ROZWÓJ BADAŃ NAD PARADYGMATEM DANE-DIALOG- MODELOWANIE W KOMPUTEROWYM WSPOMAGANIU DECYZJI
|
|
- Zofia Kowal
- 8 lat temu
- Przeglądów:
Transkrypt
1 ROZWÓJ BADAŃ NAD PARADYGMATEM DANE-DIALOG- MODELOWANIE W KOMPUTEROWYM WSPOMAGANIU DECYZJI Stanisław Stanek, Zbigniew Twardowski Wstęp Interdyscyplinarny obszar badań nad Systemami Wspomagania Decyzji dostarcza dwa fundamentalne wyzwania: (1) formułowanie teorii i metodologii, które byłyby uŝyteczne dla projektantów systemów oraz (2) walidację badań oraz rozwój projektów w kierunku pomyślnej ich eksploatacji [Power03]. Analiza kierunków rozwojowych w obszarze Systemów Wspomagania Decyzji (SWD) prowadzi w kierunku dodania do tradycyjnego zestawu komponentów dane-dialog-modelowanie, określonych w paradygmacie Sprague'a- Carlsona komponentu kreatywności oraz komponentu komunikacji [Stan99, StanSrok01]. Architektura kreatywnego SWD w kontekście powyŝej przytoczonego wymagania Power'a jest ukierunkowana na następujące nowe moŝliwości : (1) dominujący komponent kreatywności realizowany zgodnie z intensywnie rozwijaną wiedzą o technicznych podstawach komputerowego wspomagania kreatywności, (2) pracowników wiedzy podejmujących wyzwanie odkrywania zagroŝeń, moŝliwości oraz rozwiązań powodujących istotne zmiany w warunkach funkcjonowania organizacji, (3) celem komponentu jest wspomaganie holistycznych, wizualnych, intuicyjnych procesów tradycyjnie przypisywanych "prawej półkuli mózgu", (4) technologia hybrydowego systemu wieloagentowego umoŝliwia integrację komponentu kreatywności oraz pozostałych komponentów. Celem referatu jest prezentacja rozwiązań jakie zostały przyjęte w trakcie realizacji systemu wspomagania zorientowanego na rozszerzony paradygmat wspomagania decyzji dane dialog modelowanie komunikacja kreatywność. Architektura kreatywnego SWD Sztuczna inteligencja to nauka o maszynach realizujących zadania, które wymagają inteligencji wtedy, gdy są wykonywane przez człowieka. Propozycje dotyczące architektury SWD przedstawili Sprague oraz Carlson [por. SpraCarl82, Stan94] formułując podstawowy obecnie dla koncepcji SWD paradygmat dane,
2 dialog, modelowanie. Rozwój metod i technologii informatycznych wskazuje na moŝliwość rozwinięcia tego paradygmatu o składowe komunikacji oraz kreatywności (por. rys. 1) Legenda: SK Składowa komunikacji, SM Składowa modelowania, SW Składowa wiedzy Rys. 1. Architektura kreatywnego systemu wspomagania decyzji. Źródło: [Stan99] W dalszej części zostanie przedstawiona rozwinięta architektura kreatywnego SWD jaka wyłoniła się w trakcie prac nad implementacją rozszerzonego paradygmatu. Składowa komunikacji PoniewaŜ nie sposób przewidzieć wszystkich przyszłych oczekiwań ze strony uŝytkownika oraz potrzebnych do ich realizacji technologii, hybrydowy system sztucznej inteligencji powinien być jak najbardziej otwarty i składać się z jak najbardziej niezaleŝnych części [por. Kost04, Kost05]. Do realizacji tego postulatu wykorzystano podejście agentowe - poszczególne składowe systemu hybrydowego są agentami realizującymi samodzielne zadania. KaŜdy z agentów
3 stanowi niezaleŝny system, choć działania poszczególnych agentów mogą być od siebie zaleŝne. Narzędzia zastosowane do budowy poszczególnych agentów mogą być całkowicie róŝne. Podobnie jak w przypadku platformy analitycznej, hybrydowe systemy sztucznej inteligencji wymagają osobnego narzędzia, umoŝliwiającego zarysowanie obszaru ich działania, wzajemną wymianę faktów oraz wiedzy jak i komunikację z dalszym otoczeniem. Na potrzeby tychŝe systemów zaprojektowano i zbudowano środowisko do tworzenia hybrydowych, multiagentowych systemów sztucznej inteligencji o rozproszonej architekturze. PoniewaŜ omawiane systemy hybrydowe projektowane są do rozwiązywania konkretnych problemów, moŝna powiedzieć, Ŝe mówimy o tworzeniu zespołów wyspecjalizowanych agentów (Team-agents) [Weiss, 1999]. W tak róŝnorodnym środowisku niezbędne staje się zorganizowanie pracy poszczególnych agentów, tak by w sposób skoordynowany realizowali oni swoje zadania ukierunkowane na osiągnięcie celu głównego. Istnieje wiele znanych protokołów opisujących oddziaływania agentów na siebie. Najbardziej zbliŝonym do idei zespołowego realizowania zadań są tak zwane blackboard systems, w których poszczególni agenci (członkowie zespołu) zapisują na tablicy kolejne kroki działań (na podstawie juŝ zapisanych na tablicy informacji), aŝ do momentu znalezienia rozwiązania końcowego. Jednak rozproszony charakter omawianego rozwiązania sprawia, Ŝe systemy tablicowe byłyby trudne do zrealizowania, z uwagi na fakt współdzielenia zasobów. Zdecydowano się na protokół Contract Net, który idealnie nadaje się do realizacji systemów rozproszonych, a zarazem dobrze oddaje zespołową pracę agentów, kooperujących ze sobą w celu realizacji zadań pośrednich, składających się na cel główny [Inverno, 1996]. W omawianym protokole za współpracę agentów między sobą odpowiada agent zarządzający (manager), który inicjuje proces, a następnie wyszukuje potencjalnych dostarczycieli rozwiązania (contracotrs) (rys.2.). Inicjator (agent zarządzający) Uczestnik (potencjalny dostawca rozwią- wezwa- nie odrzucenie propozycja przyjęcia odrzucenie propozycji akceptacja niepowodzenie dostarczenie rozwiązania
4 Rys.2. Schemat działania protokołu Contract Net, wzorowany na FIPA Contract Net Interaction Protocol Agentem zarządzającym moŝe być kaŝdy z agentów. Rola jaką spełnia agent zaleŝy od tego czy w danym momencie realizuje on zadania zlecone przez innego agenta, czy teŝ aby wykonać swoje zadania musi zlecić zadania innym agentom. Wadą stosowania protokółu Contract Net jest prawdopodobieństwo wybrania gorszego agenta do realizacji określonego zadania (brak procesu negocjacji, pierwszy agent, który odpowie pozytywnie na wezwanie realizuje zadanie). Istnieje równieŝ moŝliwość niezrealizowania celu głównego, w wyniku odrzucenia wezwania przez potencjalnego dostawcę rozwiązania, na przykład w związku z realizacją innych zadań. Aby przynajmniej częściowo zniwelować powyŝsze wady, zwiększyć efektywność systemu oraz zmniejszyć obciąŝenie zadaniami poszczególnych agentów, wprowadzono mechanizmy prostego uczenia się agentów [por. Kost05]. W miarę działania systemu, agenci coraz trafniej rozpoznają potencjalnych dostawców (unikając wysyłania zbędnych zapytań do wszystkich członków zespołu), uczą się którzy agenci lepiej w danych sytuacjach rozwiązują problemy (potrafią odrzucić propozycje rozwiązań od gorszych agentów). Składowa danych Architektura komponentu oparta jest na platformie analitycznej tworzącej zintegrowane środowisko budowy aplikacji wykorzystujących technologie OLAP oraz eksperckie bazy wiedzy (por. np [Stan04]; [Kost02]) rys.3.. Istotnym elementem architektury podsystemu jest system ekspertowy przetwarzający wiedzę w postaci reguł rozmytych. System ekspertowy realizuje w systemie trzy podstawowe funkcje: diagnostyczne, syntetyzujące oraz sterowania. Dane wejściowe, w zaleŝności od zadanego stopnia generalizacji obserwacji (poziom operacyjny bądź strategiczny) pochodzą z [Stan03]: - systemów transakcyjnych bezpośrednio z baz danych i/lub jako sygnały alarmowe generowane poprzez zaimplementowane procedury kontrolujące bieŝące zmiany w bazach danych (tzw. triggering subsystem [Bassil00]) - hurtowni danych, gdzie odpowiednio predefiniowane agregacje danych ilościowych przechowywane w kostkach OLAP oraz dane jakościowe, pozwalają na generowanie sygnałów ostrzegawczych dla potrzeb długookresowego monitorowania realizacji celów strategicznych.
