Магистратура
2020/2021![Цель освоения дисциплины](/f/src/global/i/edu/objectives.svg)
![Планируемые результаты обучения](/f/src/global/i/edu/results.svg)
![Содержание учебной дисциплины](/f/src/global/i/edu/sections.svg)
![Элементы контроля](/f/src/global/i/edu/controls.svg)
![Промежуточная аттестация](/f/src/global/i/edu/intermediate_certification.svg)
![Список литературы](/f/src/global/i/edu/library.svg)
Средства Business Intelligence и системы поддержки принятия решений
Статус:
Курс обязательный (Информационная аналитика в управлении предприятием)
Направление:
38.04.05. Бизнес-информатика
Где читается:
Факультет экономики, менеджмента и бизнес-информатики
Когда читается:
1-й курс, 1, 2 модуль
Формат изучения:
без онлайн-курса
Преподаватели:
Замятина Елена Борисовна
Прогр. обучения:
Информационная аналитика в управлении предприятием
Язык:
русский
Кредиты:
4
Контактные часы:
58
Программа дисциплины
Аннотация
Настоящая программа учебной дисциплины устанавливает требования к образовательным результатам и результатам обучения студента и определяет содержание и виды учебных занятий и отчетности. Программа предназначена для преподавателей, ведущих дисциплину «Средства Business Intelligence и системы поддержки принятия решений», учебных ассистентов и студентов направления подготовки 38.04.05 Бизнес-информатика, обучающихся по образовательной программе «Информационная аналитика в управлении предприятием».
Цель освоения дисциплины
- знакомство студентов с основными понятиями, методами, алгоритмами и инструментальными средствами, используемыми в системах поддержки принятия решений для анализа деятельности предприятия или фирмы
- Познакомить студентов: - понятиями Business Intelligence и понятиями систем поддержки принятия решений (СППР), со структурой СППР, классификацией, назначением СППР
- Познакомить студентов с методами, используемыми в СППР для принятия решений о смене стратегии предприятия, организации или фирмы, в том числе, методы Data Mining и методы имитационного моделирования (GPSS, AnyLogic)
- Познакомить студентов с инструментальными средствами, которые позволяют проводить анализ деятельности предприятий, и освоить эти инструментальные средства (Deductor, Orange, Rapid Minor, Knime и т.д.)
- Познакомить студентов с методами Business Intelligence и современными платформами, реализующими эти методы
Планируемые результаты обучения
- Использует технологии инженерии знаний.
- Осуществляет извлечение знаний из данных.
- Выполняет имитационное моделирование для решения задач оптимизации бизнес-процессов.
- согласовывает с заказчиком, планирует и выполняет коллективную научно-исследовательскую работу
Содержание учебной дисциплины
- Раздел 1. Введение в инженерию знанийТема 1. Введение в искусственный интеллект, интеллектуальные системы и интеллектуальные технологии. Основные направления исследований в области искусственного интеллекта. Нейросетевой подход к созданию интеллектуальных систем. Инженерия знаний. Понятие экспертной системы (ЭС). Тема 2. Экспертные системы. Технология инженерии знаний. Базы знаний База знаний – основная компонента экспертной системы. Отличия знаний от данных, базы знаний от базы данных. Архитектура ЭС. Отличия ЭС от традиционных программных систем. Основные типы решаемых задач и области применения ЭС. Инженерия знаний Технологии инженерии знаний. Классификация методов извлечения знаний. Примеры систем приобретения знаний. Представление нечетких знаний. Вывод в условиях неопределенности. Основные средства представления знаний и организация вывода в ЭС Представление знаний продукциями. Вывод в продукционных системах. Представление знаний фреймами. Технологические аспекты организации логического вывода на сети фреймов. Представление знаний семантическими сетями. Вывод на основе семантических сетей. Представление знаний на языке исчисления предикатов первого порядка. Логический вывод на основе метода резолюций. Представление и использование метазнаний. Интеграция различных способов представления знаний. Разработка и реализация ЭС Методология построения ЭС. Технология проектирования и разработки ЭС. Классификация инструментальных средств создания ЭС. Оболочки ЭС. Классификация оболочек ЭС. Обзор современного рынка ЭС и оболочек ЭС. Проблемы и перспективы развития ЭС. Тема 3. Интеллектуальные информационные системы. Отличия знаний от простой информации. Информационный поиск, релевантность, критерий смыслового соответствия, критерий выдачи. Понятие интеллектуальной информационной системы (ИИС). Отличительные особенности ИИС по сравнению с традиционными ИС. Основные компоненты ИИС. Классификация ИИС. Роль интеллектуальных информационных технологий в системах поддержки принятия решений. Современные технологии проектирования и реализации ИИС.
