Inżynieria wiedzy i systemy ekspertowe w zarządzaniu wiedzą i wspomaganiu decyzji biznesowych

Wielkość: px
Rozpocząć pokaz od strony:

Download "Inżynieria wiedzy i systemy ekspertowe w zarządzaniu wiedzą i wspomaganiu decyzji biznesowych"

Transkrypt

1 Krzysztof Michalik * Inżynieria wiedzy i systemy ekspertowe w zarządzaniu wiedzą i wspomaganiu decyzji biznesowych Wstęp Zasadniczą tezą artykułu jest twierdzenie, że systemy regułowe - zwłaszcza systemy ekspertowe, ale też systemy reguł biznesowych, i związana z nimi metodologia mogą stanowić ważną, nawet integralną część procesu zarządzania wiedzą i wspomagania decyzji ekonomicznych. Celem artykułu, poza uzasadnieniem tej tezy, jest przybliżenie potencjalnym czytelnikom, spoza tego obszaru specjalizacji naukowej, problematyki systemów ekspertowych, systemów reguł biznesowych, a także wybranych aspektów inżynierii wiedzy. Autor zamierza również przedstawić niektóre opracowania własne, wiążące się bezpośrednio z rozważaniami zawartymi w tej pracy i tematem artykułu. Wspomniane opracowania w postaci systemu ekspertowego PC-Shell [Michalik, 2010] systemu CAKE [Michalik, 2011a] oraz aplikacji Aitech DSS [Michalik, 2011b] posłużą także jako egzemplifikacje i studium przypadków, stanowiąc tym samym dodatkowe uzasadnienie tezy i skrócony opis osobistego wkładu praktycznego i teoretycznego autora do omawianych zagadnień. W pracy autor nie podejmuje próby tworzenia kolejnej definicji zarządzania wiedzą (ZW), a jest ich bardzo wiele i znacząco różnie czasami formułowanych. Ten rozrzut sposobu definiowania semantyki tego pojęcia wynika prawdopodobnie z faktu, że dziedzina zarządzania wiedzą jest względnie młoda. Akcentuje to m.in. Ashok Jashapara pisząc, że zarządzanie wiedzą jest dziedziną młodą, o różnorakich korzeniach i niesprecyzowanej metodologii [Jashapara, 2004]. W tym miejscu warto podkreślić, że ten sam autor wymienia użyte w tytule artykułu systemy wspomagania decyzji (SWD) wśród innych klas systemów zarządzania wiedzą. Autor artykułu ma trochę inny pogląd w tej sprawie niż Ashok Jashapara, gdy ten (za innymi autorami) wymienia wśród SWD kategorię systemów dedukcyjnych, utożsamiając je z systemami ekspertowymi (SE). Z tego samego powodu autor uznaje za nieprawidłowe postawienie znaku równości między systemami doradczymi, a SE. By tego dowieść wystarczy pokazać jeden przypadek systemu ekspertowego nie będącego SWD ani systemem doradczym, niech nim będzie np. system ekspertowy WHEELS [Perkins, Austin, 1990]. Z prac autora można wymienić system Diagnosta MC14007 [Gutt, Michalik, 1989]. Można podać znacznie więcej niż wymienione, przykłady tego typu systemów, jednakże wykracza to poza cel i ramy artykułu. Z reguły tego typu systemy pracują autonomicznie, często jako systemy monitorujące. Autor jest zdania, że pojęcie system ekspertowy odnosi się do technolo- * Dr, Katedra Inżynierii Wiedzy, Wydział Informatyki i Komunikacji, Uniwersytet Ekonomiczny w Katowicach,

2 570 Krzysztof Michalik gii informatycznej, a użyte pojęcie SWD (w kontekście pracy Jashapary) oraz systemy doradcze lub systemy konsultacyjne (i takie pojęcie się pojawia, np. w odniesieniu do zastosowań w medycynie) traktować należy raczej jako klasy zastosowań systemów ekspertowych. Jashapara w przywołanej już pracy definiuje ZW następująco: efektywny proces uczenia się, związany z poszukiwaniem, wykorzystywaniem i upowszechnianiem wiedzy (jawnej i ukrytej), wykorzystujący odpowiednie technologie i środowisko kulturowe, którego celem jest wzrost kapitału intelektualnego oraz sprawności organizacji.. W związku ze wspomnianym problemem definicji zarządzania wiedzą autor dokonał dodatkowo przeglądu dość dużego zbioru innych definicji, poszukując elementów wspólnych i łączących je z inżynierią wiedzy. Wśród analizowanych definicji znalazły się te zawarte m.in. w pracach: [Skyrme, 1999]; [Swan et al., 1999]; [van der Spek, Spijkervet,1997]; [Probst et al., 2004]; [Raczkowski, 2010]; [Gołuchowski, 2007] lub dla przykładu w bogatym zestawieniu definicji różnych autorów zawartym w pracy [Beckman, 1999]. W analizowanych pracach na proces zarządzania wiedzą składają m.in. się następujące elementy: lokalizowanie wiedzy, pozyskiwanie wiedzy, szacowanie, wykorzystywanie, przechowywanie (gromadzenie, retencja), dzielenie się wiedzą i jej dystrybucja. Wiele najnowszych publikacji książkowych, zawiera omówienie możliwości informatycznego wspierania tych procesów, na ogół wymieniając głównie konwencjonalne technologie. Okazuje się, jednak, że sztuczna inteligencja (rozumiana jako dynamicznie rozwijający się dział informatyki), w tym zwłaszcza systemy ekspertowe i inżynieria wiedzy, mogą wspomagać niemal wszystkie z wymienionych procesów ZW. Nie przypadkiem wśród pionierów zarządzania wiedzą znajduje się praktyk sztucznej inteligencji Karl Wiig, były dyrektor Applied Artificial Intelligence i Systems and Policy Analysis w firmie konsultingowej Arthur D. Little Inc. Nota bene, zarządzanie wiedzą sięga swymi korzeniami m.in. do firm konsultingowych właśnie. W dalszej części artykułu wyjaśnione będą pojęcia systemów ekspertowych oraz inżynierii wiedzy oraz przedstawione niektóre możliwości wspomagania przez nie zarządzania wiedzą. 1. Systemy ekspertowe, systemy reguł biznesowych a zarządzanie wiedzą Biorąc pod uwagę profil konferencji, jak się wydaje, należy rozpocząć od zdefiniowania pojęcia systemów ekspertowych, jako klasy systemów informatycznych, by później przejść do omówienia tkwiącego w nich potencjału w zakresie wspomagania ZW. Systemy ekspertowe (SE) często określa się jako systemy wykorzystujące ludzką wiedzę do rozwiązywania złożonych problemów, w na ogół wąskiej dziedzinie, które zazwyczaj wymagają ludzkiej inteligencji. Takie zdefiniowanie tej technologii koresponduje m.in. z pracami: [Shapiro, 1990]; [Beardon, 1989]; [Waterman, 1985]. Podane ogólne ujęcie definicji systemów eksperto-

3 Inżynieria wiedzy i systemy ekspertowe w zarządzaniu wiedzą 571 wych wymaga uzupełnienia o kilka, w większości wręcz unikatowych właściwości tej klasy systemów: 1) jawna reprezentacja wiedzy o charakterze deklaratywnym, najczęściej ujęta w formie reguł heurystycznych zawartych w tzw. bazie wiedzy, 2) zdolność do wyjaśnień sposobu rozwiązania danego problemu (ang. how explanations) oraz powodu zadania użytkownikowi wskazanego pytania (ang. why explanations), 3) do rozwiązania postawionego problemu wykorzystuje się określony rodzaj wnioskowania logicznego (rozumowania), zamiast jawnego opisu algorytmu rozwiązania problemu w formie imperatywnej, 4) wiedza przetwarzana w systemie ekspertowym, w większości ma charakter przetwarzania symboli, a nie obliczeń numerycznych (choć te oczywiście również mogą w pewnej proporcji występować). Należy dodać, że najogólniej rzecz ujmując, architektura SE obejmuję bazę wiedzy (pustą, w przypadku tzw. szkieletowych SE, tj. narzędzi do budowy aplikacji, czego przykładem jest system PC-Shell) oraz podsystemu przetwarzania wiedzy. W związku z tym można powiedzieć, że w przypadku systemów ekspertowych nastąpiła zmiana paradygmatu odnoszącego się do wcześniejszych klas systemów informatycznych, polegająca na przejściu od przetwarzania danych, do przetwarzania wiedzy. Od pewnego czasu popularność zyskuje podejście oparte o systemy reguł biznesowych (business rules), szerzej - zob. np. [Ross, 2003]; [Ross, Lam, 2011]. Należy podkreślić, że w literaturze przedmiotu zaznacza się związki reguł biznesowych (RB) z systemami ekspertowymi (zazwyczaj lakonicznie i niezbyt precyzyjnie). Dlatego autor w pracy [Michalik, 2011c] podjął się próby szerszego i pogłębionego omówienia zależności między SE a RB, wypunktowując najważniejsze podobieństwa i różnice między nimi. W wielu publikacjach z dziedziny reguł biznesowych, m.in. przywołanej pracy Ronalda Rossa, również podkreśla się ich silne związki z problematyką zarządzania wiedzą. Wracając do SE sensu stricto, niewątpliwie ich zastosowanie może mieć istotny wpływ na procesy przechowywania (gromadzenia, retencji) wiedzy, dzielenia się nią i jej dystrybucję. Wynika to bezpośrednio z pewnych unikatowych cech tej technologii, ujętych choćby w przytoczonej wcześniej definicji. Na korzenie zarządzania wiedzą (ZW) w dziedzinie inżynierii wiedzy i systemów ekspertowych wskazuje Liebowitz [Liebowitz, 2001], w innej pracy stwierdzając wprost Wiele z jego (zarządzania wiedzą K.M.) korzeni można odnaleźć w dziedzinie systemów ekspertowych i sztucznej inteligencji [Liebowitz, 1998]. W tej samej pracy Liebowitz - w sposób korespondujący z wymienionymi składowymi ZW - wymienia obszary łączące dziedziny zarządzania wiedzą i systemów ekspertowych: nabywanie wiedzy w ZW i pozyskiwanie wiedzy (knowledge acquisition) w SE,

4 572 Krzysztof Michalik tworzenie repozytoriów wiedzy w ZW i reprezentacja wiedzy w SE (metody reprezentacji wiedzy w SE są również przedmiotem zainteresowania i badań w zakresie inżynierii wiedzy K.M.), indeksowanie wiedzy można wiązać z odszukiwaniem przypadków, ustalaniem podobieństwa i metodami adaptacji w systemach klasy CBR (casebased reasoning). Wśród kilku innych źródeł, na korzenie zarządzania wiedzą w sztucznej inteligencji i problematyce systemów ekspertowych wskazują również Fathi i Holland [Fathi, Holland, 2011]. Przechowywanie (retencja) wiedzy jest ułatwiona m.in. przez jawną reprezentację wiedzy specjalistycznej, zapisanej często w sposób zbliżony do języka naturalnego. Pierwszym zadaniem, po pozyskaniu wiedzy (zwłaszcza tej niejawnej) jest jej zapis/formalizacja. Najczęściej stosowanym formalizmem w SE do kodowania wiedzy są reguły, opisujące m.in. heurystyki nigdy nie algorytm. A to oznacza, że są zrozumiałe nie tylko dla informatyków, inżynierów wiedzy, ale co w tym kontekście najistotniejsze dla użytkowników końcowych. W szczególności dla np. inspektorów kredytowych (w przypadku systemów do wspomagania oceny ryzyka kredytowego), finansistów (w systemach do oceny kondycji finansowej firm) czy lekarzy (w przypadku systemów wspomagających decyzje diagnostyczno-terapeutyczne). Bardzo to odróżnia zapis wiedzy w SE, od niejawnej reprezentacji wiedzy w konwencjonalnych językach programowania i systemach informatycznych, gdzie wiedza ukryta jest wśród wielu niezrozumiałych dla nie informatyka instrukcji opisujących algorytm co jest w odróżnieniu od SE niezbędne do rozwiązania problemu. I tu dotykamy drugiego istotnego waloru SE w jego wpływie na łatwość gromadzenia i zapisu wiedzy. Tym walorem jest zdolność SE do rozwiązywania problemów nie w oparciu o żmudnie budowany szczegółowy algorytm rozwiązania problemu, lecz wbudowaną w system zdolność wnioskowania (rozumowania) na podstawie zapisanej w postaci reguł wiedzy. Zatem w przypadku SE nie musimy szczegółowo opisać jak rozwiązać problem (znalezienie rozwiązania to zadanie modułu/silnika wnioskującego inference engine), opisujemy jedynie naszą wiedzę stricte z dziedziny problemowej. Stąd systemy ekspertowe (z zapełnioną bazą wiedzy) można traktować jako swoiste medium komunikacji. W tym kontekście SE mogą stabilizować poziom ekspertyzy w organizacji przy fluktuacjach kadrowych (np. odejścia z banku doświadczonego inspektora/analityka wniosków kredytowych). Dzielenie się wiedzą i jej dystrybucja w przypadku zastosowania systemu ekspertowego jest również zasadniczo ułatwiona. Można wymienić przynajmniej kilka uzasadnień tej tezy. Na pewno proces ten ułatwia jawna reprezentacja wiedzy, ułatwiająca komunikację na temat interesujący strony biorące udział w jej przekazie. Przy tej okazji, ułatwiony jest nie tylko proces interpretacji (odczytu) wiedzy, ale również jej aktualizacja, edycja itp. Po niedługim przeszkoleniu baza wiedzy może być modyfikowana, a nawet w całości tworzona przez specjalistów dziedzinowych spoza informatyki/inżynierii wiedzy.

5 Inżynieria wiedzy i systemy ekspertowe w zarządzaniu wiedzą 573 Autor opiera to przekonanie również w oparciu o osobiste doświadczenia w tym zakresie z wielu dziedzin (medycyna, ekonomia, rolnictwo, technika itd.), w których zastosowano jego systemy (głównie w środowisku akademickim). Jeśli dodać do tego istnienie tzw. architektury tablicowej, to okazuje się, że większy problem wymagający komunikacji wielu specjalistów, można podzielić na podproblemy i odwzorować je w wyspecjalizowane bazy wiedzy, nazywane źródłami wiedzy. Nota bene, opracowany i wykorzystywany na większości polskich uczelni system autora ma taką architekturę, do tego źródła wiedzy mogą być heterogeniczne. W rezultacie mówimy o hybrydowym systemie ekspertowym z architekturą tablicową [Michalik, 1994]. Ponadto unikatowa cecha SE, w postaci wyjaśnień, jest dodatkową, w wielu zastosowaniach bardzo pożądaną właściwością, wyjaśnienia bowiem w jawny sposób pokazują sposób rozwiązania problemu. Wyjaśnienia, poza interfejsem GUI, mogą być również przekazywane via intranet lub internet. Dzięki swoim właściwościom SE mogą przyczyniać się do realizacji bardzo pożądanego celu jakim jest np. prowadzenie jednolitej polityki kredytowej lub ubezpieczeniowej przez organizacje mające wiele wyodrębnionych i rozproszonych geograficznie oddziałów i filii. W tym kontekście warto przytoczyć parafrazę znanego powiedzenia sir Francisa Bacona wiedza jest potęgą. Liebowitz ujął to w ten sposób: dzielenie się wiedzą jest potęgą (sharing knowledge is power) [Lebowitz, 2006]. Jako ilustrację praktycznych zastosowań systemów ekspertowych w obszarze zarządzania wiedzą, a także działających w charakterze SWD można podać kilka przykładów. Jako pierwszy zostanie omówiony SE Asbestos Advisor. System Asbestos Advisor powstał w ramach OSHA (Occupational Safety and Health Administration) agencji Ministerstwa Pracy (Department of Labor) w USA. Celem OSHA jest zapewnienie bezpiecznych i zdrowych warunków pracy osobom zatrudnionym, m.in. poprzez tworzenie i wprowadzanie w życie różnych standardów, szkolenia i inne działania. Wprowadzanie i upowszechnianie szeregu regulacji jest związanie z problematyką zarządzania wiedzą, w aspekcie jej kodyfikacji i dystrybucji. Przed wdrożeniem omawianego systemu, pracownicy OSHA otrzymywali bardzo dużo zapytań telefonicznych ze strony biznesu. Pytający oczekiwali szybkich i poprawnych odpowiedzi (m.in. interpretacji) w celu poprawnego wdrożenia nowych regulacji i wytycznych do swej praktyki biznesowej. Oczywiście przy zwiększonej liczbie zapytań pracownicy OSHA nie byli w stanie wywiązać się z tego zadania, zgodnie z oczekiwaniami pytających. Dlatego w 1995 roku OSHA podjęła decyzję o zastosowaniu technologii informatycznych dla rozwiązania tego problemu. W rezultacie powstał system ekspertowy Asbestos Advisor. Jego powstanie w istotny sposób rozwiązało wspomniane problemy, w tym m.in. w zakresie czasu dostępu do informacji, poprawności sugerowanych rozwiązań i dystrybucji wiedzy (nowych regulacji, standardów itp.). Ten system jest doskonałym przykładem skutecznego zastosowania SE w sferze zarządzania wiedzą na dużą skalę. Szybka dystrybucja wiedzy została spełniona przez udostępnienie systemu w internecie (nadal jest tam dostępny). Jako ważną informację o skali zaintere-

6 574 Krzysztof Michalik sowania (i dystrybucji wiedzy) można podać fakt, że w ciągu zaledwie jednego roku od uruchomienia system był używany aż razy [Huntington, 1999]. Niech jako miara sukcesu systemu Asbestos Advisor, w dziedzinie zarządzania wiedzą w administracji publicznej i wspomagania decyzji posłuży informacja, że w 1996 roku przyznano mu nagrodę Hammer Award przez NPR (National Pertnership for Reinventing Government) z inicjatywy byłego wiceprezydenta Al Gore a. W następstwie tego sukcesu OSHA zainicjowała prace nad kolejnymi systemami ekspertowymi: Fire Safety Advisor, Electronic Health and Safety Plan czy Hospital etool Expert System. Przykładem polskiego systemu ekspertowego działającego zarówno w sferze wspomagania zarządzania wiedzą jak i systemu wspomagania decyzji finansowo-ekonomicznych jest opracowana przez autora aplikacja Aitech DSS. Zasadniczym elementem tego systemu jest SE PC-Shell oraz pozostałe komponenty pakietu sztucznej inteligencji Aitech SPHINX [Michalik, 2004b]. Głównym zastosowaniem jest wspomaganie pracy (decyzji) analityków finansowych w przedsiębiorstwach oraz inspektorów kredytowych w bankach. Konwencjonalne oprogramowanie/aplikacje z reguły ograniczają się do pobierania i wizualizacji danych elementarnych (np. ze sprawozdań finansowych, bilansu), przekształcania ich w określony zbiór wskaźników finansowych i dodatkowo ich wizualizacji w formie tabelarycznej lub graficznej (wykresy). Czyli w praktyce z dużego zbioru danych, dzięki algorytmom/formułom powstaje pomniejszony (bo zagregowany) zbiór liczb wskaźników. Nadal jednak pozostaje otwarte pytanie co z tych liczb wynika? I nadal, mimo pewnego stopnia komputerowego wspomagania, analiza i interpretacja tych liczb jest zadaniem człowieka. Dopiero zastosowanie systemów ekspertowych umożliwia automatyzację tego zadania i wygenerowania rozwiązania będącego interpretacją wyliczonych wskaźników. Taki m.in. scenariusz analizy można zrealizować w aplikacji Aitech DSS. Ponadto system udostępnia bogaty zestaw objaśnień, w szczególności wyjaśnienia typu Jak (how explanations), co w wielu przypadkach może mieć duże znaczenie dla użytkownika. Daje mu bowiem szansę ocenę prawidłowości wnioskowania w danym przypadku, zwiększając tym samym zaufanie do proponowanego rozwiązania/decyzji. Dzięki temu sposób rozwiązania problemu jest jawny (transparentny), stanowiąc przeciwieństwo działania na zasadzie czarnej skrzynki, typowego dla większości konwencjonalnych systemów informatycznych, gdy znamy dane na wejściu systemu, wyniki na wyjściu, nie znamy zaś sposobu przekształcenia tych pierwszych w drugie. Omówiony system wdrożono m.in. w pewnej liczbie banków, przedsiębiorstw, jest wykorzystywany również w dydaktyce niektórych uczelni [Marcinek, 2003], co dla autora było sposobem weryfikacji poprawności, efektywności i ergonomii zaproponowanych rozwiązań. Wśród zastosowań SE PC-Shell wiążących się ze wspomaganiem decyzji medycznych, a także zarządzania wiedzą w ochronie zdrowia można wymienić również aplikację Salomon do diagnostyki zaburzeń afektywnych (w uproszczeniu depresji) [Kielan et al., 2008]. Bazę wiedzy tego systemu opracował dr Krzysztof Kielan (wówczas z Uniwersytetu Medycznego w Katowicach). Obecnie trwają przygo-

7 Inżynieria wiedzy i systemy ekspertowe w zarządzaniu wiedzą 575 towania do kolejnej wersji tej aplikacji, również z wykorzystaniem logiki rozmytej. 2. Wpływ inżynierii wiedzy na zarządzanie wiedzą Głównym celem tej części artykułu jest pokazanie niektórych związków między inżynierią wiedzy, a zarządzaniem wiedzą. Wpływ inżynierii wiedzy, jak określono to w tytule, rozumiany jest zarówno w aspekcie potencjalnych możliwości oraz faktycznych zastosowań. Należy rozpocząć od zdefiniowania pojęcia inżynierii wiedzy, którego znaczenie podlega nieznacznej ewolucji. Najogólniej rzecz ujmując, można stwierdzić, że inżynieria wiedzy jest ściśle powiązana z systemami ekspertowymi, a dokładniej, z procesem ich tworzenia. Waterman określa inżynierię wiedzy jako proces budowy systemów ekspertowych, natomiast specjalistę w dziedzinie budowy SE jako inżyniera wiedzy [Waterman, 1985]. W jednej z fundamentalnych prac z tej dziedziny Hayes- Rotha, za profesorem Edwardem Feigenbaumem, inżynierię wiedzy definiuje się jako dziedzinę, w której aktywność inżyniera wiedzy odnosi się do wykorzystania metod i narzędzi z zakresu badań w dziedzinie sztucznej inteligencji do tworzenia systemów rozwiązujących trudne problemy wymagające do ich rozwiązania wiedzy eksperckiej. Ponadto wśród ważnych problemów inżynierii wiedzy wymienia m.in.: pozyskanie wiedzy eksperckiej, jej komputerową reprezentację i zapewnienie właściwego wyjaśnienia sposobu rozumowania systemu [Hayes-Roth et al., 1983]. Niektóre wspólne obszary zainteresowań inżynierii wiedzy i zarządzania wiedzą widoczne są już nawet w tych ogólnych definicjach, np.: pozyskiwanie wiedzy, jej komputerowa reprezentacja (w procesie kodyfikacji i retencji wiedzy) oraz rozwiązywanie problemów. Niektórzy autorzy, np. Kendal i Creen, stwierdzają wręcz Terminy zarządzanie wiedzą i inżynieria wiedzy wydają się być używane tak wymiennie jak terminy danych i informacji [Kendall, Creen, 2007]. Liebowitz pisze Zarządzanie wiedzą ma silne korzenie w dziedzinie określanej jako inżynieria wiedzy ( ) [Liebowitz, 2001]. W odróżnieniu od przywołanej pracy Kendala i Creena, van der Spek i Spijkervet wyraźniej rozdzielają dziedziny inżynierii wiedzy (IW) i ZW, natomiast podkreślają, że IW może być traktowana jako instrument wspomagający zarządzanie wiedzą i dostarcza wiele technologii, które mogą być w tym celu zastosowane [Spek, Spijkervet, 1997]. Doświadczenia w zakresie IW i wypracowane na jej gruncie metody, mogą niewątpliwie wspierać procesy pozyskiwania, kodyfikacji (formalizacji) i gromadzenia wiedzy w ramach wspomagania tych procesów w zarządzaniu wiedzą. Pozyskiwanie wiedzy stało się jednym z istotnych problemów inżynierii wiedzy już w momencie tworzenia pierwszych systemów z bazą wiedzy (systemów ekspertowych). Dlatego dość szybko powstały opracowania podejmujące to zagadnienie oraz sugestie dotyczące różnych metod wspomagających inżyniera wiedzy w tym procesie. W tradycyjnie rozumianym pozyskiwaniu wiedzy specjalistycznej, jako ilustracje mogą służyć metody opisane m.in. w pracy [Watermana, 1985]. Jak ważny jest to problem przekonał się oso-

8 576 Krzysztof Michalik biście autor, podejmując próbę budowy aplikacji SE do diagnostyki nowotworów urologicznych we współpracy z jedną z klinik urologii w Katowicach i oddelegowanym lekarzem, ekspertem w tej dziedzinie. Mimo pozytywnego nastawienia i motywacji obu stron do tego przedsięwzięcia, skończyło się ono porażką autora. Powodem był jeden z wielu problemów z zakresu pozyskiwania wiedzy, w tym przypadku brak odpowiednio dużej dyspozycyjności eksperta (krótko brak czasu, ciągłe operacje, przyjmowanie chorych w poradni itd., nie dających się łatwo planować). Z czasem wypracowano w dziedzinie inżynierii wiedzy kilka metodologii użytecznych również w zarządzaniu wiedzą. Wśród nich można wymienić m.in. [Kendal, Cree, 2007]: metodologię KADS, rozwinięto obecnie do commonkads [Schreiber et al., 2000], podejście oparte o architekturę tablicową (blackboard systems), metodologię HyM do budowy systemów hybrydowych. Wśród metod IW można wyróżnić tradycyjne i komputerowowspomagane (np. Protege-2000 [Noy et al., 2000]). Wkładem autora do tej dziedziny jest system CAKE (Computer Aided Knowledge Engineering). Jest on uzupełnieniem zbudowanego wcześniej przez autora systemu ekspertowego PC-Shell i symulatora sztucznych sieci neuronowych Neuronix. Od pewnego czasu stał się elementem pakietu SPHINX. Z punktu widzenia związków między inżynierią wiedzy a zarządzaniem wiedzą, głównym celem systemu jest wspomaganie inżyniera wiedzy m.in. w następujących zadaniach [Michalik, 2011b]: zarządzania projektem aplikacji, wspomagania procesu tworzenia, rozbudowy i pielęgnacji baz wiedzy, w tym zwłaszcza na etapie pozyskiwania i formalizacji wiedzy, będących przedmiotem zarówno zarządzania wiedzą w organizacji jak i inżynierii wiedzy, możliwości tworzenia heterogenicznych źródeł wiedzy, co wynikało z hybrydowej architektury systemu, weryfikacji poprawności zgromadzonej wiedzy, ochrony projektu aplikacji systemem uprawnień i haseł, tworzenia binarnych baz wiedzy, wspomagania pracy grupowej. Zakończenie Wiele przykładów z literatury przedmiotu (zarówno IW jak i ZW), w tym rozważań teoretycznych, a także rozwiązań o charakterze utylitarnym, potwierdza tezę o użyteczności systemów ekspertowych i doświadczeń wynikających z inżynierii wiedzy we wspomaganiu niektórych procesów w zarządzaniu wiedzą. Trudno sobie wyobrazić zdaniem autora by niektóre z nich były realizowane w praktyce ZW bez sięgnięcia do wcześniejszych (w tym wcześniejszych od samej dziedziny ZW) doświadczeń zgromadzonych na gruncie systemów ekspertowych i inżynierii wiedzy. Byłoby to niczym powtórne wynajdy-

9 Inżynieria wiedzy i systemy ekspertowe w zarządzaniu wiedzą 577 wanie koła, bowiem inżynieria wiedzy jest niczym skrzynka z gotowymi narzędziami, wsparta dobrą podbudową teoretyczną, do bezpośredniego zastosowania w odniesieniu do niektórych problemów występujących w praktyce zarządzania wiedzą. Te doświadczenia i narzędzia mogą być jak się wydaje szczególnie przydatne w procesach pozyskiwania wiedzy, jej kodyfikacji, gromadzenia (retencji), a także dystrybucji wiedzy i jej użyciu do rozwiązywania problemów. Literatura 1. Beardon C. (Ed.) (1989), Artificial Intelligence Terminology a reference guide, Wiley, New York. 2. Beckman T.J. (1999), The Current State of Knowledge Management, w: Knowledge Management Handbook, ed. J. Liebowitz, CRC Press, London. 3. Fathi M., Holland A. (2011), Modelling Uncertainties in Advanced Knowledge Management, w: Knowledge Discovery, Knowledge Engineering and Knowledge Management, eds. A. Fred et al., Communications in Computer Science 128, Springer-Verlag, Berlin. 4. Gołuchowski J. (2007), Technologie informatyczne w zarządzaniu wiedzą, Prace Naukowe UE, Katowice. 5. Gutt T., Michalik K. (1989), Eksperymentalny system ekspercki do diagnostyki procesów technologicznych MOS przy użyciu struktury próbnej, Prace Instytutu Technologii Elektronowej CEMII, PWN, Warszawa. 6. Hayes-Roth F., Waterman D. A., Lenat D.B. (1983), Building Expert Systems, Addison-Wesley, Reading MA. 7. Huntington D. (1999), Knowledge-Based Systems: A Look at Rule-Based Systems, w: Knowledge Management Handbook, ed. J. Liebowitz, CRC Press, New York. 8. Jashapara A. (2006), Zarządzanie wiedzą, PWE, Warszawa. 9. Kendal S., Creen M. (2007), An Introduction to Knowledge Engineering, Springer-Verlag, London. 10. Kielan K., Kucharska-Pietura K., Kwiatkowska M., Michalik K., Węgrzyn- Wolska K. (2008), PHOENIX AI Technology in Neuroscience Evidence Base Medicine, w: Technologie wiedzy w zarządzaniu publicznym 08, Gołuchowski J., Frączkiewicz-Wronka A. (red.), Prace Naukowe UE, Katowice. 11. Kwiatkowska M., Michalik K., Kielan K. (2012), Computational Representation of Medical Concepts: A Semiotic and Fuzzy Logic Approach, w: Soft Computing in Humanities and Social Sciences, eds. R. Seising, V. Sanz, Springer-Verlag, Berlin. 12. Liebowitz J. (1998), Expert systems: An integral part of knowledge management, Kybernetes, Vol. 27, Iss Liebowitz J. (2001), Knowledge Management, Learning from Knowledge Engineering, CRC Press, London.