5 Rys. 3. Platforma analityczna systemu Optima Controlling jako komponent architektury kreatywnego systemu wspomagania decyzji [Kost04]. Składowa modelowania. KaŜda z wiodących technologii sztucznej inteligencji (SI) wykazuje zarówno mocne jak i słabe strony w zaleŝności od kontekstu zastosowań [Medsker98]. Efektywne zastosowanie SI wymaga więc uŝycia odpowiedniej kombinacji technik wiodących w celu uzyskania efektu synergii dla rozwiązań typu Stand Alone, Tight Coupling oraz Full Integration : SE - LR AG OLAP RDBMS LR CBR AG OLAP RDBMS CBR LR SSN - OLAP Literatura przedmiotu dostarcza licznych przykładów udanych aplikacji, opartych na paradygmacie hybrydyzacji wiodących technik SI ([Jain97]; [Goon95]). Dodatkowo hybrydyzacja rozwiązań rozpatrywana moŝe być z punktu widzenia relacji pomiędzy uŝytą platformą bazodanową a technikami przetwarzania danych. W takim ujęciu przestrzeń poszukiwań kombinacji komponentów, uŝytych do rozwiązania problemu, staje się zdecydowanie większa, stwarzając tym samym potencjalną moŝliwość wyboru rozwiązania optymalnego. Takie podejście do konstrukcji strategicznych systemów wspierających działalność organizacji gospodarczej, np. w obszarze marketingową proponowane jest np. przez Duan Y., Burrell Ph [Duan95].
6 Dialog Na rysunku 4 zilustrowano uogólniony schemat funkcjonowania architektury wieloagentowej. Hurtownia danych jest najwaŝniejszym źródłem informacji dla wszystkich komponentów biorących udział w procesie. JednakŜe kaŝdy z agentów ma moŝliwość samodzielnego poszukiwania wymaganej informacji w dostępnych dla siebie alternatywnych źródłach (bazy danych systemu ERP, inne dedykowane aplikacje ewidencyjne, dokumenty, arkusze kalkulacyjne, Internet). Pulpit analityczny, zrealizowany jako agent interfejsu działający w środowisku intranetu lub Internetu, jest preferowanym interfejsem umoŝliwiającym dostęp do wyników analiz oraz wygenerowanych raportów. Hurtownia Danych Monitoring KPI Agenci monitorujący Standardowa prezentacja KPI Pulpit analityczny Alert Rozpoznanie problemu Kontroler Rozszerzony raport o problemie Generator Aplikacji Raport o problemie Pulpit analityczny Ustalenie dalszego sposobu analizy problemu Kontroler Baza modeli Uruchomienie agentów tematycznych rozwiązujących problemy cząstkowe Agent Agent Agent Rozwiązania, optymalne warianty Generowanie aplikacji analitycznych w obszarach problemów cząstkowych Umozliwienie uŝytkownikowi samodzielnej analizy Pulpit analityczny Przygotowanie raportu końcowego Raport końcowy Rys. 4. Proces analityczny w ramach budowy SWO [Kost05] Pulpit analityczny
7 Składowa kreatywności. W proponowanym podejściu, poszukiwanie rozwiązania problemu diagnostycznego sprowadza się do wygenerowania a następnie weryfikacji określonego zbioru hipotez (scenariuszy) na podstawie obserwacji tzw. sygnalizatorów ryzyka. Takimi sygnalizatorami są KPI zidentyfikowane dla kaŝdego diagnozowanego obszaru [Kost04]. Generowanie hipotez w postaci moŝliwych scenariuszy decyzyjnych dokonywane jest przez system ekspertowy na podstawie interaktywnych zapytań analityka do wielowymiarowych baz danych oraz baz wiedzy systemu rys.5 (szerzej por. [Kost04, Stan05]) Rys. 5. Procedura twórczego rozwiązywania problemów w oparciu o wielowymiarową platformę analityczną. Inicjacja procedury analitycznej pozwala, w pierwszej kolejności na wygenerowanie raportu diagnostycznego, wskazującego na obszary ewentualnego ryzyka. Kolejnym krokiem diagnozy jest uszczegóławianie raportu w kierunku identyfikacji czynników kształtujących oceny zbiorcze. Efektem uŝycia procedur analitycznych wspieranych systemem ekspertowym, jest identyfikacja ewentualnych symptomów mogących świadczyć o zagroŝeniach w poszczególnych, diagnozowanych obszarach aktywności gospodarczej przedsiębiorstwa. Dalszy kierunek analizy wyznaczać będą sygnalizatory, odchylenia których w sposób istotny
8 kształtują poziom ryzyka w diagnozowanych obszarach z punktu widzenia zagroŝeń w realizacji celów przedsiębiorstwa. Literatura [Power03] [Duan95] [StanSrok01] [SpraCarl82] [Bassil00] [Weiss99] [Inverno96] [Stan99] [Stan03] [Stan04] Power D. J. Defining Decision Support Constructs. Proceedings of the 7 th International Conference of the International Society for Decision Support Systems DSS in the Uncertainty of the Internet Age (Eds. Bui T., Sroka H., Stanek S., Głuchowski J.), Katowice: The Karol Adamiecki University of Economics Duan Y., Burrell Ph.: A hybrid system for strategic marketing planning. Marketing Intelligence and Planning,Vol.13 no. 11, pp Stanek S., Sroka H. Building Creativity into OSS Design Framework. In Journal of Decision Systems, Vol.10 No. 3-4/ Sprague R. W., Carlson E. D. Building Effective Decision Support Systems. Englewood Cliffs, New Jersey: Prentice Hall Inc N. Bassiliades, I. Vlahavas: Active Knowledge-Base Systems, in C.T. Leondies (ed.) Knowledge-Base Systems, Techniques and Applications, Academic Press, NY, 2000, vol. I. Multiagent Systems: A modern approach to Distributed Artificial Intelligence edited by Gerhard Weiss, The Massachusetts Institute of Technology Press, Massachusetts d'inverno, M. and Luck, M., Formalising the Contract Net as a Goal Directed System. In Proceedings of Agents Breaking Away: Proceedings of the Seventh European Workshop on Modelling Autonomous Agents in a Multi-Agent World 1038,. Van de Velde, W. and Perram, J., Eds Stanek S, Metodologia budowy komputerowych systemów wspomagania organizacji, Akademia Ekonomiczna, Katowice, Stanek S., Sroka H., Twardowski Z.: Decision Suport Systems and New Information Technologies at the Beginning of Internet Age, 7 th Int. conf. of Int. Society for Decision Support Systems DSS in The Uncertainty of the Internet Age, Akademia Ekonomiczna, Katowice Stanek S., Sroka H., Twardowski Z., Directions for an ERPbased DSS, The 2004 International Conferences on Decision Support Systems in Uncertain and Complex World, IFIP, Prato - Florence, Italy, 2004.
