IUI (wykład 3)

 
 

26 lutego 2012

13:17

 
 

J S.

 
 

Historia i Definicja inteligencji

• Zdolność do rozwiązywania testów psychologicznych (Edwin Boring, 1923);
  
• Powstały liczne testy sprawdzające zdolnośći intelektualne i nadające mu pewną rangę (liczbę) - np. test Wechslera (1939);
  
• Pojęcie sztucznej inteligencji w procesie inżynierskim zaproponował John McCarthy (1956) :
  
  • Celem jest algorytmizacja działań mogących uchodzić za inteligentne.
    
• Inteligencja obliczeniowa - proces efektywnego przekształcania informacji związany w pewsnym stopniu z wiedzą (o języku)
  
• Sztuczna AI - modelowanie umysłu człowieka (podejście wizjonerskie)
  
• Roger Penrose zaproponował 4 podejścia do definiowania sz. i. (z czego tylko 2 pierwsze podejścia a nawet pierwsze tylko zapewnia powodzenie )
  

   
   

• Turing - test,
  
  • rezultatem tego testu jest konkurs chaterbotów - komisja przeprowadza dialog z botami (osoba nie wie czy rozmawia z człowiekiem czy programem - ma to ocenić );
    
  • Dialog polega na zadawaniu pytań z dziedziny ogólnej (poznanie świata)
    
  • Pytanie:
    
    • Czy boty oszukują ludzi ?
      
    • Czy zbliżają się do pułapu gdzie granica między botami a ludźmi zaczyna się zacierać?
      

       
       

       
       

• Chiński pokój
  
  • Mamy zbiór reguł jak odpowiadać na znaczki otrzymane na kartce po chińsku;
    
  • Siedzimy w pokoju zamkniętym
    
  • Otrzymujemy instrukcje na kartce w języku chińskim
    
  • Mamy zareagować na dane instrukcje w języku nie znanym na podstawie słownika reguł odpowiedzi
    
    • Pytanie czy to jest inteligencja (czy jest to jej wyraz)??
      

       
       

       
       

• Kreatywność
  
  • Budujemy algorytmy działające w sposób kreatywny;
    
  • Wychodzimy od etymologii słowa - "twórczy"
    
  • Kreatywność to zdolność użycia naszy ch zasobów obliczeniowych do tego aby eksplorować je i wytwarzać nowe wartości które dotychczas nie były w nich zapisane
    
  • Typy kreatywności:
    
    • h-creativity - coś co jeszcze nie było znane ludzkości
      
    • P- creativity - coś co nie jest dla nas znane ale znane było innym
      
    • E-creativity - tworzymy zbiór elementów nieznanych nam - to co wydaje się nam ciekawe przyjmujemy za kreatywne
      
    • T-creativity
      

       
       

• Przykłady działań kreatywnego działania algorytmów w informatyce w przeszłości:
  
  • Pokonanie arcymistrza szachowego przez program
    
    • Kreatywność w programach tego typu, jest w węzłach drzewa decyzyjnego;
      
    • Program Deep Blue 2 vs Garry Kasparov
      
  • EMI - inteligencja muzyczna
    
    • Twórcy poddawali utwory danego twórcy algorytmom typu data-mine [??data mind??]
      
    • Tworzenie nowych utworów na podstawie wzorców otrzymanych z procesu data-mine
      
  • Komputer działa na podstawie wzorców - to człowiek na końcu ocenia czy wynik prac jest coś wart
    

     
     

• Kreatywność - przykłady
  
  • Technika PRIME
    
    • Aktywacja danych węzłów - sposób pobudzenia odpowiednich węzłów w grafie decyzji;
      
    • Sprawdzanie skojarzeń dwóch słów - czy w mózgu danej osoby jest ścieżka łącząca dane pojęcia
      
      • Słowo1 --> torowanie --> Słowo 2
        
      • Np. powstały nowe słowa: MagiaMarket , pikea
        
      • http://Greybrow.iq.pl/teksty/generator_discopolo.php
        
    • Przykład generatora tekstów piosenek Stinga
      

     
     

     
     

    Ostatnia modyfikacja: 2012-02-26; 14:16
    

    • Aplikacje generujące teksty piosenek
      
    • Generator przemówień PRL
      

       
       

  • Generacja tekstów na podstawie łańcuchów Markova
    
    • Oparte na metodach probabilistycznych
      
    • Ciąg elementów w którym wystąpienie elementu jest uzależnione od swych poprzedników
      
      • Łańcuch pierwszego rzędu - element ma tylko jednego poprzednika
        
      • ł. Wyższych rzędów - więcej poprzedników;
        

         
         

    • Metoda szybka
      
    • Proste budowanie słownika
      
    • Przykład spaceru z psem
      
      • Tworzymy mapę słów z zaznaczeniem poprzednika i następnika
        
      • Liczymy wystąpienie poszczególnych kombinacji
        
      • Słabo z sensownością powstałych zdań dla łańcucha pierwszego rzędu- mogą wystąpić nielogiczne zdania
        
      • Zwiększając rzędowość łańcucha do II rzędu otrzymujemy już sensowne wyrażenia
        

         
         

    • Operując stopniem łańcucha zwiększamy logiczność zdań ale zmniejszamy liczbę kombinacji
      
    • Aby zachować dużą losowość możemy wprowadzać ocenianie logiki wyrażeń
      

       
       

       
       

  • Generacja poezji (poezja kombinatoryczna)
    
    • Zastosowanie metodyk POS
      
      • POS - możliwość automatycznego znacznikowania części mowy za pomocą określonych reguł gramatycznych (specyficzne szablony)
        
      • Na kombinatorykę słów (tworzenie neologizmów) nakładamy warstwę logiki słownika gramatycznego (metoda POS opisana powyżej) i dodatkowych reguł - np.. Koniec ma być rymowany;
        

