FOI Nastava - Primjena umjetne inteligencije u poslovanju

Sadržaj se učitava...

FOI Nastava

apps

mdi-login

Primjena umjetne inteligencije u poslovanju

Artificial Intelligence for Business Applications
2024/2025

6 ECTSa

Informacijski i poslovni sustavi 1.2 (IPS)

Katedra za teorijske i primijenjene osnove informacijskih znanosti

6. semestar

Osnovne informacijemdi-information-variant

Izvođači nastavemdi-account-group

Nastavni plan i programmdi-clipboard-text-outline

Model praćenjamdi-human-male-board

Ispitni rokovimdi-clipboard-check-outline

Rasporedmdi-calendar-clock

Konzultacijemdi-account-voice

Izvođenje kolegija

Studij	Studijski program	Semestar	Obavezan
Informacijski i poslovni sustavi 1.2 (IPS)	Umjetna inteligencija u poslovanju	6	obavezan

Cilj kolegija

Masivni digitalni tragovi ljudskog ponašanja i razvoj umjetne inteligencije i računalnih znanosti proširili su i promijenili klasične pristupe odlučivanju u poslovanju. Cilj ovog predmeta je upoznavanje studenata s temeljnim teorijama i konceptima metoda umjetne inteligencije, posebno neuronskih mreža, Bayesovih mreža i neizrazitih sustava u kontekstu njihove primjene u poslovanju. Kroz ovaj predmet studenti će steći kompetencije rješavanja konkretnih kompleksnih problema praktične primjene u poslovanju kroz pristupe umjetne inteligencije i strojnog učenja.

Preduvjeti

Kolegij nema definirane preduvjete

Norma kolegija

Predavanja

30 sati

Vježbe u praktikumu

30 sati

Nastavnik	Uloga na kolegiju	Oblik nastave	Tjedana	Sati	Grupa
Lovrenčić Sandra	Nositelj	Predavanja	7	2	1
Oreški Dijana	Nositelj	Predavanja	8	2	1
Sekovanić Vlatka	Suradnik	Vježbe u praktikumu	2	2	2
Višnjić Dunja	Suradnik	Vježbe u praktikumu	15	2	0
Vlahek Dino	Suradnik	Vježbe u praktikumu	13	2	2

Sadržaj predavanja

Umjetna inteligencija i poslovanje. (2 sata)
Pregled dosadašnjeg razvoja i uključivanja u poslovne sustave, motivacijski primjeri problema i rješenja.
Uvod u metode umjetne inteligencije. (2 sata)
Pregled metoda umjetne inteligencije i njihovih mogućnosti i potencijala u rješavanju poslovnih problema. Uvod u definiranje metodološkog alata za rješavanje složenih društvenih problema s naglaskom na probleme u poslovanju. Uvod u algoritme strojnog učenja.
Predviđanje u poslovanju. (6 sati)
Identifikacija problema predviđanja u poslovanju. Definicija problema i pretvaranje problema u zadaće umjetne inteligencije. Uvod u algoritme za predviđanje. Uvod u neuralno računarstvo:neuronske mreže i algoritmi neuronskih mreža: opis, matematički temelji i implementacija. Predstavljanje znanja u neuronskoj mreži. Karakteristike neuronskih mreža. Arhitektura neuronskih mreža. Primjena neuralnog računarstva. Rješavanje poslovnih problema neuralnim računarstvom - razrada nekoliko konkretnih najčešćih primjena.
Optimizacija poslovanja. (6 sati)
Definiranje problema i zadataka optimizacije u poslovanju. Uvod u teoriju genetskih algoritama. Osnovni pojmovi - kromosomi, geni, generacija, funkcija prilagođenosti (fitness), reprodukcija, križanje, mutacija. Koraci u primjeni genetskih algoritama – prikaz mogućih rješenja problema preko kromosoma, učinkovitost kromosoma, slučajni odabir i križanje. Analiza jednostavnog primjera upotrebe genetskih algoritama. Rješavanje poslovnih problema genetskim algoritmima - razrada nekoliko konkretnih najčešćih primjena optimizacije.
Nesigurnost i vjerojatnost u poslovanju. (8 sati)
Rješavanje problema nesigurnosti u poslovanju. Definiranje poslovnih problema koji uključuju nesigurnost i nesigurne informacije. Primjene neizrazite logike u rješavanju nesigurnosti. Uvod u neizrazitu logiku: definicija neizrazitog skupa, operacija nad neizrazitim skupovima, neizrazite relacije. Neizraziti sustavi. Rješavanje poslovnih problema neizrazitom logikom - razrada nekoliko konkretnih najčešćih primjena. Bayesov pristup u predviđanju i zaključivanju: Bayesov teorem, Naivni Bayesov klasifikator. Primjene na problemima poslovanja - razrada nekoliko konkretnih najčešćih primjena.
Hibridne metode za rješavanje poslovnih problema. (2 sata)
Genetski algoritmi i neuronske mreže, neizrazite neuronske mreže. Predstavljanje znanja kroz hibridne pristupe umjetne inteligencije. Primjena hibridnih pristupa u odabranim problemskim domenama - primjeri.
Razvoj inteligentnih sustava u poslovanju. (2 sata)
Primjena različitih metoda umjetne inteligencije za razvoj inteligentnih sustava. Koraci razvoja inteligentnih sustava. Ilustrativni primjeri inteligentnih sustava iz poslovanja.
Razvoj i budućnost područja. (2 sata)
Pregled trenutačnih znanstvenih problema, projekata i istraživanja, te stanja primjene. Utjecaji na društvo i gospodarstvo. Otvorena pitanja i smjerovi razvoja.