9 [Stan05] [Medsker98] [Goon95] [Jain97] [Kost02] [Kost04] [Kost05] Stanek, S., Twardowski, Z. Kierunki rozwoju systemów ERP jako platformy implementacji systemów wspomagania decyzji w zarządzaniu, Krajowa konferencja naukowa Komputerowo zintegrowane zarządzanie, Red. R. Knosala, WNT, Warszawa Medsker L.R., Hybryd Intelligent Systems, Kluwier Academic Press, Boston, Goonatilake S., Khebbal S., Intelligent Hybrid Systems, John Wiley, Chichester, Jain L.C., Jain R.K. (eds.), Hybrid Intelligent Engineering Systems, World Scientific Publishing, Singapore, Kostrubała S., Stolecki G., Twardowski Z., Integracja technologii OLAP oraz eksperckich baz wiedzy dla potrzeb budowy wielowymiarowych systemów wspomagania decyzji ekonomicznofinansowych, Komputerowo zintegrowane zarządzanie, Red. R. Knosala, WNT, Warszawa, Kostrubała S., Stolecki G., Twardowski Z., The Multidimentional Intelligent Analytical Platform in Hybrid Controlling Decision Support System Development, Proc. 7th International Conference on Business Information Systems Red. W. Abramowicz, Poznań, Poland, April, Akademia Ekonomiczna w Poznaniu, Poznań, Kostrubała S., Stolecki G., Twardowski Z. Inteligentna linia analityczna jako platforma budowy systemów wczesnego ostrzegania w strategicznym zarządzaniu organizacją gospodarczą. Krajowa Konferencja Naukowa Nowoczesne technologie informacyjne w zarządzaniu red. E. Niedzielska, H. Dudycz, M., Dyczkowski. Akademia Ekonomiczna we Wrocławiu, Wrocław, 2005.
ZARZĄDZANIU ORGANIZACJĄ GOSPODARCZĄ
MODELOWANIE PROCESÓW DECYZYJNYCH W STRATEGICZNYM ZARZĄDZANIU ORGANIZACJĄ GOSPODARCZĄ Zbigniew Twardowski Stanisław Stanek Wstęp Tezę, w myśl której problematyka metodologii budowy inteligentnych systemów
Bardziej szczegółowoREDEFINICJA IDEI INTELIGENTNYCH SYSTEMÓW WSPOMAGANIA DECYZJI
REDEFINICJA IDEI INTELIGENTNYCH SYSTEMÓW WSPOMAGANIA DECYZJI Wiesław Wolny, Piotr Zadora 1. Wprowadzenie Systemy wspomagania decyzji (SWD) to bardzo pojemny definicyjnie termin. Został on spopularyzowany
Bardziej szczegółowoHurtownie danych. Wstęp. Architektura hurtowni danych. http://zajecia.jakubw.pl/hur CO TO JEST HURTOWNIA DANYCH
Wstęp. Architektura hurtowni. Jakub Wróblewski jakubw@pjwstk.edu.pl http://zajecia.jakubw.pl/hur CO TO JEST HURTOWNIA DANYCH B. Inmon, 1996: Hurtownia to zbiór zintegrowanych, nieulotnych, ukierunkowanych
Bardziej szczegółowoMOBILNY INTERFEJS UŻYTKOWNIKA W SWD NA PRZYKŁADZIE INTELIGENTNEJ KOMPUTEROWEJ GRY STRATEGICZNEJ.
MOBILNY INTERFEJS UŻYTKOWNIKA W SWD NA PRZYKŁADZIE INTELIGENTNEJ KOMPUTEROWEJ GRY STRATEGICZNEJ. Stanisław Stanek, Zbigniew Twardowski, Sebastian Kostrubała Wprowadzenie Obecny (3G) oraz przewidywany (4G)
Bardziej szczegółowoHURTOWNIE DANYCH I BUSINESS INTELLIGENCE
BAZY DANYCH HURTOWNIE DANYCH I BUSINESS INTELLIGENCE Akademia Górniczo-Hutnicza w Krakowie Adrian Horzyk horzyk@agh.edu.pl Google: Horzyk HURTOWNIE DANYCH Hurtownia danych (Data Warehouse) to najczęściej
Bardziej szczegółowoHurtownie danych i business intelligence. Plan na dziś : Wprowadzenie do przedmiotu
i business intelligence Paweł Skrobanek, C-3 pok. 321 pawel.skrobanek@pwr.wroc.pl Wrocław 2005-2007 Plan na dziś : 1. Wprowadzenie do przedmiotu (co będzie omawiane oraz jak będę weryfikował zdobytą wiedzę
Bardziej szczegółowoStanisław Stanek Zbigniew Twardowski Sebastian Kostrubała Radosław Kowal
MODELOWANIE DYNAMIKI PROCESU ZARZĄDZANIA GOTÓWKĄ DLA POTRZEB OPERACYJNEGO WSPOMAGANIA DECYZJI FINANSOWYCH Stanisław Stanek Zbigniew Twardowski Sebastian Kostrubała Radosław Kowal Wprowadzenie Ryzyko utraty
Bardziej szczegółowoJolanta Łukowska Małgorzata Pakowska Stanisław Stanek Mariusz ytniewski
Zastosowanie systemu agentowego dla wspomagania pracy Biura Obsługi Mieszkaców w Urzdzie Miejskim ze szczególnym uwzgldnieniem funkcjonowania Powiatowego (Miejskiego) Orodka Dokumentacji Geodezyjnej i
Bardziej szczegółowoSTUDIA I MONOGRAFIE NR
STUDIA I MONOGRAFIE NR 21 WYBRANE ZAGADNIENIA INŻYNIERII WIEDZY Redakcja naukowa: Andrzej Cader Jacek M. Żurada Krzysztof Przybyszewski Łódź 2008 3 SPIS TREŚCI WPROWADZENIE 7 SYSTEMY AGENTOWE W E-LEARNINGU
Bardziej szczegółowo6 Metody badania i modele rozwoju organizacji
Spis treści Przedmowa 11 1. Kreowanie systemu zarządzania wiedzą w organizacji 13 1.1. Istota systemu zarządzania wiedzą 13 1.2. Cechy dobrego systemu zarządzania wiedzą 16 1.3. Czynniki determinujące
Bardziej szczegółowoSystemy Informatyki Przemysłowej
Systemy Informatyki Przemysłowej Profil absolwenta Profil absolwenta Realizowany cel dydaktyczny związany jest z: tworzeniem, wdrażaniem oraz integracją systemów informatycznych algorytmami rozpoznawania
Bardziej szczegółowoWSPOMAGANIE ZARZĄDZANIA W ORGANIZACJI WIRTUALNEJ Z WYKORZYSTANIEM TECHNOLOGII TYPU MULTI-AGENT SYSTEMS
WSPOMAGANIE ZARZĄDZANIA W ORGANIZACJI WIRTUALNEJ Z WYKORZYSTANIEM TECHNOLOGII TYPU MULTI-AGENT SYSTEMS Streszczenie Maciej Krzysztof Godniak Wydział Informatyki Politechnika Szczecińska mgodniak@wi.ps.pl
Bardziej szczegółowoDr inż. Andrzej KAMIŃSKI Instytut Informatyki i Gospodarki Cyfrowej Kolegium Analiz Ekonomicznych Szkoła Główna Handlowa w Warszawie
ANALIZA POZIOMU ODDZIAŁYWANIA CZYNNIKÓW TECHNOLOGICZNYCH I ŚRODOWISKOWYCH NA PRACOWNIKÓW PRZEMYSŁOWYCH Z WYKORZYSTANIEM TECHNOLOGII BUSINESS INTELLIGENCE Dr inż. Andrzej KAMIŃSKI Instytut Informatyki i
Bardziej szczegółowoLiczba godzin Punkty ECTS Sposób zaliczenia. ćwiczenia 16 zaliczenie z oceną
Wydział: Zarządzanie i Finanse Nazwa kierunku kształcenia: Zarządzanie Rodzaj przedmiotu: specjalnościowy Opiekun: prof. nadzw. dr hab. Zenon Biniek Poziom studiów (I lub II stopnia): II stopnia Tryb studiów:
Bardziej szczegółowoPRZEWODNIK PO PRZEDMIOCIE
Nazwa przedmiotu: Kierunek: Systemy Decision suport systems Zarządzanie i Inżynieria Produkcji Management and Engineering of Production Rodzaj przedmiotu: obowiązkowy Poziom studiów: studia II stopnia
Bardziej szczegółowoModele bezpieczeństwa logicznego i ich implementacje w systemach informatycznych / Aneta Poniszewska-Marańda. Warszawa, 2013.
