Fundamentale Ideen der Informatik PH Weingarten Sommersemester 2014 Paul Libbrecht CC-BY. Vorlesung 4: Suche
|
|
- Markus Heinrich
- vor 6 Jahren
- Abrufe
Transkript
1 Fundamentale Ideen der Informatik PH Weingarten Sommersemester 2014 Paul Libbrecht CC-BY Vorlesung 4: Suche
2 Menü Weshalb debuggen? Wo ist der Bug? Idee: Komplexität Linear Suche Index Suche Lucene Index Suche offen: Suchergebnisse sortieren
3 Themenkarte Verschlüsselung Netzwerk Versionierung Programmverlauf Java Instruktionen Maschinelles Lernen von Neumann Modell Datenstrukturen Komplexität Suche, Index Betriebsystem Klassen & Instanzen Repräsentationen Komprimierung
4 Weshalb Debuggen? Grundidee der Vorlesung: Sie verstehen wie ein Programm abläuft dafür: Effekte ansehen, selber schreiben oder lesen und interpretieren debuggen: ein Debugger benutzen nicht mit der Definition von Pappert! Lernerfahrung durch Bugjagd und Reparatur
5 Wieso IntelliJ IntelliJ IDEA ein Profiwerkzeug ein IDE: Integrated Development environment kann viele Sprachen, viele Medien aber braucht aber etwas Geduld (und RAM) viele benutzen Lernorientierte IDEs BlueJ, Jelliot, sehr begrenzt, kaum Luxus zum editieren, kaum API-orientiert
6 Debuggen zu erklären Aber... Sie verstehen nicht was ist was mehr lesen, zuhören, sich dokumentieren diese Erklärung ist zu einfach... die Informatik basiert oft auf einfache Dinge Sie verstehen nicht, was Sie an dieser Stufe erklären sollten: API zeigen, probieren und Variable sehen, versuchen Sie die Zeile wegzumachen
7 Idee: Komplexität In einem Programmablauf, ist eine Einschätzung der obere Grenze der Menge der Stufen oder des benötigte Platzes Komplexität genannt. Zeit: wann kommen wir an? Seit Erklärungen: Mathefunktion, Schätzen in der Grundschule Horizontal: überall wo ein Programm studiert wird, braucht man seine Erwartungen zu zitieren (zb Progressbars)
8 Beispiel: Termin Finden (mit dem Telefon) n Leute (1, 2, 3,...) brauchen sich zu treffen Organisator o versucht ein passender Termin zu finden indem er jeder anruft Es gibt m Zeitmöglichkeiten o ruft 1, findet Termin a o ruft 2, prüft, passt nicht? zurück zu 1... wieviele Anrufe (max) wenn n Leute?
9 Beispiel: Termin Finden (mit dem Telefon) n=2 m Versuche n=3 m m Versuche Komplexität m n 1 <latexit sha1_base64="6nf3jdi2ehoq/qprkbhuuw4z82m=">aaacyxicjvhlssnafd2nr1pfvzdugkvwy0le1gxrjqsxfywt1cpjoq1d82iyewvpyi9wqx8m/oh+hxfgfnqioihj n=4 m m m Versuche für jeder mehr, multipliziert man durch m
10 Termin Finden (mit Doodle.com) o fragt alle möglichen Termine einer nach dem anderen nur n Telefonaten Komplexität n
11 Suche: Problemstellung eine Vielzahl von Informationen man verliert den Überblick ein Rechner kann viel durchsuchen lass den suchen! eine Anfrage formulieren Ergebnisse ansehen Universitetsbiblioteket : søndre del av langsalen til Fredriksgate
12 Suche: Problemstellung ein Haufen von Information zuviel zu überblicken ein Rechner kann viel durchsuchen lass den suchen! eine Anfrage formulieren Ergebnisse ansehen Fra Katalogsalen i publikumsavdelingen ved Universitetsbiblioteket, 1949
13 Experiment: Ganzes Shakespeare wer kennt das ganzes Shakespeare? ~ Zeilen, ~ Wörter leicht mit einem Rechner zugänglich von Gutenberg freie ebooks kein Urheberrecht bedroht als Text Datei zugänglich (und ) Wir suchen durch alle diese Texte nach einzelne Wörter
14 Simple Search: lineare Suche einfache Idee: das Programm öffnet die Datei und prüft die Anfrage durch allen Zeilen sogenannte sequenzielle Suche Projekt: FundIdeen04-Search (link) laufen, Debuggen Komplexität?
15 SimpleSearch: Grenzen Komplexität (also Zeit) Abhängig von: der Grösse der Dokumentensammlung der Geschwindigkeit des Lesens das Datei wird immer wieder gelesen Ungeeignet für: grosse oder langsame Kollektionen multi-benutzern-anfragen Könnte alles im Speicher ablegen Grösse dann von dem RAM begrenzt Wie macht Google oder Bing?