         
         

  • Zmiana słów bez zmiany logiki:
    
    • Zamiana liczb występujących w tekście na liczby
      
      • Przemnażamy przez daną wartość i otrzymujemy inne wartości
        
    • W wyniku otrzymujemy tą samą logikę ze zmianą wartości posiadania opisywanych przedmiotów i ludzi
      
    • Możemy zamienić obiekty w zdaniu - otrzymujemy zdanie nieco innym sensie ale zachowanej poprawności logicznej
      
      • Taka metodyka wykorzystywana przy pozycjonowaniu stron w wyszukiwarkach internetowych;
        
      • Wspomaganie generowania tekstów -
        
      • wspomaganie szybkości pisania - dokańczanie zdań w trakcie pisania
        
        • Na ETI robią wtyczki do WORD'a
          
      • Automatycznie generowanie mail'a (spam);
        

         
         

     
     

     
     

• Klasyfikacja tekstów
  
  • Przetwarzanie języka naturalnego
    
    • NLG (natural language generation)
      
    • NLP (natural Language processing)
      
    • NLU (n. l. Understanding)
      
    • Słownik wordnet (wspierany przez Google)
      

       
       

    • Co robimy z tekstem do przetworzenia?
      
      • Wykorzystujemy metodę POS - part of speech(oznaczamy jaką częścią mowy słowo jest)
        
      • Wyłapywanie tokenów - trzeba uważać aby nie działały zbyt naiwnie (szczególnie jeśli chodzi o frazy złożone - nazwy własne z białymi znakami);
        
      • Lematyzacja
        
      • Stop words - wyznaczanie słów zatrzymujących działanie algorytmu
        
      • Wyznaczanie znaków interpunkcyjnych i specjalnych;
        
      • Tworzenie słowników (wordnet, tezaurus)
        
        • Np.. Dostarczają synonimów
          

     
     

     
     

    Ostatnia modyfikacja: 2012-02-26; 15:14
    

• NLP Tools
  
• Historia
  
• Reprezentacja dokumentów
  
  • Przetworzenie dokumentu
    
  • Wyciagnięcie danych typowych, cechy charakterystyczne tekstu
    
  • (…)
    

     
     

    METODY EKSTRACJI cech z dokumentu (trzy metody)
    

  • ?kompresja?
    
  • ?wyszukiwanie?
    

     
     

     
     

    Algorytm kompresji
    

  • "Elementy językowe spakowane osobno zajmują więcej miejsca niż spakowane razem"
    
  • Wymaga wykonania permutacji porównanai podobieństwa każdego dokumentu z każdym
    

     
     

    Wyszukiwanie Boolowskie i odległościowe
    

  • Boolowskie BM:
    
    • Budowa odwróconego indeksu
      
      • Struktura pozwalająca wyszukiwać w czasie jednostkowym dane słowa
        
      • Wykorzystywane w podpowiadaniu słów wprowadzanych w przeglądarce internetowej
        
      • Dla listy wszystkich słów występujących w korpusie słownym (strony www) podaje wagę binarną (0 - słowo nie występuje, 1 - słowo jest); wyznacza się i przypisuje indeksy słowom - na tej podstawie możliwe jest szybkie wyszukanie słów przez przeglądarkę
        
      • Prawo heap'a - w miarę dodawania słów do słownika liczba tokenów będzie się zmniejszać
        

         
         

    • Prawo Zipfa
      
      • Jak stworzymy sobie listę słów to otrzymamy rozkład w mia (….) (ble ble ble)
        
      • -> słabo opisane
        

       
       

       
       

  • Wyszukiwanie oparte na dystansach (odległościowe) VSM
    
    • Vector space model
      
    • Liczymy odległosći prawdopodobne dla naszych wyrażeń
      
    • Metoda BOW - bag of words - worek gdzie informacja o kolejności wyrażeń jest zatracana
      
      • Tworzymy słownik słów
        
        • Słownik tworzy nam wymiary w przestrzeni , w której dokumenty są odwzorowane jako punkt;
          
        • Dodajemy wagi dla przestrzeni określające czestotliwość wystąpienia elementu
          

           
           

    • Możemy stworzyć specyficzny ranking wyrażeń (w rzeciwieństwie do metody boolean)
      
    • Redukcja wymiarowości (dwa sposoby)-
      
      • poprzez selekcję cech charakterystycznych na podstawie ważenia
        
        • Wykonuje się ją za pomocą dwóch miar:
          
          • Miara częstości wystąpień terminu
            
          • Miara użyteczności -jak zadane słowo jest istotne do zcharakteryzowania zadanego tekstu w kontekście całego repozytorium zdań
            
            • Term -słowo przeprocesowane
              
            • Słowo -element pochodzący ze zdania
              

               
               

          • Wejście dla tych metod powyżej
            
            • liczba obiektów
              
            • Liczba cech i wagi
              

               
               

          • Na tej podstawie można sklasyfikować elementy
            

             
             

      • Oparte na podstawie algebry (o tym nie będziemy mówić - zbyt zaawansowane)
        

         
         

    • Miary wykorzystywane do obliczeń odległości między wymiarami:
      
      • Miara euklidesowa
        
      • Miara minkowskiego
        
      • Miara Cosinusowa
        
      • Miara mahalanobisa
        
      • Miara Czybyszewa
        

         
         

         
         

  • Porównanie VSM i BM
    

     
     

    Nie mówimy o modelu HAL (pomija to )
    

     
     

     
     

     
     

    Ostatnia modyfikacja: 2012-02-26; 16:15
    

     
     

    Klasyfikatory
    

  • K-NN (k- nearest neighbours)
    
