Management znalostí Znalostní systémy Professor R. Hanka Director, Medical Informatics Unit,University of Cambridge Visiting Profesor, Fakulta Managementu,

Slides:



Advertisements
Podobné prezentace
Znalostní zázemí organizace
Advertisements

Personální řízení v malých podnicích
Sportovní trénink 6 Taktika František Langer FTK UP Olomouc.
Katedra ekonomiky, manažerství a humanitních věd Baví vás práce s lidmi, chcete rozhodovat o nových projektech a řídit jejich realizaci? Chcete-li být.
Ekonomická krize, lidský a sociální kapitál Mgr. Ing. Petr Wawrosz.
Management Ing. Jan Pivoňka.
managementu znalostí podle
Strategické plánování rozvoje územních celků a neziskové organizace Zuzana Guthová, Rosa - společnost pro ekologické informace a aktivity.
Faktory prosperity Tvrdé a měkké faktory.
Vypracoval: Ladislav Navrátil, EI-4 Umělá inteligence Zaměření Expertní systémy.
IS V EKONOMICKÝCH SUBJEKTECH Ing. Jiří Šilhán. IS IS – data+lidi+HW, prvky + relace mezi uživateli, které splňují nějaké cílové chování – tak aby byly.
Technologie pro CI. Od technologií pro CI vyžadujeme především funkce vyhledávání v rozsáhlých databázích na základě libovolných dotazů, propojování a.
Management znalostí v medicíně „Znalostní společnost“
Management znalostí v medicíně „Datamining“ Management znalostí v medicíně „Datamining“ Professor R. Hanka Director, Medical Informatics Unit,University.
Společnost vědění/učící se společnost
Informační systémy podnikové systémy CRM
Audit IT procesů ve FNOL
Adéla Masopustová Alena Seifrtová Lukáš Hůla
Expertní řízení průběhu E-learningu VOSTROVSKÝ Václav Česká zemědělská univerzita Praha.
Seznamuje žáky s procesem lidské socializace a společenským statusem.
1 Řízení znalostí z pohledu práva Seminář č. 5. Zachycení znalostí Problém: implicitní znalosti jsou často velmi rozsáhlé a existuje mnohovaznost jednotlivých.
Informační strategie. řešíte otázku kde získat konkurenční výhodu hledáte jistotu při realizaci projektů ICT Nejste si jisti ekonomickou efektivností.
Jaromír Skorkovský ESF MU KAMI
Podnikatelský institut PYRAMIDA s.r.o.
Systémy pro podporu managementu 2
MANAGEMENT - VŽ1 M A N A G E M E N T 1. cvičení. MANAGEMENT - VŽ2 ROLE MANAŽERŮ.
Postakviziční integrace Jaké kroky se mají učinit po podpisu kupní smlouvy Pavel Seeman.
Relační databáze.
Průzkum společnosti Ernst & Young mapuje společné podnikatelské znaky, ale i aktuální problémy.
Význam informací a dat a znalostí
Databázové systémy Přednáška č. 6 Proces návrhu databáze.
Informační systémy TPS,MIS, SIS.
(komentovaný přehled)
Artificial Intelligence (AI).  „Úloha patří do oblasti umělé inteligence, jestliže řešení, které najde člověk považujeme za projev jeho inteligence.
ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ FAKULTA STROJNÍ ÚSTAV PŘÍSTROJOVÉ A ŘÍDICÍ TECHNIKY ODBOR AUTOMATICKÉHO ŘÍZENÍ A INŽENÝRSKÉ INFORMATIKY Aplikace objektově.
Systémy pro podporu managementu 2 Inteligentní systémy pro podporu rozhodování 1 (DSS a znalostní systémy)
Důležité adresy: Přístup z Internetu k přednáškám ve formátu .pdf:
Strana 1 Projekt Reflex Flexibilní odborníci ve společnosti znalostí Nové požadavky na terciární vzdělávání v Evropě Jan Koucký Středisko vzdělávací politiky.
Magisterské studium navazující I. ročník navazujícího studia – učitelství zdravotnických předmětů pro střední školy.
Rozhodovací proces, podpory rozhodovacích procesů
Místo lidských zdrojů ve znalostní ekonomice. Proč znalostní ekonomika ? silná konkurence ekonomická krize efektivní výroba a prodej.
Chyby ve vnímání První dojem Haló efekt Soukromé teorie osobnosti
Název školy: Střední odborná škola stavební Karlovy Vary Sabinovo náměstí 16, Karlovy Vary Autor: ING. HANA MOTYČKOVÁ Název materiálu: VY_32_INOVACE_01_VZNIK.
knowledge management, řízení znalostí, management znalostí
Podnikatelský nápad Nejlepším a nejpříjemnějším způsobem, jak vytvořit úžasný produkt či službu, je udělat něco, co chceš sám používat.
B i o c y b e r n e t i c s G r o u p Nový obor - počítače v medicíně a biologii  Proč je management informací ústřední otázkou v biomedicínském výzkumu.
Metodika posouzení Metody, techniky, postupy. Klíčová otázka: n Jak provést posouzení, aby co nejlépe reflektovalo situaci uživatele služby?
MANAGEMENT - Pojetí managementu
Teorie ES a jejich aplikace Biskup Jiří, Fakulta stavební, ČVUT Praha, Květen 2004.
IAF MD 18:2015 Aplikace ISO/IEC 17021:2011 v oblasti řízení služeb (ISO/IEC )
1. Charakteristika IS Informační systém je soubor lidí, technických prostředků a metod, zabezpečujících sběr, přenos, uchování a zpracování dat za účelem.
METODY STŘEDNĚDOBÉHO PROGNÓZOVÁNÍ SURO jaro 2010.
Mgr. Karla Hrbáčková Metodologie pedagogického výzkumu
Úvodní informace Informatika v agrobyznysu LS 2011/2012.
B i o c y b e r n e t i c s G r o u p Úvod do biomedicínské informatiky Lenka Lhotska Gerstnerova laboratoř, katedra kybernetiky ČVUT FEL Praha
1 Proč potřebujeme systém managementu ? Cesta k dosažení harmonického a úspěšného života. Modul 1 Ing. Miroslav Weber.
6. Profesní kompetence jako pracovní způsobilost Dagmar Svobodová.
Personální plán pro podnikatelský plán
BSC 1992 Robert S. Kaplan a David P. Norton článek navrhující měření výkonnosti organizací – BSC – Vyrovnaný přehled výsledků kniha The Balanced.
Ekonomika malých a středních podniků Přednáška č. 10: Personální řízení v MSP.
Důvody sestavování podnikatelského piánu Struktura podnikatelského plánu poskytuje podnikateli užitečný kontrolní prostředek pro zpracování informací.
Analýza manažerských dovedností ve vybraném podniku
Profil uživatele a personalizace
Business Inteligence – úvod
Dobývání znalostí z databází znalosti
Kabinet informačních studií a knihovnictví Brno FF MU
Lesk a bída normalizace
Ekonomika malých a středních podniků
Číslo projektu: CZ.1.07/1.5.00/ Název školy: SOU a ZŠ Planá, Kostelní 129, Planá Vzdělávací oblast: Ekonomie Předmět: Inovace výuky prostřednictvím.
Místo lidských zdrojů ve znalostní ekonomice
Transkript prezentace:

Management znalostí Znalostní systémy Professor R. Hanka Director, Medical Informatics Unit,University of Cambridge Visiting Profesor, Fakulta Managementu, VŠE

Systémy v jednotlivých fázích u Transaction Processing Systems (TPS) - důraz na uchování a vyhledávání dat u Management Information Systems (MIS) - agregace „surových“ dat s cílem zajistit pro management potřebné informace u Knowledge Based Systems (KBS) = Znalostní systémy - důraz přesunut na zpracování znalostí

„Knowledge Age“ (věk znalostí) n n klíčové faktory budoucího úspěchu: schopnost organizací řídit, uchovávat, oceňovat a distribuovat znalosti n n uvedené schopnosti jsou známy jako management znalostí n n organizace ve vyspělých ekonomikách již zjistily, že znalosti jsou jejich největším kapitálem

n n Kritickou komponentou managementu znalostí je vývoj, aplikace, nasazení a sdílení znalostních systémů n n Znalostní systémy jsou ideální technologií pro zachování znalostí uvnitř organizace a pro tvorbu podnikové báze znalostí.

Vznik oblasti zpracování znalostí n n KBS (Knowledge Based Systems) = znalostní systémy u vedlejším produktem výzkumu v oblasti AI u computer-based systems - využívají extenzivní znalosti z dané oblasti (typicky lidských expertů) pro řešení problémů a (obvykle částečnou) automatizaci rozhodovacích procesů u pokoušejí se o další „generační“ posun zaměřením se na znalosti ve srovnání s předchozím zaměřením na informace

ZNALOST - získává se z informací tím, že se jim přiřadí význam a interpretace (typicky lidským expertem) Informace Expert Znalosti

Definice pojmu znalost n úplná a přesná definice chybí n máme intuitivní cítění, co to znamená „něco znát“, ale obtíž to vyjádřit n Websterův slovník: znalost je... skutečnost či stav myšlenkového vlastnictví jedné či více pravd, faktů, principů nebo jiných objektů vnímání, získaných na základě výuky, studia, výzkumu nebo zkušenosti

n definice v oblasti AI literatury u množina faktů a principů shromážděná lidstvem u informace, kterou potřebuje počítač, aby se mohl chovat inteligentně Znalosti jsou tvořeny celou množinou názorů, zkušeností a postupů, které jsou považovány za správné a pravdivé Znalosti jsou tvořeny celou množinou názorů, zkušeností a postupů, které jsou považovány za správné a pravdivé Znalost je vždy aplikovatelná ve více situacích a relativně po dlouhou dobu Znalost je vždy aplikovatelná ve více situacích a relativně po dlouhou dobu.

Znalost = vědět n n jaká informace je potřebná = „vědět co“ n n jak je třeba informaci zpracovat = „vědět jak“ n n proč je která informace potřebná = „vědět proč“ n n kde lze nalézt informaci potřebnou pro dosažení specifického cíle = „vědět kde“) n n kdy je která informace potřebná = „vědět kdy“)

Rozdíly mezi pojmy data, informace a znalosti n n Data jsou symboly, které nelze přímo interpretovat, i když z nich lze odvodit informace. n n Informace jsou data, jimž je přidělený význam, přičemž informace se váže ke specifické situaci a má omezenou platnost. n n Znalost je to, co umožňuje lidem inteligentně jednat a zacházet se všemi dostupnými informačními zdroji.

Další charakteristiky znalostí n n Znalosti umožňují vybrat tu správnou akci nebo požádat o správnou informaci. n n Tato akční komponenta je základním aspektem znalosti n n Znalosti mohou vygenerovat další informace n n Informace lze předat (informace je vlastně sdělení) n n Lze však předat jednoduše znalosti?

Dimenze znalostí n explicitní n povrchní n domain (spec.) n deklarativní n nevyslovená n hluboká n všeobecná n procedurální ZNALOST Meta Znalost Hluboká Explicitní Procedurální Všeobecná (selský rozum) Povrchní Nevyslovená Deklarativní Domain (specifická)

Získávání znalostí n na rozdíl od filozofů musí AI specialisté řešit 2 úlohy: u rozhodnout, co znalost je u zachytit ji v počítači n získávání znalostí - oblast AI u týká se získávání znalostí potřebných pro budování KBS u rostoucí důležitost, protože jde o „bottle- neck“ (úzký profil) a nejkritičtější část vývoje KBS

n n typické zdroje znalosti v organizaci u u knihy (explicitní znalost) u u záznamy z minulosti u u experti (zdroj nevyslovené znal.) u u kontakty s jinými lidmi

Získávání znalostí 1 vedené znalostním inženýrem u cílem získání („vydolování“) znalostí z expertů u zkušenost ukazuje, že většina expertů není schopna jasně vysvětlit, proč a jak řeší dané úlohy tak expertním způsobem u důvody, proč experti nejsou schopni vysvětlit - většinou vyplývají z používání intuice u některé důležité „domain“ znalosti považují za tolik zřejmé, že je ani nezmíní (důsledek - „.... mužský pacient - těhotný...“

Plánování procesu získání znalostí n n základním problémem pro znalostního inženýra je vytřídit informace, které jsou k dispozici od expertů n n rozhodnout, co je důležité a co není relevantní n n studium prostředí, kde se má KBS vytvořit n n identifikovat skupiny a jejich charakteristiky u u expert (experti) u u uživatelé

Otázky spojené se znalostmi n znalost u kde ji lze získat ? u je jednoznačná? u je s ní všeobecný souhlas? u je statická či dynamická? u je úplná? u jaká je v ní úroveň nejistoty? n možnost dekompozice? n vrstvení (od obecných k specifickým)

Nástroje pro automatizované získávání znalostí n n aut. získávání znalostí je užitečné, protože mnoho cenných znalostí je často obsaženo v záznamech z minulosti (např. medicinské záznamy) n n snaha naučit se relevantní znalosti ze zdrojů z odpovídající oblasti (z domain) nezávisle na znalostním inženýrovi n n používají k tomu techniky patřící do podoblasti AI, nazývané strojové učení (machine learning) např. tzv. induktivní učení

Induktivní učení vysvětlit Marťanovi význam pojmu „pták“ atributy: křídla, létá, žlutý zobák, zpívá, snáší vejce diskriminační predikáty: pták vs. nepták generalizace: = křídla (diskr. predikát )

nemá křídla ---> „není pták“

má křídla, snáší vajíčka ---> „ hele, pták!..“ korekce : pták = křídla + žlutý zobák (specifikace)

nemá žlutý zobák ---> „ není to pták!..“ další korekce : diskriminační predikát: pták = snáší vajíčka se skořápkou

Základní operace se znalostmi

Cíle managementu znalostí n n efektivní a účinný vývoj a rozvoj nových znalostí n n zlepšování existujících znalostí z pohledu strategie organizace a individuálních cílů pracovníků n n distribuce nových znalostí do jiných útvarů a transfer znalostí na nové pracovníky n n efektivní a účinné propojování nejlepších znalostí uvnitř organizace nebo v síti organizací

ve vztahu k „dimenzi“ znalosti n n udržovat obsah znalostí v aktuálním stavu, aplikovat nejlepší znalost n n použít znalostí v nejlepším místě n n použít znalost v nejlepší formě n n použít znalost, když je požadována

Předpoklady pro efektivní management znalostí n n Odměňování sdílení znalostí n n Potřeba multidisciplinárního přístupu Nutnost vytvoření určité vize budoucnosti