Metoda ekstrakcji modeli wyceny składki ubezpieczeniowej ze źródeł internetowych
|
|
- Mirosław Antczak
- 8 lat temu
- Przeglądów:
Transkrypt
1 Uniwersytet Ekonomiczny w Poznaniu Katedra Informatyki Ekonomicznej Streszczenie pracy doktorskiej Metoda ekstrakcji modeli wyceny składki ubezpieczeniowej ze źródeł internetowych Autor Piotr Stolarski Promotor: Promotor pomocniczy: Prof. dr hab. Witold Abramowicz dr Krzysztof Węcel Poznań 2015
2 Istotą niniejszej pracy jest opracowanie i prezentacja metody, której celem jest ekstrakcja modeli wyceny składki ubezpieczeniowej ze źródeł internetowych. Przeprowadzone z użyciem metody badania empiryczne wykazują, że ma ona uniwersalny charakter oraz dobrze nadaje się do realizacji zadania, dla którego została stworzona, czyli pozyskiwania wiedzy związanej z produktami ubezpieczeniowymi z witryn internetowych. Sprzedaż ubezpieczeń coraz powszechniej odbywa się z wykorzystaniem technologii internetowych [Mulpuru2011, PIU2013]. Wpływ powstawania nowego sposobu sprzedaży na funkcjonowanie firm ubezpieczeniowych omówiony został m.in. w pracy [Kaczała2006]. Ubezpieczyciele, aby móc świadczyć usługi ubezpieczenia, przygotowują produkt ubezpieczeniowy. Odbywa się to zgodnie z wypracowanymi metodami aktuarialnymi, na które składają się przeważnie narzędzia statystyczne oraz analityczne, zastosowane do zbiorów danych bądź to gromadzonych przez same firmy ubezpieczeniowe, bądź też przez nie pozyskiwanych od podmiotów zewnętrznych [Werner2010, Ronka- Chmielowiec2006]. Jednym z etapów opracowania produktu jest m.in. stworzenie modelu ryzyka. Model taki może służyć do wyznaczania oczekiwanego kosztu (wysokości składki) przejęcia ryzyka (ubezpieczenia na określonych warunkach) w zależności od szeregu czynników wyodrębnionych w ramach procedur aktuarialnych. W takim przypadku mówić można o modelu taryfikacyjnym (wycenie składki). O ile teoria metod aktuarialnych jest powszechnie dostępna, o tyle ubezpieczyciele niechętnie dzielą się wiedzą dotyczącą aspektów praktycznych w tym zakresie. Z poszczególnymi kanałami sprzedaży produktu ubezpieczeniowego skojarzona jest wiedza dotycząca modelu taryfikacji w celu właściwej wyceny produktu dla klientów końcowych. Model ten przybiera w praktyce charakter algorytmu. Wpływ na wyniki wykonania takiego algorytmu ma także szereg dodatkowych czynników, takich jak: względy marketingowo-wizerunkowe, administracyjno-prawne czy też działanie sił rynkowych (np. [Clarke1991], [Habeck1980]). Podobnie jak w przypadku innych kanałów dystrybucji, kanał internetowy wymaga odpowiedniej implementacji algorytmu taryfikacji. Na potrzeby pracy model utożsamiony z tym algorytmem określany jest pojęciem modelu pierwotnego. Kanał sprzedaży przez internet jest specyficzny z wielu względów. W szczególności dla rynku ubezpieczeniowego daje on możliwość zautomatyzowanego odkrywania cen produktów, a co za tym idzie, stworzenia nowego
3 modelu wtórnego jak najbardziej zbliżonego, przynajmniej pod względem parametrów wejściowych oraz generowanych wyników, do modelu pierwotnego. Zaproponowana metoda umożliwia wygenerowanie modelu wtórnego na podstawie danych pozyskanych w ramach interakcji z witrynami zawierającymi ofertę produktów ubezpieczeniowych. Prezentowana w rozprawie metoda związana jest z szeregiem wyzwań badawczych, dlatego jej opracowanie poprzedzone zostało gruntownym badaniem literaturowym. W pracy znalazło to swoje odzwierciedlenie w pierwszej części rozprawy. Rozważając prace wykazujące bezpośredni związek z proponowaną koncepcją badawczą wskazać należy przede wszystkim na dwa nurty prac naukowych: bardziej technologicznie zorientowany nurt zagadnień dotyczących eksploracji danych webowych (web mining) oraz nakierowany na aspekty ekonomiczno-biznesowe nurt związany z modelowaniem ryzyka na potrzeby rynku ubezpieczeniowego. Nurt eksploracji danych webowych podzielić można na trzy rozłączne zakresy tematyczne: eksplorację struktury witryn, eksplorację danych z treści witryn oraz eksplorację informacji o użyciu witryn. W ramach pierwszego zakresu znajdują się badania związane z analizą grafu wewnętrznych i zewnętrznych powiązań pomiędzy dokumentami z danej witryny (np. [Page1998]). Na drugi zakres składają się prace nakierowane na zastosowania technik analitycznych do informacji pochodzącej z treści dokumentów. Znaleźć można tutaj prace, których autorzy stawiają takie cele, jak: grupowanie, kategoryzacja lub klasyfikacja treści, identyfikacja i wzbogacanie treści, generowanie skrótów i podsumowań, odkrywanie pojęć, relacji, budowa słowników oraz ontologii, zastosowania społeczne odkrywanie opinii, emocji etc. Ostatni zakres tematyczny w omawianym aktualnie nurcie koncentruje się na wykorzystaniu technik analitycznych do zdobycia wiedzy dotyczącej wzorców odbioru treści oraz zachowań podmiotów w internecie. Szersze omówienie poszczególnych tematów w tym nurcie znaleźć można w pracach m.in.: [Zhang2008], [Kosala2000], [Madria1999].