10 578 Krzysztof Michalik 14. Liebowitz J. (2006), What They Didn t Tell You about Knowledge Management, The Scarecrow Press, Oxford. 15. Marcinek T. (2003), Wskaźniki z rękawa. Computerworld, 20/576, 19 maja. 16. Michalik K. (1987), Systemy ekspertowe narzędzie wspomagania decyzji, w: Systemy produkcyjne- teoretyczne i praktyczne problemy projektowania, konferencja SYPRO, Politechnika Warszawska, Warszawa. 17. Michalik K. (1994), Intelligent System for Financial Analysis. W: SPIC- IS 94 Second Singapore International Conference on Intelligent Systems, November, Singapore. 18. Michalik K. (2004a), Intelligent Decision Support System Using the Hybrid Architecture, w: AICM 04 Artificial Intelligence in Control and Management, Zieliński J.S. (red.), September 14, Łódź. 19. Michalik K. (2004b), Selected Aspects of Multi-Level Hybrid AI Environment for Decision Support. Journal of Artificial Intelligence Studies (Special Issue), Vol. 1, No. 2 (24)/2004. Proc. of VI International Conf. on Artificial Intelligence AI, Univ. of Podlasie. 20. Michalik K. (2010), PC-Shell/SPHINX jako narzędzie tworzenia systemów ekspertowych, w: Systemy ekspertowe wczoraj, dziś i jutro; Wiedza i komunikacja w innowacyjnych organizacjach, Gołuchowski J., Filipczyk B. (red.), Prace Naukowe Uniwersytetu Ekonomicznego, Katowice. 21. Michalik K. (2011a), Systemy ekspertowe jako narzędzia wspomagające zarządzanie wiedzą, w: Komunikacja elektroniczna; Systemy ekspertowe wczoraj, dziś i jutro; Wiedza i komunikacja w innowacyjnych organizacjach, Pańkowska M. (red.), Prace Naukowe Uniwersytetu Ekonomicznego, Katowice. 22. Michalik K. (2011c): Reguły biznesowe w zarządzaniu wiedzą, w: Technologie wiedzy w zarządzaniu publicznym 11, Gołuchowski J., Frączkiewicz-Wronka A. (red.), Prace Naukowe UE, Katowice. 23. Michalik K.(2011b), Zarządzanie wiedzą w organizacji z użyciem hybrydowego systemu ekspertowego, w: Wyzwania rozwojowe małych i średnich przedsiębiorstw, Zakrzewska-Bielawska A. (red.), Wydawnictwo Difin, Warszawa. 24. Noy F.N. et al.(2000), The Knowledge Model of Protégé-2000: Combining Interoperability and Flexibility, EKAW '00 Proceedings of the 12th European Workshop on Knowledge Acquisition, Modeling and Management, Springer-Verlag, London. 25. Perkins W.A., Austin A. (1990), Adding Temporal Reasoning to Expert System Building Environments. IEEE Expert, February. 26. Probst G. et al. (2004), Zarządzanie wiedzą w organizacji, Oficyna Ekonomiczna, Kraków. 27. Raczkowski K. (2010), Zarządzanie wiedzą w administracji celnej; W systemie bezpieczeństwa ekonomiczno-społecznego, Wydawnictwo Difin, Warszawa.

11 Inżynieria wiedzy i systemy ekspertowe w zarządzaniu wiedzą Ross R. (2003), Principles of the Business Rules Approach, Addison- Wesley, New York. 29. Ross R., Lam G.S.W. (2011), Building Business Solutions, Business Rule Solutions, LLC. 30. Schreiber et al. (2000), Knowledge Engineering and Management, The commonkads Methodology, MIT Press, Cambridge MA. 31. Shapiro S.C. (Ed.) (1990), Encyclopedia of Artificial Intelligence, Vol. 1, Wiley, New York. 32. Skyrme D.J. (1999), Knowledge Networking: Creating the Collaborative Enterprise, Butterworth-Heinemann, Oxford. 33. Swan J. et al. (1999), Knowledge Management the Next Fad to Forget People, w: Proc. of the 7th European Conf. on Information Systems, Copenhagen. 34. van der Spek R., Spijkervet A. (1997), Knowledge Management: Dealing Intelligently with Knowledge, w: Knowledge Management and its Integrative Elements, ed. J. Liebowitz, CRC Press, London. 35. Waterman D. (1985), A Guide to Expert Systems. Addison-Wesley, Reading MA. Streszczenie Celem tego artykułu jest uzasadnienie tezy o silnych związkach między zarządzaniem wiedzy oraz inżynierią wiedzy i systemami ekspertowymi. IW i SE mogą stanowić integralną część zarządzania wiedzą, dostarczając metodologii i narzędzi wspierających niektóre procesy zarządzania wiedzą. Słowa kluczowe systemy ekspertowe, inżynieria wiedzy Knowledge Engineering and Expert Systems in Knowledge Management and Business Decision Support (Summary) The aim of this paper is to justify thesis about strong relationship between the knowledge management (KM) and knowledge engineering (KE) as well as expert systems. Knowledge engineering and expert systems can be an integral part of knowledge management, providing methodologies and tools supporting some KM processes. Key words expert systems, knowledge engineering

KIERUNKOWE 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 NAUK TECHNICZNYCH Dyscyplina

Bardziej szczegółowo

PRZEWODNIK PO PRZEDMIOCIE

PRZEWODNIK 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 szczegółowo

Regułowe systemy ekspertowe jako narzędzie wspomagania zarządzania wiedzą w administracji publicznej

Regułowe systemy ekspertowe jako narzędzie wspomagania zarządzania wiedzą w administracji publicznej Roczniki Kolegium Analiz Ekonomicznych nr 29/2013 Wydział Informatyki i Komunikacji Uniwersytet Ekonomiczny w Katowicach Regułowe systemy ekspertowe jako narzędzie wspomagania zarządzania wiedzą w administracji

Bardziej szczegółowo

PRZEWODNIK PO PRZEDMIOCIE

PRZEWODNIK 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 szczegółowo

Dr Krzysztof Michalik Katedra Inżynierii Wiedzy Wydział Informatyki i Komunikacji Uniwersytet Ekonomiczny w Katowicach

Dr Krzysztof Michalik Katedra Inżynierii Wiedzy Wydział Informatyki i Komunikacji Uniwersytet Ekonomiczny w Katowicach Dr Krzysztof Michalik Katedra Inżynierii Wiedzy Wydział Informatyki i Komunikacji Uniwersytet Ekonomiczny w Katowicach Załącznik 3 Autoreferat na temat dorobku i osiągnięć w pracy naukowo-badawczej w języku

Bardziej szczegółowo

STUDIA I MONOGRAFIE NR

STUDIA 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 szczegółowo

Projekty BPM z perspektywy analityka biznesowego. Wrocław, 20 stycznia 2011

Projekty BPM z perspektywy analityka biznesowego. Wrocław, 20 stycznia 2011 Projekty BPM z perspektywy analityka biznesowego Wrocław, 20 stycznia 2011 Agenda Definicja pojęć: Analiza biznesowa oraz analityk biznesowy Co kryje się za hasłem BPM? Organizacja zarządzana procesowo

Bardziej szczegółowo

PODSTAWY BAZ DANYCH. 19. Perspektywy baz danych. 2009/2010 Notatki do wykładu "Podstawy baz danych"

PODSTAWY 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 szczegółowo

T2A_W03 T2A_W07 K2INF_W04 Ma uporządkowaną, podbudowaną teoretycznie kluczową wiedzę w zakresie realizacji informacyjnych systemów rozproszonych

T2A_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 szczegółowo

Współczesna problematyka klasyfikacji Informatyki

Współczesna problematyka klasyfikacji Informatyki Współczesna problematyka klasyfikacji Informatyki Nazwa pojawiła się na przełomie lat 50-60-tych i przyjęła się na dobre w Europie Jedna z definicji (z Wikipedii): Informatyka dziedzina nauki i techniki

Bardziej szczegółowo

Logika rozmyta typu 2

Logika rozmyta typu 2 Logika rozmyta typu 2 Zbiory rozmyte Funkcja przynależności Interwałowe zbiory rozmyte Funkcje przynależności przedziałów Zastosowanie.9.5 Francuz Polak Niemiec Arytmetyka przedziałów Operacje zbiorowe

Bardziej szczegółowo

PRZEWODNIK PO PRZEDMIOCIE

PRZEWODNIK PO PRZEDMIOCIE Nazwa przedmiotu: SYSTEMY INFORMATYCZNE WSPOMAGAJĄCE DIAGNOSTYKĘ MEDYCZNĄ Kierunek: Inżynieria Biomedyczna Rodzaj przedmiotu: obowiązkowy moduł specjalności informatyka medyczna Rodzaj zajęć: wykład, projekt

Bardziej szczegółowo

I rok. semestr 1 semestr 2 15 tyg. 15 tyg. Razem ECTS. laborat. semin. ECTS. konwer. wykł. I rok. w tym. Razem ECTS. laborat. semin. ECTS. konwer.