Modele bezpieczeństwa logicznego i ich implementacje w systemach informatycznych / Aneta Poniszewska-Marańda. Warszawa, 2013 Spis treści I. Bezpieczeństwo systemów informatycznych Rozdział 1. Wstęp 3 1.1.
Bardziej szczegółowoZbigniew Twardowski Akademia Ekonomiczna Katowice
WIELOWYMIAROWE MODELOWANIE DECYZJI RYNKOWYCH W STRATEGICZNYCH SYSTEMACH WCZESNEGO OSTRZEGANIA Zbigniew Twardowski Akademia Ekonomiczna Katowice Streszczenie W proponowanym podejściu strategia rozpatrywana
Bardziej szczegółowoHurtownie danych i business intelligence - wykład II. Zagadnienia do omówienia. Miejsce i rola HD w firmie
Hurtownie danych i business intelligence - wykład II Paweł Skrobanek, C-3 pok. 321 pawel.skrobanek@pwr.wroc.pl oprac. Wrocław 2005-2008 Zagadnienia do omówienia 1. 2. Przegląd architektury HD 3. Warsztaty
Bardziej szczegółowoUsługi analityczne budowa kostki analitycznej Część pierwsza.
Usługi analityczne budowa kostki analitycznej Część pierwsza. Wprowadzenie W wielu dziedzinach działalności człowieka analiza zebranych danych jest jednym z najważniejszych mechanizmów podejmowania decyzji.
Bardziej szczegółowoROZWÓJ SYSTEMÓW SZTUCZNEJ INTELIGENCJI W PERSPEKTYWIE "PRZEMYSŁ 4.0"
ROZWÓJ SYSTEMÓW SZTUCZNEJ INTELIGENCJI W PERSPEKTYWIE "PRZEMYSŁ 4.0" Dr inż. Andrzej KAMIŃSKI Instytut Informatyki i Gospodarki Cyfrowej Kolegium Analiz Ekonomicznych Szkoła Główna Handlowa w Warszawie
Bardziej szczegółowoBazy Danych. Bazy Danych i SQL Podstawowe informacje o bazach danych. Krzysztof Regulski WIMiIP, KISiM,
Bazy Danych Bazy Danych i SQL Podstawowe informacje o bazach danych Krzysztof Regulski WIMiIP, KISiM, regulski@metal.agh.edu.pl Oczekiwania? 2 3 Bazy danych Jak przechowywać informacje? Jak opisać rzeczywistość?
Bardziej szczegółowoInformatyczne uwarunkowania realizacji strategii inteligentnego wspomagania biznesu
dr Helena Dudycz Katedra Teorii Informatyki Akademia Ekonomiczna we Wrocławiu e-mail: helena.dudycz@ae.wroclaw.pl Informatyczne uwarunkowania realizacji strategii inteligentnego wspomagania biznesu Streszczenie
Bardziej szczegółowoHurtownie danych i business intelligence. Plan na dziś : Wprowadzenie do przedmiotu
i business intelligence Paweł Skrobanek, C-3 pok. 321 pawel.skrobanek@pwr.wroc.pl Wrocław 2005-2012 Plan na dziś : 1. Wprowadzenie do przedmiotu (co będzie omawiane oraz jak będę weryfikował zdobytą wiedzę
Bardziej szczegółowoPRZEWODNIK PO PRZEDMIOCIE
Nazwa przedmiotu: Kierunek: Informatyka Rodzaj przedmiotu: obowiązkowy w ramach treści kierunkowych, moduł kierunkowy oólny Rodzaj zajęć: wykład, laboratorium I KARTA PRZEDMIOTU CEL PRZEDMIOTU PRZEWODNIK
Bardziej szczegółowoTypy systemów informacyjnych
Typy systemów informacyjnych Information Systems Systemy Informacyjne Operations Support Systems Systemy Wsparcia Operacyjnego Management Support Systems Systemy Wspomagania Zarzadzania Transaction Processing
Bardziej szczegółowobo od managera wymaga się perfekcji
bo od managera wymaga się perfekcji MODELOWANIE PROCESÓW Charakterystyka modułu Modelowanie Procesów Biznesowych (BPM) Modelowanie procesów biznesowych stanowi fundament wdroŝenia systemu zarządzania jakością
Bardziej szczegółowoAlgorytmy wspomagania decyzji Czyli co i jak andrzej.rusiecki.staff.iiar.pwr.wroc.pl s. 230/C-3
Algorytmy wspomagania decyzji Czyli co i jak 2018 andrzej.rusiecki@pwr.edu.pl andrzej.rusiecki.staff.iiar.pwr.wroc.pl s. 230/C-3 O co chodzi? Celem przedmiotu jest ogólne zapoznanie się z podstawowymi
Bardziej szczegółowoWiesław Wolny, Piotr Zadora Systemy hybrydowe jako nowa generacja systemów wspomagania decyzji. Ekonomiczne Problemy Usług nr 57,
Wiesław Wolny, Piotr Zadora Systemy hybrydowe jako nowa generacja systemów wspomagania decyzji Ekonomiczne Problemy Usług nr 57, 725-731 2010 ZESZYTY NAUKOWE UNIWERSYTETU SZCZECIŃSKIEGO NR 597 EKONOMICZNE
Bardziej szczegółowoMałopolska Agencja Rozwoju Regionalnego S.A.