4 W kontekście nurtu eksploracji danych webowych, a konkretnie tematyki eksploracji danych z treści witryn, należy wspomnieć o zagadnieniu ekstrakcji informacji ze źródeł internetowych. Istota tego zagadnienia sprowadza się do przekształcania (nieustrukturyzowanej lub częściowo ustrukturyzowanej) treści dokumentów pochodzących z internetu do postaci ustrukturyzowanych danych. W kontekście podejmowanego tematu ekstrakcja informacji ze źródeł internetowych jest wykorzystana jako etap pośredni prowadzonych badań. Szerokie omówienie tematyki oraz prac związanych z nurtem badawczym wynikającym z licznych problemów towarzyszących zadaniu ekstrakcji informacji znaleźć można m.in. w tekstach takich autorów jak: [Flejter2011, Kaczmarek2006, Chang2006, Arasu2005]. Nurt związany z modelowaniem ryzyka na potrzeby rynku ubezpieczeniowego związany jest przede wszystkim z technikami aktuarialnymi [Duncan2001, Mahler2001, Ronka-Chmielowiec2003, Ronka-Chmielowiec2006]. Techniki te mają za sobą długą historię rozwoju [Björn1986]. Mimo to stanowią przedmiot dalszego ulepszania oraz włączania nowych, zaawansowanych technologicznie rozwiązań [Salam2003]. Opracowana metoda dobrze wpisuje się w nurt badań prowadzonych w ramach eksploracji danych z treści witryn. W szczególności dobrze dopasowana jest do zdefiniowanego podejścia ekstrakcji wiedzy omawianego w [Kosala2000]. Mimo to sformułowanie problemu badawczego w takiej wersji nie nastąpiło wcześniej w ramach omawianego nurtu, a co za tym idzie, nie ma doniesień o próbach realizacji podobnego zadania czy też stworzenia zbliżonej metody. Opis metody został zaprezentowany w drugiej części pracy. Metoda uwzględnia występujące w rzeczywistych portalach ograniczenia głównie wynikające z technologii działania źródeł webowych, ale będące także konsekwencją różnorodności form prowadzenia działalności ubezpieczeniowej poprzez internet. Założenia będące u podstaw prezentowanej metody są następujące: każde z badanych źródeł charakteryzuje się istnieniem związanego z nim poznawalnego algorytmu - model ubezpieczyciela oraz działanie źródła wiedzy są w pełni deterministyczne, zwiększenie liczby danych może prowadzić do dokładniejszego odtworzenia modelu,
5 istotne informacje dotyczące klienta zasilają model ubezpieczyciela wyłącznie w sposób jawny w wyniku kolejnych kroków procesu kalkulacji składki, występuje powiązanie wyników modelu ubezpieczyciela z rzeczywistym ryzykiem. Zaprezentowana metoda podzielona jest na dwie główne fazy: fazę przygotowawczą oraz wykonawczą. W ramach metody wyróżniono trzy podstawowe komponenty narzędziowe, które odpowiedzialne są za wsparcie realizacji etapów składających się na obydwie fazy. Do fazy przygotowawczej zaliczono etapy: testu źródła, deklaracji kandydatów na parametry modelu, budowy grafu nawigacji, uszczegółowienia grafu nawigacji, oznaczenia konceptami sterującymi oraz testu modelu. We wszystkich, z wyjątkiem ostatniego, z wymienionych etapów zastosowanie ma komponent planowania nawigacji, natomiast w etapie testowania modelu metoda przewiduje wykorzystanie komponentu umożliwiającego eksplorację reprezentacji źródła. Na fazę wykonawczą składają się etapy: pobierania danych do modelu, iteracji na zbiorze wartości właściwości, wyboru strategii optymalizacji, tworzenia alternatywnych modeli oraz na końcu wyboru rozwiązania. Do obsługi tej fazy metody przewidziano zastosowanie komponentu nawigacyjno-ekstrakcyjnego oraz zewnętrznych narzędzi analitycznych. W opracowanej metodzie źródło internetowe modelowane jest w dwojaki sposób. Podstawowy opis ma charakter reprezentacji strukturalnej. Reprezentacja taka ma postać typowanego, skierowanego grafu. Poszczególne wierzchołki grafu są najczęściej tożsame ze zdarzeniami związanymi z nawigacją po źródle, ale zawierają także deklaracje właściwości, które utożsamiane są ze zmiennymi taryfikacyjnymi w modelu pierwotnym. Dodatkowo zarówno realizacja wierzchołków grafu reprezentujących kroki w nawigacji po źródle, jak i przyjęcie przez właściwości określonych zbiorów wartości może zostać uwarunkowane spełnieniem określonych warunków zapisanych w języku stanowiącym część reprezentacji strukturalnej. Opis podstawowy jest dodatkowo wsparty poprzez dowolne odwołania do pojęć zdefiniowanych w ramach ontologii. W rezultacie zastosowania ontologii wzbogacony opis ma charakter reprezentacji semantycznej, a wystąpienia odwołań do pojęć pozwalają na odpowiednie sterowanie procesem ekstrakcji. Stworzona na potrzeby metody ontologia została podzielona na trzy względnie niezależne części subontologie: produktu, ryzyk oraz czynników ryzyka.
6 W przeprowadzonym na cele pracy badaniu empirycznym z 19 źródeł danych ubezpieczeniowych, należących do 13 firm ubezpieczeniowych pozyskano dane, które stanowiły przedmiot dwóch rodzajów podziałów: według rodzaju ryzyka w złożonych produktach ubezpieczeniowych oraz według możliwości wzbogacenia o dane zewnętrzne. W rezultacie podziałów oraz procedur obróbki pozyskanych danych łącznie uzyskano 52 zbiory danych opisujące produkty ubezpieczeniowe, na które składa się całkowita liczba rekordów danych zawierających kalkulację składki. Metoda opisana w pracy zakłada wykorzystanie narzędzi analitycznych w celu budowy modeli. W przeprowadzonym badaniu dla każdego zbioru danych stworzono modele z wykorzystaniem każdego z testowanych narzędzi analitycznych. Wśród testowanych narzędzi analitycznych znalazły się m. in.: sieci neuronowe [Rumelhart1986], automatycznie hodowane sieci neuronowe, drzewa decyzyjne [Quinlan1996], regresja oraz regresja DMINE, metoda cząstkowych najmniejszych kwadratów, metoda pamięciowa, boosting gradientowy, metoda LARS i programowanie genetyczne [Koza1994]. W wyniku tego procesu łącznie powstało 1196 modeli uzależniających wysokość składki od czynników stanowiących zmienne taryfikacyjne. Utworzone modele poddano ocenie przy użyciu powszechnie stosowanych miar przede wszystkim średniego błędu kwadratowego oraz pomocniczo współczynnika determinacji. Wreszcie w oparciu o te miary utworzono szereg rankingów, które umożliwiły identyfikację narzędzi analitycznych, które dla analizowanych zbiorów danych dały najlepsze wyniki, tj. pozwoliły na stworzenie najdokładniejszych modeli wtórnych. Analiza zbioru uzyskanych modeli ujawniła, że do najlepszych narzędzi analitycznych zaliczyć należy programowanie genetyczne (13 najlepszych modeli) oraz drzewa decyzyjne (12 najlepszych modeli). Przy czym według niektórych rankingów kolejność na pierwszych dwóch miejscach była odwrotna. Pozwala to wnioskować, że dla modeli wyceny składki obydwa sposoby generowania modeli dają porównywalne rezultaty i istotnie przewyższają pozostałe testowane sposoby. Zarówno zaprezentowana metoda jak i otrzymane wyniki eksperymentalne mogą mieć różnorakie zastosowania. Do istotnych zastosowań zaliczyć należy:
7 monitorowanie rynku ubezpieczeniowego, zasilanie portali ze zbiorczymi ofertami, tworzenie alternatywnego modelu interoperacyjności, a także cele badawczo-naukowe. [Arasu2005] Arvind Arasu, Hector Garcia-Molina. Extracting structured data from web pages ACM SIGMOD International Conference on Management of Data, strony , [Björn1986] A. Björn, Comparison of Some Methods to Fit a Multiplicative Tariff Structure to Observed Risk Data, ASTIN Bulletin International Actuarial Association vol. 16 no. 1, s , Belgia [Chang2006] Chia-Hui Chang, Mohammed Kayed, Moheb Ramzy Girgis, Khaled Shaalan. A survey of web information extraction systems. IEEE Transactions on Knowledge and Data Engineering, 18(10): , [Clarke1991] Clarke, T. G. and Salvatori, L., Auto insurance in italy. W: Casualty Actuarial Society discussion paper program, s , [Duncan2001] Anderson, Duncan, et al. The Practitioner s Guide to Generalized Linear Models, Casualty Actuarial Society Study Note, May [Flejter2011] Dominik Flejter, Semi-Automatic Web Information Extraction. Praca doktorska, UEP, [Habeck1980] Charles Habeck, Impacts of State Regulation on the Marketing and Pricing of Individual Health Insurance. W: Casualty Actuarial Society discussion paper program, s , [Kaczała2006] Monika Kaczała, Internet jako instrument dystrybucji ubezpieczeniowej, praca doktorska, UEP [Kaczmarek2006] Tomasz Kaczmarek, Deep Web data integration for company environment analysis. Praca doktorska, UEP, [Kosala2000] Raymond Kosala, Hendrik Blockeel. Web mining research: a survey. ACM SIGKDD Explorations Newsletter, 2(1):1 15, [Koza1994] John Koza, Genetic Programming II: Automatic Discovery of Reusable Programs, MIT Press. ISBN , [Madria1999] S.K.Madria, S.S.Bhowmick, W.K.Ng, F.P.Lim. Research issues in Web data mining. w: Proceedings of Data Warehousing and Knowledge Discovery, First International Conference. DaWaK'99, s , [Mahler2001] H.C. Mahler, C. G. Dean, Credibility: Chapter 8, w: Foundations of Casualty Actuarial Science 4th ed., Arlington, VA: Casualty Actuarial Society, [Mulpuru2011] S. Mulpuru, V. Sehgal, P. F. Evans, D. Roberge, Forecast: US Online Retail Sales, 2010 to 2015, Forrester Research, Inc., 2010.
8 [Page1998] Lawrence Page, Sergey Brin, Rajeev Motwani, Terry Winograd, The PageRank citation ranking: Bringing order to the web, Technical report, [PIU2013] odczytano: 21 czerwca 2013 r. [Quinlan1996] J. R. Quinlan, Improved use of continuous attributes in c4.5, Journal of Artificial Intelligence Research, 4, s , [Ronka-Chmielowiec2003] Wanda Ronka-Chmielowiec, Modelowanie Ryzyka w Ubezpieczeniach, Wydawnictwo AE we Wrocławiu, [Ronka-Chmielowiec2006] Patrycja Kowalczyk, Ewa Poprawska, Wanda Ronka-Chmielowiec, Metody aktuarialne: zastosowania matematyki w ubezpieczeniach; red. nauk. Wanda Ronka- Chmielowiec, Wydawnictwo Naukowe PWN, [Rumelhart1986] Rumelhart, D. E., McClelland, J. L., & the PDP research group. Parallel distributed processing: Explorations in the microstructure of cognition. Cambridge, MA: MIT Press, [Salam2003] Salam, R., Estimating the Cost of Commercial Airlines Catastrophes A Stochastic Simulation Approach, in The Casualty Actuarial Society Forum Winter 2003 Edition Including the Data Management Call Papers and Ratemaking Discussion Papers, s [Werner2010] G. Werner, C. Modlin, Basic Ratemaking 4th ed., Casualty Actuarial Society, [Zhang2008] Qingyu Zhang, Richard S. Segall, Web Mining: a Survey of Current Research, Techniques, and Software. International Journal of Information Technology and Decision Making 7(4), s , 2008.
Spis treści. Analiza i modelowanie_nowicki, Chomiak_Księga1.indb :03:08
Spis treści Wstęp.............................................................. 7 Część I Podstawy analizy i modelowania systemów 1. Charakterystyka systemów informacyjnych....................... 13 1.1.
Bardziej szczegółowoSummary in Polish. Fatimah Mohammed Furaiji. Application of Multi-Agent Based Simulation in Consumer Behaviour Modeling
Summary in Polish Fatimah Mohammed Furaiji Application of Multi-Agent Based Simulation in Consumer Behaviour Modeling Zastosowanie symulacji wieloagentowej w modelowaniu zachowania konsumentów Streszczenie
Bardziej szczegółowoZalew 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 szczegółowoOntologie jako narzędzie budowy modeli w ubezpieczeniowych systemach informacyjnych ekstrakcja wiedzy ubezpieczeniowej ze źródeł internetowych
Ontologie jako narzędzie budowy modeli WITOLD ABRAMOWICZ PIOTR STOLARSKI KRZYSZTOF WĘCEL Ontologie jako narzędzie budowy modeli w ubezpieczeniowych systemach informacyjnych ekstrakcja wiedzy ubezpieczeniowej
Bardziej szczegółowoSzkolenia SAS Cennik i kalendarz 2017
Szkolenia SAS Spis treści NARZĘDZIA SAS FOUNDATION 2 ZAAWANSOWANA ANALITYKA 2 PROGNOZOWANIE I EKONOMETRIA 3 ANALIZA TREŚCI 3 OPTYMALIZACJA I SYMULACJA 3 3 ROZWIĄZANIA DLA HADOOP 3 HIGH-PERFORMANCE ANALYTICS
Bardziej szczegółowoSpis treści. Notki o autorach Założenia i cele naukowe Wstęp... 17
Notki o autorach................................................... 11 Założenia i cele naukowe............................................ 15 Wstęp............................................................