    • obliczanie odległości do k- najbliższych sąsiadów
      
    • Problemem jest poprawne dobranie parametru k
      
    • Znać idee klasyfikatora i potrafić obliczyć odległości [E]
      

       
       

  • Metoda rankingowa
    
    • Obliczenie przynależności na podstawie sumy różnic wystąpień danej cechy
      

       
       

  • Klasyfikator bayesa - prawdopodobieństwo
    
    • Przynależność tekstu do klasy na podstawie rozkładu słów w danej klasie
      
    • Twierdzenie bayesa
      

     
     

     
     

     
     

     
     

    WYSZUKIWANIE INFORMACJI (część trzecia)
    

  • Definicja usługi
    
  • Rodzaje usług
    
  • Informacja a dane
    
  • Piramida wiedzy
    
  • Systemy rozmyte
    
  • Klasteryzacja
    
  • Ranking wyszukiwarek
    
  • Webmining
    
    • Drążenie danych - 3 sposoby:
      
      • Eksploracja zawartości sieci
        
      • Eksploracja Połączeń sieci
        
      • Eksploracja Korzystania z sieci
        

         
         

  • Proces wyszukiwania
    
    • Wyszukiwarki cache'ują dane
      
    • Moduł pozyskiwania danych - crawler (pająk)
      
      • Dla punktów startowych bot porusza się po linkach w głąb sieci;
        
    • Moduł analizatora
      
    • Moduł indeksera
      
      • Przetwarza dokumenty dostarczone przez crowler'a i zrzuca je do bazy za pomocą pewnej reprezentacji
        

         
         

  • Historia GOOGLE
    
    • Gugol - 10 do potęgi 100 (stąd nazwa)
      
    • www.caida.org/tools/visualization/walrus
      
    • Google story
      
    • Jak to działa? - opis algorytmu działania google
      

       
       

   
   

IW (wykład 1)

25 lutego 2012

09:19

Na ostatnim laboratorium dostaniemy krótkie zadanie do zaliczenia - ale najważniejszy jest projekt (specyfikacja wymagań)




Wykład



Pojęcia będą wymagane dla zrozumienia treści zadań na egzaminie


Problem musi być zdefiniowany i mieć określonego właściciela








Ostatnia modyfikacja: 2012-02-25; 10:20
Druga godzina: Wymagania względem systemu

Ostatnia modyfikacja: 2012-02-25; 12:14

 

Pojedyncze źródło wymagań

 

 

SWS:

1. Określamy granice problemu\\
   
   
   
   
   Zdarzenia biznesowe
   
   
   Oszacowanie nakładów
   
   
   Formy realizacji inicjacji projektu
   Koniec na 42 stronie
   
    

ZPI (wykład 1)

18 lutego 2012

09:22

Wróbel


Wstęp

Ostatnia modyfikacja: 2012-02-18; 09:32

 

Przyczyny braku sukcesu projektu (slajd 9/72);

 

Rozkład błedów popełnianych przy konstrukcji systemów IT:

• Najwięcej to specyfikacja wymagań i projekt - są też najbardziej kosztowne do usunięcia
  
• Błędy implementacji - koszty bardzo małe
  
  
  
  Inżynieria oprogramowania - zajmuje się usystematyzowaniem procedur wytwarzania oprogramowania
• Definicje na egzaminie
  
  
  
  
  
  Procesy klienta i dostawcy (slajd 24/72)
  Miary sukcesu
• Generalnie srutu tutu
  
  
  
  
  
  
  
  Po przerwie:
  Kaskadowy cykl życia oprogramowania
• Budowa
  
• Zalety i wady
  
  
  
  Model V - pozwala na zwiększenie jakości produktu ale przy zwiększonych nakładach
  
  
  Co zrobić kiedy kient nie potrafi określić swoich potrzeb? - zastosować model prototypowy
  
• Prototyp nie musi być produktem - może to być makieta
  
• Po zaakceptowaniu prototypu budowany system jest od nowa
  
  
  
  Co zrobić kiedy projekt jest obarczony duzym ryzykiem? - model spiralny
  
• Wyodrębnione są 4 części
  
  • Planowanie
    
  • Identyfikacja i rozróżnianie ryzyka
    
  • Implementacja i Testowanie
    
  • Planowanie następnej iteracji
    
    
    
    
     
• Model przyrostowy
  
  • System powstaje przy kolejnych przyrostach
    
  • Po iteracjach system jest już funkcjonalny
     
    
    
    Ostatnia modyfikacja: 2012-02-18; 10:52
    
    
    Modele:
    
    • Przekształcenia formalne
      
    • MDD
      
    • Re-engineering (zasób ponownego użycia [E])
      
    • RUP - iteracyjny proces wytwarzania oprogramowania - zawiera zbiór dobrych praktyk
      
      
      
      
      
      
      
      
      
      Ostatnia modyfikacja: 2012-02-18; 11:16
• SCRUM - młyn w rugby
  
  
   
  Product backlog - wszystkie funkcje które mają zostać wytworzone w projekcie (zestaw funkcji);
  Sprint - okres czasu w którym realizuje się funkcjonalność wybrana z backlogu 9nie dłużej niż 2-6 tygodni)- codziennie dochodzi do spotkania - informacja co się zrobiło.
  
