Systémy pro podporu managementu 2 Inteligentní systémy pro podporu rozhodování 1 (DSS a znalostní systémy)

Slides:



Advertisements
Podobné prezentace
Stránka 1, © Vema, a. s.. Stránka 2, © Vema, a. s. Podnikové aplikace  Integrovaný podnikový systém (Integrated Business System):  komplex aplikací.
Advertisements

Automatizační a měřicí technika (B-AMT)
Přednáška č. 1 Úvod, Historie zpracování dat, Základní pojmy
Přednáška č. 3 Normalizace dat, Datová a funkční analýza
 Informací se data a vztahy mezi nimi stávají vhodnou interpretací pro uživatele, která odhaluje uspořádání, vztahy, tendence a trendy  Existuje celá.
Přednáška č. 5 Proces návrhu databáze
Umělá inteligence. Dva přístupy Technický – formální systémy, modely, konkrétní aplikace Filosofický – definice inteligence, vztah k mysli, vědomí a navíc.
Hodnotový management Teorie rozhodování
Úvod do expertních systémů
Vypracoval: Ladislav Navrátil, EI-4 Umělá inteligence Zaměření Expertní systémy.
Úvod do umělé inteligence
IS V EKONOMICKÝCH SUBJEKTECH Ing. Jiří Šilhán. IS IS – data+lidi+HW, prvky + relace mezi uživateli, které splňují nějaké cílové chování – tak aby byly.
Databáze Jiří Kalousek.
Gymnázium, SOŠ a VOŠ Ledeč nad Sázavou I NFORMAČNÍ A KOMUNIKAČNÍ TECHNOLOGIE Ing. Jan Roubíček.
Definování prostředí pro provozování aplikace dosud jsme řešili projekt v obecné rovině aplikace bude ovšem provozována v konkrétním technickém a programovém.
Adéla Masopustová Alena Seifrtová Lukáš Hůla
Analýza informačního systému
Sociologický výzkum.
KEG Použití vzorů při vyhledávání na webu Václav Snášel.
Novinky a strategie společnosti Vema, a. s.
Podnikatelský institut PYRAMIDA s.r.o.
Systémy pro podporu managementu 2
Relační databáze.
[IVE-SMA] UI analyzačního nástroje Daniel Puncman A4M39NUR.
Metainformační systém založený na XML Autor: Josef Mikloš Vedoucí práce: Ing. Jan Růžička, Ph.D. V/2004.
Reprezentace znalostí v UI Inteligentní systém musí umět předvídat důsledky svých akcí – potřebuje „model svého prostředí“. K jeho konstrukci potřebuje.
Databázové systémy Přednáška č. 7 Uživatelské rozhraní.
Informatika pro ekonomy II přednáška 10
Informační systémy TPS,MIS, SIS.
Autor:Ing. Bronislav Sedláček Předmět/vzdělávací oblast:Telekomunikace Tematická oblast:Datová komunikace Téma:OSI - prezentační vrstva, aplikační vrstva.
Ústav automatizace a měřicí techniky
Aleš Chudý IW BG Lead Microsoft Corporation. Lidé jsou klíčové aktivum firem Nové trendy práce Software jako platforma Strategická iniciativa (horizont.
Artificial Intelligence (AI).  „Úloha patří do oblasti umělé inteligence, jestliže řešení, které najde člověk považujeme za projev jeho inteligence.
Seminář HCI, ÚISK FF UK, HCI v kontextu kognitivní vědy.
Dokumentace informačního systému
Copyright (C) 1999 VEMA počítače a projektování, spol. s r.o.
CZ.1.07/1.4.00/ VY_32_INOVACE_168_IT 9 Výukový materiál zpracovaný v rámci projektu Vzdělávací oblast: Informační a komunikační technologie Předmět:Informatika.
Umělá inteligence Minského definice: UI je věda o vytváření strojů nebo systémů, které budou při řešení určitého úkolu užívat takového postupu, který –
Úvod do expertních systémů
Přednáška č. 1 Proces návrhu databáze
Databázové modelování
Databázové systémy Informatika pro ekonomy, př. 18.
Rozhodovací proces, podpory rozhodovacích procesů
Přehled metod umělé inteligence a její historie (bakalářská práce) Vedoucí práce: Ing. Ladislav Beránek, CSc., MBA Vypracoval: Michal Jelínek.
Analýza informačního systému. Podrobně zdokumentovaný cílový stav Paramentry spojené s provozem systému – Cena – Přínosy – Náklady a úspory – …
Katedra počítačů ČVUT FEL
Adaptivní webové systémy v e-learningu Miroslav Bureš Odborná skupina Webing, katedra počítačů.
Milada Kováříková Zuzana Moravová Hana Zákostelská
1. Charakteristika IS Informační systém je soubor lidí, technických prostředků a metod, zabezpečujících sběr, přenos, uchování a zpracování dat za účelem.
Informační systém podniku Tomáš Vaníček Stavební fakulta ČVUT Thákurova 7, Praha Dejvice, B407
Expertní & znalostní systémy
Návrh a implementace algoritmů pro údržbu,
České vysoké učení technické v Praze Fakulta stavební Katedra mapování a kartografie Návrh koncepce prostorového informačního systému památkového objektu.
Elektrotechnická fakulta ČVUT KATEDRA KYBERNETIKY Vedoucí prof. Ing. Vladimír Mařík, DrSc. KATEDRA KYBERNETIKY ELEKTROTECHNICKÁ.
Databázové systémy Úvod, Základní pojmy. Úvod S rozvojem lidského poznání roste prudce množství informací. Jsou kladeny vysoké požadavky na ukládání,
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
Elektrotechnická fakulta ČVUT KATEDRA KYBERNETIKY Vedoucí prof. Ing. Vladimír Mařík, DrSc. KATEDRA KYBERNETIKY ELEKTROTECHNICKÁ.
Informatika. Cíle výuky informatiky Studenti se mají seznámit se základními pojmy, problémy, postupy, výsledky a aplikacemi informatiky tak, aby je dokázali.
Simulátory umělého života Aplikovatelné v environmentálních informačních systémech.
Autorita Schopnost získat si respekt podřízených. Rozlišujeme formální, neformální a odbornou autoritu Autoritativní styl řízení Styl řízení založený.
Moderní informační systémy - úvod do teorie, druhy IS v cestovním ruchu.
Model struktury strategického managementu
Dobývání znalostí z databází znalosti
Metody strojového učení
Tradiční metodiky vývoje softwaru
Informatika pro ekonomy přednáška 8
Ing. Milan Houška KOSA PEF ČZU v Praze
Tradiční metody vývoje softwaru
METODOLOGIE PROJEKTOVÁNÍ
Analýza informačního systému
Transkript prezentace:

Systémy pro podporu managementu 2 Inteligentní systémy pro podporu rozhodování 1 (DSS a znalostní systémy)

Obsah Generace DSS DSS a AI Znalostní systémy Inteligentní DSS

Generace DSS První – jednoduchá multikriteriální metoda, jednoduché uživatelské rozhraní, jednoduchá struktura databáze, orientované na jeden konkrétní problém Druhá – zdokonalený návrh databází a jejich řízení Třetí – podpora komunikačního rozhraní mezi systémem a uživatelem Čtvrtá – přidání modelového subsystému a systému jeho řízení Pátá – využívání prvků umělé inteligence pro zlepšení komunikace a konzultací

DSS a AI Co je umělá inteligence? – „AI studuje způsoby, jak naučit dělat počítače věci, které umí v současnosti lidé lépe“ (Rich a Knight, 1991) Co je inteligentní chování? Učení nebo porozumění ze zkušenosti Porozumění rozporuplným zprávám Rychlá odezva na novou situaci Užití uvažování při řešení problémů Používání znalostí při interakci s prostředím Rozpoznávání relativní důležitosti různých elementů situace … Testy inteligence - Turing

Znalostní systémy Proces získávání znalostí Množství zdrojů informací Různé typy znalostí Cena za získání znalostí Postup: volba problému – určení hlavních charakteristik – vyjasnění znalostních pojmů a relací Metody: osobní rozhovory, monitorování činností expertů, formuláře, dotazníky, analýza zaznamenaných znalostí, počítačové odvozování pravidel, interaktivní metody

Znalostní systémy 2 Metody reprezentace znalostí Produkční pravidla IF podmínka THEN akce Heuristické způsoby řešení problémů Formální logika Vztahy mezi pravidly Přesná, jasná, ale neschopnost porozumět problému Objekt – vlastnost – hodnota Skripty – řetězce faktů Vícenásobná reprezentace (hybridní) Nemonotónní uvažování Uvažování za nejistoty

Znalostní systémy 3 Používání znalostí Vyhledávání řešení z prostoru možných stavů Vyhledávací grafy nebo stromy Prohledávání do hloubky nebo do šířky a kombinace Heuristické prohledávání Dopředné uvažování (řízené daty) Zpětné uvažování (řízené cílem)

Inteligentní DSS druhé generace Aplikace metod výpočetní inteligence umělé neuronové sítě genetické algoritmy fuzzy systémy agentové technologie

Inteligentní DSS Inteligentní uživatelské rozhraní Inteligentní řízení databáze Inteligentní řízení báze modelů

Inteligentní uživatelské rozhraní Vyšší komfort uživatelů Podpora neodborníků nebo naopak expertů Zvyšování složitosti aplikací Nárůst dostupných informací

Inteligentní řízení databáze Rozhodování, kdy je třeba přistupovat k databázi Rozhodování, jaké budou role ES a DBMS Příprava přístupu k datům

Inteligentní řízení báze modelů Podpora uživatele při tvorbě modelů Samotné modely obsahují znalosti Vytvořené modely pomáhají upřesňovat znalosti Výběr a manipulace s modely s využitím znalostí Interpretace výsledků získaných použitím modelů

Integrace ES a DSS Na vývojové nebo aplikační úrovni Funkční nebo fyzická