Podrobno

Dejavniki uspešnega uvajanja celovite programske rešitve v podjetje : magistrsko delo
ID Plavšić, Maja (Avtor), ID Hočevar, Marko (Mentor) Več o mentorju... Povezava se odpre v novem oknu

URLURL - Predstavitvena datoteka, za dostop obiščite http://www.cek.ef.uni-lj.si/magister/plavsic4260-B.pdf Povezava se odpre v novem oknu

Jezik:Slovenski jezik
Ključne besede:informatika, poslovna inteligenca, informacijska tehnologija, informacijski sistemi, podjetje, poslovanje podjetja, projekti, primeri
Vrsta gradiva:Magistrsko delo/naloga
Tipologija:2.09 - Magistrsko delo
Organizacija:EF - Ekonomska fakulteta
Kraj izida:Ljubljana
Založnik:[M. Plavšić]
Leto izida:2021
Št. strani:III, 65 str.
PID:20.500.12556/RUL-130698 Povezava se odpre v novem oknu
UDK:659.2
COBISS.SI-ID:71681795 Povezava se odpre v novem oknu
Datum objave v RUL:18.09.2021
Število ogledov:1841
Število prenosov:49
Metapodatki:XML DC-XML DC-RDF
:
PLAVŠIĆ, Maja, 2021, Dejavniki uspešnega uvajanja celovite programske rešitve v podjetje : magistrsko delo [na spletu]. Magistrsko delo. Ljubljana : M. Plavšić. [Dostopano 25 marec 2025]. Pridobljeno s: http://www.cek.ef.uni-lj.si/magister/plavsic4260-B.pdf
Kopiraj citat
Objavi na:Bookmark and Share

Sekundarni jezik

Jezik:Angleški jezik
Naslov:Factors of successful implementation of enterprise resource planning
Ključne besede:informatics, business intelligence system, information technology, information systems, enterprises, company performance, projects, cases

Podobna dela

Podobna dela v RUL:
  1. DEEP LEARNING METHODS FOR BIOMETRIC RECOGNITION BASED ON EYE INFORMATION
  2. Part of speech tagging of slovene language using deep neural networks
  3. Automatic classification of buildings with deep learning
  4. Object detection and classification in aquatic environment using convolutional neural networks
  5. Superposition and compression of deep neutral networks
Podobna dela v drugih slovenskih zbirkah:
  1. Time series classification based on convolutional neural networks
  2. The preparation of photos' dataset and its classification using deep neural networks
  3. Prediction of geospatial raster data using convolutional neural networks
  4. Development of an advanced system for lane detection on GPU platforms
  5. Comparison of different deep neural network learning algorithms in autonomous driving

Nazaj