16 Datenstruktur: Indexbaum <root> K Ein hierarchiches Graf L U (also... ein Baum) E R Knotenetiketten: Buchstaben I Z Blattknotten: Liste der N Byte 33 Dokumentenreferenzen I Operationen: Byte 223 Byte G Byte 779 Suchen: durch die Buchstaben K einfügen: einfach neues Knoten E Kind und/oder neuer Mitglied I der Liste T Byte 88 Byte 115
17 Programm: Index Suche Eine Klasse: IndexNode ein Buchstabe Liste von Kindern Liste von Referenzen Aktionen: Kindknote finden (String) Kind hinzufügen Alles aus einem Wurzel Programm Indexieren: liest Zeilen und fügt Wörter im Index Programm IndexSuchen: lädt das Index erwartet Anfragen druckt Zeilennummer
18 Index Suche: Grenzen Nur ganze Wörter oder Wortanfangsteile Index muss im Speicher abgelegt werden alle Wörter der Welt in einem wäre schwierig Listen von Referenzen zu gross? zu gemeinsame Wörter (Stopwords) wegnehmen Was ist wenn hunderte von Ergebnisse? Ranking
19 Domäne der Informatik: Information Retrieval Information Retrieval: Wissenschaft der Suchprogramme Etabliert, theoretisch und experimentell Trends: Kontext-abhängig ranking, facetting, grafische Ergebnisse, Sprachanalyse, Bildanalyse, Benutzertesting in Aufgaben Beispielwerk: searchuserinterfaces.com Konferenzen: ACM SIGIR, NTCIR, TREC, CLEF...
20 Weiter: mit Lucene das Index durch eine Bibliothek machen die auch für Festplattenspeicherung sorgt Elemente Dokumente mit Felder und, jeder, eine Reihe von Tokens typischerweise: Wortstämme LuceneBuildIndex and LuceneSearch schneller, gestemmt Ranking: tf idf (Definition beim IR-Book)
21 Augaben Komplexität in anderen Kontexten einsehen zb beim Editieren Die Baumstrukturen in Java Variablen und im Baum vergleichen ein viel grösseres Text laden (zb Wikipedia Topartikeln, link)
Fundamentale Ideen der Informatik PH Weingarten Sommersemester 2014 Paul Libbrecht CC-BY. Vorlesung 1: ProgrammAblauf
Fundamentale Ideen der Informatik PH Weingarten Sommersemester 2014 Paul Libbrecht CC-BY Vorlesung 1: ProgrammAblauf Menü Kennenlernen Panorama IntelliJ IDEA bewältigen ein Programm laufen... und debuggen
MehrFundamentale Ideen der Informatik PH Weingarten Sommersemester 2014 Paul Libbrecht CC-BY
Fundamentale Ideen der Informatik PH Weingarten Sommersemester 2014 Paul Libbrecht CC-BY Vorlesung 6: Repräsentationen Themenkarte Verschlüsselung Netzwerk Versionierung Programmverlauf Java Instruktionen
MehrFundamentale Ideen der Informatik PH Weingarten Sommersemester 2014 Paul Libbrecht CC-BY. Vorlesung 3: Methoden, Scope
Fundamentale Ideen der Informatik PH Weingarten Sommersemester 2014 Paul Libbrecht CC-BY Vorlesung 3: Methoden, Scope Menü Erinnerung: Variablen, Objekte Methode Idee Klasse Kode-Sichtbarkeit Idee: Test,
MehrSPRACHTECHNOLOGIE IN SUCHMASCHINEN IR-GRUNDLAGEN
SPRACHTECHNOLOGIE IN SUCHMASCHINEN IR-GRUNDLAGEN HAUPTSEMINAR SUCHMASCHINEN COMPUTERLINGUISTIK SOMMERSEMESTER 2016 STEFAN LANGER STEFAN.LANGER@CIS.UNI -MUENCHEN.DE Übung (Gruppenarbeit, 10-15 min.) Sie
MehrInstallation und Benutzung. LangCorr ApS Erritsoegaardsvej 11 DK 7000 Fredericia Denmark
Installation und Benutzung Herzlich Willkommen zu Language Corrector! Language Corrector herunterladen: Auf unserer Seite www.langcorr.com finden Sie unten, Mitte links, den Link zu LanguageCorrector.
MehrProgramm heute. Algorithmen und Datenstrukturen (für ET/IT) Entartete Suchbäume. Beispiel: Balancieren von Suchbaum. Wintersemester 2012/13
Programm heute Algorithmen und Datenstrukturen (für ET/IT) Wintersemester / Fortgeschrittene Datenstrukturen Dr. Tobias Lasser Computer Aided Medical Procedures Technische Universität München 8 Such-Algorithmen
Mehr7. Dynamische Datenstrukturen Bäume. Informatik II für Verkehrsingenieure
7. Dynamische Datenstrukturen Bäume Informatik II für Verkehrsingenieure Übersicht dynamische Datenstrukturen Wozu? Oft weiß man nicht von Beginn an, wieviele Elemente in einer Datenstruktur untergebracht
Mehr1. Einführung. Was ist ein Algorithmus (eine Datenstruktur)? Welche Probleme kann man damit lösen? Warum betrachten wir (effiziente) Algorithmen?