Małopolska Agencja Rozwoju Regionalnego S.A. Przestrzeń Twojego sukcesu! Projekt Określone w czasie działanie podejmowane w celu stworzenia niepowtarzalnego produktu lub usługi Projekt - cechy słuŝy realizacji
Bardziej szczegółowoKIERUNKOWE EFEKTY KSZTAŁCENIA
WYDZIAŁ INFORMATYKI I ZARZĄDZANIA Kierunek studiów: INFORMATYKA Stopień studiów: STUDIA II STOPNIA Obszar Wiedzy/Kształcenia: OBSZAR NAUK TECHNICZNYCH Obszar nauki: DZIEDZINA NAUK TECHNICZNYCH Dyscyplina
Bardziej szczegółowoHurtownie danych. Wprowadzenie do systemów typu Business Intelligence
Hurtownie danych Wprowadzenie do systemów typu Business Intelligence Krzysztof Goczyła Teresa Zawadzka Katedra Inżynierii Oprogramowania Wydział Elektroniki, Telekomunikacji i Informatyki Politechnika
Bardziej szczegółowoGłówne kierunki badań w Katedrze Inżynierii Zarządzania:
Główne kierunki badań w Katedrze Inżynierii Zarządzania: Systemy wspomagania decyzji w rolnictwie i w agrobiznesie. Zastosowania metod sztucznej inteligencji i systemów ekspertowych w zarządzaniu produkcją.
Bardziej szczegółowoPytania z przedmiotów kierunkowych
Pytania na egzamin dyplomowy z przedmiotów realizowanych przez pracowników IIwZ studia stacjonarne I stopnia Zarządzanie i Inżynieria Produkcji Pytania z przedmiotów kierunkowych 1. Co to jest algorytm?
Bardziej szczegółowoPODSTAWY BAZ DANYCH. 19. Perspektywy baz danych. 2009/2010 Notatki do wykładu "Podstawy baz danych"
PODSTAWY BAZ DANYCH 19. Perspektywy baz danych 1 Perspektywy baz danych Temporalna baza danych Temporalna baza danych - baza danych posiadająca informację o czasie wprowadzenia lub czasie ważności zawartych
Bardziej szczegółowoPRZEWODNIK PO PRZEDMIOCIE
Nazwa przedmiotu: Systemy ekspertowe w zarządzaniu firmą Expert systems in enterprise management Kierunek: Zarządzanie i Inżynieria Produkcji Rodzaj przedmiotu: Rodzaj zajęć: Wyk. Ćwicz. Lab. Sem. Proj.
Bardziej szczegółowoDOKUMENT INFORMACYJNY COMARCH BUSINESS INTELLIGENCE:
DOKUMENT INFORMACYJNY COMARCH BUSINESS INTELLIGENCE: JAKIE PROBLEMY ROZWIĄZUJE BI 1 S t r o n a WSTĘP Niniejszy dokument to zbiór podstawowych problemów, z jakimi musi zmagać się przedsiębiorca, analityk,
Bardziej szczegółowoPLAN ZARZĄDZANIA WYMAGANIAMI PROJEKT <NAZWA PROJEKTU> WERSJA <NUMER WERSJI DOKUMENTU>
Załącznik nr 4.4 do Umowy nr 35-ILGW-253-.../20.. z dnia... MINISTERSTWO FINANSÓW DEPARTAMENT INFORMATYKI PLAN ZARZĄDZANIA WYMAGANIAMI PROJEKT WERSJA numer wersji
Bardziej szczegółowoRazem godzin w semestrze: Plan obowiązuje od roku akademickiego 2016/17 - zatwierdzono na Radzie Wydziału w dniu r.
Część wspólna dla kierunku 1 IMS1.01 Obiektowe projektowanie SI 2 2 E 3 60 3 2 IMS1.02 Teleinformatyka 2 2 E 4 60 4 3 IMS2.01 Modelowanie i analiza systemów dyskretnych 2 2 E 3 60 3 4 IMS2.02 Wielowymiarowa
Bardziej szczegółowoANALIZA HIERARCHICZNA PROBLEMU W SZACOWANIU RYZYKA PROJEKTU INFORMATYCZNEGO METODĄ PUNKTOWĄ. Joanna Bryndza
ANALIZA HIERARCHICZNA PROBLEMU W SZACOWANIU RYZYKA PROJEKTU INFORMATYCZNEGO METODĄ PUNKTOWĄ Joanna Bryndza Wprowadzenie Jednym z kluczowych problemów w szacowaniu poziomu ryzyka przedsięwzięcia informatycznego
Bardziej szczegółowoPOLITECHNIKA LUBELSKA Wydział Elektrotechniki Kierunek: INFORMATYKA II stopień niestacjonarne i Informatyki. Część wspólna dla kierunku
Część wspólna dla kierunku 1 IMN1.01 Obiektowe projektowanie SI 15 15 E 3 3 2 IMN1.02 Teleinformatyka 15 15 E 4 4 3 IMN2.01 Modelowanie i analiza systemów dyskretnych 15 15 E 3 3 4 IMN2.02 Wielowymiarowa
Bardziej szczegółowoPortal Informacji Produkcyjnej dla Elektrociepłowni
Portal Informacji Produkcyjnej dla Elektrociepłowni Portal Informacji Produkcyjnej dla Elektrociepłowni ANT od siedmiu lat specjalizuje się w dostarczaniu rozwiązań informatycznych, których celem jest
Bardziej szczegółowoInformatyczne fundamenty
Informatyczne fundamenty Informatyka to szeroka dziedzina wiedzy i praktycznych umiejętności. Na naszych studiach zapewniamy solidną podstawę kształcenia dla profesjonalnego inżyniera IT. Bez względu na
Bardziej szczegółowoMETODYKI BUDOWY HYBRYDOWYCH SYSTEMÓW WIELOAGENTOWYCH
METODYKI BUDOWY HYBRYDOWYCH SYSTEMÓW WIELOAGENTOWYCH Mariusz śytniewski Wprowadzenie Systemy wieloagentowe, a w szczególności hybrydowe systemy wieloagentowe ze względu na swoją zróŝnicowaną i złoŝoną
Bardziej szczegółowoPrezentacja specjalności studiów II stopnia. Inteligentne Technologie Internetowe
Prezentacja specjalności studiów II stopnia Inteligentne Technologie Internetowe Koordynator specjalności Prof. dr hab. Jarosław Stepaniuk Tematyka studiów Internet jako zbiór informacji Przetwarzanie:
Bardziej szczegółowoCennik badań. Od 400 zł/godzina
Cennik badań Każde badania mają charakter indywidualny, czas i koszt realizacji ustalany jest bezpośrednio z klientem. Cennik nie stanowi oferty handlowej wg art. 66 par. 1 Kodeksu Cywilnego i jest publikowany
Bardziej szczegółowoKONTROLING I MONITOROWANIE ZLECEŃ PRODUKCYJNYCH W HYBRYDOWYM SYSTEMIE PLANOWANIA PRODUKCJI
KONTROLING I MONITOROWANIE ZLECEŃ PRODUKCYJNYCH W HYBRYDOWYM SYSTEMIE PLANOWANIA PRODUKCJI Adam KONOPA, Jacek CZAJKA, Mariusz CHOLEWA Streszczenie: W referacie przedstawiono wynik prac zrealizowanych w
Bardziej szczegółowoINFORMATYKA Pytania ogólne na egzamin dyplomowy
INFORMATYKA Pytania ogólne na egzamin dyplomowy 1. Wyjaśnić pojęcia problem, algorytm. 2. Podać definicję złożoności czasowej. 3. Podać definicję złożoności pamięciowej. 4. Typy danych w języku C. 5. Instrukcja
Bardziej szczegółowoAlgorytmy wspomagania decyzji Czyli co i jak andrzej.rusiecki.staff.iiar.pwr.wroc.pl s.
