IT, BI, DWH, DM, AI

 A szoftver fejlesztés során az implementáció tehát több lépésben, és sokszor párhuzamosan zajlik, szükséges, hogy az egyes programállapotok, jól követhetőek legyenek, ezt a feladatot a verziókövető rendszer ek ( revision control system ) látják el pl. CVS , Apache Subversion SVN ), Mercurial Git, GitHub Fejlesztés folyamat fő jellemzői: • egy közös tárolóban ( repository ) tartják kódokat • ezt a fejlesztők lemásolják egy helyi munkakönyvtárba, és amelyben dolgoznak ( working copy • a módosításokat visszatöltik a központi tárolóba ( commit • a munkakönyvtárakat az első létrehozás ( checkout ) után folyamatosan frissíteni kell ( update Az AI-alapú fejlesztői élmény elvárásai • Használja az Ön által megadott kontextust, és szintetizálja a kódot • Konvertálja a megjegyzéseket kóddá • Automatikus kitöltés az ismétlődő kódokhoz • Automatikus javaslat tesztek • Alternatívák megjelenítése, választási lehetőség GitHub Copilot Az eszköz mély tanulási modelleket és természetes

  Az alkotás egy új szintjét hozza el a Mesterséges Intelligencia generátor képessége. Egy parancs, prompt teremtő ereje (és a mesterséges intelligencia tanulási folyamata és megvalósítása) létre hoz valamit. Minta kimondanánk, hogy LEGYEN és ennek hatására lesz egy eredmény. Bizony nem mindig az jön létre amit szerettünk volna, de kis finomítgatással rávezethetjük az elvárásunkhoz közelebb álló megvalósításra az aktuális mesterséges intelligencia alkalmazást (ez lehet pl. DallE3 motor amely bing alól elérhető :  https://www.bing.com/images/create )  Képgalériába menthető :  https://www.bing.com/saves?&FORM=SAVBIC A tartalom mellet a stílus is nagyon fontos Impressionism:  Soft brush strokes, focus on light and its changing qualities. Surrealism:        Dream-like scenes with illogical, fantastical arrangements. Cubism:             Abstracted forms, viewed from multiple angles simultaneously. Art Nouveau:     Elegant, flowing lines, often inspired by natural forms. Expressionism:

  Elvégeztem két Sololerning tanfolyamot Angular Adat programozás Elvégeztem pár AI és chatGPT Udemy tanfolyamot ChatGPT Masterclass - The Ultimate Guide https://udemy-certificate.s3.amazonaws.com/image/UC-f0b70551-8e55-469e-aa33-3b63bcff5e3f.jpg ChatGPT Masters: Generative AI, Prompt Engineering, Chat GPT https://udemy-certificate.s3.amazonaws.com/image/UC-908ede20-d8b7-466a-862a-7556855ca409.jpg Executive Briefing: Artificial Intelligence (AI) + ChatGPT https://udemy-certificate.s3.amazonaws.com/image/UC-c14140ab-b34e-45da-a2c0-f331fa908a8b.jpg AI Chatbots Development Exploring Generative AI with ChatGPT https://udemy-certificate.s3.amazonaws.com/image/UC-86b801b7-f5c3-4cb9-9240-478c11960326.jpg ChatGPT Accelerated Python: Complete Python Guide 2024 https://udemy-certificate.s3.amazonaws.com/image/UC-3689eb21-74e7-42b6-8dd3-941495542a63.jpg ChatGPT Masterclass - Build Solutions and Apps with ChatGPT https://udemy-certificate.s3.amazonaws.com/image/UC-c4148750-ccde-41f6-8ac8-

  • A követelményspecifikáció az adattárház felépítésének kezdeti lépése, amely során információkat gyűjtünk a felhasználók adatbázisrendszerrel kapcsolatos igényeiről. A követelmények meghatározásához számos megközelítés áll rendelkezésre, mind a tudományos körök, mind a gyakorlati szakemberek részéről. Ezek a technikák segítik a szükséges és kívánatos rendszer tulajdonságok azonosítását a leendő felhasználókból, valamint elősegítik a követelmények homogenizálását és prioritások meghatározását. • A konceptuális tervezés során az adatbázist a felhasználók számára érthető és használható formában jelenítjük meg, olyan szinten, amely nem tartalmaz megvalósítási szempontokat. Ennek érdekében koncepcionális modellek alkalmazásával azonosítjuk az alkalmazás releváns fogalmait. Az entitás-kapcsolat modell az egyik legelterjedtebb fogalmi modell az adatbázis-alkalmazások tervezésében. Alternatívaként az objektum-orientált modellezési technikák is alkalmazhatók, például az UML (Unified Modeli

Dimenziós modell   Az adattárházban az adatkocka az egyik alapvető fogalom, amely a többdimenziós adatmodell elrendezését szolgálja. Az adatkockák általában tényeket, dimenziókat, mértékeket és hierarchiákat tartalmaznak, és segítenek az analitikus lekérdezések és jelentések hatékony kezelésében. Tények (Facts): A tények az adatkockákban található alapvető numerikus adatok, amelyek az üzleti folyamatokra vonatkoznak. Például, a pénzügyi adattárházban a tény lehet az eladások összege vagy az eladott termékek mennyisége. Dimenziók (Dimensions): A dimenziók az adatkocka strukturális elemei, amelyek csoportosítják és kategorizálják a tényeket. Például, egy idő dimenzió csoportosíthatja az eladásokat hónapok vagy évek szerint. Egy másik dimenzió lehet a termékek kategóriája. Mértékek (Measures): A mértékek az adatkocka numerikus értékei, amelyeket elemzésre és aggregációra használnak. Például, az eladások összege vagy a bevétel egy mérték lehet. A mértékek segítenek az üzleti teljesítmény é