Bardziej szczegółowodr inż. Olga Siedlecka-Lamch 14 listopada 2011 roku Instytut Informatyki Teoretycznej i Stosowanej Politechnika Częstochowska Eksploracja danych
- Instytut Informatyki Teoretycznej i Stosowanej Politechnika Częstochowska 14 listopada 2011 roku 1 - - 2 3 4 5 - The purpose of computing is insight, not numbers Richard Hamming Motywacja - Mamy informację,
Bardziej szczegółowoMinimum programowe dla studentów MIĘDZYWYDZIAŁOWYCH INDYWIDUALNYCH STUDIÓW SPOŁECZNO-HUMANISTYCZNYCH - studia magisterskie II stopnia
ROK AKADEMICKI 019-00 Minimum programowe dla studentów MIĘDZYWYDZIAŁOWYCH INDYWIDUALNYCH STUDIÓW SPOŁECZNO-HUMANISTYCZNYCH - studia magisterskie II stopnia Kierunek: FINANSE I RACHUNKOWOŚĆ Zaawansowana
Bardziej szczegółowoUBEZPIECZENIA WOBEC WYZWAŃ XXI WIEKU
Katedra Ubezpieczeń Uniwersytetu Ekonomicznego w Poznaniu oraz Katedra Ubezpieczeń Uniwersytetu Ekonomicznego we Wrocławiu zapraszają na XII MIĘDZYNARODOWĄ KONFERENCJĘ NAUKOWĄ UBEZPIECZENIA WOBEC WYZWAŃ
Bardziej szczegółowoBadania operacyjne. Michał Kulej. semestr letni, Michał Kulej () Badania operacyjne semestr letni, / 13
Badania operacyjne Michał Kulej semestr letni, 2012 Michał Kulej () Badania operacyjne semestr letni, 2012 1/ 13 Literatura podstawowa Wykłady na stronie: www.ioz.pwr.wroc.pl/pracownicy/kulej Trzaskalik
Bardziej szczegółowoAnaliza i wizualizacja danych Data analysis and visualization
KARTA MODUŁU / KARTA PRZEDMIOTU Załącznik nr 7 do Zarządzenia Rektora nr 10/12 z dnia 21 lutego 2012r. Kod modułu Nazwa modułu Nazwa modułu w języku angielskim Obowiązuje od roku akademickiego 2012/2013
Bardziej szczegółowoWspółczesna 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 szczegółowoPODYPLOMOWE STUDIA ZAAWANSOWANE METODY ANALIZY DANYCH I DATA MINING W BIZNESIE
UNIWERSYTET WARMIŃSKO-MAZURSKI W OLSZTYNIE PODYPLOMOWE STUDIA ZAAWANSOWANE METODY ANALIZY DANYCH I DATA MINING W BIZNESIE http://matman.uwm.edu.pl/psi e-mail: psi@matman.uwm.edu.pl ul. Słoneczna 54 10-561
Bardziej szczegółowoSemantyczny Monitoring Cyberprzestrzeni
Semantyczny Monitoring Cyberprzestrzeni Partnerzy projektu: Katedra Informatyki Ekonomicznej Uniwersytet Ekonomiczny w Poznaniu Partnerzy projektu: Zarys problemu Źródło internetowe jako zasób użytecznych
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 szczegółowoBadania rynku turystycznego
Badania rynku turystycznego Kontakt 2 Konsultacje: Środa 8.15 9.45 Czwartek 9.30 12.30 Miejsce: Rektorat UMCS, p. 506, tel. 81-537 51 55 E-mail: rmacik@hektor.umcs.lublin.pl Witryna z materiałami dydaktycznymi:
Bardziej szczegółowoWidzenie komputerowe (computer vision)
Widzenie komputerowe (computer vision) dr inż. Marcin Wilczewski 2018/2019 Organizacja zajęć Tematyka wykładu Cele Python jako narzędzie uczenia maszynowego i widzenia komputerowego. Binaryzacja i segmentacja
Bardziej szczegółowoRozdział 4 Planowanie rozwoju technologii - Aleksander Buczacki 4.1. Wstęp 4.2. Proces planowania rozwoju technologii
Spis treści Wprowadzenie Rozdział 1 Pojęcie i klasyfikacja produktów oraz ich miejsce w strategii firmy - Jerzy Koszałka 1.1. Wstęp 1.2. Rynek jako miejsce oferowania i wymiany produktów 1.3. Pojęcie produktu
Bardziej szczegółowoPLAN STUDIÓW Wydział Elektroniki, Telekomunikacji i Informatyki, Wydział Zarządzania i Ekonomii Inżynieria danych
WYDZIAŁ: KIERUNEK: poziom kształcenia: profil: forma studiów: Lp. O/F kod modułu/ przedmiotu* SEMESTR 1 1 O PG_00045356 Business law 2 O PG_00045290 Basics of computer programming 3 O PG_00045352 Linear
Bardziej szczegółowoWykaz tematów prac magisterskich w roku akademickim 2018/2019 kierunek: informatyka
Wykaz tematów prac magisterskich w roku akademickim 2018/2019 kierunek: informatyka L.p. Nazwisko i imię studenta Promotor Temat pracy magisterskiej 1. Wojciech Kłopocki dr Bartosz Ziemkiewicz Automatyczne
Bardziej szczegółowoZastosowanie sieci neuronowych w problemie klasyfikacji wielokategorialnej. Adam Żychowski
Zastosowanie sieci neuronowych w problemie klasyfikacji wielokategorialnej Adam Żychowski Definicja problemu Każdy z obiektów może należeć do więcej niż jednej kategorii. Alternatywna definicja Zastosowania
Bardziej szczegółowoAlgorytmy i bazy danych (wykład obowiązkowy dla wszystkich)
MATEMATYKA I EKONOMIA PROGRAM STUDIÓW DLA II STOPNIA Data: 2010-11-07 Opracowali: Krzysztof Rykaczewski Paweł Umiński Streszczenie: Poniższe opracowanie przedstawia projekt planu studiów II stopnia na
Bardziej szczegółowoWYDZIAŁ PODSTAWOWYCH PROBLEMÓW TECHNIKI KARTA PRZEDMIOTU
WYDZIAŁ PODSTAWOWYCH PROBLEMÓW TECHNIKI KARTA PRZEDMIOTU Nazwa w języku polskim: Wybrane aspekty ubezpieczeń i reasekuracji Nazwa w języku angielskim: Selected Aspects Of Insurance And Reinsurance Kierunek
Bardziej szczegółowoNowe narzędzia zarządzania jakością
Nowe narzędzia zarządzania jakością Agnieszka Michalak 106947 Piotr Michalak 106928 Filip Najdek 106946 Co to jest? Nowe narzędzia jakości - grupa siedmiu nowych narzędzi zarządzania jakością, które mają
Bardziej szczegółowoSTATYSTYKA EKONOMICZNA
STATYSTYKA EKONOMICZNA Analiza statystyczna w ocenie działalności przedsiębiorstwa Opracowano na podstawie : E. Nowak, Metody statystyczne w analizie działalności przedsiębiorstwa, PWN, Warszawa 2001 Dr
Bardziej szczegółowoAproksymacja funkcji a regresja symboliczna
Aproksymacja funkcji a regresja symboliczna Problem aproksymacji funkcji polega na tym, że funkcję F(x), znaną lub określoną tablicą wartości, należy zastąpić inną funkcją, f(x), zwaną funkcją aproksymującą
Bardziej szczegółowoPYTANIA NA EGZAMIN MAGISTERSKI KIERUNEK: FINANSE I RACHUNKOWOŚĆ STUDIA DRUGIEGO STOPNIA
PYTANIA NA EGZAMIN MAGISTERSKI KIERUNEK: FINANSE I RACHUNKOWOŚĆ STUDIA DRUGIEGO STOPNIA CZĘŚĆ I dotyczy wszystkich studentów kierunku Finanse i Rachunkowość pytania podstawowe 1. Miernik dobrobytu alternatywne
Bardziej szczegółowoLingwistyczny system definicyjny wykorzystujący korpusy tekstów oraz zasoby internetowe.
