Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

English (EN)·Polski (PL)·Yкраїнський (UK)
Przejdź do strony domowej biblioteki Centralna Biblioteka Wojskowa Link otwiera się w nowym oknie Logo biblioteki Prolib Integro - strona głównaCentralna Biblioteka Wojskowa

Wyszukujesz frazę "Azure" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-7 z 7
    Tytuł:
    Cloud Computing and Distance Learning in Computer Science
    Chmura obliczeniowa i kształcenie na odległość w informatyce
    Autorzy:
    Brandao, Pedro Ramos
    Powiązania:
    https://bibliotekanauki.pl/articles/1365796.pdf
    Data publikacji:
    2020-12-29
    Wydawca:
    Wydawnictwo Uniwersytetu Śląskiego
    Tematy:
    Cloud Computing
    Azure
    nauczanie na odległość
    WEB App
    Virtual Labs
    DevOps.
    distance learning
    Opis:
    This work demonstrates that the use of laboratories for the development of curricular work in the area of information technology exclusively supported by cloud computing technology does not decrease the level of learning and assessment objects on the part of students. This scenario arose from the need to interrupt face-to-face classes in physical laboratories due to the COVID-19 Pandemic.
    Z niniejszej pracy wynika, że wykorzystanie laboratoriów do opracowywania zajęć dydaktycznych w zakresie technologii informatycznych wspomaganych wyłącznie technologią przetwarzania w chmurze nie obniża poziomu uczenia się i obiektów oceniania po stronie studentów. Ten scenariusz powstał z potrzeby przerwania bezpośrednich zajęć tradycyjnych w laboratoriach fizycznych z powodu pandemii COVID-19.
    Źródło:
    International Journal of Research in E-learning IJREL; 2020, 6, 2; 1-20
    2451-2583
    2543-6155
    Pojawia się w:
    International Journal of Research in E-learning IJREL
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Koncepcja budowy aplikacji szkoleniowej z wykorzystaniem środowiska chmury publicznej
    Concept of building a training application with the use of a public cloud environment
    Autorzy:
    Butlewski, Krzysztof
    Wichowska, Halina
    Strzelecka-Turska, Agnieszka
    Powiązania:
    https://bibliotekanauki.pl/articles/310061.pdf
    Data publikacji:
    2019
    Wydawca:
    Instytut Naukowo-Wydawniczy "SPATIUM"
    Tematy:
    chmura publiczna
    Microsoft Azure
    AWS Amazon
    szkolenie
    aplikacje szkoleniowe
    public cloud
    cloud
    simulation
    training
    training application
    Opis:
    W artykule omówiona została koncepcja budowy aplikacji szkoleniowej z zakresu szkolenia lotniczego z wykorzystaniem środowiska chmury publicznej.
    The article discusses the concept of building a training application for aviation training. The authors pointed out the increasing use of the public cloud environment, presented the division and types of public cloud services. Authors presented the construction of training applications using Microsoft Azure public cloud.
    Źródło:
    Autobusy : technika, eksploatacja, systemy transportowe; 2019, 20, 12; 106-111
    1509-5878
    2450-7725
    Pojawia się w:
    Autobusy : technika, eksploatacja, systemy transportowe
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Machine Learning Based on Cloud Solutions
    Autorzy:
    CHMIELECKI, PRZEMYSŁAW
    Powiązania:
    https://bibliotekanauki.pl/articles/456529.pdf
    Data publikacji:
    2019
    Wydawca:
    Uniwersytet Rzeszowski
    Tematy:
    Machine Learning
    Artificial Intelligence
    Neural Networks
    Cloud Computing
    Cognitive Services
    AWS
    Azure
    Opis:
    Cognition is a domain of thinking creatures, isn't it? Based on that computers cannot learn anything more than was in the initial data feed. In this article, I just want to defend that nowadays technical solutions can break this rule. The aim of this article is to provide a short technical overview what Machine Learning (ML), Artificial Intelligence (AI) and Neural Networks (NN) were before in the area of standalone gigantic servers, and how do they look now in Cloud Computing (CC) times. The ML paradigm is not any more reserved for big enterprises only but now is available for single internet user. I just want to present AWS and Azure, as the biggest CC providers, functionalities and potential usage of such Cognitive Services (CS) in current internet services. The great example is for instance bot usage instead of diving deep in the FAQ on the company website or digging into the corporate wiki. Another big area is graphics analysis and sound or text recognition. Those are only examples of predefined CC functions ready for use right now in the public cloud.
