• A
  • A
  • A
  • АБВ
  • АБВ
  • АБВ
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта

Средства Business Intelligence и системы поддержки принятия решений

2019/2020
Учебный год
RUS
Обучение ведется на русском языке
4
Кредиты

Автор программы


Замятина Елена Борисовна

Преподаватель

Программа дисциплины

Аннотация

Цель дисциплины «Средства Business Intelligence и системы поддержки принятия решений» – 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; - 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); - с инструментальными средствами, которые позволяют проводить анализ деятельности предприятий, и освоить эти инструментальные средства (Deductor, Orange, Rapid Minor, Knime и т.д.); - с методами Business Intelligence и современными платформами, реализующими эти методы.
Цель освоения дисциплины

Цель освоения дисциплины

  • знать: − методы СППР, в том числе, Data Mining и методы имитационного моделирования (GPSS, AnyLogic); − методы Business Intelligence и современные платформы, реализующие эти методы.
  • уметь использовать инструментальные средства (Deductor, Orange, Rapid Minor, Knime и т.д.) для анализа деятельности предприятий.
  • владеть навыками практического применения методов, моделей, инструментальных средств и Business Intelligence.
Результаты освоения дисциплины

Результаты освоения дисциплины

  • Выполняет имитационное моделирование для решения задач оптимизации бизнес-процессов.
  • Использует технологии инженерии знаний.
  • Осуществляет извлечение знаний из данных.
Содержание учебной дисциплины

Содержание учебной дисциплины

  • Раздел 1. Введение в инженерию знаний
    Тема 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 моделирования
    Тема 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

Элементы контроля

  • Самостоятельная работа (неблокирующий)
  • Лабораторная работа 1 (неблокирующий)
  • Лабораторная работа 2 (неблокирующий)
  • Экзамен (неблокирующий)
Промежуточная аттестация

Промежуточная аттестация

  • Промежуточная аттестация (2 модуль)
    0.25 * Лабораторная работа 1 + 0.3 * Лабораторная работа 2 + 0.25 * Самостоятельная работа + 0.2 * Экзамен
Список литературы

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
  • Имитационное моделирование : учебник и практикум для акад. бакалавриата, Акопов А. С., ISBN: 978-5-9916554-9-1, 2015

Рекомендуемая дополнительная литература

  • Болотова Л. С. ; Отв. ред. Волкова В. Н., Болотов Э. С.-СИСТЕМЫ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ В 2 Ч. ЧАСТЬ 1. Учебник и практикум для академического бакалавриата-М.:Издательство Юрайт,2019-257-Бакалавр. Академический курс-978-5-9916-8250-3, 978-5-9916-8252-7: -Текст электронный // ЭБС Юрайт - https://biblio-online.ru/book/sistemy-podderzhki-prinyatiya-resheniy-v-2-ch-chast-1-436476
  • 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,2019-250-Бакалавр. Академический курс-978-5-9916-8251-0, 978-5-9916-8252-7: -Текст электронный // ЭБС Юрайт - https://biblio-online.ru/book/sistemy-podderzhki-prinyatiya-resheniy-v-2-ch-chast-2-437014