Sustavi poslovne inteligencije Nositelj kolegija Marijana ZekiSuac Redoviti

Sustavi poslovne inteligencije Nositelj kolegija: Marijana Zekić-Sušac Redoviti profesor E-mail: marijana@efos. hr Termini konzultacija oglašeni na web stranici: http: //www. efos. unios. hr/mzekic Asistent: Adela Kapetanović, vanjski suradnik akapeta@efos. hr Termini konzultacija oglašeni na web stranici: http: //www. efos. unios. hr/akapeta M. Zekić-Sušac, Osnove umjetne inteligencije

Cilj i svrha kolegija n Upoznati studente s teorijom i primjenom tehnika umjetne inteligencije u sustavima poslovne inteligencije, odnosno sustavima za potporu odlučivanju n Naglasak - na probleme predviđanja, klasifikacije i prepoznavanje uzoraka n Omogućiti studentima ovladavanje osnovnim principima dizajniranja i evaluacije inteligentnih sustava M. Zekić-Sušac, Osnove umjetne inteligencije

Glavni koncepti poslovne inteligencije Poslovna inteligencija (Business Intelligence) uključuje sljedeće koncepte (područja): n Skladištenje podataka (Data Warehouse) ¡ Izvještavanje (Reporting) ¡ On-Line Analitičko procesiranje (OLAP) n Izradu score kartica - scorecarding (Key Performance Indicators ili Business Performance Management) n Benchmarking – uspoređivanje pokazatelja uspješnosti poslovanja tvrtke s tvrtkom koja se smatra standardom ili najboljom u tom području najveća n Rudarenje podataka (Data Mining) upotreba n Rudarenje teksta (Text Mining) inteligentnih M. Zekić-Sušac, Osnove umjetne inteligencije metoda

Sadržaj kolegija 1. Umjetna inteligencija - Osnovni pojmovi. Pristupi umjetne inteligencije u rješavanju intelektualnih problema. Umjetna inteligencija vs. tradicionalno računarstvo. Tehnike umjetne inteligencije. Područja primjene umjetne inteligencije. Inteligentne metode kao dio sustava za potporu odlučivanju. 2. Rudarenje podataka – data mining. Metode rudarenja podataka. Neuronske mreže. Definicija i način funkcioniranja. Modeliranje podataka za neuronsku mrežu. Dizajniranje arhitekture neuronske mreže. Alati za razvoj neuronskih mreža. Upotreba neuronskih mreža u poslovnoj praksi (analiza slučajeva i rad na primjerima). Stabla odlučivanja. Definicija i način funkcioniranja. Upotreba stabala odlučivanja za klasifikaciju. Ostale metode rudarenja podataka: Asocijacijska pravila. Analiza slučajeva i rad na primjerima. M. Zekić-Sušac, Osnove umjetne inteligencije

Sadržaj kolegija - nastavak 3. Ostale tehnike umjetne inteligencije. Inteligentni agenti. Robotika. Prepoznavanje uzoraka. Prepoznavanje govora. Obrada prirodnog jezika. Hibridni sustavi umjetne inteligencije. Trendovi razvoja inteligentnih sustava. M. Zekić-Sušac, Osnove umjetne inteligencije

Struktura kolegija n Predavanja - metodologija i arhitektura rada neuronskih mreža, stabala odlučivanja, inteligentnih agenata, robotike i drugih tehnika umjetne inteligencije i njihove primjene u poslovanju n Seminari i vježbe - - rad na primjerima kroz upotrebu programskih alata (Statistica i SQL Server Business Intelligence) izlaganje seminarskih radova studenata M. Zekić-Sušac, Osnove umjetne inteligencije

Obveze studenata n Sudjelovati u nastavi osobno i putem sustava za e-učenje n Predati seminarski rad u zadanom roku n Kašnjenje u predaji seminara snižava bodove na minimum bodova za seminarski rad. n Izlagati seminarski rad pred studentima u predviđenom terminu M. Zekić-Sušac, Osnove umjetne inteligencije