    Źródło:
    Edukacja-Technika-Informatyka; 2019, 10, 1; 132-138
    2080-9069
    Pojawia się w:
    Edukacja-Technika-Informatyka
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Model systemu klasy Business Intelligence w chmurze obliczeniowej
    Model of the Business Intelligence Information System in the Cloud Computing Environment
    Autorzy:
    Dzięgielewski, Patryk
    Pałka, Dariusz
    Powiązania:
    https://bibliotekanauki.pl/articles/91417.pdf
    Data publikacji:
    2019
    Wydawca:
    Warszawska Wyższa Szkoła Informatyki
    Tematy:
    Bussines Intelligence
    BI
    technologia chmurowa
    Azure
    Enterprise Resource Planning
    ERP
    Cloud Computing
    Opis:
    W procesach zarządzania organizacjami gospodarczymi wymagane jest podejmowanie jak najlepszych decyzji, które pozwolą na zwiększenie konkurencyjności firmy oraz optymalizację jej działalności. Pomocne są w tym systemy informatyczne takie jak Business Intelligence. Jeszcze więcej można osiągnąć, gdy te systemy oparte są o technologie chmurowe. Artykuł przybliża tematykę systemów BI, technologii chmurowych oraz wskazuje różnice wydajnościowe między systemem opartym o serwer fizyczny, a środowiskiem usług analitycznych opartych o technologie chmurowe.
    In the management processes of business organizations, it is necessary to make the best decisions that will increase the company’s competitiveness and optimize its operations. IT systems such as Business Intelligence are helpful in this. Even more can be achieved when these systems are based on cloud technologies. The article introduces the topic of BI systems and cloud technologies and indicates differences in performance between a system based on a physical server and the environment of analytical services based on cloud technologies.
    Źródło:
    Zeszyty Naukowe Warszawskiej Wyższej Szkoły Informatyki; 2019, 13, 21; 45-56
    1896-396X
    2082-8349
    Pojawia się w:
    Zeszyty Naukowe Warszawskiej Wyższej Szkoły Informatyki
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Hybrydowy system rekomendacji planów treningowych
    Training plans hybrid recommender system
    Autorzy:
    Kaczanowski, Maciej
    Powiązania:
    https://bibliotekanauki.pl/articles/91455.pdf
    Data publikacji:
    2019
    Wydawca:
    Warszawska Wyższa Szkoła Informatyki
    Tematy:
    uczenie maszynowe
    sztuczna inteligencja
    nauka o danych
    hybrydowe systemy rekomendacji
    Microsoft Azure Machine Learning
    język programowania Python
    machine learning
    artificial intelligence
    data science
    hybrid recommender
    Python programming language
    Opis:
    Hybrydowe systemy rekomendacji łączą zalety metod stosowanych powszechnie w rekomendacji. Głównym celem tego artykułu jest przedstawienie zastosowania uczenia maszynowego do budowy hybrydowego silnika rekomendacji. Uczenie maszynowe jest poddziedziną sztucznej inteligencji, która wykazuję obiecujące rezultaty w klasyfikacji, predykcji, wykrywaniu anomalii i rekomendacji. W tym artykule zaproponowano koncepcję spersonalizowanego modelu systemu rekomendacji opartego na parametrach i planach treningowych sportowców. Badania przeprowadzono w środowisku chmurowym Microsoft Azure Machine Learning Studio na zbiorze danych wygenerowanym na podstawie danych referencyjnych.
    Hybrid recommendation systems combine the advantages of commonly used methods in recommendations. This main objective of this article is to present application of machine learning to build a hybrid recommendation engine. Machine learning is subdomain of artificial intelligence that show promising results in classification, prediction, anomaly detection and recommendations. This paper proposed a personalized recommendation system model based on athletes parameters and training plans. The researches were carried out in the cloud environment Microsoft Azure Machine Learning Studio on football data set.