1. Einführung Was ist ein Algorithmus (eine Datenstruktur)? Welche Probleme kann man damit lösen? Warum betrachten wir (effiziente) Algorithmen? Wie beschreiben wir Algorithmen? Nach welchen Kriterien
Mehr3. Vorlesung. Skip-Pointer Komprimierung der Postings Speicherung des Dictionarys Kontext-Anfragen. Seite 55
3. Vorlesung Skip-Pointer Komprimierung der Postings Speicherung des Dictionarys Kontext-Anfragen Seite 55 Wiederholung, Invertierte Liste Anfrage mit zwei Termen (logisches UND) Merge-Operation durchläuft
MehrÜbersicht. Volltextindex Boolesches Retrieval Termoperationen Indexieren mit Apache Lucene
Übersicht Volltextindex Boolesches Retrieval Termoperationen Indexieren mit Apache Lucene 5.0.07 1 IR-System Peter Kolb 5.0.07 Volltextindex Dokumentenmenge durchsuchbar machen Suche nach Wörtern Volltextindex:
MehrWie schnell findet Facebook einen von 2,5 Milliarden Benutzern?
Wer Ordnung hält, ist nur zu faul zum Suchen... Wie schnell findet Facebook einen von 2,5 Milliarden Benutzern? Klaus Kusche Frühjahr 2019 Suchen? Computer rechnen doch! Mehr rechnen oder mehr suchen???
MehrAlgorithmen und Datenstrukturen
Algorithmen und Datenstrukturen B7. Balancierte Bäume 1 Marcel Lüthi and Gabriele Röger Universität Basel 13. April 2018 1 Folien basieren auf Vorlesungsfolien von Sedgewick & Wayne https://algs4.cs.princeton.edu/lectures/33balancedsearchtrees-2x2.pdf
MehrGTR Programm: Lexikon
GTR Programm: Lexikon Der GTR hat, wie bekannt sein sollte, nur 10 Speicherplätze für Strings (in der Informatik Zeichenketten). Dieses Programm soll eine Art "Lexikon" darstellen, das für einen Eintrag
MehrInformatik II - Übung 12
Informatik II - Übung 12 Katja Wolff katja.wolff@inf.ethz.ch Übungsblatt 11 1) Sortieren mit Suchbäumen 2) Zeitkomplexität 3) Ein neuer Rechner! 4) Ein Springer auf dem Schachbrett Informatik II Übung
MehrProgrammieren I. Entwicklungsumgebungen Eclipse, NetBeans und IntelliJ IDEA. Institut für Angewandte Informatik
Programmieren I Entwicklungsumgebungen Eclipse, NetBeans und IntelliJ IDEA KIT Die Forschungsuniversität in der Helmholtz-Gemeinschaft www.kit.edu Was ist Programmieren Quellcode schreiben Der Maschine
MehrTextsuche mit Indexstrukturen. Anfragen. Inzidenz Vektoren. Term-Dokument Inzidenz Matrix
Textsuche mit Indexstrukturen Zu einer Anfrage alle Dokumente sequentiell durchsuchen? Kleine Textsammlungen (ein paar MB) Sehr viele Änderungen Indexstrukturen Mehraufwand lohnt sich erst für große Texte
MehrInformatik Abitur Bayern 2017 / II - Lösung
Informatik Abitur Bayern 2017 / II - Lösung Autoren: Wolf (1) Wagner (2) Scharnagl (3-5) 1a 5 1b Diese Methode vergleicht den Namen des Interpreten eines jeden Elements der Liste mit dem gegebenen Namen.
MehrInformation Retrieval, Vektorraummodell
Universität Potsdam Institut für Informatik Lehrstuhl Maschinelles Lernen Information Retrieval, Vektorraummodell Tobias Scheffer Paul Prasse Michael Großhans Uwe Dick Information Retrieval Konstruktion
MehrAlgorithmen und Datenstrukturen. Algorithmen und Datenstrukturen. B3.1 Einführung. B3.2 Verkettete Liste. B3.3 Bäume
Algorithmen und Datenstrukturen 22. März 2018 B3. Verkettete Listen und Bäume Algorithmen und Datenstrukturen B3. Verkettete Listen und Bäume B3.1 Einführung Marcel Lüthi and Gabriele Röger B3.2 Verkettete
MehrIR Seminar SoSe 2012 Martin Leinberger
IR Seminar SoSe 2012 Martin Leinberger Suchmaschinen stellen Ergebnisse häppchenweise dar Google: 10 Ergebnisse auf der ersten Seite Mehr Ergebnisse gibt es nur auf Nachfrage Nutzer geht selten auf zweite
MehrAlgorithmen und Datenstrukturen
Algorithmen und Datenstrukturen B3. Verkettete Listen und Bäume Marcel Lüthi and Gabriele Röger Universität Basel 22. März 2018 Einführung Abstrakter Datentyp / Datenstruktur Abstrakter Datentyp Eine Menge
MehrLucene eine Demo. Sebastian Marius Kirsch 9. Februar 2006
Lucene eine Demo Sebastian Marius Kirsch skirsch@luusa.org 9. Februar 2006 Text Retrieval wie funktioniert das? Aufgabe: Finde zu Stichwörtern die passenden Dokumente Sortiere sie nach Relevanz zur Suchanfrage.