I rok. semestr 1 semestr 2 15 tyg. 15 tyg. Razem ECTS. laborat. semin. ECTS. konwer. wykł. I rok. w tym. Razem ECTS. laborat. semin. ECTS. konwer. Wydział Informatyki i Nauki o Materiałach Kierunek Informatyka studia I stopnia inżynierskie studia stacjonarne 08- IO1S-13 od roku akademickiego 2015/2016 A Lp GRUPA TREŚCI PODSTAWOWYCH kod Nazwa modułu

Bardziej szczegółowo

ROZDZIAŁ 1. WPROWADZENIE DO PROBLEMATYKI SYSTEMÓW EKSPERTOWYCH 19

ROZDZIAŁ 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 szczegółowo

Systemy z bazą wiedzy (spojrzenie bardziej korporacyjne) Baza wiedzy. Baza wiedzy. Baza wiedzy. Baza wiedzy

Systemy z bazą wiedzy (spojrzenie bardziej korporacyjne) Baza wiedzy. Baza wiedzy. Baza wiedzy. Baza wiedzy Zarządzanie wiedzą z bazą wiedzy (spojrzenie bardziej korporacyjne) Wybrane aspekty technologiczne związane z wiedzą i zarządzaniem wiedzą Google: baza wiedzy 1,180,000 znalezionych systemy zarządzania

Bardziej szczegółowo

Zalew danych skąd się biorą dane? są generowane przez banki, ubezpieczalnie, sieci handlowe, dane eksperymentalne, Web, tekst, e_handel

Zalew danych skąd się biorą dane? są generowane przez banki, ubezpieczalnie, sieci handlowe, dane eksperymentalne, Web, tekst, e_handel według przewidywań internetowego magazynu ZDNET News z 8 lutego 2001 roku eksploracja danych (ang. data mining ) będzie jednym z najbardziej rewolucyjnych osiągnięć następnej dekady. Rzeczywiście MIT Technology

Bardziej szczegółowo

PRZEWODNIK PO PRZEDMIOCIE

PRZEWODNIK PO PRZEDMIOCIE Nazwa przedmiotu: MODELOWANIE I ANALIZA SYSTEMÓW INFORMATYCZNYCH Modeling and analysis of computer systems Kierunek: Informatyka Forma studiów: Stacjonarne Rodzaj przedmiotu: Poziom kwalifikacji: obowiązkowy

Bardziej szczegółowo

INFORMATYKA Pytania ogólne na egzamin dyplomowy

INFORMATYKA 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 szczegółowo

Kraków, 14 marca 2013 r.

Kraków, 14 marca 2013 r. Scenariusze i trendy rozwojowe wybranych technologii społeczeństwa informacyjnego do roku 2025 Antoni Ligęza Perspektywy rozwoju systemów eksperckich do roku 2025 Kraków, 14 marca 2013 r. Dane informacja

Bardziej szczegółowo

WYKORZYSTANIE SYSTEMÓW EKSPERTOWYCH DO OCENY FUNKCJONOWANIA PRZEDSIĘBIORSTW

WYKORZYSTANIE SYSTEMÓW EKSPERTOWYCH DO OCENY FUNKCJONOWANIA PRZEDSIĘBIORSTW WYKORZYSTANIE SYSTEMÓW EKSPERTOWYCH DO OCENY FUNKCJONOWANIA PRZEDSIĘBIORSTW Łukasz SIEMIENIUK, Małgorzata DAKOWICZ Streszczenie: Celem publikacji jest omówienie problematyki systemów ekspertowych, analiza

Bardziej szczegółowo

LISTA KURSÓW PLANOWANYCH DO URUCHOMIENIA W SEMESTRZE ZIMOWYM 2015/2016

LISTA 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 szczegółowo

Hurtownie danych i business intelligence. Plan na dziś : Wprowadzenie do przedmiotu

Hurtownie 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 szczegółowo

Integracja systemu CAD/CAM Catia z bazą danych uchwytów obróbkowych MS Access za pomocą interfejsu API

Integracja systemu CAD/CAM Catia z bazą danych uchwytów obróbkowych MS Access za pomocą interfejsu API Dr inż. Janusz Pobożniak, pobozniak@mech.pk.edu.pl Instytut Technologii Maszyn i Automatyzacji produkcji Politechnika Krakowska, Wydział Mechaniczny Integracja systemu CAD/CAM Catia z bazą danych uchwytów

Bardziej szczegółowo

Zastosowanie sztucznych sieci neuronowych w prognozowaniu szeregów czasowych (prezentacja 2)

Zastosowanie sztucznych sieci neuronowych w prognozowaniu szeregów czasowych (prezentacja 2) Zastosowanie sztucznych sieci neuronowych w prognozowaniu szeregów czasowych (prezentacja 2) Ewa Wołoszko Praca pisana pod kierunkiem Pani dr hab. Małgorzaty Doman Plan tego wystąpienia Teoria Narzędzia

Bardziej szczegółowo

Analiza i projektowanie oprogramowania. Analiza i projektowanie oprogramowania 1/32

Analiza i projektowanie oprogramowania. Analiza i projektowanie oprogramowania 1/32 Analiza i projektowanie oprogramowania Analiza i projektowanie oprogramowania 1/32 Analiza i projektowanie oprogramowania 2/32 Cel analizy Celem fazy określania wymagań jest udzielenie odpowiedzi na pytanie:

Bardziej szczegółowo

Projekt Badawczy Analiza wskaźnikowa przedsiębiorstwa współfinansowany ze środków Unii Europejskiej

Projekt Badawczy Analiza wskaźnikowa przedsiębiorstwa współfinansowany ze środków Unii Europejskiej Projekt Badawczy Analiza wskaźnikowa przedsiębiorstwa współfinansowany ze środków Unii Europejskiej FiM Consulting Sp. z o.o. Szymczaka 5, 01-227 Warszawa Tel.: +48 22 862 90 70 www.fim.pl Spis treści

Bardziej szczegółowo

Efekty kształcenia wymagane do podjęcia studiów 2 stopnia na kierunku Informatyka

Efekty kształcenia wymagane do podjęcia studiów 2 stopnia na kierunku Informatyka Efekty kształcenia wymagane do podjęcia studiów 2 stopnia na kierunku Informatyka Test kwalifikacyjny obejmuje weryfikację efektów kształcenia oznaczonych kolorem szarym, efektów: K_W4 (!), K_W11-12, K_W15-16,

Bardziej szczegółowo

Praca dyplomowa magisterska

Praca dyplomowa magisterska KATEDRA WYTRZYMAŁOŚCI MATERIAŁÓW I METOD KOMPUTEROWYCH MECHANIKI Wydział Mechaniczny Technologiczny POLITECHNIKA ŚLĄSKA W GLIWICACH Praca dyplomowa magisterska Temat: Komputerowy system wspomagania wiedzy:

Bardziej szczegółowo

STUDIA NIESTACJONARNE I STOPNIA Przedmioty kierunkowe

STUDIA NIESTACJONARNE I STOPNIA Przedmioty kierunkowe STUDIA NIESTACJONARNE I STOPNIA Przedmioty kierunkowe Technologie informacyjne prof. dr hab. Zdzisław Szyjewski 1. Rola i zadania systemu operacyjnego 2. Zarządzanie pamięcią komputera 3. Zarządzanie danymi

Bardziej szczegółowo

INFORMATYKA, TECHNOLOGIA INFORMACYJNA ORAZ INFORMATYKA W LOGISTYCE

INFORMATYKA, TECHNOLOGIA INFORMACYJNA ORAZ INFORMATYKA W LOGISTYCE Studia podyplomowe dla nauczycieli INFORMATYKA, TECHNOLOGIA INFORMACYJNA ORAZ INFORMATYKA W LOGISTYCE Przedmiot JĘZYKI PROGRAMOWANIA DEFINICJE I PODSTAWOWE POJĘCIA Autor mgr Sławomir Ciernicki 1/7 Aby

Bardziej szczegółowo

technologii informacyjnych kształtowanie , procesów informacyjnych kreowanie metod dostosowania odpowiednich do tego celu środków technicznych.

technologii 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 szczegółowo

EFEKTY KSZTAŁCENIA DLA KIERUNKU STUDIÓW. TRANSPORT studia stacjonarne i niestacjonarne

EFEKTY KSZTAŁCENIA DLA KIERUNKU STUDIÓW. TRANSPORT studia stacjonarne i niestacjonarne Załącznik do uchwały Nr 000-8/4/2012 Senatu PRad. z dnia 28.06.2012r. EFEKTY KSZTAŁCENIA DLA KIERUNKU STUDIÓW TRANSPORT studia stacjonarne i niestacjonarne Nazwa wydziału: Wydział Transportu i Elektrotechniki

Bardziej szczegółowo

Uchwała Nr 28/2013/IV Senatu Politechniki Lubelskiej z dnia 26 kwietnia 2013 r.

Uchwała Nr 28/2013/IV Senatu Politechniki Lubelskiej z dnia 26 kwietnia 2013 r. Uchwała Nr 28/2013/IV Senatu Politechniki Lubelskiej z dnia 26 kwietnia 2013 r. w sprawie określenia efektów kształcenia dla studiów podyplomowych Zarządzanie Logistyką w Przedsiębiorstwie, prowadzonych

Bardziej szczegółowo

Zastosowanie sztucznej inteligencji w testowaniu oprogramowania

Zastosowanie sztucznej inteligencji w testowaniu oprogramowania Zastosowanie sztucznej inteligencji w testowaniu oprogramowania Problem NP Problem NP (niedeterministycznie wielomianowy, ang. nondeterministic polynomial) to problem decyzyjny, dla którego rozwiązanie

Bardziej szczegółowo

LEMRG algorytm generowania pokoleń reguł decyzji dla baz danych z dużą liczbą atrybutów

LEMRG algorytm generowania pokoleń reguł decyzji dla baz danych z dużą liczbą atrybutów LEMRG algorytm generowania pokoleń reguł decyzji dla baz danych z dużą liczbą atrybutów Łukasz Piątek, Jerzy W. Grzymała-Busse Katedra Systemów Ekspertowych i Sztucznej Inteligencji, Wydział Informatyki

Bardziej szczegółowo

Nowoczesne techniki informatyczne Program: 1. Sztuczna inteligencja. a) definicja; b) podział: Systemy ekspertowe Algorytmy ewolucyjne Logika rozmyta Sztuczne sieci neuronowe c) historia; 2. Systemy eksperckie

Bardziej szczegółowo

Metody analizy przestrzennej. Liczba godzin stacjonarne: Wykłady: 30 Ćwiczenia: 30. niestacjonarne: Wykłady: 18 Ćwiczenia: 18

