közötti információ függés megjelenítése történik. Nagyon jól használható az emberi képfeldolgozás kihasználásával ad információt kapcsolatot hangsúlyt az illusztrációként megjelenített kép. Lényegében sugallja az információt mivel a kiaknázásban a képet néző személy be van vonva és egy aha (ráismerés élménnyel) is mélyíti a fontos a szavakban rejlő információ felismerését, rögzülését. Többféle online portál is nyújt ilyen szolgáltatást, de most a Python nyelvbe rejlő lehetőséget villantjuk meg. Szükséges modulok: import matplotlib.pyplot as plt import numpy as np from PIL import Image  from wordcloud import WordCloud Generálás: wc = WordCloud(background_color="white", max_words=2000, mask=mask,               max_font_size=50, contour

Gmap, Leaflet, Openlayer, ... https://openlayers.org/workshop/en/basics/ https://openlayers.org/en/latest/apidoc/module-ol_Map-Map.html http://openlayersbook.github.io/ https://github.com/geops/ http://www.acuriousanimal.com/Openlayers-Cookbook/ https://openmaptiles.github.io/osm-bright-gl-style/#8.37/47.5584/20.2687 https://github.com/openmaptiles/openmaptiles-tools https://openlayers.org/workshop/en/basics/ https://openlayers.org/en/latest/apidoc/module-ol_Map-Map.html https://github.com/geops/ole http://www.acuriousanimal.com/Openlayers-Cookbook/ https://github.com/openlayersbook/openlayersbook https://openmaptiles.github.io/osm-bright-gl-style/#8.37/47.5584/20.2687 https://github.com/openmaptiles/openmaptiles-tools https://www.teir.hu/idosoros- elemzo/ https://prestat. lechnerkozpont.hu/ bunmegelozes/#/login https://www.ksh.hu/docs/hun/ xstadat/xstadat_eves/i_ zji001b.html https://www.ksh.hu/interaktiv_ grafikonok http://www.police.h

AI típusok és Python modulok Megerősítéses tanulás  A megerősítéses tanulás a gépi tanulás fontos családtagja. Tanulási stílusa olyan, mint egy kicsi csecsemő. Mivel különös a körülötte lév környezetre, a környezetet folyamatosan érintkezve tanulja meg a környezetbõl, így ismeri a környezetet. Nagyon sok módja van, hogy megerősítse a tanulás, mint a Q-tanulás, Sarsa és így tovább, ez alapú vizuális szimuláció, számítógép megtanulja, hogyan kell nézni és értelmezni ezt.  Evolúciós algoritmus  Az evolúciós algoritmus a gépi tanulás egyik ága. Az egyik leghíresebb evolúciós algoritmus a genetikai algoritmus. Az evolúciós algoritmust Darwin evolúciós elmélete ihlette. Fő vezérlő elvek és használatuk fejlődése a szerint hogy: "A legmegfelelőbb túlélés, a kellemetlenségek kiküszöbölése" törekvéssel. Az evolúciós algoritmus fő szakaszai: Klasszikus genetikai algoritmus , NeuroEvolution, Evolúciós stratégia  Neurális hálózat: Tensorflow A Tensorflow, a Google

A python fejlesztői környezet hibátlan működéséhez több beállítási lépés is szükséges. Python modul/packages  utvonal környezeti változó : $PYTHONPATH Modul installálása:  Goggle colab esetén: !pip install networkx==1.11 !pip install -q http://download.pytorch.org/whl/{accelerator}/torch-0.4.0-{platform}-linux_x86_64.whl torchvision Python Modulok használata: >>> import math  ## Matematikai függvények modul importja >>> dir( math )  ## importált matematikai föggvények listája ['__doc__ ', '__file__ ', '__name__ ', 'acos ', 'asin ', 'atan ', 'atan2 ', 'ceil ', 'cos ', 'cosh ', 'degrees ', 'e', 'exp ', 'fabs ', 'floor ', 'fmod ', 'frexp ', 'hypot ', 'ldexp ', 'log ', 'log10 ', 'modf ', 'pi ', 'pow ', 'radians ', 'sin ', 'sinh ', &

Az üzleti intelligencia fogalma: Olyan módszerek, fogalmak halmazát jelenti, melyek a döntéshozás folyamatát javítják adatok és ún. szakterület alapú rendszerek használatával. A " szakterület rendszer " fogalma a következő alrendszereket foglalja magába: - Vezetői információrendszerek (Executive Information Systems); - Döntéstámogató rendszerek (Decision Support Systems, DSS); - Vállalat irányítási információrendszerek (Enterprise Information Systems); - Üzleti információ elemző rendszerek (Online Analitical Processing (OLAP)); - Adat és szövegbányászat; - Adat vizualizáció - Térinformatikai rendszerek (Geographic Information Systems, GIS). E lőrejelző elemzéseknél egy modell felállítása a cél, mellyel múltbeli adatokból következtethetünk jövőbeli eredményekre. Ilyen modellel lehetséges pl. egy változó értékének becslése több változóból úgy, hogy megvizsgáljuk milyen összefüggés volt a múltban a kulcsváltozó és a többi változó között. A már rendelkezésre á