MehrDatentypen. strukturierte. elementare. skalare reelle statische dynamische int. list. real float. set. record. inhomogen. homogen
Datentypen elementare strukturierte skalare reelle statische dynamische int real float list homogen set inhomogen record Der elementare Datentyp nat bestehend aus einer Objektmenge und den darauf definierten
MehrAlgorithmen & Datenstrukturen 2 Praktikum 1
Algorithmen & Datenstrukturen 2 Praktikum 1 Thema: Binomial Heaps Sommersemester 2016 Prof. Dr. Christoph Karg Hochschule Aalen Ziel dieses Praktikums ist es, die Binomial Heap Datenstruktur in Form einer
MehrAlgorithmen und Datenstrukturen II
Algorithmen und Datenstrukturen II Algorithmen zur Textverarbeitung III: D. Rösner Institut für Wissens- und Sprachverarbeitung Fakultät für Informatik Otto-von-Guericke Universität Magdeburg Sommer 2009,
MehrKlausur Algorithmen und Datenstrukturen I WS 05/06
FH Braunschweig/Wolfenbüttel Fachbereich Informatik Prof. Dr. R. Rüdiger Wolfenbüttel, den 10. Januar 2006 Klausur Algorithmen und Datenstrukturen I WS 05/06 Hinweise: Es sind beliebige schriftliche Unterlagen
MehrJakarta Lucene. Eine Java-Bibliothek zur Suchindex-Erstellung. Seminararbeit Tilman Schneider
Jakarta Lucene Eine Java-Bibliothek zur Suchindex-Erstellung Seminararbeit Tilman Schneider 2004 Tilman Schneider Seminararbeit: Jakarta Lucene Folie 1 Agenda Definition: Suchmaschine Vorstellung von Jakarta
MehrAlgorithmen und Datenstrukturen (für ET/IT)
Algorithmen und Datenstrukturen (für ET/IT) Sommersemester 2018 Dr. Stefanie Demirci Computer Aided Medical Procedures Technische Universität München Organisatorisches: Keine Vorlesung nächste Woche wegen
MehrVerteilte Algorithmen und Datenstrukturen. Prof. Dr. Christian Scheideler Institut für Informatik Universität Paderborn
Verteilte Algorithmen und Datenstrukturen Prof. Dr. Christian Scheideler Institut für Informatik Universität Paderborn Verteilte Algorithmen und Datenstrukturen Vorlesung: Mi 14:15-15:45 Uhr, F0.530 Übung:
MehrKapitel 12: Induktive
Kapitel 12: Induktive Datenstrukturen Felix Freiling Lehrstuhl für Praktische Informatik 1 Universität Mannheim Vorlesung Praktische Informatik I im Herbstsemester 2009 Folien nach einer Vorlage von H.-Peter
Mehr1. Die rekursive Datenstruktur Liste
1. Die rekursive Datenstruktur Liste 1.3 Rekursive Funktionen Ideen zur Bestimmung der Länge einer Liste: 1. Verwalte ein globales Attribut int laenge. Fügt man ein Element zur Liste oder löscht es, wird
MehrInformatik II Übung 4 Gruppe 7
Informatik II Übung 4 Gruppe 7 Leyna Sadamori leyna.sadamori@inf.ethz.ch Administratives Kontrolliert eure Abgaben! Jede Gruppe ist verantwortlich für ihre Abgaben Alle Teammitglieder tragen gleichermaßen
MehrInformatik II: Algorithmen und Datenstrukturen SS 2013
Informatik II: Algorithmen und Datenstrukturen SS 2013 Vorlesung 1a, Dienstag, 16. April 2013 (Organisatorisches, Programmierumgebung, Sortieren) Prof. Dr. Hannah Bast Lehrstuhl für Algorithmen und Datenstrukturen
Mehr2.4 Effiziente Datenstrukturen
2.4 Effiziente Datenstrukturen Effizienz des Systems bezeichnet den sparsamer Umgang mit Systemressourcen und die Skalierbarkeit auch über große Kollektionen. Charakteristische Werte für Effizienz sind
MehrSoftware Entwicklung 1
Software Entwicklung 1 Annette Bieniusa / Arnd Poetzsch-Heffter AG Softech FB Informatik TU Kaiserslautern Datenstruktur Liste Bieniusa/Poetzsch-Heffter Software Entwicklung 1 2/ 42 Formale Definition
MehrInformatik II Übung 2 Gruppe 7
Informatik II Übung 2 Gruppe 7 Leyna Sadamori leyna.sadamori@inf.ethz.ch Ablauf der Übung Administratives (wenn vorhanden) Debriefing (Besprechung des Blattes der Vorwoche) Briefing (Ausblick auf das nächste
MehrPraktikum 3 Algorithmik SS Aufgabe 10: Aufgabe 9 ( Skyline-Problem ) weitere Aufgaben folgen. Name:... Matr-Nr:...