Algorytmy wspomagania decyzji Czyli co i jak 2013 andrzej.rusiecki@pwr.wroc.pl andrzej.rusiecki.staff.iiar.pwr.wroc.pl s. 911/D-20 O co chodzi? Celem przedmiotu jest ogólne zapoznanie się z podstawowymi
Bardziej szczegółowoProjektowanie interakcji
Projektowanie interakcji K2 User Experience www.k2.pl/ux Tytuł dokumentu: k2-projektowanie_ux-oferta.pdf Data: 21 sierpnia 2009 Przygotowany przez: Maciej Lipiec Maciej Lipiec User Experience Director
Bardziej szczegółowoO-MaSE Organization-based Multiagent System Engineering. MiASI2, TWO2,
O-MaSE Organization-based Multiagent System Engineering MiASI2, TWO2, 2017-2018 Materiały Strona poświęcona metodzie O-MaSE http://macr.cis.ksu.edu/projects/omase.html (Multiagent & Cooperative Reasoning
Bardziej szczegółowoAUREA BPM Oracle. TECNA Sp. z o.o. Strona 1 z 7
AUREA BPM Oracle TECNA Sp. z o.o. Strona 1 z 7 ORACLE DATABASE System zarządzania bazą danych firmy Oracle jest jednym z najlepszych i najpopularniejszych rozwiązań tego typu na rynku. Oracle Database
Bardziej szczegółowodr inż. Paweł Morawski Informatyczne wsparcie decyzji logistycznych semestr letni 2016/2017
dr inż. Paweł Morawski Informatyczne wsparcie decyzji logistycznych semestr letni 2016/2017 KONTAKT Z PROWADZĄCYM dr inż. Paweł Morawski e-mail: pmorawski@spoleczna.pl www: http://pmorawski.spoleczna.pl
Bardziej szczegółowoCo to jest Business Intelligence?
Cykl: Cykl: Czwartki z Business Intelligence Sesja: Co Co to jest Business Intelligence? Bartłomiej Graczyk 2010-05-06 1 Prelegenci cyklu... mariusz@ssas.pl lukasz@ssas.pl grzegorz@ssas.pl bartek@ssas.pl
Bardziej szczegółowoPRZEWODNIK PO PRZEDMIOCIE
Nazwa przedmiotu: Kierunek: Mechatronika Rodzaj przedmiotu: obowiązkowy w ramach treści kierunkowych Rodzaj zajęć: wykład, laboratorium BAZY DANYCH I SYSTEMY EKSPERTOWE Database and expert systems Forma
Bardziej szczegółowoKIERUNKOWE EFEKTY KSZTAŁCENIA
KIERUNKOWE EFEKTY KSZTAŁCENIA WYDZIAŁ INFORMATYKI I ZARZĄDZANIA Kierunek studiów: INFORMATYKA Stopień studiów: STUDIA II STOPNIA Obszar Wiedzy/Kształcenia: OBSZAR NAUK TECHNICZNYCH Obszar nauki: DZIEDZINA
Bardziej szczegółowoLiczba godzin Punkty ECTS Sposób zaliczenia. ćwiczenia 30 zaliczenie z oceną. ćwiczenia 30 zaliczenie z oceną
Wydział: Zarządzanie i Finanse Nazwa kierunku kształcenia: Zarządzanie Rodzaj przedmiotu: podstawowy Opiekun: prof. nadzw. dr hab. Zenon Biniek Poziom studiów (I lub II stopnia): I stopnia Tryb studiów:
Bardziej szczegółowoIstnieje możliwość prezentacji systemu informatycznego MonZa w siedzibie Państwa firmy.
system informatyczny wspomagający monitorowanie i planowanie zapasów w przedsiębiorstwie System informatyczny MonZa do wspomagania decyzji managerskich w obszarze zarządzania zapasami jest odpowiedzią
Bardziej szczegółowoSYSTEM INFORMACYJNO-DIAGNOSTYCZNY DLA POTRZEB ODLEWNICTWA REALIZOWANY PRZY UŻYCIU TECHNOLOGII AGENTOWEJ
6/18 ARCHIWUM ODLEWNICTWA Rok 2006, Rocznik 6, Nr 18 (1/2) ARCHIVES OF FOUNDRY Year 2006, Volume 6, N o 18 (1/2) PAN Katowice PL ISSN 1642-5308 SYSTEM INFORMACYJNO-DIAGNOSTYCZNY DLA POTRZEB ODLEWNICTWA
Bardziej szczegółowoKierunek: Logistyka Specjalność: Informatyka w logistyce
Kierunek: Logistyka Specjalność: Informatyka w logistyce Specjalność: Informatyka w logistyce Koordynator: dr Anna Pamuła Tematyka: Dla kogo: Skuteczne wykorzystanie systemów informatycznych IT w logistyce.
Bardziej szczegółowoZintegrowany system zmniejszenia eksploatacyjnej energochłonności budynków. Konsorcjum:
Strategiczny projekt badawczy Finansowany przez: Narodowe Centrum Badań i Rozwoju Temat projektu Zintegrowany system zmniejszenia eksploatacyjnej energochłonności budynków Zadanie Badawcze numer 3: Zwiększenie
Bardziej szczegółowoHurtownie danych i business intelligence - wykład II. Zagadnienia do omówienia. Miejsce i rola HD w firmie
Hurtownie danych i business intelligence - wykład II Paweł Skrobanek, C-3 pok. 321 pawel.skrobanek@pwr.wroc.pl oprac. Wrocław 2005-2012 Zagadnienia do omówienia 1. Miejsce i rola w firmie 2. Przegląd architektury
Bardziej szczegółowoKOMPUTEROWE WSPOMAGANIE ZARZĄDZANIA PROJEKTAMI W PRZEDSIĘBIORSTWIE
KOMPUTEROWE WSPOMAGANIE ZARZĄDZANIA PROJEKTAMI W PRZEDSIĘBIORSTWIE Seweryn SPAŁEK Streszczenie: Zarządzanie projektami staje się coraz bardziej powszechne w przedsiębiorstwach produkcyjnych, handlowych
Bardziej szczegółowoLISTA KURSÓW PLANOWANYCH DO URUCHOMIENIA W SEMESTRZE ZIMOWYM 2015/2016
LISTA KURSÓW PLANOWANYCH DO URUCHOMIENIA W SEMESTRZE ZIMOWYM 2015/2016 INFORMATYKA I STOPNIA studia stacjonarne 1 sem. PO-W08-INF- - -ST-Ii-WRO-(2015/2016) MAP003055W Algebra z geometrią analityczną A
Bardziej szczegółowoPaweł Gołębiewski. Softmaks.pl Sp. z o.o. ul. Kraszewskiego 1 85-240 Bydgoszcz www.softmaks.pl kontakt@softmaks.pl
Paweł Gołębiewski Softmaks.pl Sp. z o.o. ul. Kraszewskiego 1 85-240 Bydgoszcz www.softmaks.pl kontakt@softmaks.pl Droga na szczyt Narzędzie Business Intelligence. Czyli kiedy podjąć decyzję o wdrożeniu?