   
  
  
  
  
  
  
   
  
   

WAI (wykład 3)

 

26 lutego 2012

09:18

Wytwarzanie aplikacji internetowych

W

dr P. Czarnul

9.15-13.00

NE

Wklejono z <http://student.eti.pg.gda.pl/student_pages/zaoczne_plan.php?dla_kogo=4>

 

Usługi sieciowe na Tomcat i GlassFish

 

 

SOAP

 

 

1. Mamy usługę
2. Stawiamy serwer
3. Tworzymy opis usługi w WSDL (odpowiednik IDL w CORBIE)
4. "rozgłaszamy" opis UDDI
   
   
   
   
   
    
5. Wykorzystujemy serwer tomcat z pakietem axis
   1. W podkatalogu tomcat /webapps umieszczamy dodatkowy katalog axis (rozpakowany pakiet pobrany z internetu)
   2. Axis daje 2 możliwości tworzenia usług
      1. Jeśli mamy kod javy (rozszerzenie .jws) to wrzucamy plik do katalogu axis (i tyle)
         1. Klasa zawiera metody publiczne - do udostępnienia
            
             

Struktura WSDL

1. Wsdl:message - odpowiada danym wysyłanym od klienta do usługi (zestaw danych wejścioewych do usługi; Request), lub od usługi do klienta (Response)
2. Wsdl:portType - wiąże ze sobą elementy typu message i określa jakiej (..) metody usługi sieciowej dotyczą;
   1. Wsdl:operation - w usłudze jest jakaś metoda dla której dane wejściowe zdefiniowane są przez zmienne w elemencie wsdl:input message, zaś dane wyjściowe w wsdl:output message;
      
       
3. Wsdl:binding
   1. Wsdlsoap:binding style="rpc" (remote procedure call)
      
       

Na stronie przedmiotu są instrukcje laboratoryjne (to co na wykładzie zrobił - krok po kroku)AUI-1-lab2.pdf


http://fox.eti.pg.gda.pl/~pczarnul/AUI-1-lab3.pdf



(instrukcje laboratoryjne będą dostępne - ale są to tylko poglądowe instrukcje - na laborkach będzie co innego)

Ostatnia modyfikacja: 2012-02-26; 11:04

Po przerwie - zabezpieczenia usług internetowych

 

 

-przykład autoryzacji:

 

<?xml version='1.0' encoding='utf-8'?>

<tomcat-users>

<role rolename="tomcat"/>

<role rolename="role1"/>

<role rolename="runtaskuser"/>

<user username="tomcat" password="tomcat" roles="tomcat"/>

<user username="both" password="tomcat" roles="tomcat,role1"/>

<user username="role1" password="tomcat" roles="role1"/>

<user username="runtaskuser" password="uio9" roles="runtaskuser"/>

</tomcat-users>

 

 

• Ograniczenie dostępu dla roli (runtaskuser)
  
  • Powinno pojawić się okno z danymi do uwierzytelnienia (login. Hasło)
    
    
    
    <security-constraint>
    <web-resource-collection>
    <web-resource-name>RunTaskApplication</web-resource-name>
    <url-pattern>/*</url-pattern>
    </web-resource-collection>
    <auth-constraint>
    <role-name>runtaskuser</role-name>
    </auth-constraint>
    </security-constraint>
    <login-config>
    <auth-method>BASIC</auth-method>
    <realm-name>RunTask Application</realm-name>
    </login-config>
    
    
    
    
    
    
    Przykłady aplikacji w Netbeans (runtaskws serwis)
    
    
    Tworzenie aplkacji klienta:
  • Nowy projekt
  • Nowa aplikacja standardowa Java
  • Dodajemy do aplikacji nowy element : new WS client
  • Podajemy adres WSDL
  • W kodzie dodajemy wywołanie metody udostępnionej
    
    
    
    
    
    
    
    
    
    
    
    
    
    
    Ostatnia modyfikacja: 2012-02-26; 11:47
    Ostatnia część wykładu na temat zintegrowanych usług sieciowych
    
     
  • Przykład z produkcją dżemu
    
    
    
    
    
    
    
    Na egzaminie tylko slajdy o tematyce o której wspominał w trakcie (tylko kto go słuchał?)
    
    
    W rejestrze UDDI są 4 elementy:
  • Biznes entity
    
  • Biznes binding
    
  • Biznes service
    
  • tModel
    
    
    
    
     
  • Nie będzie od nas wymagać UDDI - standard na wymarciu
    
    
    
    Przegląd architektur - tak trzeba traktować ten przedmiot
    (java EE, servlety i Webserwisy - zakres tematyczny)

PT (wykład 2)

18 lutego 2012

13:34

K D.

 

ADO.NET

 

• Demonstruje na visual studio 2008
  
  
   

PT (wykład 1)

11 lutego 2012

09:21

Tomasz D.

Egzamin w sesji egzaminacyjnej

Po 50pkt do zdobycia z wykładu i laboratorium

Zalicza suma większa od 50% (bez progów z teorii czy laboratorium)

Platformy technologiczne

• Definicja [Technologia, Platforma] - sposób jak coś zrobić (inżynieria, Technologia) - szczegóły inżynierskie (na czym to zrobić) - to są platformy;
• Rys historyczny
  • Przetwarzanie w chmurach - wiemy tylko jak coś zrobić (brak platform)
    
     
• Porównanie technologii - schemat
  • Czemu nie ma PHP? - to zwykły program (interpreter nie kompilator), można go uruchomić w konsoli na maszynie - nie otrzebuje serwera WWW;
  • Serwer aplikacyjny aplikacji Windows to windows server! (IIS to tylko serwer WWW)
  • Warstwa runtime - po to aby aplikacja była przenośna (CLR i Java runtime);
    • CLR - przenośny ale tylko na windowsach!
    • Java - jvm (kilkanaście wersji)
  • Warstwa obsługi bazy danych (JDBC,JPA, ADO.NET);
    • Mapowanie obiektowo - relacyjne (wcześniej LINQ teraz entity …);
  • Komponenty(biblioteki) prezentacji danych (Servlets,JSP,JSF,ASP.NET)
    • JSF - ściągnieta technologia z Microsoft ASP.NET - w tej chwili na wymarciu obie bo zbyt zamulają
  • Na końcu aplikacje najwyższego poziomu
    
    
    [cała godzina na jednym slajdzie!!!]
    
    
    
    
    
    
    
    
    
    
    Ostatnia modyfikacja: 2012-02-11; 10:13
    Po przerwie
• 
  
  Środowiska wykonawcze - tytuł slajdu
• Bytecode dla javy
  • Microsoft ściągnął to i stworzył MSIL - są bardzo podobne do siebie
• PHP - Zend Server - moduł od wersji 5 - zapamiętuje się pierwszą interpretację i w następnej wersji jest wykorzystywany (zamieniony kod na bytecode) - mechanizm cache'owania - na razie zarzucone - ma być włączone w wersji 6.
• Porównanie maszyn wirtualnych JVM i CLR
  • JVM - bierze bytecode i tłumaczy
  • CLR - mechanizm cache'owania przetłumaczonych kodów (z MSIL )
  • JIT a ENGEN
• Interpreter PHP spowalnia środowisko;
  
  
  Obsługa żadania w PHP
• Konfiguracja krok po kroku
  • Instalacja serwer WWW
  • Biblioteki
  
  
  Współpraca Apache - Tomcat
• Java
• Też jest serwer WWW - Apache
• Dodany Tomcat (wymaga JVM) - kontener
• Załadować trzeba moduły mod_jserv
• Komunikacja między nimi oparta o sockety
  
  
  Obsługa żądania JSP
• Żądanie http (klient-server)
• Serwer wysyła żądanie do kontenera (Serwer - java engine)
• W razie potrzeby JVM odczytuje plik .jsp (java engine - kompilator)
• JSP jest parsowane na kod serwletu
• Serwlet zostaje uruchomiony i generuje HTML (w sliniku Java)
• Kontener wysyła HTML do serwera
  
  
  Mechanizm wolny przy pierwszym uruchomieniu
  Przy kolejnych bardzo szybko (gotowe serwlety)
  
  
  HTTP Runtime
  
   
• Przeglądarka - html - IIS
  • IIS zwraca HTML
• Przeglądarka - aspx -IIS
  • IIS ładuje bibilotekę aspnet_isapi.dll
  • Przy użyciu aplikacji Inetinfo.exe ….
    
     
  Cykl życia strony ASP.NET
  
   
• Po kompilacji otrzymamy plik dll (w przypadku javy był to class);
• Obiekt po wygenerowaniu dll zostaje usunięty z pamięci (w javie był cache'owany)
  
  
  Czas życia obiektów
• Najszybszy JSP, ASP na drugim miejscu, i php na końcu
  
  
  Przetwarzanie żądań w potoku HTTP(na przykładzie APS.NET)
• Cały mechanizm ukryty przed programistą
• Aplikacja skalowalna - ten sam kod posadzony na wielu serwerach
• HttpRuntime pobiera jedną z instancji aplikacji serwera - wybiera wolną instancję
• Żądanie po obróbce trafia do fabryki obiektów usługi - rozpoznaje po rozszerzeniach
  • Stronie aspx - fabryka sięga do bibliotek standardowo przypisanych do strony 9np. Page)
• Po obróbce przez moduły wylatuje to do klienta
• Przed tym w HttpContext przechowywana jest informacja o stanie sesji
• Podobny mechanizm jest w Javie (moduły nazywają się filtrami)
  
  
  Czas życia obiektów
• ASP.NET - zapisywany stan obiektu przed usunięciem
  
  
  Kontrolki serwerowe
• Znajduje się tablica kontrolek w klasie Page
• W kodzie znajduje nazwę kontrolki i przepytuje tablicę
  • Po znalezieniu jej w tablicy kontrolek wywoływana jest metoda render tworząca kod html
  • Po przepytaniu całej tablicy wszystko zbierane jest w całość i wyjściowo tworzy się strona html
  
  
  ??
  
  
  Utrzymanie stanu kontrolek
  
  
  
  
  
  
  Ostatnia modyfikacja: 2012-02-11; 11:15
  Mechanizm sesji
  
   
• Sam serwer aplikacji nie potrafi zapewnić sesji;
• W ramach sesji: utrzymanie (wymiana inf między klientem a serwerem że one wiedzą że maj asię ze sobą komunikować) i śledzenie (obiekty przechowywania sesji);
  • 
    
    Śledzenie sesji
  • ID sesji przechowywane po obu stronach (klient - serwer)
  • ID sesji po stronie serwera przechowywane są w pamięci, pliku, lub bazie danych - wyboru dokonuje administrator serwera;
  • 3 rodzaje utrzymania sesji: cookies, przepisywanie url , ukryte formsy
  • Wyboru konfiguracji sesji dokonuje administrator serwera
  • W jaki sposób serwer wykonuje wyboru metody?
    • Użyć wszystkiego!
      • Użyj cookies
      • Jeśli odpowie cookies i url to serwer wie że mają być cookies
      • Jeśli tylko url to musi szukać dalej (bo klient nie obsługuje cookies)
    
    
    
    
    
  [Schemat komunikacji klient - serwer]
• Ustawiany zegar sesji przez administratora serwera
• Ważne jest zamknięcie sesji - można spreparować cookies przy nie zamkniętej sesji
  
  
  [pare slajdów ominięto]
  
  
  Wnioski
• Współdzielony dostęp do danych
• Skalowalność aplikacji - sesja w pamięci -> nie da się - po dodaniu serwerów nowe nie będą miały dostępu do pamięci (trzeba zastosować pliki lub bazę)
  
  
  Przechowywanie stanu sesji
• InProc
• Out-of_proc
  • Serwer stanu (coś jak aplikacyjny)
  • Dane sesji w bazie danych (InstallSqlState.sql, InstallPersistantSqlState.sql)
  • Rozwiązanie najwolniejsze ale najmniej zawodne
  
  
  
  
  
  [dużo slajdów pominiętych][…]
  
  
  WZORCE PROJEKTOWE
  
  
  Wzorzec MVC
• Model ustawia wartości obiektu
• Kotroler wybiera widok
  
  
  
  JSP
• W widoku osadzane są obiekty
  • Klasa kontrolera - serwlet
  • Klasa widoku JSP
  • Klasa modelu - bean (bean ma obecnie prawo przetwarzania danych do obiektów - może być użyte przez serwlet i widok - kiedyś model to tylko baza danych)
  
  
  
  PHP
• Wadą bałaganiarstwo (brak uporządkowania standardów)
• Nowe frameworki wymuszają wzorzec mvc
• [Mało opisu php]
  
  
  
  ASP
• Stary asp wykorzystywał viewState (który java ukradła do JSF), który zamulał i zdecydowano wyciąć to
• Powstał ASP.NET MVC - który nawiązuje do rowiązań Javy (pierwotnej) i PHP;
  
  
  […]pominięt slajdy - mówi że za dużo chciał powoedzieć - nie wyrobi się
  
  
  Aplikacje webowe
  
  
  Konfiguracja web.config
  
  
  Konfiguracja global.asax
  
  
  Co to jest serwer aplikacji ?
  
  • Obsługa komunikatów
  • Komunikacja z bazą danych
  • Obsługa poczty
  • Obsługa dostępu do katalogów
  • Utrzymywanie puli połączeń
    
    
    
    
    
    
    Ostatnia modyfikacja: 2012-02-11; 12:10
  
  
  PRZETWARZANIE W CHMURACH
  
  
  
  
  
  Przetwarzanie w chmurach
• Modele chmury
  
  
  
  • Kolokacja (historycznie)
    Hoteling, kolokacja – usługa (zwykle informatyczna) polegająca na ulokowaniu sprzętu klienta w siedzibie (serwerowni) dostawcy, który zobowiązuje się do utrzymania tego sprzętu.
    Usługa świadczona przez ISP polegająca na udostępnieniu zasobów serwerowni. W ramach usługi klient może otrzymywać miejsce w szafie serwerowej, dostęp do sieci, zasilanie i wsparcie administratorów, samemu dostarczając serwer(y), czym różni się ta usługa od hostingu.
  • IaaS - zapewnienie infrastuktury
  • PaaS - zapewnienie platformy
  • SaaS - jak google docs, lub sklep inter netowy (zapewnienie aplikacji)
    
     
• Dostępne platformy:
  • NET - MS Azure
  • Java - Google Apps Engine, Amazon…
  • PHP - MS Azure
  
  
  Windows AZURE
  
  
  Zasadność stosowania
• Chwilowe zapotrzebowanie na większą moc obliczeniową (np.. Sklep internetowy w okresie świątecznym)
  
  
  
  
  [Cennik]
• Koszty- najmniej ok. 280 zł, optymalnie 1000 zł/ miesiąc (windows Azure)
  • Z Home.pl ok. 850 zł;
• Możliwość rozliczenia godzinowego (windows azure i amazon);
  
  
  \Windows Azure składa się z trzech elementów:
• aplikacje(wgrywanie),
• baza danych(storage - pamięci folderowe/plikowe,
  • struktura płaska,
  • Baza danych
  • Struktura kolejek
• Moduł diagnostyczny
  • Azure Fabric
    
     

WAI (wykład 2)

19 lutego 2012

13:21

Wytwarzanie aplikacji internetowych

W

dr P. Czarnul

13.15-17.00

NE AUD.2

Wklejono z <http://student.eti.pg.gda.pl/student_pages/zaoczne_plan.php?dla_kogo=4>

Java servlets
-Serwlety - umożliwiają konstrukcje aplikacji typu klient- serwer


Tomcat
Omówienie przykładów z tomcat samples








Projekt: książka gości




Szyfrowanie symetryczne - jeden klucz do szyfrowania i deszyfrowania


Asymetryczne - klucz publiczny i k. prywatny skojarzony z publicznym (przechowywany u klienta)


Org.eclipse.jst.servlet.ui.project.facet.WebProjectWizard

WAI (wykład 1)

http://fox.eti.pg.gda.pl/~pczarnul

 
 

50% pkt z egzaminu i 50% z laboratorium

 
 

 
 

materiał1

 
 

Architektury systemów rozproszonych

 
 

1. Przetwarzanie w klastrze
   
2. Klient-serwer
   

 
 

Java:

1. JAVA Standard Edition - pojedynczy klient
   
2. JAVA Enterprise edition - klient serwer
   

 
 

Ostatnia modyfikacja: 2012-02-12; 10:54

Systemy agentowe - przykładowy system JADE

Rola agentów:

• negocjace
  
• Podejmowanie decycji
  

   
   

   
   

   
   

  Volunteer computing
  

  Ostatnia modyfikacja: 2012-02-12; 11:46
  

   
   

   
   

  Grid computing
  

• Wykorzystywane w korporacjach
  
• Kontrolowane współdzielenie zasobów
  
• Udostępnia jednolity interfejs dla danych zadań
  
• Dla klienta system jest przezroczysty - nie wie gdzie to jest uruchamiane
  
• Przykład systemów: Gridbas, unicorn
  

   
   

   
   

  Cloud computing
  

• Różnica do grid:
  
  • Grid dla użytkowników wewnętrznych (zaufanych)
    
  • Cloud udostępniane przez dostawców
    
    • SaaS - udostępniony softwane
      
    • IaaS - infrastruktury
      
    • PaaS - całkowitej platformy
      

   
   

   
   

PIZI (wykład 1)