Lingwistyczny system definicyjny wykorzystujący korpusy tekstów oraz zasoby internetowe. Autor: Mariusz Sasko Promotor: dr Adrian Horzyk Plan prezentacji 1. Wstęp 2. Cele pracy 3. Rozwiązanie 3.1. Robot
Bardziej szczegółowoPrzegląd problemów doskonalenia systemów zarządzania przedsiębiorstwem
Przegląd problemów doskonalenia systemów zarządzania przedsiębiorstwem Przegląd problemów doskonalenia systemów zarządzania przedsiębiorstwem pod redakcją Adama Stabryły Kraków 2011 Książka jest rezultatem
Bardziej szczegółowoEksploracja danych a serwisy internetowe Przemysław KAZIENKO
Eksploracja danych a serwisy internetowe Przemysław KAZIENKO Wydział Informatyki i Zarządzania Politechnika Wrocławska kazienko@pwr.wroc.pl Dlaczego eksploracja danych w serwisach internetowych? Kanały
Bardziej szczegółowoSpecjalnościowy Obowiązkowy Polski Semestr VI
KARTA MODUŁU / KARTA PRZEDMIOTU Kod modułu Nazwa modułu Nazwa modułu w języku angieskim Obowiązuje od roku akademickiego 0/06 Z-ID-608a Anaiza danych niestrukturanych Unstructured Data Anaysis A. USYTUOWANIE
Bardziej szczegółowoWIELOKRYTERIALNE PORZĄDKOWANIE METODĄ PROMETHEE ODPORNE NA ZMIANY WAG KRYTERIÓW
Uniwersytet Ekonomiczny we Wrocławiu WIELOKRYTERIALNE PORZĄDKOWANIE METODĄ PROMETHEE ODPORNE NA ZMIANY WAG KRYTERIÓW Wprowadzenie Wrażliwość wyników analizy wielokryterialnej na zmiany wag kryteriów, przy
Bardziej szczegółowoWYDZIAŁ EKONOMII KARTA OPISU MODUŁU KSZTAŁCENIA
WYDZIAŁ EKONOMII KARTA OPISU MODUŁU KSZTAŁCENIA Nazwa modułu Ubezpieczenia Nazwa modułu w języku angielskim Insurance Kod modułu Kody nie zostały jeszcze przypisane Kierunek studiów Kierunek prawno-ekonomiczny
Bardziej szczegółowoKsięgarnia PWN: Pod red. Celiny Olszak i Ewy Ziemby - Strategie i modele gospodarki elektronicznej. Spis treści
Księgarnia PWN: Pod red. Celiny Olszak i Ewy Ziemby - Strategie i modele gospodarki elektronicznej Spis treści Wstęp... 13 CZĘŚĆ I. Systemy gospodarki elektronicznej Rozdział 1. Wyzwania ery wiedzy (Celina
Bardziej szczegółowoSystemy 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 szczegółowoSZKOLENIA SAS. ONKO.SYS Kompleksowa infrastruktura inforamtyczna dla badań nad nowotworami CENTRUM ONKOLOGII INSTYTUT im. Marii Skłodowskiej Curie
SZKOLENIA SAS ONKO.SYS Kompleksowa infrastruktura inforamtyczna dla badań nad nowotworami CENTRUM ONKOLOGII INSTYTUT im. Marii Skłodowskiej Curie DANIEL KUBIK ŁUKASZ LESZEWSKI ROLE ROLE UŻYTKOWNIKÓW MODUŁU
Bardziej szczegółowo2.3.5. Umiejętności związane z wiedzą 2.4. Podsumowanie analizy literaturowej
Spis treści 1. Przesłanki dla podjęcia badań 1.1. Wprowadzenie 1.2. Cel badawczy i plan pracy 1.3. Obszar badawczy 1.4. Znaczenie badań dla teorii 1.5. Znaczenie badań dla praktyków 2. Przegląd literatury
Bardziej szczegółowoCo 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 szczegółowoZałącznik Nr 5 do Zarz. Nr 33/11/12 KARTA PRZEDMIOTU. 2. Kod przedmiotu ZP-Z1-19
Załącznik Nr 5 do Zarz. Nr 33/11/12 (pieczęć wydziału) KARTA PRZEDMIOTU Z1-PU7 WYDANIE N1 Strona 1 z 5 1. Nazwa przedmiotu: BADANIA MARKETINGOWE 3. Karta przedmiotu ważna od roku akademickiego: 2014/2015
Bardziej szczegółowoOpracowanie systemu monitorowania zmian cen na rynku nieruchomości
Opracowanie systemu monitorowania zmian cen na rynku nieruchomości Ogólne założenia planowanego projektu Firma planuje realizację projektu związanego z uruchomieniem usługi, która będzie polegała na monitorowaniu
Bardziej szczegółowoHybrydowa analiza transformat w rozpoznawaniu wysokości dźwięków w polifonicznych nagraniach instrumentów muzycznych
Wydział Fizyki Technicznej, Informatyki i Matematyki Stosowanej Politechnika Łódzka Streszczenie rozprawy doktorskiej Hybrydowa analiza transformat w rozpoznawaniu wysokości dźwięków w polifonicznych nagraniach
Bardziej szczegółowoMichał Kozielski Łukasz Warchał. Instytut Informatyki, Politechnika Śląska
Michał Kozielski Łukasz Warchał Instytut Informatyki, Politechnika Śląska Algorytm DBSCAN Algorytm OPTICS Analiza gęstego sąsiedztwa w grafie Wstępne eksperymenty Podsumowanie Algorytm DBSCAN Analiza gęstości
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 szczegółowoZAAWANSOWANE METODY ANALIZ STATYSTYCZNYCH red. Ewa Frątczak
Tytuł: Autor: ZAAWANSOWANE METODY ANALIZ STATYSTYCZNYCH red. Ewa Frątczak Wstęp Zaawansowane metody analiz statystycznych przenoszą analizy statystyczne na kolejny wyższy poziom. Określenie tego wyższego
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 szczegółowoZintegrowane Systemy Informatyczne analiza, projektowanie, wdrażanie