Sadržaj seminara/vježbi

Vježbe na računalima.
Vježbe na računalima slijede sadržaj predavanja te daju podlogu za izradu projekta primjene metoda umjetne inteligencije u odabranoj poslovnoj domeni. Na laboratorijskim vježbama koristit će se odgovarajući alati za implementaciju metoda umjetne inteligencije.

Ishodi učenja kolegija

Identificirati i opisati metode umjetne inteligencije.
Odabrati odgovarajuću strukturu neuralne mreže za strojno učenje te definirati skupove ulaznih podataka i rezultata za učenje neuralne mreže.
Primijeniti Bayesovo pravilo za izračun vjerojatnosti u uvjetima nesigurnosti.
Planirati postupke i tehnike genetskih alogritama koje omogućuju optimizaciju poslovanja.
Predložiti metode umjetne inteligencije za rješavanje konkretnih poslovnih problema.
Oblikovati predstavljanje znanja u zadanoj problemskoj domeni u poslovanju na temelju odabira odgovarajućeg pristupa i sheme.
Primijeniti neizrazitu logiku i rezoniranje za rješavanje neizvjesnosti u poslovanju.
Učinkovito koristiti softverske alate za rješavanje stvarnih problema u poslovanju pomoću pristupa umjetne inteligencije.
Usporediti rješenja različitim pristupima umjetne inteligencije za zadani problem u poslovanju.

Ishodi učenja programa

razumjeti i primijeniti matematičke metode, modele i tehnike primjerene rješavanju problema iz područja informacijskih i poslovnih sustava
analizirati stanje, identificirati prilike i definirati probleme s kojima se susreću organizacije i pojedinci u primjeni ICT, te formulirati rješenja uz primjenu ICT
razumjeti i primijeniti metode, tehnike razvoja informacijskih i programskih sustava u suvremenim razvojnim okolinama
razumjeti i primijeniti vještine učenja potrebne za cjeloživotno učenje i nastavak obrazovanja na diplomskom studiju.

Osnovna literatura

V. Kecman, Learning and soft computing: support vector machines, neural networks, and fuzzy logic models. Cambridge, MA: MIT press, 2001.
R. M. Alvarez, ed, Computational Social Science: Discovery and Prediction. New York: Cambridge University Press, 2016.

Dopunska literatura

A. Konar, Artificial intelligence and soft computing: behavioral and cognitive modeling of the human brain, Boca Raton, FL: CRC Press, 1999.

Slični kolegiji

Redoviti studenti

Izvanredni studenti

izvanredni rok

Datum: 20.04.2026.

Vrijeme: 16:00

Opis: Na Fakultetu

U kalendaru ispod se nalaze konzultacije predmetnih nastavnika, no za detalje o konzultacijama možete provjeriti na profilu pojedinog predmetnog nastavnika.