12 lutego 2012

13:19

Sz. M

 

 

 

Egzamin 40 pkt (21 pkt zalicza wykład)

Lab 4 zadania: po 10 pkt (40 max, 21 na zaliczenie)

 

Hasło do materiałów: PiZIszwoch2012

 

Wstęp - zakres materiału

(tematy pracy mgr pojawią się w maju)

Slajdy z których mogą być pytania będą zaznaczane przez wykładowce [E]

 

Ostatnia modyfikacja: 2012-02-12; 13:35

Multimedia - definicje

 

Ostatnia modyfikacja: 2012-02-12; 13:41

Przykładowae zastosowanie multimediów:

• Hypermedia - media w internecie
  

 

Informacja i dane multimedialne (obraz) [E]

• Przetwazrzanie - redukcja oczu, przetw. Artystycnze
  
• Rozpoznawanie obrazów - OCR
  
• Modelowanie
  
  • przetwarzanie informacji
    
  • Pomysł w głowie - modelujemy w narzędziach modelowania 3d
    
• Grafika - wizualizacja
  
  • Koncepcja (np.. Równanie matematyczne)
    
  • Reprezentacja matematyczne koncepcji
    
  • Powstaje zwizualizowana koncepcja w postaci np.. Bitmapy
     
    
     
• Podstawowe definicje na egzaminie (typu barwa )[E]
  
  
  
  
   
• Mieszanie kolorów - 3 prawo Grassmana
  
  
  
  
  
  
  
  Ostatnia modyfikacja: 2012-02-12; 14:15
• dzwiek
  
  
  
  
  
  Nieliniowa charatkerystyka percepcji jasności:
  Widmo prawdziwe jasności jest progowe - stopniowe
  
  Percepcja w mózgu - na granicy są inne wartości
  
  
  
  
  
  
  
  
  Sygnał chrominancji może być kompresowany silniej od jasności gdyż człowiek odbiera bardziej dokładnie jasność (nie kolor - chodzi o gęstość czopków i pręcików)
  
  
  Zakres słuchu człowieka - 10 do potęgi 13
  
  
  
  
  Pojęcia na egzamin - dyskretyzacja i kwantyzacja [E]
  
  
  Rozmiar bitmapy [E] (po przekształceniach, na podstawie rozmiaru i rozdzielczości)
  
  
  
  
  
  
  Format GIF:
  
  • Z przeplotem (informacje przesyłane mogą być przed ząładowaniem całości przedstawione
    
  • Był opatentowany - teraz już nie i się rozwija
    
    
    
    
    
    
    
    
    
    
    
    Symbol I - image (intensywność)
    
    
    
     
  
  
  HDR - (obraz o wysokiej dynamiki) technologia, w której dąży się do tego aby dobre szczegóły były zarówno dla elementów ciemnych jak i jasnych
  
  
  Progowanie - najczęściej używa się aby dostać wyraźniejszy obraz czarno-biały
  
  
  
  
  Koniec na filtrach cyfrowych
  
  
  
  Na zaliczenie f. dolno i górnoprzepustowe [E]

IUI (wykład 2)

19 lutego 2012

09:20

Ostatni wykład prof J

 

Reguły wnioskowania

• reguła odrywania (modus ponens)
  
  • Jeżeli A to B i A to B;
    
    • Jeżeli suma liczb cyfr dzieli się przez 3 to liczba dzieli się przez 3
      
• Uniwersalna specjalizacja
  
• Reguła rezolucji
  
  
   
  Baza danych jest sprzeczna:
• Jeżeli w trakcie wnioskowania ukazują się dwa przeciwstawne wnioski
  
  
   
  
   
  W prologu operuje się klauzulami 9to wyrażenia logiczne np. 'AvBv…vC'; gdzie A to predykat prosty lub złożony)
  Klauzula Horna - tych konkretnie używa się w prologu (wszystkie predykaty za wyjątkiem jednego są zanegowane)np.. !Av!Bv…v!CvB
  
   
  
   
  X A Y - to jest xor!
  
   
  
   
  
   
  Ostatnia modyfikacja: 2012-02-19; 09:39

Wpz - klauzule - strona 51 w materiałach

• Przekształcanie wyrażeń do postaci klauzul
  
  • Wyrzucamy implikacje;
  • Redukcja zakresu działania symbolu negacji
  • Standaryzacja zmiennych
  • Eliminacja kwantyfikatorów szczegółowych (występuje tu funkcja Skolema)
  • dfa
  • Przedstawienie wyrażenie w normalnej postaci iloczynowej
    • Każdą funkcję boolean możemy przedstawić w normalnej postaci
  • fasfaf
    
     
    
     
    Pomija unifikacje i … (coś tam) -> od razu do przykładu 4.11 (strona 55)
    [E]Zadanie na egzaminie - na pewno to przekształcenie + drugie zadanie (coś tam podane i trzeba opisać co to zdanie oznacza w języku naturalnym)
    
     
  • Tematy, które pomijamy nie będą obowiązywały na egzaminie
    
    
     
    Ostatnia modyfikacja: 2012-02-19; 10:54
    Zagadnienia roztrzygalności
    
    • Przykład niekonczącego się wnioskowania (strona 64 - Rys. 4.13)
      
    • Logika pierwszego rzędu - jeżeli coś się da wykazać to w skończonym czasie da się wywniskować
      
      
       
    Zagadnienie pełności
    
    • Istnieją zagadnienia (zdania arytmetyczne), których nie da się wykazać a są prawdziwe (nie da się wyprowadzić z przyjętych dla arytmetyki aksjomatów);
      
      
       
  
   
  KONIEC LOGIKI PIERWSZEGO RZĘDU
  
   
  
   
  
   
  
   
  
