• A
  • A
  • A
  • АБB
  • АБB
  • АБB
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта
2023/2024

Технологии искусственного интеллекта в экономическом анализе

Лучший по критерию «Полезность курса для расширения кругозора и разностороннего развития»
Лучший по критерию «Новизна полученных знаний»
Статус: Маго-лего
Когда читается: 1, 2 модуль
Охват аудитории: для своего кампуса
Язык: русский
Кредиты: 6
Контактные часы: 52

Программа дисциплины

Аннотация

Использование технологий искусственного интеллекта (ИИ) в отраслях экономики носит общий («сквозной») характер и способствует созданию условий для повышения эффективности и формирования принципиально новых направлений деятельности хозяйствующих субъектов. Основными факторами развития технологий ИИ являются: разработка и развитие программного обеспечения, реализующего теоретические методы ИИ, увеличение объема доступных данных, в том числе данных, прошедших специальную разметку и структурирование, развитие информационно-коммуникационной инфраструктуры для обеспечения доступа к наборам таких данных, подготовка квалифицированных кадров, обладающих компетенциями и навыками в области математики, программирования, интеллектуального анализа данных, машинного обучения, и способных к конвергенции знаний за счет интеграции математического, естественно-научного и социально-гуманитарного образования. Дисциплина «Технологии искусственного интеллекта в экономическом анализе» направлена на формирование у студентов такого конвергентного знания, интегрирующего полученные ими ранее знания в области экономики, дискретной математики, теории вероятностей и математической статистики, программирования с методами и технологиями ИИ, реализованными в виде доступных программных инструментальных средств. Для закрепления полученных знаний студентам предлагается выполнить индивидуальное задание
Цель освоения дисциплины

Цель освоения дисциплины

  • Формирование у студентов научного представления о новых возможностях и ограничениях применения технологий искусственного интеллекта для повышения эффективности экономической деятельности в условиях цифровой экономики, обусловленных фундаментальными результатами математического анализа, дискретной математики, теории вероятностей и математической статистики.
  • Освоение студентами современных методов интеллектуального анализа данных, получение навыков их практического применения для решения модельных и реальных задач экономического анализа.
  • Развитие у студентов навыков построения и анализа нелинейных динамических моделей экономических объектов с целью интеллектуальной поддержки принятия управленческих решений.
Планируемые результаты обучения

Планируемые результаты обучения

  • Знать источники данных о финансово-хозяйственной деятельности организаций в условиях цифровой экономики, требования к моделям данных, структуризации и разметке данных для применения к ним методов и технологий ИИ.
  • Знать основные методы интеллектуального анализа данных. Уметь применять соответствующие инструментальные средства для решения модельных и реальных задач экономического анализа.
  • Знать основные методы моделирования нелинейных динамически систем с обратными связями. Владеть методикой верификации моделей. Уметь анализировать результаты моделирования динамических систем для обеспечения интеллектуальной поддержки принятия управленческих решений.
Содержание учебной дисциплины

Содержание учебной дисциплины

  • Элементы теории экономического анализа
  • Цифровая экономика и «большие данные»
  • Модели данных для интеллектуального анализа
  • Методы интеллектуального анализа
  • Моделирование динамических систем
Элементы контроля

Элементы контроля

  • неблокирующий Домашнее задание
  • неблокирующий Активность
  • неблокирующий Контрольная работа
Промежуточная аттестация

Промежуточная аттестация

  • 2023/2024 учебный год 2 модуль
    0.3 * Активность + 0.3 * Домашнее задание + 0.4 * Контрольная работа
Список литературы

Список литературы

Рекомендуемая основная литература

  • 40 алгоритмов, которые должен знать каждый программист на Python, Ахмад, И., 2023
  • Artificial intelligence and big data for financial risk management : intelligent applications, , 2023
  • Beysolow, T. (2018). Applied Natural Language Processing with Python : Implementing Machine Learning and Deep Learning Algorithms for Natural Language Processing. [Berkeley, CA]: Apress. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=1892182
  • Eric Schaeffer Industry X.0: Realizing Digital Value in Industrial Sectors, Kogan Page, 2017
  • Gerasimov, I., Glebov, S., Kaplunovski, A., Mogilner, M., & Semyonov, A. (2015). “Big Data” and “Small Stories” for the Future. Ab Imperio, 4, 9–25. https://doi.org/10.1353/imp.2015.0093
  • Grable, J. E., & Lyons, A. C. (2018). An Introduction to Big Data. Journal of Financial Service Professionals, 72(5), 17–20. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=bsu&AN=131378067
  • Gunasekaran, A., Yusuf, Y., Adeleye, E. O., & Papadopoulos, T. (2017). Agile manufacturing practices: the role of big data and business analytics with multiple case studies. https://doi.org/10.1080/00207543.2017.1395488
  • Pandas for everyone : Python data analysis, Chen, D. Y., 2023
  • Python для data science, Васильев, Ю., 2023
  • Soete, L., & Freeman, C. (2007). Developing science, technology and innovation indicators: what we can learn from the past. MERIT Working Papers.
  • Введение в искусственный интеллект : учеб. пособие, Ясницкий Л.Н., 2010
  • Интеллектуальные системы : учебник, Ясницкий Л.Н., 2016
  • Экономический анализ : основы теории, комплексный анализ хозяйственной деятельности организации : учебник для бакалавров, Войтоловский, Н. В., 2014
  • Экономический анализ. Ч.1 : учебник для бакалавриата и специалитета, Войтоловский, Н.В., 2019
  • Экономический анализ. Ч.2 : учебник для бакалавриата и специалитета, Войтоловский, Н.В., 2019

Рекомендуемая дополнительная литература

  • "Жесткие" и "мягкие" математические модели, Арнольд, В. И., 2000
  • "Жесткие" и "мягкие" математические модели, Арнольд, В. И., 2008
  • Большие данные : принципы и практика построения масштабируемых систем обработки данных в реальном времени, Марц, Н., 2017

Авторы

  • Балычева Юлия Евгеньевна
  • Звездина Наталья Валерьевна
  • Коваленко Андрей Петрович