Praktikum 3 Algorithmik SS 2007 14052007 Aufgabe 9: Aufgabe 10: Das Skyline-Problem Union-Find-Strukturen weitere Aufgaben folgen Name: Matr-Nr: Datum: Unterschrift des Dozenten (wenn bestanden): Aufgabe
MehrAlgorithmen und Datenstrukturen. Algorithmen und Datenstrukturen. B6.1 Einführung. B6.2 Symboltabellen. B6.3 Einfache Implementationen
Algorithmen und Datenstrukturen 03. April 2019 B6. Symboltabellen a Algorithmen und Datenstrukturen B6. Symboltabellen 1 Marcel Lüthi and Gabriele Röger Universität Basel 03. April 2019 a Folien basieren
MehrProgrammieren I. Entwicklungsumgebungen Eclipse, NetBeans und IntelliJ IDEA. Institut für Angewandte Informatik
Programmieren I Entwicklungsumgebungen Eclipse, NetBeans und IntelliJ IDEA KIT Die Forschungsuniversität in der Helmholtz-Gemeinschaft www.kit.edu Was ist Programmieren Quellcode schreiben Der Maschine
MehrInformatik II. Woche 15, Giuseppe Accaputo
Informatik II Woche 15, 13.04.2017 Giuseppe Accaputo g@accaputo.ch 1 Themenübersicht Repetition: Pass by Value & Referenzen allgemein Repetition: Asymptotische Komplexität Live-Programmierung Aufgabe 7.1
MehrContent Management System Larissa Version:
1. Content Management System Larissa 1.1 Struktur Das CMS 'Larissa' finden Sie auf der linken Seiten unter dem Punkt 'Internetauftritt'. Bei einer multi-domain Version sind alle integrierten Domains aufgelistet.
MehrAlgorithmen als systematische Vorgehensweisen zur Lösung eines formal definierten Problems
4. Algorithmen Motivation Algorithmen als systematische Vorgehensweisen zur Lösung eines formal definierten Problems Der Begriff Algorithmus geht auf den Gelehrten Muhammad al-chwarizmi zurück, der um
MehrTutorial: Grundlagen des Hex- Editierens mit Translhextion
Tutorial: Grundlagen des Hex- Editierens mit Translhextion Von WhiteYoshiEgg Einführung in Hex Zuerst mal: Wer nicht weiß, worum es hier geht, was Super Mario World ist etc., der sollte die Finger davon
Mehr4. Tries und kd-bäume
4. Tries und kd-bäume Digitale Suchbäume (Tries) kd-bäume Prof. Dr. O. Bittel, HTWG Konstanz Algorithmen und Datenstrukuren Tries und kd-bäume SS 2019 4-1 Tries (1) Problem mit den bisherigen Suchbäumen
MehrEIDI 1 Einführung in die Informatik 1. PGdP Praktikum Grundlagen der Programmierung. Harald Räcke 2/217
EIDI 1 Einführung in die Informatik 1 PGdP Praktikum Grundlagen der Programmierung Harald Räcke 2/217 Wie löst man Probleme mithilfe von Computern? 0 Harald Räcke 3/217 Inhalte: EIDI 1 1. Was ist das Problem?
MehrAlgorithmen und Datenstrukturen (ESE) Entwurf, Analyse und Umsetzung von Algorithmen (IEMS) WS 2013 / 2014 Vorlesung 12, Donnerstag, 23.
Algorithmen und Datenstrukturen (ESE) Entwurf, Analyse und Umsetzung von Algorithmen (IEMS) WS 0 / 04 Vorlesung, Donnerstag,. Januar 04 (Graphen, Breiten/Tiefensuche, Zusammenhangskomponenten) Junior-Prof.
MehrProgramm heute. Algorithmen und Datenstrukturen (für ET/IT) Suchen. Lineare Suche. Such-Algorithmen. Sommersemester Dr.
Programm heute Algorithmen und Datenstrukturen (für ET/IT) Sommersemester 0 Dr. Tobias Lasser Computer Aided Medical Procedures Technische Universität München Fortgeschrittene Datenstrukturen Such-Algorithmen
MehrDatenbanksysteme SS 2013
Datenbanksysteme SS 2013 Kapitel 4: Physikalische Datenorganisation Vorlesung vom 16.04.2013 Oliver Vornberger Institut für Informatik Universität Osnabrück Speicherhierarchie GB 10 GHertz TB 100 10 ms
MehrInformatik II, SS 2014
Informatik II SS 2014 (Algorithmen & Datenstrukturen) Vorlesung 11 (4.6.2014) Binäre Suchbäume II Algorithmen und Komplexität Binäre Suchbäume Binäre Suchbäume müssen nicht immer so schön symmetrisch sein
Mehr1 Was ist ein Portfolio? Ein Portfolio anlegen... 4
Portfolio erstellen Inhalt 1 Was ist ein Portfolio?... 3 2 Ein Portfolio anlegen... 4 2.1 Zeilen- und Spaltenzuordnung anlegen... 6 2.2 Zeilen- und Spaltenzuordnung bearbeiten... 7 2.3 Portfolio mit Einträgen
MehrEine Einführung in die Lernplattform educanet2.ch
Eine Einführung in die Lernplattform educanet2.ch Inhaltsverzeichnis Adresse/Login... 2 Bereiche des educanet... 3 Bereich Privat: 1 Mailservice... 4 2 Adressbuch..... 6 3 Private Dateiablage... 7 4 Profil...
MehrALF-BanCo 7 Datenbank auf einem SQL-Server betreiben
ALF-BanCo 7 Datenbank auf einem SQL-Server betreiben Unter Datei -> Umzug auf SQL-Server starten Sie den Assistenten für den Umzug. Wählen Sie im Verlauf des Assistenten die SQL-Serverversion, die Sie
MehrBinäre Suchbäume. Mengen, Funktionalität, Binäre Suchbäume, Heaps, Treaps
Binäre Suchbäume Mengen, Funktionalität, Binäre Suchbäume, Heaps, Treaps Mengen n Ziel: Aufrechterhalten einer Menge (hier: ganzer Zahlen) unter folgenden Operationen: Mengen n Ziel: Aufrechterhalten einer
MehrKlausur Informatik B April Teil I: Informatik 3
Informatik 3 Seite 1 von 8 Klausur Informatik B April 1998 Teil I: Informatik 3 Informatik 3 Seite 2 von 8 Aufgabe 1: Fragekatalog (gesamt 5 ) Beantworten Sie folgende Fragen kurz in ein oder zwei Sätzen.