Bardziej szczegółowoSkalowalna Platforma dla eksperymentów dużej skali typu Data Farming z wykorzystaniem środowisk organizacyjnie rozproszonych
1 Skalowalna Platforma dla eksperymentów dużej skali typu Data Farming z wykorzystaniem środowisk organizacyjnie rozproszonych D. Król, Ł. Dutka, J. Kitowski ACC Cyfronet AGH Plan prezentacji 2 O nas Wprowadzenie
Bardziej szczegółowoPRZEWODNIK PO PRZEDMIOCIE
Nazwa przedmiotu: SYSTEMY INFORMATYCZNE WSPOMAGAJĄCE DIAGNOSTYKĘ MEDYCZNĄ Kierunek: Inżynieria Biomedyczna Rodzaj przedmiotu: obowiązkowy moduł specjalności informatyka medyczna Rodzaj zajęć: wykład, projekt
Bardziej szczegółowo1.1 Matryca pokrycia efektów kształcenia. Efekty kształcenia w zakresie wiedzy. Efekty kształcenia w zakresie umiejętności
1.1 Matryca pokrycia efektów kształcenia Matryca dla przedmiotów realizowanych na kierunku Informatyka i Ekonometria (z wyłączeniem przedmiotów realizowanych w ramach specjalności oraz przedmiotów swobodnego
Bardziej szczegółowoSyste t m e y m ek e s k per pe to t w o e w Wykład 8 1
Systemy ekspertowe Wykład 8 1 SYSTEMY HYBRYDOWE 2 Definicja (przykładowa) Przez (inteligentny) system hybrydowy rozumiemy system ze sztuczną inteligencją zdolny do rozwiązywania złożonych problemów, który
Bardziej szczegółowoPRZEWODNIK PO PRZEDMIOCIE
Nazwa przedmiotu: Systemy ekspertowe Expert systems Kierunek: Zarządzanie i Inżynieria Produkcji Rodzaj przedmiotu: Rodzaj zajęć: Wyk. Ćwicz. Lab. Sem. Proj. Poziom studiów: studia I stopnia forma studiów:
Bardziej szczegółowoKIERUNKOWE EFEKTY KSZTAŁCENIA
WYDZIAŁ INFORMATYKI I ZARZĄDZANIA Kierunek studiów: INFORMATYKA Stopień studiów: STUDIA I STOPNIA Obszar Wiedzy/Kształcenia: OBSZAR NAUK TECHNICZNYCH Obszar nauki: DZIEDZINA NAUK TECHNICZNYCH Dyscyplina
Bardziej szczegółowoMatryca pokrycia efektów kształcenia. Efekty kształcenia w zakresie wiedzy (cz. I)
Matryca pokrycia efektów kształcenia Matryca dla przedmiotów realizowanych na kierunku Informatyka i Ekonometria (z wyłączeniem przedmiotów realizowanych w ramach specjalności oraz przedmiotów swobodnego
Bardziej szczegółowoT2A_W03 T2A_W07 K2INF_W04 Ma uporządkowaną, podbudowaną teoretycznie kluczową wiedzę w zakresie realizacji informacyjnych systemów rozproszonych
KIERUNKOWE EFEKTY KSZTAŁCENIA Wydział Informatyki i Zarządzania Kierunek studiów INFORMATYKA (INF) Stopień studiów - drugi Profil studiów - ogólnoakademicki Symbol EFEKTY KSZTAŁCENIA Odniesienie do efektów
Bardziej szczegółowoOd Expert Data Scientist do Citizen Data Scientist, czyli jak w praktyce korzystać z zaawansowanej analizy danych
Od Expert Data Scientist do Citizen Data Scientist, czyli jak w praktyce korzystać z zaawansowanej analizy danych Tomasz Demski StatSoft Polska www.statsoft.pl Analiza danych Zaawansowana analityka, data
Bardziej szczegółowoSpojrzenie na systemy Business Intelligence
Marcin Adamczak Nr 5375 Spojrzenie na systemy Business Intelligence 1.Wprowadzenie. W dzisiejszym świecie współczesna organizacja prędzej czy później stanie przed dylematem wyboru odpowiedniego systemu
Bardziej szczegółowoP R E Z E N T A C J A
P R E Z E N T A C J A decyzje-it.pl internetowy serwis branŝy IT specjalizujący się w oprogramowaniu dla biznesu Serwis decyzje-it.pl Kim jesteśmy? decyzje-it.pl to specjalistyczny, internetowy serwis
Bardziej szczegółowoKIERUNKOWE EFEKTY KSZTAŁCENIA KIERUNEK STUDIÓW INFORMATYCZNE TECHNIKI ZARZĄDZANIA
KIERUNKOWE EFEKTY KSZTAŁCENIA KIERUNEK STUDIÓW INFORMATYCZNE TECHNIKI ZARZĄDZANIA Nazwa kierunku studiów: Informatyczne Techniki Zarządzania Ścieżka kształcenia: IT Project Manager, Administrator Bezpieczeństwa
Bardziej szczegółowoHurtownie danych. Rola hurtowni danych w systemach typu Business Intelligence
Hurtownie danych Rola hurtowni danych w systemach typu Business Intelligence Krzysztof Goczyła Teresa Zawadzka Katedra Inżynierii Oprogramowania Wydział Elektroniki, Telekomunikacji i Informatyki Politechnika
Bardziej szczegółowoWprowadzenie do Hurtowni Danych. Mariusz Rafało
Wprowadzenie do Hurtowni Danych Mariusz Rafało mariusz.rafalo@hotmail.com WPROWADZENIE DO HURTOWNI DANYCH Co to jest hurtownia danych? Hurtownia danych jest zbiorem danych zorientowanych tematycznie, zintegrowanych,
Bardziej szczegółowoPrzedsiębiorstwo zwinne. Projektowanie systemów i strategii zarządzania
Politechnika Poznańska, Wydział Inżynierii Zarządzania Dr inż. Edmund Pawłowski Przedsiębiorstwo zwinne. Projektowanie systemów i strategii zarządzania Modelowanie i projektowanie struktury organizacyjnej
Bardziej szczegółowoROZDZIAŁ 1. WPROWADZENIE DO PROBLEMATYKI SYSTEMÓW EKSPERTOWYCH 19
SPIS TREŚCI WSTĘP 15 ROZDZIAŁ 1. WPROWADZENIE DO PROBLEMATYKI SYSTEMÓW EKSPERTOWYCH 19 1.1. Pojęcie i rozwój systemów ekspertowych 19 1.1.1. Definiowanie systemu ekspertowego w literaturze przedmiotu 20
Bardziej szczegółowoAutomatyzacja procesu tworzenia i zarządzania Wirtualnymi Organizacjami w oparciu o wiedzę w zastosowaniu do architektur zorientowanych na usługi
IT-SOA Automatyzacja procesu tworzenia i zarządzania Wirtualnymi Organizacjami w oparciu o wiedzę w zastosowaniu do architektur zorientowanych na usługi Dariusz Król, W. Funika, B. Kryza, R. Słota, J.
Bardziej szczegółowoSkuteczna Strategia CRM - wyzwanie dla organizacji. Artur Kowalski Prometriq
Skuteczna Strategia CRM - wyzwanie dla organizacji Artur Kowalski Prometriq Wrocław, 19-11-2009 Jest tylko jedna strategia sukcesu Polega ona na precyzyjnym zdefiniowaniu docelowego odbiorcy i zaoferowaniu
Bardziej szczegółowodr inż. Paweł Morawski Informatyczne wsparcie decyzji logistycznych semestr letni 2018/2019
dr inż. Paweł Morawski Informatyczne wsparcie decyzji logistycznych semestr letni 2018/2019 KONTAKT Z PROWADZĄCYM dr inż. Paweł Morawski e-mail: pmorawski@spoleczna.pl www: http://pmorawski.spoleczna.pl
Bardziej szczegółowoTransformacja wiedzy w budowie i eksploatacji maszyn
Uniwersytet Technologiczno Przyrodniczy im. Jana i Jędrzeja Śniadeckich w Bydgoszczy Wydział Mechaniczny Transformacja wiedzy w budowie i eksploatacji maszyn Bogdan ŻÓŁTOWSKI W pracy przedstawiono proces
Bardziej szczegółowoDefinicje. Najprostszy schemat blokowy. Schemat dokładniejszy
Definicje owanie i symulacja owanie zastosowanie określonej metodologii do stworzenia i weryfikacji modelu dla danego rzeczywistego Symulacja zastosowanie symulatora, w którym zaimplementowano model, do
Bardziej szczegółowoMatryca pokrycia efektów kształcenia
Matryca pokrycia efektów kształcenia Matryca dla przedmiotów realizowanych na kierunku Informatyka (z wyłączeniem przedmiotów realizowanych w ramach specjalności oraz przedmiotów swobodnego wyboru) Efekty
Bardziej szczegółowotechnologii informacyjnych kształtowanie , procesów informacyjnych kreowanie metod dostosowania odpowiednich do tego celu środków technicznych.
Informatyka Coraz częściej informatykę utoŝsamia się z pojęciem technologii informacyjnych. Za naukową podstawę informatyki uwaŝa się teorię informacji i jej związki z naukami technicznymi, np. elektroniką,
Bardziej szczegółowoWsparcie dla działań na rzecz poprawy efektywności energetycznej ze strony systemów informatycznych
Wsparcie dla działań na rzecz poprawy efektywności energetycznej ze strony systemów informatycznych Potencjał efektywności energetycznej w przemyśle Seminarium Stowarzyszenia Klaster 3x20 Muzeum Górnictwa
Bardziej szczegółowoMETODY WSPOMAGANIA DECYZJI MENEDŻERSKICH
PREZENTACJA SEPCJALNOŚCI: METODY WSPOMAGANIA DECYZJI MENEDŻERSKICH WYDZIAŁ INFORMATYKI I KOMUNIKACJI KIERUNEK INFORMATYKA I EKONOMETRIA SEKRETARIAT KATEDRY BADAŃ OPERACYJNYCH Budynek D, pok. 621 e-mail
Bardziej szczegółowoZastosowanie symulacji Monte Carlo do zarządzania ryzykiem przedsięwzięcia z wykorzystaniem metod sieciowych PERT i CPM
SZKOŁA GŁÓWNA HANDLOWA w Warszawie STUDIUM MAGISTERSKIE Kierunek: Metody ilościowe w ekonomii i systemy informacyjne Karol Walędzik Nr albumu: 26353 Zastosowanie symulacji Monte Carlo do zarządzania ryzykiem
Bardziej szczegółowoMonitoring procesów z wykorzystaniem systemu ADONIS
Monitoring procesów z wykorzystaniem systemu ADONIS BOC Information Technologies Consulting Sp. z o.o. e-mail: boc@boc-pl.com Tel.: (+48 22) 628 00 15, 696 69 26 Fax: (+48 22) 621 66 88 BOC Management
Bardziej szczegółowoPAŃSTWOWA WYŻSZA SZKOŁA ZAWODOWA W NYSIE
PAŃSTWOWA WYŻSZA SZKOŁA ZAWODOWA W NYSIE Efekty uczenia się Kierunek Informatyka Studia pierwszego stopnia Profil praktyczny Umiejscowienie kierunku informatyka w obszarze kształcenia: Obszar wiedzy: nauki
Bardziej szczegółowoTWORZENIE BAZ WIEDZY W SYSTEMACH EKSPERTOWYCH GOSPODAROWANIA MAJĄTKIEM OBROTOWYM PREDSIĘBIORSTWA
TWORZENIE BAZ WIEDZY W SYSTEMACH EKSPERTOWYCH GOSPODAROWANIA MAJĄTKIEM OBROTOWYM PREDSIĘBIORSTWA Leszek Kiełtyka, Waldemar Jędrzejczyk Wprowadzenie Systemy ekspertowe (SE) są to komputerowe programy konsultacyjne,
Bardziej szczegółowoRACHUNKOWOŚĆ ZARZĄDCZA
RACHUNKOWOŚĆ ZARZĄDCZA wykład XI dr Marek Masztalerz Uniwersytet Ekonomiczny w Poznaniu 2011 EKONOMICZNY CYKL śycia PRODUKTU 1 KOSZTY CYKLU śycia PRODUKTU OKRES PRZEDRYNKOWY OKRES RYNKOWY OKRES POSTRYNKOWY
Bardziej szczegółowoNarzędzia Informatyki w biznesie
Narzędzia Informatyki w biznesie Przedstawiony program specjalności obejmuje obszary wiedzy informatycznej (wraz z stosowanymi w nich technikami i narzędziami), które wydają się być najistotniejsze w kontekście
Bardziej szczegółowoSYSTEM MONITOROWANIA DECYZYJNEGO STANU OBIEKTÓW TECHNICZNYCH
Aleksander JASTRIEBOW 1 Stanisław GAD 2 Radosław GAD 3 monitorowanie, układ zasilania w paliwo, diagnostyka SYSTEM MONITOROWANIA DECYZYJNEGO STANU OBIEKTÓW TECHNICZNYCH Praca poświęcona przedstawieniu
Bardziej szczegółowoWprowadzenie do metodologii modelowania systemów informacyjnych. Strategia (1) Strategia (2) Etapy Ŝycia systemu informacyjnego
Etapy Ŝycia systemu informacyjnego Wprowadzenie do metodologii modelowania systemów informacyjnych 1. Strategia 2. Analiza 3. Projektowanie 4. Implementowanie, testowanie i dokumentowanie 5. WdroŜenie
Bardziej szczegółowoSpis treści. Część I Wprowadzenie do pakietu oprogramowania Analysis Services
Spis treści Wstęp... ix Odkąd najlepiej rozpocząć lekturę?... ix Informacja dotycząca towarzyszącej ksiąŝce płyty CD-ROM... xi Wymagania systemowe... xi Instalowanie i uŝywanie plików przykładowych...
Bardziej szczegółowoOdniesienie do efektów kształcenia dla obszaru nauk EFEKTY KSZTAŁCENIA Symbol
KIERUNKOWE EFEKTY KSZTAŁCENIA Wydział Informatyki i Zarządzania Kierunek studiów INFORMATYKA (INF) Stopień studiów - pierwszy Profil studiów - ogólnoakademicki Projekt v1.0 z 18.02.2015 Odniesienie do
Bardziej szczegółowo