dr hab. Grzegorz Bartoszewicz, prof. nadzw. UEP Katedra Informatyki Ekonomicznej Zintegrowane Systemy Informatyczne analiza, projektowanie, wdrażanie Tematyka seminarium związana jest z wykorzystaniem
Bardziej szczegółowoWarsztaty praktyk unijnych
Warsztaty praktyk unijnych zajęcia nr 1, 2 dr Piotr Modzelewski Zakład Strategii i Polityki Gospodarczej WNE UW Model nakłady/ wyniki dla administracji publicznej Źródło: Ch. Pollitt., G. Bouckaert, Public
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 szczegółowoZ-LOG-120I Badania Operacyjne Operations Research
KARTA MODUŁU / KARTA PRZEDMIOTU Kod modułu Nazwa modułu Nazwa modułu w języku angielskim Obowiązuje od roku akademickiego 01/013 Z-LOG-10I Badania Operacyjne Operations Research A. USYTUOWANIE MODUŁU W
Bardziej szczegółowo1.7. Eksploracja danych: pogłębianie, przeszukiwanie i wyławianie
Wykaz tabel Wykaz rysunków Przedmowa 1. Wprowadzenie 1.1. Wprowadzenie do eksploracji danych 1.2. Natura zbiorów danych 1.3. Rodzaje struktur: modele i wzorce 1.4. Zadania eksploracji danych 1.5. Komponenty
Bardziej szczegółowoAnaliza 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 szczegółowoBaza Danych Ubezpieczeniowych UFG zastosowanie w przeciwdziałaniu przestępczości ubezpieczeniowej
Baza Danych Ubezpieczeniowych UFG zastosowanie w przeciwdziałaniu przestępczości ubezpieczeniowej XXIII Forum Teleinformatyki, 28-29 września 2017 Jarosław Górecki, SAS Institute Agenda Wstęp Koncepcja
Bardziej szczegółowoAlgorytm. Krótka historia algorytmów
Algorytm znaczenie cybernetyczne Jest to dokładny przepis wykonania w określonym porządku skończonej liczby operacji, pozwalający na rozwiązanie zbliżonych do siebie klas problemów. znaczenie matematyczne
Bardziej szczegółowoECTS Razem 30 Godz. 330
3-letnie stacjonarne studia licencjackie kier. Matematyka profil: ogólnoakademicki Semestr 1 Przedmioty wspólne Algebra liniowa z geometrią analityczną I 7 30 30 E Analiza matematyczna I 13 60 60 E Technologie
Bardziej szczegółowoPRAKTYCZNE METODY BADANIA NIEWYPŁACALNOŚCI ZAKŁADÓW UBEZPIECZEŃ
PRAKTYCZNE METODY BADANIA NIEWYPŁACALNOŚCI ZAKŁADÓW UBEZPIECZEŃ Autor: Wojciech Bijak, Wstęp Praca koncentruje się na ilościowych metodach i modelach pozwalających na wczesne wykrycie zagrożenia niewypłacalnością
Bardziej szczegółowoZ-ZIP-120z Badania Operacyjne Operations Research. Stacjonarne Wszystkie Katedra Matematyki dr Monika Skóra
KARTA MODUŁU / KARTA PRZEDMIOTU Kod modułu Nazwa modułu Nazwa modułu w języku angielskim Obowiązuje od roku akademickiego 2012/2013 Z-ZIP-120z Badania Operacyjne Operations Research A. USYTUOWANIE MODUŁU
Bardziej szczegółowoGry strategiczne - opis przedmiotu
Gry strategiczne - opis przedmiotu Informacje ogólne Nazwa przedmiotu Gry strategiczne Kod przedmiotu 04.9-WZ-EkoD-GS-Ć-S15_pNadGenKROR3 Wydział Kierunek Wydział Ekonomii i Zarządzania Ekonomia / Ekonomia
Bardziej szczegółowoProjekt współfinansowany przez Unię Europejską w ramach Europejskiego Funduszu Społecznego. 1. Cel szkolenia
1. Cel szkolenia m szkolenia jest nauczenie uczestników stosowania standardu PRINCE2 do Zarządzania Projektami Informatycznymi. Metodyka PRINCE2 jest jednym z najbardziej znanych na świecie standardów
Bardziej szczegółowoWykłady specjalistyczne. (specjalność: Matematyka w finansach i ekonomii) oferowane na stacjonarnych studiach I stopnia (dla 3 roku)
Wykłady specjalistyczne (specjalność: Matematyka w finansach i ekonomii) oferowane na stacjonarnych studiach I stopnia (dla 3 roku) w roku akademickim 2015/2016 (semestr zimowy) Spis treści 1. MODELE SKOŃCZONYCH
Bardziej szczegółowoWykorzystanie informacji kredytowej w procesie oceny ryzyka ubezpieczeniowego w ubezpieczeniach komunikacyjnych
Wykorzystanie informacji kredytowej w procesie oceny ryzyka ubezpieczeniowego w ubezpieczeniach komunikacyjnych Ubezpieczeniowy Fundusz Gwarancyjny mgr Karolina Pasternak-Winiarska mgr Kamil Gala Zagadnienia
Bardziej szczegółowoZastosowanie 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 szczegółowo3-letnie (6-semestralne) stacjonarne studia licencjackie kier. matematyka stosowana profil: ogólnoakademicki. Semestr 1. Przedmioty wspólne
3-letnie (6-semestralne) stacjonarne studia licencjackie kier. matematyka stosowana profil: ogólnoakademicki Semestr 1 Przedmioty wspólne Nazwa przedmiotu ECTS W Ć L P S Zal. Algebra liniowa z geometrią
Bardziej szczegółowoSpis treści 377 379 WSTĘP... 9
Spis treści 377 379 Spis treści WSTĘP... 9 ZADANIE OPTYMALIZACJI... 9 PRZYKŁAD 1... 9 Założenia... 10 Model matematyczny zadania... 10 PRZYKŁAD 2... 10 PRZYKŁAD 3... 11 OPTYMALIZACJA A POLIOPTYMALIZACJA...