MehrVorlesung Datenstrukturen
Vorlesung Datenstrukturen Binärbaum Suchbaum Dr. Frank Seifert Vorlesung Datenstrukturen - Sommersemester 2016 Folie 356 Datenstruktur Binärbaum Strukturrepräsentation des mathematischen Konzepts Binärbaum
MehrProgrammiertechnik II Klausur SS 2018 Angewandte Informatik Bachelor
Programmiertechnik II Klausur SS 2018 Angewandte Informatik Bachelor Name Matrikelnummer Aufgabe Punkte Aufgabe Punkte Zwischensumme 1 9 2 12 3 12 4 15 48 5 23 6 13 7 20 8 16 Summe 120 Note Prof. Dr. O.
MehrBloggen für Einsteiger Teil 3 Schreiben und Bildauswahl für Blogs
HANDLUNGSANLEITUNG Bloggen für Einsteiger Teil 3 Schreiben und Bildauswahl für Blogs Bilder lockern Texte auf. (Bild: Keyboard von Daniel Friesenecker/pixabay.com, Lizenz CC0) Im ersten Teil dieser Artikelreihe
MehrFederated Search: Integration von FAST DataSearch und Lucene
Federated Search: Integration von FAST DataSearch und Lucene Christian Kohlschütter L3S Research Center BSZ/KOBV-Workshop, Stuttgart 24. Januar 2006 Christian Kohlschütter, 24. Januar 2006 p 1 Motivation
MehrProgrammieren in Haskell Debugging
Programmieren in Haskell Debugging Peter Steffen Universität Bielefeld Technische Fakultät 30.01.2009 1 Programmieren in Haskell Debugger Definition laut Wikipedia: Ein Debugger (von engl. bug im Sinne
MehrDynamische Datenstrukturen
Dynamische Datenstrukturen B-Bäume größere Datenmengen verwalten Extern speichern Art der Speicherung berücksichtigen sonst kein optimaler Datenzugriff möglich Art der Speicherung großer Datenmengen Magnetplatten
MehrEffizientes Arbeiten mit dem Emacs.
Effizientes Arbeiten mit dem Emacs Emacs für Programmierer, Online-Hilfe und Konfiguration Rainer Orth Alexander Sczyrba {ro,asczyrba}@techfak.uni-bielefeld.de Überblick komfortable Unterstützung zum Schreiben
Mehr3. Finden leicht gemacht: das neue zentrale Suchfeld optimal nutzen
Mit dem Suchfeld jederzeit schnell fündig werden. Finden leicht gemacht: das neue zentrale Suchfeld optimal nutzen Das Suchen gehört beim Websurfen schon lange zu den wichtigsten und meistgenutzten Funktionen.
MehrHashing (Streuspeicherung)
Hashing (Streuspeicherung) to hash völlig durcheinander bringen. Paradoxerweise hilft das, Dinge wiederzunden KIT Institut für Theoretische Informatik 1 Erinnerung VL vom 02.05.2016 Letztes Mal: Heute:
MehrInformatik II, SS 2016
Informatik II - SS 2016 (Algorithmen & Datenstrukturen) Vorlesung 10 (27.5.2016) Binäre Suchbäume II Algorithmen und Komplexität Zusätzliche Dictionary Operationen Dictionary: Zusätzliche mögliche Operationen:
MehrTextdokument-Suche auf dem Rechner Implementierungsprojekt
Textdokument-Suche auf dem Rechner Implementierungsprojekt Referent: Oliver Petra Seminar: Information Retrieval Institut für Computerlinguistik Ruprecht-Karls-Universität Heidelberg 19.01.2015 Überblick
MehrPortfolios in ILIAS. Mit digitalen Sammelmappen den eigenen Lernprozess dokumentieren, reflektieren und/oder präsentieren. Stand: 14.
! Portfolios in ILIAS Mit digitalen Sammelmappen den eigenen Lernprozess dokumentieren, reflektieren und/oder präsentieren Stand:. Dezember 07! Supportstelle für ICT-gestützte, innovative Lehre Hochschulstrasse
MehrGrundlagen. Felix Döring, Felix Wittwer 24. April Python-Kurs
Grundlagen Felix Döring, Felix Wittwer 24. April 2017 Python-Kurs Gliederung 1. Scriptcharakter 2. Programmierparadigmen Imperatives Programmieren Das Scoping Problem Objektorientiertes Programmieren 3.