   
  Ostatnia modyfikacja: 2012-02-19; 11:18
  Fuzzy logic
  
   
  [Wnioskowanie rozmyte] - str. 68
  Operacje na zbiorach rozmytych 5.1.2 (str 73)
  Omawia rysunek 5.6
  
  • Intersection - c (iloczyn)
    
  • Union - d (suma)
    
  • Comlement - e (negacja)
    
    
     
    [inne definicje pominięte - nie będzie obowiazywać na egzaminie]
     
    Ostatnia modyfikacja: 2012-02-19; 11:28
  System wnioskowania rozmytego - 5.1.4 (str 79)
  
  • Rozmywanie (fuzyfikacja)
    
  • Operacje rozmyte(logiczne)
    
  • Implikacje
    
  • Kompozycja
    
  • Precyzowanie
    
    
     
    Omówiony rys 5.14(str 84) (system MAMDAM)
  
   
  
  • 
    
  
   
  
  
   
  SYSTEM SUGENO - wynik nie jest trójkątem a prążkiem - łatwiejsze obliczenia
  • Stosowane obliczenia środka ciężkości
    
    
    
    
     
    
     
    Ostatnia modyfikacja: 2012-02-19; 11:52
    Koniec systemów rozmytych
    [E] opisać system rozmyty lub znaleźć wynik (będzie na propozycjach zadań)
    
     
    
     
    Inne podejście - sieci Bayessa (5.2)
    - zdarzenia losowe
    
     
    
     
    
     
    
     

IUI (wykład 1)

11 lutego 2012

13:26

 
Inteligentne usługi informatyczne

 

Prof. J.

 

(druga część przedmiotu t J. S.)

(Laboratoria D.)

 

Sztuczna inteligencja - jest to roziwnięcie

 

Zaliczenie: suma pkt z wykł i laboratorium (waga 50/50)

6 zadań (4 z części pierwszej Jędrucha)

 

Materiały -wykłady z opisami tekstowymi

 

 

 

 

Definicja sztucznej inteligencji

-różne definicje

 

 

Dziedzina SI składa się z metod i zastosowań;

Każdą z metod wykonuje w róznym skutku człowiek

•  
• Metody
  
  • Przeglądanie grafów
    
  • Reprezentacja wiedzy
    
    • Człowiek posiada bazę wiedzy
      
  • Metody uczenia się
    
    • Na podstawie tabel wzorcowych aplikacja sama ocenia nowe dane;
      
• 
  

 [coś się tu rozjechało dalej]

Ostatnia modyfikacja: 2012-02-11; 14:31

Filozofia sztucznej inteligencji

1. Na podstawie testu turinga można określić czy spełniona jest ineligencja
   
    
   
    
   Pytanie na zaliczenie:

• Napisz za którym stanowiskiem jesteś i dlaczego
  
   
  
   
  
   
  
   
  
   
  
   
  Ostatnia modyfikacja: 2012-02-11; 15:22
  Język logiki:
  1)Dla wszystkich x

[A]

 

2)Istnieje takie x

 

[E]

 

 

Ax Kot(x)^biały(x) ---> istnieje taki biały kot

 

 

 

 

Tabela wartości[edytuj]

p		q	FAŁSZ		p AND q		p NOT q		q NOT p	p XOR q		p OR q	p NOR q		p XNOR q	NOT q	q → p	NOT p	p → q	p NAND q	PRAWDA
0	0	0	0	0	0	0	0	1	1	1	1	1	1	1	1
0	1	0	0	0	1	1	1	0	0	0	0	1	1	1	1
1	0	0	0	1	0	1	1	0	0	1	1	0	0	1	1
1	1	0	1	0	0	0	1	0	1	0	1	0	1	0	1

Warto zwrócić uwagę, iż wynik operacji NOT <inny operator>, np. AND › NAND, OR › NOR daje zawsze wynik inny niż ów <inny operator>, tzn. jeśli wynik operacji tego operatora na pewnej danej wynosi 1, NOT operator da 0, w przeciwnym wypadku odwrotnie.

 

Wklejono z <http://pl.wikipedia.org/wiki/Bramka_logiczna>

 

 

 

Wszystkie operacje możemy opisać używając jedynie operatora NAND lub trzech (suma, iloczyn, negacja)

 

 

 

Ostatnia modyfikacja: 2012-02-11; 15:22

 

([A]x[E]y)kocha(x,y) --> każdy kogoś kocha

([E]y[A]x)kocha(x,y) -->?istnieje osoba kochana przez wszystkich?

([A]y[E]x)kocha (x,y) -->?Każdy kogoś kocha?

([E]x[A]x)-kocha(x,y) -->Istnieje ktoś kto kocha wszystkich
 

Kolejne zadanie:

O (x)- to jest ocet

k(X) - jest kwaśny

Ma być "tylko ocet jest kwaśny":

"!" --nie

 

1. ([A]x)O(x)v!k(x)
   Każdy przedmiot jest octem i nie jest kwaśny
2. ([A]x)!O(x) -> !k(x)
   
   
    
   
    
3. ([A]x)o(x)v!k(x)
4. ([A]x)k(x) -> o(x)
   
    
   Trzeba to sprawdzić. Do tego stosujemy kilka wzorów:
   
    
   
   1. a->b = !avb;
   2. Prawo de Morgana:
      1. !(avb)=!a^!b
   3. !([A]x)A(x)=[E]x!(Ax)
   4. ……...
   
    

 
"
Ax

 
"

 
Sprawdzając wzór (2)
([A]x)!O(x) -> !k(x)
([A]x)o(x)v!k(x)== ([A]x)k(x) -> o(x)
Czyli (2) równa się 4

 
Ostatnia modyfikacja: 2012-02-11; 15:54
Omawia przykłady ze slajdów