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

Istraživačke metode za poslovnu inteligenciju npp:45248

Engleski naziv

Research methods for business intelligence

Cilj kolegija

Cilj kolegija je omogućiti studentima teorijske i praktične temelje poslovne inteligencije te ih upoznati s teorijskim i praktičnim modelima znanstvenog istraživanja u sustavima poslovne inteligencije. Drugi cilj kolegija je naučiti studente primjenjivati proces otkrivanja znanja u podacima kao novu i efikasnu metodu u znanstvenom istraživanju.

Nastava

Predavanje
30sati

Sadržaj predavanja

  • Metode istraživanja. Od općeg pristupa prema pristupu poslovne inteligencije. Research methods.From general approach to business intelligence approach. Examples of recommender systems applications: collaborative and content-based systems, hybrid methods and decision making issues.
    Metode istraživanja. Od općeg pristupa prema pristupu poslovne inteligencije. Primjeri sustava za preporuku: suradnički i sustavi temeljeni na sadržaju, hibridne metode i odlučivanje.
  • Proces otkrivanja znanja u bazama podataka (CRISP- DM model). Knowledge discovery in databases process (CRISP-DM model). Organizations and their environment: from theoretical models to real systems. Classification of systems, cellular automata, living systems. Organizational information processing systems, decision making, knowledge management, organizational learning. Knowledge discovery in databases. CRISP-DM model: business understanding, data understanding, data preparation, modeling, evaluation, dissemination.
    Organizacija i njezino okruženje: od teorijskih modela do realnih sustava. Klasifikacija sustava, celularni automati, realni sustavi. Organizacijski sustavi za obradu informacija, donošenje odluke, upravljanje znanjem, organizacijsko učenje. Otkrivanje znanja u bazama podataka. CRISP- DM model: razumijevanje poslovne domene, razumijevanje podataka, priprema podataka, modeliranje, evaluacija, diseminacija.
  • Metode razvoja poslovnih inteligentnih sustavaBusiness intelligent systems development methods. Difference between ad hoc data mining project and purpose planned business intelligence projects. Knowledge economy and society; business intelligence. Utility models. Adaptive infrastructure development for business intelligence. Business intelligent systems development models and management.
    ) Razlika između ad hoc projekata analize podataka i planiranih projekata poslovne inteligencije. Gospodarstva i društva znanja; poslovna inteligencije. Modeli korisnosti. Prilagodljiv razvoj infrastrukture za poslovnu inteligenciju. Modeli razvoja i upravljanja poslovnih inteligentnih sustava.
  • Otkrivanje znanja u bazama podataka: tehnike i metode.Knowledge discovery in databases: techniques and methods.Data collection, data mining, knowledge discovery in databases and knowledge engineering. Learning theory. Machine learning basics. Data structures. Knowledge representation. Atribute quality measures. Data preprocessing, dimensionality reduction. Learning of decision trees, decision rules, association rules and regression trees, belief networks. Neural networks: perceptron, radial basis function, Hopfield and Bayesian neural networks. Cluster analysis.
    Prikupljanje podataka, otkrivanje znanja u bazama podataka i inženjerstvo znanja. Teorija učenja. Osnove strojnog učenja. Strukture podataka. Prikaz znanja. Mjere kvalitete atributa. Priprema podataka, smanjenje dimenzionalnosti. Učenje od stabla odlučivanja, pravila, asocijativna pravila i regresijska stabla, vjerojatnosne mreže. Neuronske mreže: Perceptron, radijalni temeljna funkcija, Hopfield i Bayesovske neuronske mreže. Klaster analiza.
  • Primjena u različitim klasama poslovnih problema. Application in different business problem classes. Profiling, predicting prediction, early warning of client demands. Cross-selling index enhancement. Business marketing simulations. Trends prediction and churn. Market segmentation. Risk assessment and neutralization. Diagnostics. Early discovery of market changes and warnings. WHAT IF analysis.
    Profiliranje, predviđanje, rano upozorenje o zahtjevima klijenta. Cross-selling index. Poslovne marketinške simulacije. Trendovi predviđanja i gubitaka. Segmentacija tržišta. Procjena rizika. Dijagnostika. Rano otkrivanje promjena na tržištu. Što - ako analiza.
  • Analiza slučajaCase analysis. Case analysis. Several applications in recent relevant researches
    Analiza slučaja. Nekoliko aplikacija u relevantnim istraživanjima.

Sadržaj seminara/vježbi

  • Kolegij se izvodi kroz predavanja i laboratorijske prikaze metoda poslovne inteligencije.

Alati koji se koriste na predmetu

  • Rapid Miner, Knowledge Builder, zbirka podataka, primjera i programskih rješenja

Osnovna literatura

  • Schreiber, G. et al.: Knowledge Engineering and Management, The MIT Press, Cambridge, MA, 2001.
  • Gupta, J.N.D., Sharma, Sushil K. Intelligent Enterprises of the 21st Century. Idea Group Publishing, 2003.
  • Fairchild, A.M. Technological Aspects of Virtual Organizations: Enabling the Intelligent Enterprise. Springer, 2004.
  • Thannhuber, M. J. The Intelligent Enterprise: Theoretical Concepts and Practical Implications. Physica-Verlag Heidelberg, 2004.
  • Klepac, Goran; Panian,Željko: Poslovna inteligencija, Masmedia, Zagreb, 2003, ISBN: 953-157-447-2

Slični predmeti

  • Simon Fraser University. MBA Marketing. Data Mining and Models for Marketers.
  • University of Toronto, Faculty of Information Studies, Management of Information Organizations
Nastavnik Oblik nastave Tjedana Sati tjedno Grupa
Kliček Božidar Predavanja doktorski studij 0 10 0
Nema definiranih ispitnih rokova
Nema podataka o rasporedu
Copyright © 2015 FOI Varaždin. All Rights Reserved. Sva prava pridržana.
Povratak na vrh