Seminarski rad n Napraviti model neuronske mreže ili stabala odlučivanja na izabranim podacima n Izabrati podatke među ponuđenim uzorcima podataka na stranici kolegija u sustavu Loomen, ili n Odabrati problem predviđanja ili klasifikacije 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) M. Zekić-Sušac, Osnove umjetne inteligencije

Način ocjenjivanja Aktivnost Bodovi Aktivnost na nastavi (za iznimno napravljene vježbe) 0 -15 2 kolokvija ili pismeni ispit Seminarski rad Ukupno (2 x 50) 100 Ljestvica za ocjenjivanje: 80 – 99 = 2 100 – 119 = 3 120 – 139 = 4 140 – 150 = 5 50 150+15 Obveze su iste za redovite i za izvanredne studente, kao i ljestvica za ocjenjivanje. M. Zekić-Sušac, Osnove umjetne inteligencije

Web stranica kolegija Pristup nastavnim materijalima moguć: 1. Putem web stranice Fakulteta: n 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) n Napomena: za upotrebu sustava za e-učenje Moodle 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. M. Zekić-Sušac, Osnove umjetne inteligencije

Postupak prijave na Moodle kolegij n U web pregledniku u prozor za upis adrese upisati: http: //loomen. carnet. hr n Kliknuti na link “Login”. n Upisati svoje korisničko ime (username) i lozinku (za AAI@Edu račun za pristup Internetu, a ne za mail račun ako je lozinka drugačija), npr: n n Username: ppero@efos. hr Lozinka: upisati n Pri prvom logiranju, potrebno je unijeti podatke o sebi (ime, prezime, grad, e-mail adresu, Fakultet, fotografiju (opcionalno) i dr. ), tj. svoj profil n Nakon ulaza u sustav izabrati kolegij n Pri izlazu iz sustava obvezno kliknuti na link “Odjava”. M. Zekić-Sušac, Osnove umjetne inteligencije

Literatura - osnovna Osnovna literatura: n M. Zekić-Sušac, Nastavni materijali za kolegij “Sustavi poslovne inteligencije i Inteligentni sustavi za potporu odlučivanju”, Diplomski studij, Ekonomski fakultet u Osijeku, 2009/10, https: //loomen. carnet. hr/course/view. php? id=278 n G. Klepac, L. Mršić, Poslovna inteligencija kroz poslovne slučajeve, Lider, Tim Press, Zagreb, 2006. n Ž. Panian, G. Klepac, Poslovna inteligencija, Masmedia, Zagreb, 2003. n V. Čerić, M. , Varga, Informacijska tehnologija u poslovanju, Element, Zagreb, 2004. , poglavlja 13 -16. M. Zekić-Sušac, Osnove umjetne inteligencije

Literatura - dodatna Dodatna literatura: n S. J. Russell, P. Norvig, Artificial Intelligence: A Modern Approach, Prentice Hall; 2 nd edition, 2002. C. Bishop, Neural Networks and Machine Learning, Springer Verlag, Berlin, 1998. n R. R. Trippi, J. K. Lee, Artificial Intelligence in Finance & Investing, Irwin Professional Publishing, Burr Ridge, IL, 1996. n R. Trippi, R. R. , Turban, E. , Neural Networks in Finance and Investing, Probus Publishing, Chicago, IL, 1992. n I. H. Witten, E. Frank, Data Mining: Practical Machine Learning Tools and Techniques with Java Implementation. Morgan Kaufman Publishers, San Francisco, CA, 2000. M. Zekić-Sušac, Osnove umjetne inteligencije

Web izvori n Association of the Advances of AI (AAAI), AI Topics, http: //www. aaai. org/AITopics/pmwiki. php/AI Topics/Home. Page, 01. 03. 09. n ERIS, Educational Repository on Intelligent Systems, http: //eris. foi. hr, 01. 03. 09. n S. Russell, P. Norvig, AI on the web, http: //aima. cs. berkeley. edu/ai. html, 14. 11. 2013. n Wikipedia, Artificial Intelligence, http: //en. wikipedia. org/wiki/Artificial_intelligence, 01. 03. 09. n i dr. navedeni na kraju svakog poglavlja. M. Zekić-Sušac, Osnove umjetne inteligencije