Sustavi poslovne inteligencije...Umjetna inteligencija. Pojam, pristupi umjetne inteligencije u...
Transcript of Sustavi poslovne inteligencije...Umjetna inteligencija. Pojam, pristupi umjetne inteligencije u...
SVEUČILIŠTE J.J. STROSSMAYERA U OSIJEKU, EKONOMSKI FAKULTET U OSIJEKU
Sustavi poslovne inteligencijeN O S I T E L J KO L E G I JA :
M A R I JA N A Z E K I Ć - S U Š A C
R E D OV I T I P R O F ES O R
E - M A I L : M A R I JA N A @ E F O S . H R
T E R M I N I KO N Z U LTA C I JA O G L A Š E N I N A W E B S T R A N I C I :
H T T P : / / W W W. E F O S . U N I O S . H R / M Z E K I C
A S I S T E N T: A D E L A H A S
E - M A I L : A D E L A . H A S @ E F O S . H R
T E R M I N I KO N Z U LTA C I JA O G L A Š E N I N A W E B S T R A N I C I :
H T T P : / / W W W. E F O S . U N I O S . H R /A H A S
Cilj i svrha kolegija▪ Upoznati studente s teorijom i primjenom tehnika umjetne inteligencije u sustavima poslovne inteligencije, odnosno sustavima za potporu odlučivanju
▪ Naglasak - na probleme predviđanja, klasifikacije i prepoznavanje uzoraka
▪ Omogućiti studentima ovladavanje osnovnim principima dizajniranja i evaluacije inteligentnih sustava
Glavni koncepti poslovne inteligencijePoslovna inteligencija (Business Intelligence) uključuje sljedeće koncepte (područja):
▪ Skladištenje podataka (Data Warehouse)▪ Izvještavanje (Reporting)▪ On-Line Analitičko procesiranje (OLAP)
▪ Izradu score kartica - scorecarding (Key Performance Indicators ili Business Performance Management)
▪ Benchmarking – uspoređivanje pokazatelja uspješnosti poslovanja tvrtke s tvrtkom koja se smatra standardom ili najboljom u tom području
▪ Rudarenje podataka (Data Mining)
▪ Rudarenje teksta (Text Mining)
▪ Big Data
▪ Poslovnu analitiku
Sadržaj kolegija
1.Poslovna inteligencija – osnovni pojmovi i područja, metode uključene u poslovnu inteligenciju. Poslovna inteligencija kao dio informacijskog sustava. Skladištenje podataka. Rudarenje podataka. Poslovna analitika. Big Data.
2. Inteligentne metode u okviru poslovne inteligencije. Umjetna inteligencija. Pojam, pristupi umjetne inteligencije u rješavanju intelektualnih problema. Područja primjene umjetne inteligencije. Metode strojnog učenja. Neuronske mreže, stabla odlučivanja, klasteriranje, metoda najbližeg susjeda i dr.
3.Umjetne neuronske mreže. Definicija i način funkcioniranja. Vrste neuronskih mreža. Izgradnja modela za klasifikaciju, predviđanje (regresiju) i asocijaciju (prepoznavanje uzoraka) s pomoću neuronskih mreža. Ocjena uspješnosti modela. Upotreba neuronskih mreža u poslovnoj praksi (analiza slučajeva i rad na primjerima).
4.Stabla odlučivanja. Definicija i način funkcioniranja. Upotreba stabala odlučivanja za klasifikaciju i regresiju.
Sadržaj kolegija - nastavak5. Asocijacijska pravila. Pojam asocijacijskih pravila i analize
povezanosti (Link analysis). Koraci u izradi asocijacijskih pravila. Podrška i pouzdanost asocijacijskih pravila. Algoritmi za generiranje pravila. Primjeri primjene asocijacijskih pravila.
6. Inteligentni agenti. Pojam i vrste softverskih agenata i obilježja inteligentnih agenata. Struktura inteligentnog agenta. Primjeri primjene inteligentnih agenata. Agenti za prepoznavanje govora i obradu prirodnog jezika.
7. Robotika, internet stvari i trendovi razvoja inteligentnih sustava.
8. Uvođenje sustava poslovne inteligencije u praksu.
Struktura kolegija
Predavanja – kroz navedenih 8 poglavlja
Vježbe- rad na primjerima kroz upotrebu programskih alata (StatSoft Statistica Data
Mining i SQL Server Business Intelligence)
Seminari- izbor baze podataka na kojima će studenti raditi model za klasifikaciju,
predviđanje ili prepoznavanje uzoraka
- rad na seminarima kroz upotrebu programskih alata
- Izrada modela i opisivanje u obliku seminarskog rada (studenti samostalno u timovima)
- izlaganje seminarskih radova studenata
Obveze studenata▪ Sudjelovati u nastavi osobno i putem sustava za e-učenje
▪ Napraviti vježbe na satu i uploadirati u sustav za e-učenje
▪ Predati seminarski rad u zadanom roku▪ Kašnjenje u predaji seminara snižava bodove na minimum bodova za seminarski rad.