MehrAlgorithmen und Datenstrukturen. Organisatorisches. Christian Komusiewicz Ernst-Abbe-Platz 2, R3315
Algorithmen und Datenstrukturen Christian Komusiewicz Ernst-Abbe-Platz 2, R3315 christian.komusiewicz@uni-jena.de Friedrich-Schiller-Universität Jena Institut für Informatik http://users.fmi.uni-jena.de/
Mehrtechnische universität dortmund Fakultät für Informatik LS 8 Speichern von Daten Prof. Dr. Katharina Morik
Speichern von Daten Prof. Dr. Katharina Morik Unterschiede von DBMS und files! DBMS unterstützt viele Benutzer, die gleichzeitig auf dieselben Daten zugreifen concurrency control.! DBMS speichert mehr
MehrDas Handbuch zu KCron
Das Handbuch zu KCron Autor: Frank Börner (f.boerner@selflinux.org) Autor: Robert Schröter (robert-schroeter@gmx.de) Autor: Morgan N. Sandquist (morgan@pipeline.com) Formatierung: Frank Börner (f.boerner@selflinux.org)
MehrTechnische Universität München SoSe 2018 Fakultät für Informatik, I Juli 2018 Dr. Stefanie Demirci. Aufgabe 1 Sortieren mit Heap Sort
Name: Vorname: Matr. Nr.: Technische Universität München SoSe 2018 Fakultät für Informatik, I-16 4. Juli 2018 Dr. Stefanie Demirci Allgemeine Hinweise Musterklausur zu Algorithmen und Datenstrukturen Die
MehrPraxisteil. Seminar experimentelle Evaluierung in IR WS05/06 Gruppe A
Praxisteil Seminar experimentelle Evaluierung in IR WS05/06 Gruppe A Experimental setup Collections: TREC-123, wt10g Index: BM25 und TFIDF Queries: - Topics 51-100 aus trec123.topics (für den ersten Teil)
Mehr1. Einführung Programmieren / Algorithmen und Datenstrukturen 1 Prof. Dr. Bernhard Humm FB Informatik, Hochschule Darmstadt
1. Einführung Programmieren / Algorithmen und Datenstrukturen 1 Prof. Dr. Bernhard Humm FB Informatik, Hochschule Darmstadt 1 Ein Zitat zu Beginn Vor der Wahl, ein theoretischer Physiker oder ein Programmierer
MehrInformatik I Information & Daten Repräsentation von Daten
Informatik I Information & Daten Repräsentation von Daten G. Zachmann Clausthal University, Germany zach@in.tu-clausthal.de Daten & Informationen Menschen sind an Informationen interessiert Computer verarbeiten
MehrIndexieren und Suchen
Universität Potsdam Institut für Informatik Lehrstuhl Maschinelles Lernen Indexieren und Suchen Tobias Scheffer Index-Datenstrukturen, Suchalgorithmen Invertierte Indizes Suffix-Bäume und -Arrays Signaturdateien
MehrAlgorithmen und Datenstrukturen
Algorithmen und Datenstrukturen B4. Priority Queues und Heaps Marcel Lüthi and Gabriele Röger Universität Basel 28. März 2018 Einführung Kollektion von Elementen Grundlegende Operationen sind Einfügen
MehrStratego/XT und ASF+SDF Meta-Environment. Paul Weder Seminar Transformationen Datum:
Stratego/XT und ASF+SDF Meta-Environment Paul Weder Seminar Transformationen Datum: 20.01.2006 Gliederung Allgemeines ASF+SDF Meta-Environment Stratego/XT Zusammenfassung/Vergleich SDF (Syntax Definition
MehrFreie Suche: Den Suchvorgang starten Sie, indem Sie entweder Enter drücken oder auf den Button Suchen klicken.
Freie Suche: Geben Sie in das Feld Freie Suche die Begriffe ein, nach denen Sie suchen möchten. Das können thematische Begriffe, aber auch Autorennamen oder Wörter aus dem Titel sein (oder Kombinationen
MehrKapitel 1 Einleitung. Definition: Algorithmus nach M. Broy: aus: Informatik: Eine grundlegende Einführung, Band 1, Springer-Verlag, Berlin
Kapitel 1 Einleitung 1.1. Begriff des Algorithmus Eine der ältesten Beschreibungstechniken für Abläufe: Benannt nach dem Mathematiker Al-Khwarizmi (ca. 780...840), der am Hof der Kalifen von Bagdad wirkte.
MehrStephan Mechler, AUFGABE 1
Informatik 1 - Translation Studies in Information Technology INF1 TSIT 3. PFLICHTÜBUNG Praktikum zur Vorlesung Informatik 1 (INF1), Bachelorstudiengang Stephan Mechler, mechler@hs-mannheim.de, http://www.informatik.hs-mannheim.de/~mechler
MehrWir haben es schon angekündigt das wir zur Vorbereitung von Veranstaltungen eine Internetseite Einrichten wollen auf der das soll.
Hallo die Damen und Herren Wir haben es schon angekündigt das wir zur Vorbereitung von Veranstaltungen eine Internetseite Einrichten wollen auf der das soll. Nun ist es so weit die Seite ist Online und
MehrHandout für die Anzeige verschiedener persönlicher Adressbücher
Handout für die Anzeige verschiedener persönlicher Adressbücher Im ersten Schritt müssen wir einen neuen Kontakte-Ordner für unser Adressbuch anlegen, damit wir das Adressbuch auch importieren können.