Bardziej szczegółowoJak nie tylko być zgodnym z regulacją, ale wyciągnąć korzyści biznesowe z lepszego dopasowania oferty
Jak nie tylko być zgodnym z regulacją, ale wyciągnąć korzyści biznesowe z lepszego dopasowania oferty 5.10.2017 Copyright Sollers Consulting 2017 Jak być zgodnym z regulacją? Ale nie o tym jest ta prezentacja
Bardziej szczegółowoSAS wybrane elementy. DATA MINING Część III. Seweryn Kowalski 2006
SAS wybrane elementy DATA MINING Część III Seweryn Kowalski 2006 Algorytmy eksploracji danych Algorytm eksploracji danych jest dobrze zdefiniowaną procedurą, która na wejściu otrzymuje dane, a na wyjściu
Bardziej szczegółowozarządzająca popytem i podażą energii w obszarze odbiorców końcowych
Zintegrowana platforma zarządzająca popytem i podażą energii w obszarze odbiorców końcowych R o b e r t D u s z k a G r z e g o r z M a t u s z e w s k i K r z y s z t o f D ę b o w s k i 3 0 m a r c a
Bardziej szczegółowoTurystyka i rekreacja
Wydział Zarządzania Nazwa programu (kierunku) Turystyka i rekreacja Poziom i forma studiów studia I stopnia stacjonarne Specjalność: Ścieżka dyplomowania: Nazwa przedmiotu: Zarządzanie informacją w turystyce
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 szczegółowoKARTA PRZEDMIOTU. 1. Informacje ogólne. 2. Ogólna charakterystyka przedmiotu. Metody drążenia danych D1.3
KARTA PRZEDMIOTU 1. Informacje ogólne Nazwa przedmiotu i kod (wg planu studiów): Nazwa przedmiotu (j. ang.): Kierunek studiów: Specjalność/specjalizacja: Poziom kształcenia: Profil kształcenia: Forma studiów:
Bardziej szczegółowow analizie wyników badań eksperymentalnych, w problemach modelowania zjawisk fizycznych, w analizie obserwacji statystycznych.
Aproksymacja funkcji a regresja symboliczna Problem aproksymacji funkcji polega na tym, że funkcję F(), znaną lub określoną tablicą wartości, należy zastąpić inną funkcją, f(), zwaną funkcją aproksymującą
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 szczegółowoAlgorytmy ewolucyjne
Algorytmy ewolucyjne wprowadzenie Piotr Lipiński lipinski@ii.uni.wroc.pl Piotr Lipiński Algorytmy ewolucyjne p.1/16 Cel wykładu zapoznanie studentów z algorytmami ewolucyjnymi, przede wszystkim nowoczesnymi
Bardziej szczegółowoFormułowanie i zastosowanie pryncypiów architektury korporacyjnej w organizacjach publicznych
Monografie i Opracowania 557 Andrzej Sobczak Formułowanie i zastosowanie pryncypiów architektury korporacyjnej w organizacjach publicznych Warszawa 2008 Szkoła Główna Handlowa w Warszawie Wstęp 9 Zdefiniowanie
Bardziej szczegółowo!!!!!!!!!!! PORTFOLIO: Analiza zachowań użytkowników serwisów internetowych. Autorzy: Marek Zachara
PORTFOLIO: Analiza zachowań użytkowników serwisów internetowych Autorzy: Marek Zachara Opis merytoryczny Cel naukowy (jaki problem wnioskodawca podejmuje się rozwiązać, co jest jego istotą, co uzasadnia
Bardziej szczegółowoLEMRG 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 szczegółowotel. (+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 szczegółowoRok akademicki: 2030/2031 Kod: ZZP MK-n Punkty ECTS: 3. Poziom studiów: Studia II stopnia Forma i tryb studiów: Niestacjonarne
Nazwa modułu: Komputerowe wspomaganie decyzji Rok akademicki: 2030/2031 Kod: ZZP-2-403-MK-n Punkty ECTS: 3 Wydział: Zarządzania Kierunek: Zarządzanie Specjalność: Marketing Poziom studiów: Studia II stopnia
Bardziej szczegółowoDoskonalenie. Zdzisł aw Gomółk a. funkcjonowania. organizacji. Difin
Zdzisł aw Gomółk a Doskonalenie funkcjonowania organizacji Difin Recenzent Prof. dr hab. Zbigniew Banaszak Prof. dr hab. Maciej Wiatr w UE i jej efekty. Copyright Difin SA Warszawa 2009. Wszelkie prawa
Bardziej szczegółowoEtapy życia oprogramowania
Modele cyklu życia projektu informatycznego Organizacja i Zarządzanie Projektem Informatycznym Jarosław Francik marzec 23 w prezentacji wykorzystano również materiały przygotowane przez Michała Kolano
Bardziej szczegółowoNazwa przedmiotu: Współczesne koncepcje raportowania finansowego spółek w warunkach rynku kapitałowego. Obowiązkowy
Karta przedmiotu Seminarium doktorskie Nazwa przedmiotu: Stopień studiów: Doktoranckie Współczesne koncepcje raportowania finansowego spółek w warunkach rynku kapitałowego Tryb studiów: stacjonarne Obowiązkowy
Bardziej szczegółowoAnaliza ekonomiczna w instytucjach publicznych analiza organizacji i projektów
Analiza ekonomiczna w instytucjach publicznych analiza organizacji i projektów dr Piotr Modzelewski Katedra Bankowości, Finansów i Rachunkowości Wydziału Nauk Ekonomicznych Uniwersytetu Warszawskiego Zajęcia
Bardziej szczegółowoKierunki rozwoju firmy Decyzje o wyborze rynków Decyzje inwestycyjne Rozwój nowych produktów Pozycjonowanie. Marketing strategiczny
Badania marketingowe dr Grzegorz Mazurek Istota badań Podejmowanie decyzji odbywa się na bazie doświadczenia, wiedzy oraz intuicji. Podejmowanie decyzji wiąże się automatycznie z ryzykiem poniesienia porażki
Bardziej szczegółowoPLAN STUDIÓW STACJONARNYCH I NIESTACJONARNYCH WIECZOROWYCH II STOPNIA (od roku akademickiego 2015/2016)