- Adatbázis: együtt tárolt, egymással összefüggő adatok rendszere. - Adatbázis struktúrája : az adatok meghatározott szerkezet szerint kerülnek tárolásra, és ezt a szerkezetett nevezzük így. - Séma : Az adatbázis struktúra (szerkezet modell) leírását szintén az adatbázisban tárolják, ezt az adatbázis sémájának nevezzük - Metaadatok : a séma leírására szolgáló adatokat szokás így hívni. - Adatmodellezés: olyan eljárás, melynek során a valós világ tényeit és összefüggéseit tükröző adatok lényeges sajátosságait és lényeges összefüggéseit emeljük ki. Eredménye az adatmodell. - Egyedek: azokat a dolgokat, amelyek adatait le szeretnénk írni, egyedeknek, vagy objektumoknak nevezzük. Ezzeket tulajdonságokkal, attribútumokkal írjuk le. - Kulcsok : egy tulajdonság, vagy a tulajdonságok egy csoportja egyértelműen meghatározza, hogy az egyed melyik értékéről, vagyis az egyedhalmaz melyik eleméről van szó, akkor ezeket a tulajdonságokat kulcsnak, vagy azonosítónak nevezzük.

- Csillagséma (star schema) Modellünkben a tényadatok, mutatószámok játsszák a központi szerepet. A ténytábla normalizálásaként a mutatószámok jellemzőit dimenziók szerint egy-egy dimenziótáblában gyűjtjük össze, melynek minden elemét egy kulcs azonosít. Általánosan is igaz, hogy a dimenziótáblák mérete a ténytábla méretéhez képest nagyságrend(ekk)el kisebb -- DW tervezés lépései modellezendő üzleti folyamat kiválasztása  pl.: raktárkészlet nyilvántartások felbontás (granularity) meghatározása      pl.: raktárkészlet termékenként, naponként, raktárhelyiségként, szállítóként, stb. dimenziók meghatározása, kidolgozása       pl.: termék: név, súly, szín, beszerzési ár, stb. tényadatok meghatározása                        pl.: raktári mennyiség, súly, érték, minőségi mutatók, stb. A tervezés első lépése, hasonlóan az álatános  információs rendszerekhez,  itt is a  lehetséges információigények meghatározása és elemzése. Ennek során kell feltárni az adattárházban elhelyezen

Absztrakt osztály: Olyan osztály, amely nem példányosítható, mert van olyan metódusa, amely nincs az adott osztályban implementálva. Az implementálás - származtatás után - a utódosztályban történik meg. Adatmező: Lásd adattag! Adattag: (attribútum, adatmező): Az osztálydefiníció része, az osztály objektumainak (példányainak) egyedi jellemzőit, tulajdonságait tároló adattípus. Lehetnek példányszintűek és osztályszintűek is. Aktuális paraméterlista: Kifejezések vesszővel ellátott felsorolása. Paraméterátadásnál az aktuális paraméterek típusának rendre  - tehát megfelelő sorrendben, páronként - meg kell egyeznie a formális paraméterlistában megadottakkal. Attribútum: Lásd adattag! Destruktor: A konstruktor által lefoglalt erőforrások felszabadítását végzi. A Java-ban automatikusan is megtörténik, ha egy objektumra minden hivatkozás megszűnik. Dinamikus (késői) kötés: A hívott metódus futásidejű hozzárendelése az objektumhoz. Egységbezárás: Adattagok és metódusok osztá

A mesterséges neurális hálózatról akkor beszélhetünk, ha a rendszer rendelkezik tanulási és predikciós algoritmussal és általában több rétegbe szerveződik. A hálózat átalakításánál lényegében négy elemre kell koncentrálnunk:  - a bemeneti mátrix,  - súly mátrix,  - az eltolás (bias),  - az aktivációs függvény Problémamegoldó folyamat lépések neurális háló használatnál:  adathalmaz kiválasztása,  modell kiválasztása,  adatok előfeldolgozása,  modell implementálása,  modell hiperparaméter optimalizálása,  tanító és teszt adatok cseréje,  eredmények kiértékelése Az adathalmaz kiválasztása :  A bemenet a bemeneti értékeket jelenti vektor formájában.  A súlyok jelentik a neurális hálózat paramétereit, ezeknek kívánjuk  az iteratív tanítás során megtalálni a megfelelő értékeit (hiperparaméter).  Adat tisztítás, megfelelően előkészített bemeneti adatok kiválasztása.  Az előfeldolgozásra azért van szükség, mert általában a rendelkezésre álló adathalmaz hiányo