- Раздел 2. Интеллектуальный анализ данных.Тема 4. Введение в Visual Mining, Data Mining, Process Mining. Извлечение знаний из данных. Системы и средства Data Mining и Knowledge Discovery. Онтологии и онтологические системы. Различия Data Mining и OLAP. Задачи, решаемые Data Mining. Методы Data Mining. Примеры применения Data Mining. Основные понятия Visual Mining, Process Mining. Тема 5. Задачи, решаемые методами Data Mining, Visual Mining, Process Mining. Постановка задач классификации и регрессии. Постановка задачи кластеризации. Алгоритм k-means. Алгоритм Fuzzy C-Means. Адаптивные методы кластеризации. Современные платформы для извлечения знаний: Oracle, IBM, Business Objects, Deductor, Prognoz.
- Раздел 3. Методы и средства имитационного моделированияТема 6. Введение в метод имитационного моделирования Метод имитационного моделирования и его применение. Особенности имитационного моделирования. Понятие имитационной модели. Этапы имитационного моделирования. Основные понятия: событие, активность, процесс. Дискретное и непрерывное моделирование. Представление времени и механизм продвижения времени. Событийно-ориентированные модели. Моделирование, ориентированное на процессы. Объектно-ориентированное моделирование и агентно-ориентированной моделирование. Тема 7. Современные системы имитационного моделирования. Обобщенная архитектура систем имитационного моделирования. Языки имитационного моделирования. Обзор современных систем имитационного моделирования. Краткий обзор возможностей систем имитационного моделирования: GPSS и ANYLOGIC. Примеры применения методов имитационного моделирования для решения задач, оптимизирующих бизнес-процессы, в частности, для решения задачи цепочек поставок.
Элементы контроля
- Самостоятельная работа
- Лабораторная работа 1
- Лабораторная работа 2
- Экзамен
- Самостоятельная работа
- Лабораторная работа 1
- Лабораторная работа 2
- Экзамен
Промежуточная аттестация
- Промежуточная аттестация (2 модуль)0.2 * Лабораторная работа 1 + 0.2 * Лабораторная работа 2 + 0.2 * Самостоятельная работа + 0.4 * Экзамен
Список литературы
Рекомендуемая основная литература
- Базы данных. В 2-х кн. Кн. 2. Распределенные и удаленные базы данных: Учебник / В.П. Агальцов. - М.: ИД ФОРУМ: НИЦ Инфра-М, 2013. - 272 с.: ил.; 60x90 1/16. - (Высшее образование). (переплет) ISBN 978-5-8199-0394-0 - Режим доступа: http://znanium.com/catalog/product/372740
Рекомендуемая дополнительная литература
- Болотова Л. С. ; Отв. ред. Волкова В. Н., Болотов Э. С. - СИСТЕМЫ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ В 2 Ч. ЧАСТЬ 2. Учебник и практикум для академического бакалавриата - М.:Издательство Юрайт - 2019 - 250с. - ISBN: 978-5-9916-8251-0 - Текст электронный // ЭБС ЮРАЙТ - URL: https://urait.ru/book/sistemy-podderzhki-prinyatiya-resheniy-v-2-ch-chast-2-437014