Metody analizy przestrzennej. Liczba godzin stacjonarne: Wykłady: 30 Ćwiczenia: 30. niestacjonarne: Wykłady: 18 Ćwiczenia: 18 Karta przedmiotu Wydział: Wydział Finansów Kierunek: Gospodarka przestrzenna I. Informacje podstawowe Nazwa przedmiotu Metody analizy przestrzennej Nazwa przedmiotu w j. ang. Język prowadzenia przedmiotu

Bardziej szczegółowo

Efekty kształcenia dla kierunku inżynieria środowiska

Efekty kształcenia dla kierunku inżynieria środowiska Efekty kształcenia dla kierunku inżynieria Szkoła wyższa prowadząca kierunek studiów: Kierunek studiów: Poziom kształcenia: Profil kształcenia: Umiejscowienie kierunku w obszarze kształcenia w zakresie:

Bardziej szczegółowo

Hurtownie danych i business intelligence. Plan na dziś : Wprowadzenie do przedmiotu

Hurtownie 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 szczegółowo

Stacjonarne Wszystkie Katedra Informatyki Stosowanej Dr inż. Marcin Detka. Podstawowy Obowiązkowy Polski Semestr pierwszy. Semestr letni Brak Nie

Stacjonarne Wszystkie Katedra Informatyki Stosowanej Dr inż. Marcin Detka. Podstawowy Obowiązkowy Polski Semestr pierwszy. Semestr letni Brak Nie KARTA MODUŁU / KARTA PRZEDMIOTU Kod modułu Nazwa modułu Nazwa modułu w języku angielskim Obowiązuje od roku akademickiego 202/203 Z-ZIP2-0452 Informatyczne Systemy Zarządzania Produkcją Manufacturing Management

Bardziej szczegółowo

Lean management w procesie obsługi klienta

Lean management w procesie obsługi klienta Lean management w procesie obsługi klienta Lean Management oznacza sprawne a zarazem efektywne kosztowe wykonywanie wszystkich działań w firmie przy założeniu minimalizacji strat, minimalizacji stanów

Bardziej szczegółowo

Tematy prac magisterskich Rok akademicki 2013/2014

Tematy prac magisterskich Rok akademicki 2013/2014 Dr hab. inż. Jan Werewka, prof. n. AGH Wydział EAIiIB AGH E-mail: werewka@agh.edu.pl www: http://home.agh.edu.pl/werewka Tematy prac magisterskich Rok akademicki 2013/2014 Temat 1 Architektura przedsięwzięcia

Bardziej szczegółowo

T2A_W01 T2A_W01 T2A_W02 3 SI_W03 Posiada szeroką wiedzę w zakresie teorii grafów T2A_W01

T2A_W01 T2A_W01 T2A_W02 3 SI_W03 Posiada szeroką wiedzę w zakresie teorii grafów T2A_W01 Efekty dla studiów drugiego stopnia profil ogólnoakademicki, na kierunku Informatyka w języku polskim, na specjalnościach Metody sztucznej inteligencji oraz Projektowanie systemów CAD/CAM, na Wydziale

Bardziej szczegółowo

PRZEWODNIK PO PRZEDMIOCIE

PRZEWODNIK PO PRZEDMIOCIE Nazwa przedmiotu: PROJEKTOWANIE SYSTEMÓW INFORMATYCZNYCH I KARTA PRZEDMIOTU CEL PRZEDMIOTU PRZEWODNIK PO PRZEDMIOCIE C1. Podniesienie poziomu wiedzy studentów z inżynierii oprogramowania w zakresie C.

Bardziej szczegółowo

Aplikacje webowe wspomagające działalność przedsiębiorstwa na przykładzie przychodni stomatologicznej

Aplikacje webowe wspomagające działalność przedsiębiorstwa na przykładzie przychodni stomatologicznej Aplikacje webowe wspomagające działalność przedsiębiorstwa na przykładzie przychodni stomatologicznej Małgorzata Barańska Wydział Informatyki i Zarządzania, Politechnika Wrocławska Beata Laszkiewicz Wydział

Bardziej szczegółowo

MODELOWANIE SYSTEMU OCENY WARUNKÓW PRACY OPERATORÓW STEROWNI

MODELOWANIE SYSTEMU OCENY WARUNKÓW PRACY OPERATORÓW STEROWNI Inżynieria Rolnicza 7(105)/2008 MODELOWANIE SYSTEMU OCENY WARUNKÓW PRACY OPERATORÓW STEROWNI Agnieszka Buczaj Zakład Fizycznych Szkodliwości Zawodowych, Instytut Medycyny Wsi w Lublinie Halina Pawlak Katedra

Bardziej szczegółowo

Zastosowanie symulacji Monte Carlo do zarządzania ryzykiem przedsięwzięcia z wykorzystaniem metod sieciowych PERT i CPM

Zastosowanie 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 szczegółowo

Zarządzanie kapitałem ludzkim. Procesy narzędzia aplikacje

Zarządzanie kapitałem ludzkim. Procesy narzędzia aplikacje RECENZJE Zarządzanie kapitałem ludzkim. Procesy narzędzia aplikacje Autor: red. Marta Juchnowicz Wydawnictwo PWE Warszawa 2014 Przedstawiona mi do recenzji książka zatytułowana Zarządzanie kapitałem ludzkim.

Bardziej szczegółowo

Mariusz Nowak Instytut Informatyki Politechnika Poznańska

Mariusz Nowak Instytut Informatyki Politechnika Poznańska Inteligentne budynki (2) Źródła Loe E. C., Cost of Intelligent Buildings, Intelligent Buildings Conference, Watford, U. K., 1994 Nowak M., Zintegrowane systemy zarządzania inteligentnym budynkiem, Efektywność

Bardziej szczegółowo

PRZEWODNIK PO PRZEDMIOCIE

PRZEWODNIK PO PRZEDMIOCIE Nazwa przedmiotu: ARCHITEKTURA SYSTEMÓW KOMPUTEROWYCH Kierunek: Informatyka Rodzaj przedmiotu: obowiązkowy w ramach treści kierunkowych, moduł kierunkowy ogólny Rodzaj zajęć: wykład, ćwiczenia I KARTA

Bardziej szczegółowo

Karta przedmiotu studiów podyplomowych

Karta przedmiotu studiów podyplomowych Karta przedmiotu studiów podyplomowych Nazwa studiów podyplomowych Nazwa obszaru kształcenia, w zakresie którego są prowadzone studia podyplomowe Nazwa kierunku studiów, z którym jest związany zakres studiów

Bardziej szczegółowo

Transformacja wiedzy w budowie i eksploatacji maszyn

Transformacja 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 szczegółowo

WYTYCZNE DOTYCZĄCE REALIZACJI PRAC DYPLOMOWYCH W INSTYTUCIE ORGANIZACJI SYSTEMÓW PRODUKCYJNYCH NA KIERUNKU ZARZĄDZANIE I INŻYNIERIA PRODUKCJI

WYTYCZNE DOTYCZĄCE REALIZACJI PRAC DYPLOMOWYCH W INSTYTUCIE ORGANIZACJI SYSTEMÓW PRODUKCYJNYCH NA KIERUNKU ZARZĄDZANIE I INŻYNIERIA PRODUKCJI Wersja z dnia 1 kwietnia 2015 r. WYTYCZNE DOTYCZĄCE REALIZACJI PRAC DYPLOMOWYCH W INSTYTUCIE ORGANIZACJI SYSTEMÓW PRODUKCYJNYCH NA KIERUNKU ZARZĄDZANIE I INŻYNIERIA PRODUKCJI stanowiące uzupełnienie Zasad

Bardziej szczegółowo

kształcenia pozaszkolnego WMiI Uni Wrocław, WMiI UMK Toruń

kształcenia pozaszkolnego WMiI Uni Wrocław, WMiI UMK Toruń Aktywizacja uczniów w ramach kształcenia pozaszkolnego Maciej jm. Sysłoł WMiI Uni Wrocław, WMiI UMK Toruń Plan Cele Projektu Czym chcemy przyciągnąć uczniów i nauczycieli Zakres zajęć w Projekcie Formy

Bardziej szczegółowo

Uchwała obowiązuje od dnia podjęcia przez Senat. Traci moc Uchwała nr 144/06/2013 Senatu Uniwersytetu Rzeszowskiego z 27 czerwca 2013 r.

Uchwała obowiązuje od dnia podjęcia przez Senat. Traci moc Uchwała nr 144/06/2013 Senatu Uniwersytetu Rzeszowskiego z 27 czerwca 2013 r. Rektor Uniwersytetu Rzeszowskiego al. Rejtana 16c; 35-959 Rzeszów tel.: + 48 17 872 10 00 (centrala) + 48 17 872 10 10 fax: + 48 17 872 12 65 e-mail: rektorur@ur.edu.pl Uchwała nr 282/03/2014 Senatu Uniwersytetu

Bardziej szczegółowo

Analiza i projektowanie aplikacji Java

Analiza i projektowanie aplikacji Java Analiza i projektowanie aplikacji Java Modele analityczne a projektowe Modele analityczne (konceptualne) pokazują dziedzinę problemu. Modele projektowe (fizyczne) pokazują system informatyczny. Utrzymanie

Bardziej szczegółowo

Prezentacja specjalności studiów II stopnia. Inteligentne Technologie Internetowe

Prezentacja 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 szczegółowo

Systemy zarządzania bezpieczeństwem informacji: co to jest, po co je budować i dlaczego w urzędach administracji publicznej

Systemy zarządzania bezpieczeństwem informacji: co to jest, po co je budować i dlaczego w urzędach administracji publicznej Systemy zarządzania bezpieczeństwem informacji: co to jest, po co je budować i dlaczego w urzędach administracji publicznej Wiesław Paluszyński Prezes zarządu TI Consulting Plan prezentacji Zdefiniujmy

Bardziej szczegółowo

Efekty kształcenia dla kierunku ekonomia studia pierwszego stopnia

Efekty kształcenia dla kierunku ekonomia studia pierwszego stopnia Załącznik nr 1 do Uchwały nr 7/VI/2012 Senatu Wyższej Szkoły Handlowej im. Bolesława Markowskiego w Kielcach z dnia 13 czerwca 2012 roku. Efekty kształcenia dla kierunku ekonomia studia pierwszego stopnia

