FOI nastava
FOI logo

Lista kolegija iz:

ak.god:
2019/2020
semestar:
Izborni kolegiji

2019/2020

7ECTSa

Doktorski

Poslijediplomski doktorski studij v1.1

Program Obavezan
Doktorski studij PDDS Ne
Izborni kolegij

Inteligentni sustavi u poslovnom modeliranju npp:45233

Engleski naziv

Intelligent systems in business modelling

Katedra

Katedra za gospodarstvo

Cilj kolegija

Umjetna inteligencija sadrži metode i tehnike koje nude niz prednosti u modeliranje sustava, organizacija i poslovnih procesa. To zahvaljuju svojoj sposobnosti učenja iz podataka, nelinearnosti, neizrazitosti i dinamičnosti. Ovaj kolegij nastoji navedene prednosti koristiti kao istraživačku metodu za društvene znanosti, ali i kao tehniku namijenjenu potporu poslovanju (poslovna inteligencija, marketinške analize, potpora odlučivanju). Kao uvod daje se prikaz razvoja i revizije teorija, te metoda znanstvenih istraživanja, radi razumijevanja procesa po čijim će se uzorima koristiti inteligentni modeli i metode. Nakon toga provodi se repetitorij tehnika umjetne inteligencije, da bi se u trećem dijelu bavilo nizom tehnika umjetne inteligencije za poslovno modeliranje primijenjenih u istraživanju i poslovanju. Kolegij se preporučuje studentima koji žele steći opća znanja za znanstvena istraživanja. Teorijska nastava popraćena je brojim primjerima istraživanja i primjene, provedenih u znatnoj mjeri od predavača. Studentima su na raspolaganju najznačajniji programski alati, niz izrađenih modela i baza podataka.

Nastava

Predavanje
30sati

Sadržaj predavanja

  • Znanost, znanstvene teorije, metode i modeliScience, scientific theories, methods and modelsModern and postmodern science. Definitions. The role of artificial intelligence as research method. Unified scientific method. Hypothetical-deductive logic and empirical factors in evaluating theories. Conceptual factors in evaluating theories. Cultural and personal factors in the evaluation of theories. Evaluation theory. Creation of the theory. Experimental design (creation and evaluation). Projects applying theory (problem solving). Styles of thinking. Mental operations. Approaches to artificial intelligence: the development of intelligent systems as a modeling process (method CommonKADS). Revision theory. The nature of the world: events, objects, perception, data structures. The structure of knowledge: paradigms, archetypes, regularity and knowledge. Frames display knowledge. Personal knowledge and social knowledge. Structure for knowledge representation.
    Moderna i postmoderna znanost. Definicije pojmova. Uloga umjetne inteligencije kao istraživačke metode. Objedinjena znanstvena metoda. Hipotetsko-deduktivna logika i empirijski faktori u evaluaciji teorija. Konceptualni faktori u evaluaciji teorija. Kulturno osobni faktori u evaluaciji teorija. Evaluacija teorija. Stvaranje teorija. Eksperimentalni dizajn (stvaranje i evaluacija). Projekti primjene teorija (rješavanje problema). Stilovi mišljenja. Mentalne operacije. Pristupi umjetne inteligencije: razvoj inteligentnih sustava kao procesa modeliranja (metoda CommonKADS). Revizija teorija. Priroda svijeta: događaji, objekti, percepcija, podaci, strukture. Struktura znanja: paradigme, arhetipovi, pravilnosti i saznanje. Okviri prikaza znanja. Osobno znanje i društveno znanje. Strukture za prikaz znanja.
  • Procesi modeliranjaThe modeling processBusiness models. Data, information, knowledge. Modeling: inference, prediction, associative models, system models, static models, dynamic models, qualitative and quantitative models, comparative models, interactive models. Modeling activities. Types of models: inference, prediction, associative models, system models, static, dynamic, qualitative, quantitative, comparative, interactive.
    Poslovni modeli. Podaci, informacije, znanje. Modeliranje: zaključivanja, predviđanja, asocijativni modeli, modeli sustava, statički modeli, dinamički modeli, kvalitativni i kvantitativni modeli, komparativni modeli, interaktivni modeli. Aktivnost modeliranja. Tipovi modela: zaključivanje, predviđanje, asocijativni modeli, modeli sustava, statički, dinamički, kvalitativni, kvantitativni, komparativni, interaktivni.
  • Repetitorij metoda umjetne inteligencije i rudarenja podatakaOverview of artificial intelligence and data mining methodsSearch, reasoning, optimization by genetic algorithms, fuzzy systems, techniques of data mining, agents. Phase of knowledge discovery in data. Statistical methods, taxonomy and review of data mining methods. Business intelligence: data warehousing, data collection, data mining, business analytics and visualization.
    Traženje, zaključivanje, optimiranje genetskim algoritmima, neizraziti sustavi, tehnike rudarenja podataka, agenti. Faze otkrivanja zakonitosti u podacima. Statističke metode, taksonomija i pregled metoda rudarenja podataka. Poslovna inteligencija: skladištenje podataka, prikupljanje podataka, rudarenje podataka, poslovna analitika i vizualizacija.
  • Modeliranje organizacija i poslovnih procesaModeling of organizations and business processesModeling of the market and customers. Structural change and learning. Organizations as multi-agent systems (modeling decision-making in teams, design techniques of agents). Organization and external conditions. Modeling and simulation of complex organizations and the role of ICT.
    Modeliranje tržišta i kupaca. Strukturalne promjene i učenje. Organizacije kao višeagentni sustavi (modeliranje donošenja odluka u timovima, dizajniranje organizacije tehnikama agenata). Organizacije i vanjski uvjeti. Modeliranje i simulacije složenih organizacija i uloge ICT tehnologija.
  • Analize slučajevaThe case studiesDirect marketing (database marketing), web mining, market segmentation, recommendation systems, data mining in insurance, theft detection, optimization of data mining techniques and genetic algorithms. Predicting stock prices. The prediction errors of the plant. Applications in science: Analysis of genetics, the influence of catalysts in chemical processes, research in astronomy.
    Direktni marketing (database marketing), rudarenje Weba, segmentiranje tržišta, sustavi preporuke, rudarenje podataka osiguranja, detekcija krađa, optimiranje procesa tehnikama rudarenja podataka i genetskim algoritmima. Predviđanje cijena dionica. Predviđanje grešaka postrojenja. Primjena u znanosti: analize u genetici, utjecaj katalizatora u kemijskim procesima, istraživanja u astronomiji.
  • MetodologijaMethodologyParts of the methodology: action, detection, techniques, examples. Examples of methodologies for modeling and data mining.
    Dijelovi metodologije: akcije, otkrivanja, tehnike, primjeri. Primjeri metodologija modeliranja i rudarenja podataka.

Osnovna literatura

  • Turban, E. et al. Decision Support Systems and Intelligent Systems. Prentice Hall, 2004.
  • Pyle, D. Business Modeling and Data Mining, Morgan Kaufmann, 2003.
  • Oakshott, L. Business Modelling and Simulation. Trans-Atlantic Publications, 1997.
  • Zanasi, A. et al. Data Mining: Data Mining, Text Mining And Their Business Applications (Management Information Systems). Wit, 2005.
  • Prietula, M. J., Carley K. M., Gasser L. (ed.): Simulating Organizations. AAAI Press, The MIT Press, Menlo Park, 1998.

Dopunska literatura

  • Schreiber, G. et al.: Knowledge Engineering and Management, The MIT Press, Cambridge, MA, 2001.
  • Blanning, R., King, D. R. (ed.): Organizational Intelligence. IEEE Computer Society Press, Los Alamitos, 1996.

Slični predmeti

  • Simon Fraser University. MBA Marketing Data Mining and Models for Marketers.
  • London Business School, Decision Scienece Elective, Strategic Modelling and Business Dynamics
  • University of Toronto, Faculty of Information Studies, Management of Information Organizations
Nastavnik Oblik nastave Tjedana Sati tjedno Grupa
Kliček Božidar Predavanja doktorski studij 4 5 1
Nema definiranih ispitnih rokova
Nema podataka o rasporedu
Copyright © 2015 FOI Varaždin. All Rights Reserved. Sva prava pridržana.
Povratak na vrh