▪ Izlagati seminarski rad pred studentima u predviđenom terminu
Seminarski rad▪ Napraviti model neuronske mreže, stabala odlučivanja ili asocijacijskih pravila na izabranim podacima
◦ Izabrati podatke među ponuđenim uzorcima podataka na stranici kolegija u sustavu Loomen, ili
◦ Odabrati problem predviđanja ili klasifikacije ili asocijacijskih pravila po izboru (prodaja, dobit, troškovi, izbor dobavljača, odluka o odobrenju kredita, itd.), te sami prikupiti podatke iz tvrtke po izboru (iz razgovora s djelatnikom tvrtke odlučiti što će biti ulazne varijable, a što izlazna)
◦ Kreirati model s pomoću neuronske mreže ili stabala odlučivanja u alatu Statistica
◦ Opisati model i rezultate u obliku seminarskog rada – predati Word verziju u sustav Loomen (pogledati upute za izradu rada)
◦ Izlagati rad (Power Point prezentacija)
Način ocjenjivanja
Aktivnost Bodovi
Aktivnost na nastavi (za
iznimno napravljene
vježbe)
0-10
2 kolokvija ili pismeni
ispit (teorijski dio
elektronski + zadaci na
papiru uz računalo)
(2x50) 100
Seminarski rad 50
Ukupno 150+10
Ljestvica za ocjenjivanje:
80 – 99 = 2
100 – 119 = 3
120 – 139 = 4
140 – 150 = 5
Obveze su iste za redovite i za izvanredne studente, kao i ljestvica za
ocjenjivanje.
Web stranica kolegijaPristup nastavnim materijalima moguć:
1. Putem web stranice Fakulteta:
www.efos.unios.hr/sustavi-poslovne-inteligencije, ili putem tražilice na početnoj stranici www.efos.unios.hr pronaći kolegij Sustavi poslovne inteligencije.
2. Direktno putem web adrese: http://loomen.carnet.hr, izabrati kolegij Sustavi poslovne inteligencije (Inteligentni sustavi)
Napomena: za upotrebu sustava za e-učenje Loomen potrebno je imati korisnički račun AAI@Eduhr otvoren na Fakultetu. U slučaju problema s lozinkom kontaktirati CARNet administratora čiji se termini dežurstva nalaze na web stranici fakulteta, izbornik Studenti / Carnet računi.
Literatura - osnovna
Osnovna literatura:
▪ M. Zekić-Sušac, A. Has, Nastavni materijali za kolegij “Sustavi poslovne inteligencije”, Diplomski studij, Ekonomski fakultet u Osijeku, 2017, https://loomen.carnet.hr/course/view.php?id=278
▪ G. Klepac, L. Mršić, Poslovna inteligencija kroz poslovne slučajeve, Lider, Tim Press, Zagreb, 2006.
▪ Ž. Panian, G. Klepac, Poslovna inteligencija, Masmedia, Zagreb, 2003.
▪ V.Čerić, M., Varga, Informacijska tehnologija u poslovanju, Element, Zagreb, 2004., poglavlja 13-16.
Literatura - dodatnaDodatna literatura:
▪ T. Hastie, R. Tibshirani, J. Friedman, The Elements of Statistical Learning, Data Mining, Inference, and Prediction, Springer, Second Edition, 2013.
▪ F. Provost, T. Fawcett, Data Science for Business, What You Need to Know about Data Mining and Data-Analytic Thinking, O'Reilly Media, 2013.
▪ S. J. Russell, P.Norvig, Artificial Intelligence: A Modern Approach, Prentice Hall; 2nd edition, 2002.
▪ I.H. Witten, E. Frank, Data Mining: Practical Machine Learning Tools and Techniques with Java Implementation. Morgan Kaufman Publishers, San Francisco, CA, 2000.
▪ C. Bishop, Neural Networks and Machine Learning, Springer Verlag, Berlin, 1998.
Web izvori▪ Business Intelligence, Poslovna inteligencija ili poslovna analitika?, https://sqlbicro.wordpress.com/2013/04/21/poslovna-inteligencija-ili-poslovna-analitika/, 11.10.2017.
▪ Gartner, Business Intelligence (BI), http://www.gartner.com/it-glossary/business-intelligence-bi/, 11.10.2017.
▪ Skladistenje.com, http://www.skladistenje.com/, 11.10.2017.
▪ S. Russell, P. Norvig, AI on the web, http://aima.cs.berkeley.edu/ai.html, 14.11.2013.
▪ i dr. navedeni na kraju svakog poglavlja.