Bardziej szczegółowo

Rok akademicki: 2014/2015 Kod: EAR-2-106-IS-s Punkty ECTS: 4. Kierunek: Automatyka i Robotyka Specjalność: Informatyka w sterowaniu i zarządzaniu

Rok akademicki: 2014/2015 Kod: EAR-2-106-IS-s Punkty ECTS: 4. Kierunek: Automatyka i Robotyka Specjalność: Informatyka w sterowaniu i zarządzaniu Nazwa modułu: Systemy informatyczne w produkcji Rok akademicki: 2014/2015 Kod: EAR-2-106-IS-s Punkty ECTS: 4 Wydział: Elektrotechniki, Automatyki, Informatyki i Inżynierii Biomedycznej Kierunek: Automatyka

Bardziej szczegółowo

Dopasowanie IT/biznes

Dopasowanie IT/biznes Dopasowanie IT/biznes Dlaczego trzeba mówić o dopasowaniu IT-biznes HARVARD BUSINESS REVIEW, 2008-11-01 Dlaczego trzeba mówić o dopasowaniu IT-biznes http://ceo.cxo.pl/artykuly/51237_2/zarzadzanie.it.a.wzrost.wartosci.html

Bardziej szczegółowo

Hurtownie danych - przegląd technologii

Hurtownie danych - przegląd technologii Hurtownie danych - przegląd technologii Problematyka zasilania hurtowni danych - Oracle Data Integrator Politechnika Poznańska Instytut Informatyki Robert.Wrembel@cs.put.poznan.pl www.cs.put.poznan.pl/rwrembel

Bardziej szczegółowo

kierunkową rozwoju informatyzacji Polski do roku 2013 oraz perspektywiczną prognozą transformacji społeczeństwa informacyjnego do roku 2020.

kierunkową rozwoju informatyzacji Polski do roku 2013 oraz perspektywiczną prognozą transformacji społeczeństwa informacyjnego do roku 2020. Z A T W I E R D Z A M P R E Z E S Polskiego Komitetu Normalizacyjnego /-/ dr inż. Tomasz SCHWEITZER Strategia informatyzacji Polskiego Komitetu Normalizacyjnego na lata 2009-2013 1. Wprowadzenie Informatyzacja

Bardziej szczegółowo

Przedmowa... 7 1. System zarządzania jakością w przygotowaniu projektów informatycznych...11

Przedmowa... 7 1. System zarządzania jakością w przygotowaniu projektów informatycznych...11 Spis treści Przedmowa... 7 1. System zarządzania jakością w przygotowaniu projektów informatycznych...11 1.1. Wprowadzenie...11 1.2. System zarządzania jakością...11 1.3. Standardy jakości w projekcie

Bardziej szczegółowo

1. Tabela odniesień efektów kierunkowych do efektów obszarowych z komentarzami

1. Tabela odniesień efektów kierunkowych do efektów obszarowych z komentarzami EFEKTY KSZTAŁCENIA 1. Tabela odniesień efektów kierunkowych do efektów obszarowych z komentarzami Kierunkowy efekt kształcenia - symbol K_W01 K_W02 K_W03 K_W04 K_W05 K_W06 K_W07 K_W08 Kierunkowy efekt

Bardziej szczegółowo

Logiczna reprezentacja wiedzy i metoda logiczno-algebraiczna

Logiczna reprezentacja wiedzy i metoda logiczno-algebraiczna Logiczna reprezentacja wiedzy i metoda logiczno-algebraiczna dr inż. Grzegorz ilcek & dr inż. Maciej Hojda Zakład Inteligentnych Systemów Wspomagania Decyzji, Instytut Informatyki, Politechnika Wrocławska

Bardziej szczegółowo

SCENARIUSZ LEKCJI. TEMAT LEKCJI: Zastosowanie średnich w statystyce i matematyce. Podstawowe pojęcia statystyczne. Streszczenie.

SCENARIUSZ LEKCJI. TEMAT LEKCJI: Zastosowanie średnich w statystyce i matematyce. Podstawowe pojęcia statystyczne. Streszczenie. SCENARIUSZ LEKCJI OPRACOWANY W RAMACH PROJEKTU: INFORMATYKA MÓJ SPOSÓB NA POZNANIE I OPISANIE ŚWIATA. PROGRAM NAUCZANIA INFORMATYKI Z ELEMENTAMI PRZEDMIOTÓW MATEMATYCZNO-PRZYRODNICZYCH Autorzy scenariusza:

Bardziej szczegółowo

KOMPUTEROWE WSPOMAGANIE ZARZĄDZANIA

KOMPUTEROWE WSPOMAGANIE ZARZĄDZANIA KOMPUTEROWE WSPOMAGANIE ZARZĄDZANIA Wykład 8 Narzędzia zarządzania informacją cz. 2 Dr inż. Mariusz Makuchowski Baza wiedzy Baza wiedzy (ang. Knowledgebase) stanowi swoisty rejestr problemów zgłaszanych

Bardziej szczegółowo

Logistyka I stopień Ogólnoakademicki. Niestacjonarne. Zarządzanie logistyczne Katedra Inżynierii Produkcji Dr Sławomir Luściński

Logistyka I stopień Ogólnoakademicki. Niestacjonarne. Zarządzanie logistyczne Katedra Inżynierii Produkcji Dr Sławomir Luściński KARTA MODUŁU / KARTA PRZEDMIOTU Kod modułu Nazwa modułu Nazwa modułu w języku angielskim Obowiązuje od roku akademickiego 2012/2013 Z-LOGN1-1071 Techniki komputerowe we wspomaganiu decyzji logistycznych

Bardziej szczegółowo

Proces badawczy schemat i zasady realizacji

Proces badawczy schemat i zasady realizacji Proces badawczy schemat i zasady realizacji Agata Górny Zaoczne Studia Doktoranckie z Ekonomii Warszawa, 14 grudnia 2014 Metodologia i metoda badawcza Metodologia Zadania metodologii Metodologia nauka

Bardziej szczegółowo

Informatyka w kontroli i audycie

Informatyka w kontroli i audycie Informatyka w kontroli i audycie Informatyka w kontroli i audycie Wstęp Terminy zajęć 30.11.2013 - godzina 8:00-9:30 ; 9:45-11:15 15.12.2013 - godzina 8:00-9:30 ; 9:45-11:15 05.04.2014 - godzina 15:45-17:15

Bardziej szczegółowo

Information Architecture

Information Architecture Information Architecture KARTA KURSU Nazwa Nazwa w j. ang. Architektura Informacji Information Architecture Kod Punktacja ECTS* 2 Koordynator Dr Stanisław Skórka Zespół dydaktyczny Opis kursu (cele kształcenia)

Bardziej szczegółowo

Zwrot z inwestycji w IT: prawda czy mity

Zwrot z inwestycji w IT: prawda czy mity Zwrot z inwestycji w IT: prawda czy mity Inwestycje w technologie IT 1 muszą podlegać takim samym regułom oceny, jak wszystkie inne: muszą mieć ekonomiczne uzasadnienie. Stanowią one koszty i jako takie

Bardziej szczegółowo

Automatyzacja Procesów Biznesowych. Systemy Informacyjne Przedsiębiorstw

Automatyzacja Procesów Biznesowych. Systemy Informacyjne Przedsiębiorstw Automatyzacja Procesów Biznesowych Systemy Informacyjne Przedsiębiorstw Rodzaje przedsiębiorstw Produkcyjne największe zapotrzebowanie na kapitał, największe ryzyko Handlowe kapitał obrotowy, średnie ryzyko

Bardziej szczegółowo

TOPWEB Microsoft Excel 2013 i PowerBI Przygotowanie danych, analiza i efektowna prezentacja wyników raportów

TOPWEB Microsoft Excel 2013 i PowerBI Przygotowanie danych, analiza i efektowna prezentacja wyników raportów TOPWEB Microsoft Excel 2013 i PowerBI Przygotowanie danych, analiza i efektowna prezentacja wyników raportów Przeznaczenie szkolenia Szkolenie dla osób chcących: Profesjonalnie przygotowywać dane do dalszej

Bardziej szczegółowo

METODY WSPOMAGANIA DECYZJI MENEDŻERSKICH

METODY 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 szczegółowo

Programowanie komputerów

Programowanie komputerów Programowanie komputerów Wykład 1-2. Podstawowe pojęcia Plan wykładu Omówienie programu wykładów, laboratoriów oraz egzaminu Etapy rozwiązywania problemów dr Helena Dudycz Katedra Technologii Informacyjnych

Bardziej szczegółowo

Co to jest jest oprogramowanie? 8. Co to jest inżynieria oprogramowania? 9. Jaka jest różnica pomiędzy inżynierią oprogramowania a informatyką?

Co to jest jest oprogramowanie? 8. Co to jest inżynieria oprogramowania? 9. Jaka jest różnica pomiędzy inżynierią oprogramowania a informatyką? ROZDZIAŁ1 Podstawy inżynierii oprogramowania: - Cele 2 - Zawartość 3 - Inżynieria oprogramowania 4 - Koszty oprogramowania 5 - FAQ o inżynierii oprogramowania: Co to jest jest oprogramowanie? 8 Co to jest

Bardziej szczegółowo

ZARZĄDZENIE REKTORA ZACHODNIOPOMORSKIEJ SZKOŁY BIZNESU W SZCZECINIE 4/2013. 30 kwietnia 2013 r.