    Źródło:
    Zeszyty Naukowe Warszawskiej Wyższej Szkoły Informatyki; 2019, 13, 20; 29-40
    1896-396X
    2082-8349
    Pojawia się w:
    Zeszyty Naukowe Warszawskiej Wyższej Szkoły Informatyki
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Lodowcowa epoka archiwizowania zasobów
    The ice age of data archiving
    Autorzy:
    Kamińska, Anna Małgorzata
    Powiązania:
    https://bibliotekanauki.pl/articles/474520.pdf
    Data publikacji:
    2018
    Wydawca:
    Wydawnictwo Uniwersytetu Śląskiego
    Tematy:
    Amazon Glacier
    Archiwa danych
    Azure Archive Blob Storage
    Bezpieczeństwo danych
    Dostępność danych
    Optymalizacja kosztów
    Technologie składowania danych
    Cost optimization
    Data archives
    Data availability
    Data security
    Data storage technologies
    Opis:
    Będąc uczestnikami społeczeństwa informacyjnego, stajemy się konsumentami i producentami coraz większej ilości informacji. Ich duża część ma ogromne znaczenie dla prawidłowej realizacji procesów gospodarczych i administracyjnych oraz kształtowania postaw społecznych, kulturowych czy estetycznych, i dlatego ich ochrona staje się sprawą wagi kluczowej. W artykule autorka wyjaśnia, dlaczego archiwizowanie zasobów w formach cyfrowych wiąże się z ochroną tych zasobów w długiej perspektywie czasu. Następnie omawia cechy, jakie powinny posiadać archiwa długoterminowej ochrony danych, i przedstawia technologie pozwalające na optymalne kosztowo budowanie tych archiwów. Mimo że technologie te są trudne do bezpośredniego zastosowania przez małe i średnie podmioty, to oferta kierowana przez dostawców usług chmurowych umożliwia przechowywanie danych w sposób bezpieczny i korzystny kosztowo. Artykuł kończy propozycja architektury archiwum długoterminowego wykorzystującego usługi dostawców trzecich, poświęcone składowaniu danych
    Being a part of the information society, we become consumers and producers of more and more information. A large part of it is crucial for the proper implementation of economic and administrative processes, as well as for the shaping of social, cultural or aesthetic attitudes, and therefore data protection becomes a matter of basic importance. In this article, the author explains why archiving resources in digital formats gives good opportunities to protect them in the long term. It defines the features that archives of long-term data preservation should have, and technologies that enable cost-effective building of these systems. Although these technologies are difficult to directly implement by small and medium-sized entities, the offer directed by cloud service providers enables data storage in a safe and cost-effective manner. The article concludes with proposal of the archiving system architecture using third party services dedicated to long-term data storage
    Źródło:
    Nowa Biblioteka. Usługi, Technologie Informacyjne i Media; 2018, 4(31); 21-35
    1505-4195
    2451-2575
    Pojawia się w:
    Nowa Biblioteka. Usługi, Technologie Informacyjne i Media
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Analiza porównawcza współczesnych narzędzi ETL
    The comparative analysis of modern ETL tools
    Autorzy:
    Mayuk, Vitalii
    Falchuk, Ivan
    Muryjas, Piotr
    Powiązania:
    https://bibliotekanauki.pl/articles/2055120.pdf
    Data publikacji:
    2021
    Wydawca:
    Politechnika Lubelska. Instytut Informatyki
    Tematy:
    Azure Synapse
    Azure Data Factory
    ETL tools
    Opis:
    Każda hurtownia danych wymaga ładowania odpowiednio przetworzonych danych transakcyjnych. Procesy realizujące to zadanie określane są jako ekstrakcja-transformacja-ładowanie (ETL). Od efektywności ich wykonania zależy jak szybko użytkownik będzie miał dostęp do bieżących danych analitycznych. W artykule przedstawiono istotę procesu ETL oraz wyniki badań efektywności realizacji jego etapów z użyciem Azure Synapse (AS) oraz Azure Data Factory (ADF). Badania obejmowały selekcję, sortowanie i agregację danych, złączenie tabel oraz zapis danych do tabel docelowych. Do oceny efektywności tych operacji zastosowano kryterium czasu ich wykonania. Uzyskane wyniki wskazują, iż narzędzie ADF zapewnia znacznie wyższą efektywność czasową ładowania danych transakcyjnych do hurtowni danych w porównaniu do AS.
    Each data warehouse requires loading properly processed transactional data. The process that performs this task is known as extract-transform-load (ETL). The efficiency of its implementation affects how quickly the user will have the access to the current analytical data. The paper presents the results of research efficiency of ETL performance of its stage with the use of Azure Synapse (AS) and Azure Data Factory (ADF). The research included selection, sorting and aggregating data, joining tables, and loading data into target tables. To evaluate the efficiency of these operations, the criterion of their execution time has been used. The obtained results indicate that the ADF tool provides a much higher time efficiency of loading transactional data into the data warehouse comparing to AS.
    Źródło:
    Journal of Computer Sciences Institute; 2021, 19; 126--131
    2544-0764
    Pojawia się w:
    Journal of Computer Sciences Institute
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-7 z 7

      Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies