--- pl:dydaktyka:psi:labs:lab_krr [2019/06/27 15:50]
127.0.0.1 edycja zewnętrzna
+++ pl:dydaktyka:psi:labs:lab_krr [2019/09/30 20:55]
kkutt
@@ Linia 1: / Linia 1: @@
 ====== LAB: Reprezentacja wiedzy ======
-Celem ćwiczenia jest zapoznanie się z różnymi metodami reprezentacji wiedzy, w szczególności sieciami semantycznymi i reprezentacją strukturalną (Frames).
+Celem ćwiczenia jest zapoznanie się z różnymi metodami reprezentacji wiedzy, w szczególności z językiem naturalnym, reprezentacją strukturalną (Frames) i sieciami semantycznymi (a.k.a. grafy wiedzy).
-Druga połowa laboratorium stanowi wstęp do projektu [[..:start#wiki_o_sztucznej_inteligencji|Wiki o Sztucznej Inteligencji]].
-===== - Język naturalny [10 minut] =====
+===== - Do przygotowania =====
+  * **[ArtInt]** [[https://artint.info/2e/html/ArtInt2e.Ch5.S6.html|Section 5.6: Complete Knowledge Assumption]]
+  * **[ArtInt]** [[https://artint.info/2e/html/ArtInt2e.Ch14.html|Chapter 14: Ontologies and Knowledge-Based Systems]]
+  * **[AIMA]** Chapter 12: Knowledge Representation
+  * [[https://www.w3.org/TR/rdf11-primer/|RDF Framework Primer]]
+===== - Język naturalny [15 minut] =====
 Zanim przejdziemy do zapoznawania się z sieciami semantycznymi i Frames, przyjrzymy się krótko najpowszechniejszemu ze źródeł wiedzy, czyli Wikipedii...
@@ Linia 13: / Linia 20: @@
 (pomijamy tutaj kwestię jakości danych! Gdy będziesz przygotowywać coś poważnego, np. artykuł czy pracę inżynierską, skorzystaj z pewniejszych źródeł ;-) )
-**ZADANIE:** Twoim zadaniem na początek aktualnego laboratorium będzie przygotowanie takiego zestawienia na temat **15 największych pod względem liczby ludności krajów Europy** na podstawie [[http://pl.wikipedia.org/|polskiej edycji Wikipedii]]. Na potrzeby tego ćwiczenia NIE korzystaj z innych stron internetowych + NIE korzystaj z zestawień już dostępnych w Wikipedii (o ile takie są).
+**ZADANIE:** Twoim zadaniem na początek aktualnego laboratorium będzie przygotowanie takiego zestawienia na temat **15 największych pod względem liczby ludności krajów Europy** na podstawie [[http://pl.wikipedia.org/|polskiej edycji Wikipedii]]. Na potrzeby tego ćwiczenia NIE korzystaj z innych stron internetowych + NIE korzystaj z zestawień już dostępnych w Wikipedii, bo są co najmniej dwa takie zestawienia i mają różne nieaktualne liczby (//stan na 30.09.2019//):
+  * Sekcja Podział polityczny na stronie opisującej Europę: [[http://pl.wikipedia.org/wiki/Europa#Podział_polityczny_Europy]]
+  * Strona z zestawieniem państw europejskich: [[http://pl.wikipedia.org/wiki/Państwa_Europy]]
 ==== Język naturalny jako metoda reprezentacji wiedzy? ====
@@ Linia 27: / Linia 36: @@
-===== Baza Wiedzy = TBox + ABox [10 minut] =====
+===== - Baza Wiedzy = TBox + ABox [10 minut] =====
 Niezależnie od tego z jakiej reprezentacji wiedzy korzystamy, naszą bazę wiedzy możemy podzielić na dwie główne składowe: TBox i ABox (pochodzące z Logik Opisowych, //Description Logics//).
@@ Linia 47: / Linia 56: @@
 **ZADANIE:** stwórz Bazę Wiedzy (TBoxa i ABoxa) reprezentującą zestawienie przygotowane w [[#zestawienie_na_bazie_wikipedii|poprzedniej sekcji]] (lub jego fragment jeżeli będzie mało czasu).
+===== - Frames [10 minut] =====
+Podsumujmy to co robiliśmy:
+  * wiedza reprezentowana w postaci języka naturalnego jest zrozumiała dla użytkowników, nie wymaga żadnego przygotowania (jest to język naturalny -> rozumie się go naturalnie :-) ), ale nie pozwala na żadne wnioskowanie automatyczne,
+  * po zapisaniu wiedzy w postaci TBoxa i ABoxa wiedza przyjęła jakąś strukturę (narzucaną poprzez TBoxa) i moglibyśmy się pokusić o przepisanie jej np. w postaci klauzul i faktów języka Prolog -> pozwoliłoby to na wnioskowanie i byłoby pewnie w porządku, ale...
+  * dane, które opracowujemy to wiele faktów dotyczących niewielkiej liczby obiektów: w postaci ABoxa z poprzedniej sekcji, jak również w postaci faktów języka Prolog, moglibyśmy uzyskać chaotyczną mieszankę danych, która mogłaby stać się w ogóle nieczytelna dla użytkowników; np. trudno byłoby określić czy dla danego obiektu mamy już określone wszystkie właściwości...
+Tutaj pojawiają się **Ramki (Frames)**:
+  * Jest to strukturalna reprezentacja wiedzy: fakty są pogrupowane w odpowiednie struktury opisujące obiekty.
+  * Każda ramka składa się ze slotów reprezentujących różne fakty dotyczące danego obiektu (w poniższym przykładzie sloty są kolejnymi __wierszami__ tabel).
+  * Każdy ze slotów zawiera informacje o aktualnej wartości, wartości domyślnej oraz procedurze wykonywanej w czasie aktualizacji wartości (np. sprawdzenie czy ssak nie ma więcej niż 4 nogi, jak w przykładzie poniżej).
+  * Ramki zawierają również informacje o relacjach z innymi ramkami, w szczególności informacje o byciu pojęciem bardziej ogólnym / bardziej szczegółowym względem innej ramki (w poniższym przykładzie jest to slot ''jest-rodzaju''). W przypadku relacji dziedziczenia, ''dzieci'' dziedziczą sloty rodziców i mogą je nadpisywać, albo przyjąć wartości określone w rodzicach (np. KRÓLIK zostawia slot ''nogi'' nienaruszony, a MAŁPA nadpisuje jego wartość).
+Przeanalizuj poniższy przykład:
+|  SSAK  ||||
+|    ^  wartość  ^  domyślna  ^  aktualizacja  ^
+^  skóra  |  futro  |    |    |
+^  narodziny  |  żywy  |    |    |
+^  nogi  |    |  4  |  ''sprawdź-nogi''  |
+  sprawdź-nogi: wartość <= 4
+|  KRÓLIK  ||||
+|  ^  wartość  ^  domyślna  ^  aktualizacja  ^
+^  jest-rodzaju  |  SSAK  |    |    |
+^  uszy  |    |  długie  |    |
+^  ruch  |  skoki  |    |    |
+|  MAŁPA  ||||
+|  ^  wartość  ^  domyślna  ^  aktualizacja  ^
+^  jest-rodzaju  |  SSAK  |    |    |
+^  nogi  |  2  |    |    |
+^  ulubione-pożywienie  |    |  banany  |    |
+Ustrukturyzowanie wiedzy w postaci ramek pozwala na:
+  * uzyskanie czytelnej reprezentacji wiedzy,
+  * uzupełnienie wiedzy o wartości domyślne oraz procedury wywoływane w trakcie aktualizacji danych (przydatne np. w finansach, gdy np. przy zlecaniu przelewu wywoływane są odpowiednie procedury sprawdzające czy jest on możliwy i naliczane są odpowiednie opłaty),
+  * przeprowadzenie wnioskowania polegającego na wyszukiwaniu ramek pasujących do wzorca wyszukiwania.
+**ZADANIE:** Przygotuj 3-5 ramek dla opracowywanego przez siebie zestawienia z poprzednich sekcji. Zauważ, że mogą przydać Ci się tutaj TBox i ABox stworzone w poprzedniej sekcji. W jaki sposób?
+**PYTANIE dodatkowe:** czy znasz jakieś elementy inżynierii oprogramowania, które są podobne do Ramek?
@@ Linia 97: / Linia 151: @@
 ==== Problem z Wikipedią (dla zainteresowanych) ====
-Spójrzmy teraz w trzy różne miejsca w polskiej edycji Wikipedii i spróbujmy określić ile osób mieszka w Polsce:
-  * Strona opisująca Polskę: http://pl.wikipedia.org/wiki/Polska
-  * Sekcja Podział polityczny na stronie opisującej Europę: http://pl.wikipedia.org/wiki/Europa#Podział_polityczny_Europy
-  * Strona z zestawieniem państw europejskich: http://pl.wikipedia.org/wiki/Pa%C5%84stwa_Europy
-Na każdej z tych stron jest inna liczba (//stan na 25.02.2019//), ponieważ wszystko jest tworzone ręcznie, co nie pozwala na automatyczne przetwarzanie wiedzy!
 Wyobraźmy sobie teraz sytuację, w której Nowa Huta ogłasza niepodległość od Polski i staje się osobnym państwem. Co trzeba zmienić w wikipedii? **Na pewno strony z opisem Krakowa i Polski (zmniejszy się liczba ludności), na pewno trzeba dodać stronę z opisem nowego "Państwa nowohuckiego".** Poza tym trzeba będzie poprawić zestawienie miast Polski (liczba ludności Krakowa), zestawienie największych miast na stronie Polski (liczba ludności Krakowa), stronę z zestawieniem państw europejskich (doszło nowe państwo), stronę z podziałem politycznym na stronie Europy (nowe państwo), i pewnie jeszcze wiele innych...
@@ Linia 117: / Linia 164: @@
-===== - Wprowadzenie do "Wiki o Sztucznej Inteligencji" [40 minut] =====
+===== - SPARQL Endpoint i DBpedia [20 minut] =====
-Nasz projekt "Wiki o Sztucznej Inteligencji" będzie rozwijany w semantycznej wiki. Semantyczna Wiki to [[wp>wiki|wiki]] z możliwością modelowania wiedzy w postaci grafów trójkowych. W ramach wprowadzenia dowiemy się jak korzystać z semantycznej wiki Semantic MediaWiki, którą będziemy wykorzystywać w czasie semestru.
+  * Do odpytywania grafowych baz wiedzy służy język SPARQL - podobny do SQLa, którego już znasz. Możemy używać języka SPARQL m.in. do odpytywania specjalnych web service'ów nazywanych SPARQL Endpoint, które umożliwiają wyciąganie wiedzy z podpiętego grafu wiedzy.
+  * W tej sekcji skorzystamy z SPARQL Endpointa udostępnianego przez projekt [[http://dbpedia.org/|DBpedia]] pod adresem **''<nowiki>http://dbpedia.org/sparql</nowiki>''**.
-(Uwaga -- punkty, które są konkretnymi zadaniami są oznaczone wykrzyknikiem :!:)
+  - DBpedia jest zrzutem z Wikipedii otagowanym z użyciem notacji trójkowej. Powinny być więc tam jakieś informacje o Polsce. Ale jak się do nich dostać? \\ Nie znamy identyfikatora (URI) Polski, ale wiemy, że jest coś co ma nazwę Polska i wiemy, że istnieje relacja ''rdfs:label'', która łączy obiekt z jego nazwą. Może to zadziała? Spróbujmy!
+  - Otwórz **[[http://yasgui.org/|YASGUI]]** - klienta pozwalającego na wykonywanie zapytań do SPARQL Endpointów.
+  - Co wiemy? Jest coś co ma jakieś URI (''?country''), które powinno być powiązane relacją ''rdfs:label'' z obiektem ''"Polska"@pl''. Można to łatwo przetłumaczyć do notacji trójkowej: <code>?country rdfs:label "Polska"@pl .</code>
+  - Aby wykonać to zapytanie, wpisz URI ''<nowiki>http://dbpedia.org/sparql</nowiki>'' w liście wyboru na górze.
+  - Następnie wpisz pełne zapytanie:<code>PREFIX rdfs: <http://www.w3.org/2000/01/rdf-schema#>
+SELECT ?country
+WHERE {
+    ?country rdfs:label "Polska"@pl .
+}</code>
+  - Sukces! Istnieje coś co ma ''rdfs:label'' ''"Polska"@pl''! \\ **ZADANIE:** Teraz rozszerz to zapytanie tak, aby pobrać informację o populacji Polski.
+  - **ZADANIE:** Rozszerz zapytanie jeszcze bardziej i przygotuj listę 10 największych państw europejskich pod względem populacji.
-  - :!: Na początek zaloguj się do specjalnie przygotowanej instancji [[..:#wiki_o_sztucznej_inteligencji|wiki]] za pomocą loginu i hasła od prowadzącego.
-  - Wiki o Sztucznej Inteligencji (w skrócie WSI) to przede wszystkim wiki, więc pozwala na tworzenie stron przy użyciu prostego markupu:
-    * :!: Wejdź na stronę [[https://krzysztof.kutt.pl/psi-wiki/index.php/Użytkownik:[login] ]] w miejscu ''[login]'' wpisując swój login do wiki (możesz również kliknąć w nazwę swojego użytkownika w górnym menu wiki)
-    * :!: Na początek napisz o sobie: opisz obok kogo aktualnie siedzisz (podlinkuj jej/jego stronę wiki), jaki przedmiot Ci się najbardziej podobał na studiach, co lubisz jeść, czy spodziewasz się hiszpańskiej inkwizycji itd.
-    * Przydatny fragment dokumentacji MediaWiki opisujący markup wiki: [[https://www.mediawiki.org/wiki/Help:Formatting|Formatting]] (zobacz również sekcję "Other formatting" po więcej szczegółów odnośnie linków, obrazów, itd
-  - Wiki jest **semantyczna**, co oznacza, że wykorzystując specjalny markup można do niej dodawać wiedzę w postaci trójek podmiot-orzeczenie-dopełnienie:
-    * W przypadku wiki: **podmiot to zawsze strona, na której się znajdujemy**.
-    * Możemy tworzyć adnotacje trzech typów:
-      * **Kategorie** -- do tworzenia hierarchii, grupowania stron wiki, np. wpisując na swojej stronie ''<nowiki>[[Category:Osoba]]</nowiki>'', tworzymy trójkę [user] -> Category -> Osoba.
-      * **Object properties** -- relacje do innych stron wiki: dla użytkownika oglądającego stronę wyglądają jak zwykłe linki, ale niosą dodatkową informację o znaczeniu tego linku, porównaj: ''<nowiki>[[Użytkownik:kkutt]]</nowiki>'' i ''<nowiki>[[Siedzi obok::Użytkownik:kkutt]]</nowiki>'' -- obydwa wyglądają tak samo (są linkami do strony ''Użytkownik:kkutt''), ale to drugie dodatkowo jeszcze przechowuje informację o nazwie tego powiązania tworząc trójkę: [user] -> ''Siedzi obok'' -> ''Użytkownik:kkutt''
-      * **Data properties** -- relacje do stałych (stringów, liczb itd.), porównaj: ''<nowiki>Jestem Wojtek i mam 12 lat</nowiki>'' i ''<nowiki>Jestem [[Imię::Wojtek]] i mam [[Wiek::12]] lat</nowiki>''. Powinnaś/Powinieneś rozumieć już różnicę :-)
-    * Uwaga: tak, słuszne jest Twoje skonfudowanie -- tworzenie Object properties i Data properties wygląda dokładnie tak samo. Jak system ma rozróżniać, że jedno jest stroną, a drugie jest stałą? W wiki mamy możliwość definiowania typów -- możemy zdefiniować np. fakt, że Wiek jest liczbą, co później jest wykorzystywane przy przetwarzaniu adnotacji (wyświetlanie, sortowanie wyników itd.):
-      * Zobacz źródło [[https://krzysztof.kutt.pl/psi-wiki/index.php/Atrybut:Wiek|strony]] -- to co tutaj stworzyliśmy to kolejna trójka! Atrybut:Wiek -> Has type -> Number!
-      * Typy są wykorzystywane również do walidacji poprawności wpisanych danych, np. umieszczenie na stronie fragmentu ''<nowiki>[[Wiek::lat]]</nowiki>'' spowoduje wyświetlenie żółtego wykrzyknika (po zapisaniu strony) i odpowiedniego ostrzeżenia.
-    * Więcej o adnotacjach możesz przeczytać w [[https://www.semantic-mediawiki.org/wiki/Help:In-text_annotation|dokumentacji]].
-    * :!: Teraz dodaj adnotacje każdego z trzech rodzajów do swojej strony! :-)
-  - Istniejącą bazę wiedzy **możemy przetwarzać**:
-    * Na początek: możemy tworzyć zestawienia, które są zawsze aktualne (aktualizowane podczas odświeżenia strony) -- co rozwiązuje problem z Wikipedią, który dzisiaj widzieliśmy.
-      * :!: Korzystając z przykładów zawartych w [[https://www.semantic-mediawiki.org/wiki/Help:Inline_queries|dokumentacji]], stwórz na swojej stronie proste zapytanie ''#ask'', które będzie wyświetlało wszystkie osoby (kategoria Osoba) i ich Wiek.
-    * Możemy każdą informację umieścić tylko JEDEN raz, a później się na nią powoływać (bo możemy ją łatwo wyciągnąć). Może to być nawet niewidoczne dla użytkownika czytającego wiki (dopóki nie zerknie do źródła strony).
-      * :!: Na swojej stronie dopisz zdanie ''<nowiki>Przypominam, że mam {{#show: [FIXME]}} lat!</nowiki>'' - zamień ''<nowiki>[FIXME]</nowiki>'' na odpowiedni kod, aby wyświetliła się tam wartość Wieku, która jest wpisana na Twojej stronie gdzieś wcześniej. Skorzystaj z [[https://www.semantic-mediawiki.org/wiki/Help:Inline_queries#Parser_function_.23show|dokumentacji]].
-    * Pozwala to na łatwe wyciąganie bardziej skomplikowanych informacji (to przećwiczymy w trakcie semestru, gdy wiki będzie się bardziej rozrastać), łączenie danych z różnych źródeł (zarówno włączanie danych zewnętrznych do stron w wiki, jak i udostępnianie na zewnątrz wiedzy zawartej w wiki przez odpowiednie API, tzw. SPARQL Endpoint) czy eksport bazy wiedzy do CSV/JSON/itd.
-  - Najważniejsze podstawy już masz -- teraz pytanie: jak konkretnie będzie wyglądać tworzenie Wiki o sztucznej inteligencji?
-    * **Tekst:** strony są tworzone przez Was dla Was! Mają być napisane takim językiem, abyście je zrozumieli :-)
-    * **Kategorie:** dowolnie, zdaję się na intuicję
-    * **Properties:**
-      * Przygotowałem zbiór właściwości ułatwiających zarządzanie/ocenę wiki -- są zebrane w postaci tabelki na przykładowej stronie: [[https://krzysztof.kutt.pl/psi-wiki/index.php/Affective_Computing]]
-      * :!: Przejrzyj te Properties -- czy rozumiesz każde z nich? Pamiętaj, że możesz kliknąć na nazwę property w tabelce "Fakty", aby zobaczyć dokładniejszy opis.
-      * Dodatkowo istnieje atrybut [[https://krzysztof.kutt.pl/psi-wiki/index.php/Atrybut:Powiązane_z|Powiązane z]] obrazujący ogólną relację pomiędzy dwiema stronami. Można tę zależność bardziej precyzować definiując bardziej szczegółowe pod-atrybuty. Zobacz [[https://www.semantic-mediawiki.org/wiki/Help:Special_property_Subproperty_of|dokumentację Subproperty of]]
-      * Oczywiście możesz też tworzyć nowe Property w miarę potrzeb -- wiesz jak!
-  - :!: Czy potrafisz już przygotować stronę wiki o nazwie "Kartkówka Lab 2", na której pojawi się automatycznie aktualizowane zestawienie stron, które należy przeczytać przed kartkówką na kolejnych zajęciach?
-  - Jeżeli chcesz jeszcze pobawić się wiki to możesz skorzystać też z [[https://sandbox.semantic-mediawiki.org/wiki/Main_Page|Sandboxa Semantic MediaWiki]]
-===== - Frames [10 minut] (jeżeli wystarczy czasu) =====
-Podsumujmy to co robiliśmy:
-  * wiedza reprezentowana w postaci języka naturalnego jest zrozumiała dla użytkowników, nie wymaga żadnego przygotowania (jest to język naturalny -> rozumie się go naturalnie :-) ), ale nie pozwala na żadne wnioskowanie automatyczne,
-  * po zapisaniu wiedzy w postaci TBoxa i ABoxa wiedza przyjęła jakąś strukturę (narzucaną poprzez TBoxa) i moglibyśmy się pokusić o przepisanie jej np. w postaci klauzul i faktów języka Prolog -> pozwoliłoby to na wnioskowanie i byłoby pewnie w porządku, ale...
-  * dane, które opracowujemy to wiele faktów dotyczących niewielkiej liczby obiektów: w postaci ABoxa z poprzedniej sekcji, jak również w postaci faktów języka Prolog, moglibyśmy uzyskać chaotyczną mieszankę danych, która mogłaby stać się w ogóle nieczytelna dla użytkowników; np. trudno byłoby określić czy dla danego obiektu mamy już określone wszystkie właściwości...
-Tutaj pojawiają się **Ramki (Frames)**:
-  * Jest to strukturalna reprezentacja wiedzy: fakty są pogrupowane w odpowiednie struktury opisujące obiekty.
-  * Każda ramka składa się ze slotów reprezentujących różne fakty dotyczące danego obiektu (w poniższym przykładzie sloty są kolejnymi __wierszami__ tabel).
-  * Każdy ze slotów zawiera informacje o aktualnej wartości, wartości domyślnej oraz procedurze wykonywanej w czasie aktualizacji wartości (np. sprawdzenie czy ssak nie ma więcej niż 4 nogi, jak w przykładzie poniżej).
-  * Ramki zawierają również informacje o relacjach z innymi ramkami, w szczególności informacje o byciu pojęciem bardziej ogólnym / bardziej szczegółowym względem innej ramki (w poniższym przykładzie jest to slot ''jest-rodzaju''). W przypadku relacji dziedziczenia, ''dzieci'' dziedziczą sloty rodziców i mogą je nadpisywać, albo przyjąć wartości określone w rodzicach (np. KRÓLIK zostawia slot ''nogi'' nienaruszony, a MAŁPA nadpisuje jego wartość).
-Przeanalizuj poniższy przykład:
-|  SSAK  ||||
-|    ^  wartość  ^  domyślna  ^  aktualizacja  ^
-^  skóra  |  futro  |    |    |
-^  narodziny  |  żywy  |    |    |
-^  nogi  |    |  4  |  ''sprawdź-nogi''  |
-  sprawdź-nogi: wartość <= 4
-|  KRÓLIK  ||||
-|  ^  wartość  ^  domyślna  ^  aktualizacja  ^
-^  jest-rodzaju  |  SSAK  |    |    |
-^  uszy  |    |  długie  |    |
-^  ruch  |  skoki  |    |    |
-|  MAŁPA  ||||
-|  ^  wartość  ^  domyślna  ^  aktualizacja  ^
-^  jest-rodzaju  |  SSAK  |    |    |
-^  nogi  |  2  |    |    |
-^  ulubione-pożywienie  |    |  banany  |    |
-Ustrukturyzowanie wiedzy w postaci ramek pozwala na:
-  * uzyskanie czytelnej reprezentacji wiedzy,
-  * uzupełnienie wiedzy o wartości domyślne oraz procedury wywoływane w trakcie aktualizacji danych (przydatne np. w finansach, gdy np. przy zlecaniu przelewu wywoływane są odpowiednie procedury sprawdzające czy jest on możliwy i naliczane są odpowiednie opłaty),
-  * przeprowadzenie wnioskowania polegającego na wyszukiwaniu ramek pasujących do wzorca wyszukiwania.
-**ZADANIE:** Przygotuj 3-5 ramek dla opracowywanego przez siebie zestawienia z poprzednich sekcji. Zauważ, że mogą przydać Ci się tutaj TBox i ABox stworzone w poprzedniej sekcji. W jaki sposób?
-**PYTANIE dodatkowe:** czy znasz jakieś elementy inżynierii oprogramowania, które są podobne do Ramek?
@@ Linia 208: / Linia 190: @@
   * Strona główna DBpedii: [[http://wiki.dbpedia.org/]]
   * Szczegółowe informacje dotyczące zapisu trójkowego (formalnie jest to notacja RDF): [[http://www.w3.org/RDF/]]
-  * Prosty graficzny edytor trójek przygotowany przez p. Artura Smaronia, absolwenta Informatyki: [[http://student.agh.edu.pl/~arturs/SemWebEditor/]]
+  * Prosty graficzny edytor trójek przygotowany przez p. Artura Smaronia, absolwenta Informatyki: [[https://loki.re/RDFeditor/]]
   * W jaki sposób sprawić, by Google "rozumiał" zawartość Twojej strony internetowej: [[https://developers.google.com/structured-data/|Structured Data Markup]]

pl/dydaktyka/psi/labs/lab_krr.txt · ostatnio zmienione: 2019/09/30 20:55 przez kkutt

Pokaż stronę Poprzednie wersje

Menadżer multimediów Do góry

AIwiki

Menu

Dla Studentów

Old specialized AI courses

SMaDA/SMaIDA/AIDA

Informatyka (EAIiIB)

Studia Dr

Inne materialy dydaktyczne

Archiwum

Dyplomanci

Geist Season of Code

HeKatE

Public

Różnice