ZARZĄDZENIE REKTORA ZACHODNIOPOMORSKIEJ SZKOŁY BIZNESU W SZCZECINIE 4/2013. 30 kwietnia 2013 r. ZARZĄDZENIE REKTORA ZACHODNIOPOMORSKIEJ SZKOŁY BIZNESU W SZCZECINIE 4/2013 30 kwietnia 2013 r. W sprawie: korekty do Regulaminu procedur dyplomowych dla I i II stopnia studiów na Wydziale Ekonomii i Informatyki,

Bardziej szczegółowo

Inżynieria Programowania Inżynieria wymagań. Plan wykładu. Motto. Wstęp. Notatki. Notatki. Notatki. Notatki. Arkadiusz Chrobot

Inżynieria Programowania Inżynieria wymagań. Plan wykładu. Motto. Wstęp. Notatki. Notatki. Notatki. Notatki. Arkadiusz Chrobot Inżynieria Programowania Inżynieria Arkadiusz Chrobot Katedra Informatyki, Politechnika Świętokrzyska w Kielcach Kielce, 20 października 2015 Plan wykładu 1. Wstęp 2. Studium wykonywalności 3. Określanie

Bardziej szczegółowo

Koncepcja Systemu Transferu Technologii w Politechnice Wrocławskiej

Koncepcja Systemu Transferu Technologii w Politechnice Wrocławskiej Koncepcja Systemu Transferu Technologii w Politechnice Wrocławskiej Tomasz Cichocki, Grzegorz Gromada Seminarium Transfer wyników badań naukowych do gospodarki Wrocław, 15 maja 2012r. Agenda Potrzeba komercjalizacji

Bardziej szczegółowo

Opis efektów kształcenia dla modułu zajęć

Opis efektów kształcenia dla modułu zajęć Nazwa modułu: Formalne podstawy informatyki Rok akademicki: 2013/2014 Kod: EIB-1-220-s Punkty ECTS: 2 Wydział: Elektrotechniki, Automatyki, Informatyki i Inżynierii Biomedycznej Kierunek: Inżynieria Biomedyczna

Bardziej szczegółowo

Architektura bezpieczeństwa informacji w ochronie zdrowia. Warszawa, 29 listopada 2011

Architektura bezpieczeństwa informacji w ochronie zdrowia. Warszawa, 29 listopada 2011 Architektura informacji w ochronie zdrowia Warszawa, 29 listopada 2011 Potrzeba Pomiędzy 17 a 19 kwietnia 2011 roku zostały wykradzione dane z 77 milionów kont Sony PlayStation Network. 2 tygodnie 25 milionów

Bardziej szczegółowo

Wymiar godzin Pkt Kod Nazwa przedmiotu Egz. ECTS W C L P S P Physics I E 2 1 5 P Mathematical analysis I 2 2 6 P Linear algebra and analytic E 2 2 7

Wymiar godzin Pkt Kod Nazwa przedmiotu Egz. ECTS W C L P S P Physics I E 2 1 5 P Mathematical analysis I 2 2 6 P Linear algebra and analytic E 2 2 7 PLAN STUDIÓW STACJONARNYCH I-go STOPNIA (inżynierskich) NA WYDZIALE ELETROTECHNII, AUTOMATYI I INFORMATYI na kierunku AUTOMATYA I ROBOTYA Obowiązuje dla 1-go roku studiów w roku akademickim 2015/2016 I

Bardziej szczegółowo

SPIS TREŚCI. Do Czytelnika... 7

SPIS TREŚCI. Do Czytelnika... 7 SPIS TREŚCI Do Czytelnika.................................................. 7 Rozdział I. Wprowadzenie do analizy statystycznej.............. 11 1.1. Informacje ogólne..........................................

Bardziej szczegółowo

Kluczowe aspekty komputerowego wspomagania zarządzania utrzymaniem ruchu

Kluczowe aspekty komputerowego wspomagania zarządzania utrzymaniem ruchu Politechnika Śląska Wydział Organizacji i Zarządzania Instytut Inżynierii Produkcji Kluczowe aspekty komputerowego wspomagania zarządzania utrzymaniem ruchu Dr inż. Andrzej LOSKA Utrzymanie Ruchu w Przemyśle

Bardziej szczegółowo

Automatyczne decyzje kredytowe, siła szybkiego reagowania i optymalizacji kosztów. Roman Tyszkowski ING Bank Śląski S.A. roman.tyszkowski@ingbank.

Automatyczne decyzje kredytowe, siła szybkiego reagowania i optymalizacji kosztów. Roman Tyszkowski ING Bank Śląski S.A. roman.tyszkowski@ingbank. Automatyczne decyzje kredytowe, siła szybkiego reagowania i optymalizacji kosztów. Roman Tyszkowski ING Bank Śląski S.A. roman.tyszkowski@ingbank.pl Obsługa wniosków kredytowych Potrzeba elastyczności

Bardziej szczegółowo

Tom 6 Opis oprogramowania Część 8 Narzędzie do kontroli danych elementarnych, danych wynikowych oraz kontroli obmiaru do celów fakturowania

Tom 6 Opis oprogramowania Część 8 Narzędzie do kontroli danych elementarnych, danych wynikowych oraz kontroli obmiaru do celów fakturowania Część 8 Narzędzie do kontroli danych elementarnych, danych wynikowych oraz kontroli Diagnostyka stanu nawierzchni - DSN Generalna Dyrekcja Dróg Krajowych i Autostrad Warszawa, 21 maja 2012 Historia dokumentu

Bardziej szczegółowo

Biznesplan. Budowa biznesplanu

Biznesplan. Budowa biznesplanu BIZNESPLAN Biznesplan dokument zawierający ocenę opłacalności przedsięwzięcia gospodarczego [. Sporządzany na potrzeby wewnętrzne przedsiębiorstwa, jest także narzędziem komunikacji zewnętrznej m.in. w

Bardziej szczegółowo

Poziom kwalifikacji: I stopnia. Liczba godzin/tydzień: 2W E, 2L PRZEWODNIK PO PRZEDMIOCIE

Poziom kwalifikacji: I stopnia. Liczba godzin/tydzień: 2W E, 2L PRZEWODNIK PO PRZEDMIOCIE Nazwa przedmiotu: PROGRAMOWANIE ROZPROSZONE I RÓWNOLEGŁE Distributed and parallel programming Kierunek: Forma studiów: Informatyka Stacjonarne Rodzaj przedmiotu: moduł specjalności obowiązkowy: Sieci komputerowe

Bardziej szczegółowo

Analityk i współczesna analiza

Analityk i współczesna analiza Analityk i współczesna analiza 1. Motywacje 2. Analitycy w IBM RUP 3. Kompetencje analityka według IIBA BABOK Materiały pomocnicze do wykładu z Modelowania i Analizy Systemów na Wydziale ETI PG. Ich lektura

Bardziej szczegółowo

Inteligentne Multimedialne Systemy Uczące

Inteligentne Multimedialne Systemy Uczące Działanie realizowane w ramach projektu Absolwent informatyki lub matematyki specjalistą na rynku pracy Matematyka i informatyka może i trudne, ale nie nudne Inteligentne Multimedialne Systemy Uczące dr

Bardziej szczegółowo

Wykład V. Rzut okiem na języki programowania. Studia Podyplomowe INFORMATYKA Podstawy Informatyki

Wykład V. Rzut okiem na języki programowania. Studia Podyplomowe INFORMATYKA Podstawy Informatyki Studia Podyplomowe INFORMATYKA Podstawy Informatyki Wykład V Rzut okiem na języki programowania 1 Kompilacja vs. interpretacja KOMPILACJA Proces, który przetwarza program zapisany w języku programowania,

Bardziej szczegółowo

tel. (+48 81) 538 47 21/22 fax (+48 81) 538 45 80 Wykład 30 21 Ćwiczenia Laboratorium 30 21 Projekt

tel. (+48 81) 538 47 21/22 fax (+48 81) 538 45 80 Wykład 30 21 Ćwiczenia Laboratorium 30 21 Projekt 0-618 Lublin tel. (+8 81) 58 7 1/ fax (+8 81) 58 5 80 Przedmiot: Rok: INF I Inżynieria Semestr: V Rodzaj zajęć i liczba godzin: Studia stacjonarne Studia niestacjonarne Wykład 0 1 Ćwiczenia Laboratorium

Bardziej szczegółowo

Problemy i Zastosowania Informatyki

Problemy i Zastosowania Informatyki Problemy i Zastosowania Informatyki Sem. 2 Magisterskich Studiów Uzupełniających Wymiar wykład 18 h laboratorium 12 h (4 3h) Prowadzący wykład i laboratorium dr inż. Mariusz Szwoch szwoch@eti.pg.gda.pl

Bardziej szczegółowo

Doradztwo i analiza Paperless

Doradztwo i analiza Paperless Doradztwo i analiza Paperless Jak efektywnie przeprowadzić projekt optymalizacyjny? Pomożemy Ci odpowiedzieć na to pytanie. Od czego zacząć usprawnienia?, W jakim zakresie jesteśmy w stanie zoptymalizować

Bardziej szczegółowo

Budowa systemu wspomagającego podejmowanie decyzji. Metodyka projektowo wdrożeniowa

Budowa systemu wspomagającego podejmowanie decyzji. Metodyka projektowo wdrożeniowa Budowa systemu wspomagającego podejmowanie decyzji Metodyka projektowo wdrożeniowa Agenda Systemy wspomagające decyzje Business Intelligence (BI) Rodzaje systemów BI Korzyści z wdrożeń BI Zagrożenia dla

Bardziej szczegółowo

BPM vs. Content Management. Jarosław Żeliński analityk biznesowy, projektant systemów

BPM vs. Content Management. Jarosław Żeliński analityk biznesowy, projektant systemów BPM vs. Content Management Jarosław Żeliński analityk biznesowy, projektant systemów Cel prezentacji Celem prezentacji jest zwrócenie uwagi na istotne różnice pomiędzy tym co nazywamy: zarzadzaniem dokumentami,

Bardziej szczegółowo

Solvency II. Filar II - Wymogi systemu zarządzania. Polska Izba Ubezpieczeń Deloitte Advisory Sp. z o.o. Jakub Bojanowski. 10 grudnia 2008 roku

Solvency II. Filar II - Wymogi systemu zarządzania. Polska Izba Ubezpieczeń Deloitte Advisory Sp. z o.o. Jakub Bojanowski. 10 grudnia 2008 roku Solvency II Filar II - Wymogi systemu zarządzania. Polska Izba Ubezpieczeń Deloitte Advisory Sp. z o.o Jakub Bojanowski 10 grudnia 2008 roku 1 Filar II System Zarządzania System zarządzania ryzykiem opisany

Bardziej szczegółowo