MehrAlgorithmen und Datenstrukturen
Algorithmen und Datenstrukturen B3. ADTs, Bags, Stack and Queues Marcel Lüthi and Gabriele Röger Universität Basel 21. März 2019 Abstrakte Datentypen Abstrakte Datentypen : Definition Abstrakter Datentyp
MehrIst 1:0=1? Ein Brief - und eine Antwort 1
Hartmut Spiegel Ist 1:0=1? Ein Brief - und eine Antwort 1 " Sehr geehrter Prof. Dr. Hartmut Spiegel! 28.2.1992 Ich heiße Nicole Richter und bin 11 Jahre. Ich gehe in die 5. Klasse. In der Mathematik finde
MehrInformatik für Elektrotechnik und Informationstechnik
Informatik für Elektrotechnik und Informationstechnik Praktikum 1 Wintersemester 2013/14 1 Kennenlernen der Entwicklungsumgebung Netbeans Netbeans ist eine moderne Entwicklungsumgebung für mehrere Programmiersprachen,
MehrInformation Retrieval,
Universität Potsdam Institut für Informatik Lehrstuhl Maschinelles Lernen Information Retrieval, Vektorraummodell Tobias Scheffer Uwe Dick Peter Haider Paul Prasse Information Retrieval Konstruktion von
MehrInformatik II, SS 2014
Informatik II SS 2014 (Algorithmen & Datenstrukturen) Vorlesung 10 (3.6.2014) Binäre Suchbäume I Algorithmen und Komplexität Zusätzliche Dictionary Operationen Dictionary: Zusätzliche mögliche Operationen:
MehrInformatik II Übung 2
Informatik II Übung 2 Florian Scheidegger florsche@student.ethz.ch Folien mit freundlicher Genehmigung adaptiert von Gábor Sörös und Simon Mayer gabor.soros@inf.ethz.ch, simon.mayer@inf.ethz.ch 7.3.2013
MehrGreenfoot. Agenda. Axel Schmolitzky. Vorstellungsrunde. Hintergrund von Greenfoot: BlueJ. Greenfoot Demo. Greenfoot theoretisch. Greenfoot Szenarien
Greenfoot Axel Schmolitzky Arbeitsbereich Softwaretechnik Department Informatik, Universität Hamburg Agenda Vorstellungsrunde Hintergrund von Greenfoot: BlueJ Greenfoot Demo Greenfoot theoretisch Greenfoot
MehrPro Informatik 2009: Objektorientierte Programmierung Tag 18. Marco Block-Berlitz, Miao Wang Freie Universität Berlin, Institut für Informatik
Tag 18 Marco Block-Berlitz, Miao Wang Freie Universität Berlin, Institut für Informatik 09.09.2009 Agenda Tag 16 Datenstrukturen Abstrakte Datentypen, ADT Folge: Stack, Queue, Liste, ADT Menge: Bäume:
MehrTechnische Universität München. Vorlesungsgrobstruktur: wo stehen wir, wie geht s weiter
Vorlesungsgrobstruktur: wo stehen wir, wie geht s weiter Kapitel 7 Fortgeschrittene Datenstrukturen Motivation: Lineare Liste: Suchen eines Elements ist schnell O(log n) Einfügen eines Elements ist langsam
Mehr- dynamisches Laden -
- - Fachbereich Technik Department Elektrotechnik und Informatik 21. Juni 2012 1/23 2/23 s dynamisch Code kann von mehreren Programmen genutzt werden => kleinere Programme einzelne Teile eines Programms
MehrTU München, Fakultät für Informatik Lehrstuhl III: Datenbanksysteme Prof. Alfons Kemper, Ph.D.
TU München, Fakultät für Informatik Lehrstuhl III: Datenbanksysteme Prof. Alfons Kemper, Ph.D. Blatt Nr. 2 Übung zur Vorlesung Grundlagen: Datenbanken im WS3/4 Henrik Mühe (muehe@in.tum.de) http://www-db.in.tum.de/teaching/ws34/dbsys/exercises/
Mehr9. Vektoren. (auch Felder/array)
9. Vektoren (auch Felder/array) Motivation Hat man mehrere Objekte gleichen Datentyps, so kann man sie explizit deklarieren, wenn die Anzahl bekannt ist double x1,x2,x3,x4; Nachteile: versagt, -wenn die
MehrAlgorithmen II Vorlesung am
Algorithmen II Vorlesung am 03.12.2013 Algorithmische Geometrie: Schnitte von Strecken Sweep-Line INSTITUT FÜR THEORETISCHE INFORMATIK PROF. DR. DOROTHEA WAGNER KIT Universität des Landes Baden-Württemberg
MehrGPS Fleet Software (
Fahrzeugliste Fahrzeugliste Ansicht speichern Aktionen-Menü für Geräte Fahrzeug-Baum Aktionen-Menü am Fahrzeug Ortungs-Hardware uminstallieren: Ausschneiden, um das Gerät in eine andere Gruppe einzufügen:
Mehr1. Finden statt Suchen Der kürzeste Weg zu den besten Webseiten
Finden statt Suchen Der kürzeste Weg zu den besten Webseiten. Finden statt Suchen Der kürzeste Weg zu den besten Webseiten Das Suchen nach Informationen mittels Suchmaschinen wie Google oder Bing macht
MehrADS: Algorithmen und Datenstrukturen
ADS: Algorithmen und Datenstrukturen Teil X Peter F. Stadler & Konstantin Klemm Bioinformatics Group, Dept. of Computer Science & Interdisciplinary Center for Bioinformatics, University of Leipzig 13.
Mehr