PLAN STUDIÓW STACJONARNYCH I NIESTACJONARNYCH WIECZOROWYCH II STOPNIA (od roku akademickiego 2015/2016) Kierunek: Informatyka i Ekonometria Specjalność: Elektroniczny Biznes Lp. Przedmioty Grupa Wymiar
Bardziej szczegółowozaliczenie na ocenę 0.5 0.5
WYDZIAŁ INFORMATYKI I ZARZĄDZANIA Zał. nr 4 do ZW 33/01 KARTA PRZEDMIOTU Nazwa w języku polskim: Rynkowy system finansowy - ubezpieczenia Nazwa w języku angielskim: Market financial system - insurance
Bardziej szczegółowoRecenzja rozprawy doktorskiej mgr Mirona Bartosza Kursy p/t. Robust and Efficient Approach to Feature Selection and Machine Learning
Warszawa, 30.01.2017 Prof. Dr hab. Henryk Rybinski Instytut Informatyki Politechniki Warszawskiej hrb@ii.pw.edu.pl Recenzja rozprawy doktorskiej mgr Mirona Bartosza Kursy p/t. Robust and Efficient Approach
Bardziej szczegółowoKarta przedmiotu. Kod przedmiotu: Rok studiów: Semestr: Język:
Karta przedmiotu Nazwa przedmiotu: Seminarium doktorskie Marketing w gospodarce opartej na wiedzy Stopień studiów: Doktoranckie Zakres wyboru przedmiotu: Obowiązkowy Tryb studiów: stacjonarne Kod przedmiotu:
Bardziej szczegółowoINFORMATYKA i FINANSE KATEDRA INFORMATYKI TEORETYCZNEJ
INFORMATYKA i FINANSE KATEDRA INFORMATYKI TEORETYCZNEJ dr hab. Czesław Bagiński, prof. PB Kierownik KIT dr hab. Wiktor Dańko, prof. PB dr hab. Piotr Grzeszczuk, prof. PB dr Ryszard Mazurek dr Jolanta Koszelew
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 szczegółowoNowa specjalność Zarządzanie badaniami i projektami Research and Projects Management
Nowa specjalność Zarządzanie badaniami i projektami Research and Projects Management Kierunek: Informatyka i Ekonometria, WIiK Studia stacjonarne/niestacjonarne II stopnia Potrzeby kształcenia specjalistów
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 szczegółowoSpecjalność Optymalizacja Decyzji Menedżerskich. Katedra Badań Operacyjnych Uniwersytetu Łódzkiego
Specjalność Optymalizacja Decyzji Menedżerskich Katedra Badań Operacyjnych Uniwersytetu Łódzkiego Kilka słów o nas Katedra Badań Operacyjnych jest częścią Instytutu Ekonomik Stosowanych i Informatyki.
Bardziej szczegółowoZASTOSOWANIE METOD OPTYMALIZACJI W DOBORZE CECH GEOMETRYCZNYCH KARBU ODCIĄŻAJĄCEGO
MODELOWANIE INŻYNIERSKIE ISSN 1896-771X 40, s. 43-48, Gliwice 2010 ZASTOSOWANIE METOD OPTYMALIZACJI W DOBORZE CECH GEOMETRYCZNYCH KARBU ODCIĄŻAJĄCEGO TOMASZ CZAPLA, MARIUSZ PAWLAK Katedra Mechaniki Stosowanej,
Bardziej szczegółowoBłędy procesu tworzenia oprogramowania (Badania firmy Rational Software Corporation)
Błędy procesu tworzenia oprogramowania (Badania firmy Rational Software Corporation) Zarządzanie wymaganiami Ad hoc (najczęściej brak zarządzania nimi) Niejednoznaczna, nieprecyzyjna komunikacja Architektura
Bardziej szczegółowoAudyt efektywności działań społecznościowych i mobilnych. Dedykowany workshop wg metodologii TRUE prowadzi dr Albert Hupa.
workshops. Dedykowany workshop wg metodologii TRUE prowadzi dr Albert Hupa. Cel warsztatu: Przekazanie wiedzy i umiejętności potrzebnych do wypracowywania optymalnego sposobu pomiaru efektywności kampanii
Bardziej szczegółowoEgzamin / zaliczenie na ocenę*
WYDZIAŁ PODSTAWOWYCH PROBLEMÓW TECHNIKI Zał. nr 4 do ZW33/01 KARTA PRZEDMIOTU Nazwa w języku polskim : INŻYNIERIA OPROGRAMOWANIA Nazwa w języku angielskim: SOFTWARE ENGINEERING Kierunek studiów (jeśli
Bardziej szczegółowoEtapy życia oprogramowania. Modele cyklu życia projektu. Etapy życia oprogramowania. Etapy życia oprogramowania
Etapy życia oprogramowania Modele cyklu życia projektu informatycznego Organizacja i Zarządzanie Projektem Informatycznym Jarosław Francik marzec 23 Określenie wymagań Testowanie Pielęgnacja Faza strategiczna
Bardziej szczegółowoZapewnij sukces swym projektom
Zapewnij sukces swym projektom HumanWork PROJECT to aplikacja dla zespołów projektowych, które chcą poprawić swą komunikację, uprościć procesy podejmowania decyzji oraz kończyć projekty na czas i zgodnie
Bardziej szczegółowoWykłady specjalistyczne. oferowane na kierunku matematyka. w roku akademickim 2019/2020 (semestr zimowy) studia stacjonarne II stopnia, 2 rok
Wykłady specjalistyczne oferowane na kierunku matematyka w roku akademickim 2019/2020 (semestr zimowy) studia stacjonarne II stopnia, 2 rok 1. Applied Graph Theory (wykład prowadzony w j. angielskim na
Bardziej szczegółowoSpis treści Technologia informatyczna Strategia zarządzania wiedzą... 48
Spis treści 1. Przesłanki dla podjęcia badań...11 1.1. Wprowadzenie...11 1.2. Cel badawczy i plan pracy... 12 1.3. Obszar badawczy... 13 1.4. Znaczenie badań dla teorii... 15 1.5. Znaczenie badań dla praktyków...
Bardziej szczegółowoINFORMACJA O PRZEDMIOTACH OFEROWANYCH W ROKU AKADEMICKIM 2019/20
INFORMACJA O PRZEDMIOTACH OFEROWANYCH W ROKU AKADEMICKIM 2019/20 Przypominamy, że każdy student studiuje według programu studiów obowiązującego w momencie rozpoczynania przez niego studiów. Nowy program
Bardziej szczegółowo