- •2. Понятие, назначение и виды интеллектуальных систем. (30).
- •Основные типы нейронных сетей. (30).
- •Нейросетевые технологии: понятие, назначение, особенности. (30).
- •Принципы создания и функционирования аис. Состав аис: обеспечивающий и функциональный части. Программное обеспечение и его структура. (30).
- •Экспертные системы и возможности их применения при решении экономических задач. (30).
- •9. Общее программное обеспечение. (30).
- •10. Структура экспертных систем. (30).
- •11. Прикладное программное обеспечение. Пользовательское программное обеспечение. Конкретное программное обеспечение. (30).
- •12. Угрозы безопасности: понятие, виды, классификация. (30).
- •13. Классификация, классификатор. Фасетная и дескрипторная системы классификации объектов. (30).
- •14. Клиент-серверная архитектура: основные варианты. (30).
- •15. Какие программные продукты и средства, предназначенные для разработки и оценки эффективности инвестиционных проектов, Вы знаете? (30).
- •16. Основные механизмы и факторы защиты ис. (30).
- •18. Принципы оперативной аналитической обработки данных olap, rolap-, molap- и molap - модели аналитической обработки бизнес - данных(30).
- •19. Какие программные продукты, предназначенные для решения задач технического анализа, Вы знаете? Какими свойствами должны обладать программные средства технического анализа? (30).
- •20. Системы поддержки и принятия решений (bi-системы): назначение и возможности их применения при выработке бизнес решений (30).
- •21. Какие комплексные автоматизированные системы управления финансово-хозяйственной деятельностью предприятий Вы знаете? Какими свойствами обычно они обладают? (30).
- •23. Какие статистические и математические пакеты программ Вы знаете? Для решения, каких задач в финансовом менеджменте эти пакеты используются? (30).
- •24 . Основные логические модели при проектировании баз данных (30).
- •Логическое (даталогическое) проектирование
- •25. Основные отличия Интеллектуальных информационных систем от других. Области применения интеллектуальных информационных систем (30).
- •26. Принципы построения систем, ориентированных на анализ данных. Хранилища данных (30).
- •27. Определение, предназначение и примеры экспертных систем (30).
- •30. Модели данных, используемые при построении Хранилищ данных. (30).
- •31. Экономическая информационная система: определение, свойства,
- •Свойства экономических информационных систем
- •32. Характеристика сrм-систем (30).
- •33. Жизненный цикл эис (30).
- •34. На какие классы условно можно разделить программные средства, используемые для поддержки принятия решений в финансовом менеджменте? (30).
- •37. Этапы инвестиционного моделирования бизнес-проектов средствами Project Expert (30).
- •38. Системы управления эффективностью бизнеса: развитие и общая архитектура (30).
- •39. Автоматизированное проектирование экономических информационных систем (case-технологии). (30).
- •40. Фасетная система классификации информации (30).
- •42. Этапы инвестиционного моделирования бизнес-проектов средствами Project Expert. (30).
- •43. Цели и задачи применения программы «Audit Expert» (30).
- •44. Иерархическая система классификации информации (30).
- •45. Принципы оперативной аналитической обработки данных olap (30).
- •46. Структурные единицы информации (30).
- •47. Технология работы с системой «Контур Стандарт» (30).
- •48. Общее программное обеспечение. Прикладное программное обеспечение. Пользовательское программное обеспечение. Конкретное программное обеспечение.(30).
30. Модели данных, используемые при построении Хранилищ данных. (30).
Обеспечивая многомерное концептуальное представление со стороны пользовательского интерфейса к исходной базе данных, все продукты OLAP делятся на несколько классов по типу исходной БД. Многомерный гиперкуб, используемый в OLAP-технологии, может быть реализован в рамках реляционной модели или существовать как отдельная база данных специальной многомерной структуры. В зависимости от этого принято различать многомерный (MOLAP) и реляционный (ROLAP) подходы к построению хранилища данных.
MOLAP (Multidimensional OLAP) В MOLAP-модели многомерное представление данных реализуется физически. В специализированных СУБД, основанных на многомерном представлении данных, данные организованы не в форме реляционных таблиц, а в виде упорядоченных многомерных массивов:
гиперкубов (все хранимые в базе данных ячейки должны иметь одинаковую размерность, то есть находиться в максимально полном базисе измерений) и
поликубов (каждая переменная хранится с собственным набором измерений, и все связанные с этим cложности обработки перекладываются на внутренние механизмы системы).
ROLAP (Relational OLAP) Системы оперативной аналитической обработки реляционных данных (ROLAP) позволяют представлять данные, хранимые в реляционной базе, в многомерной форме, обеспечивая преобразование информации в многомерную модель через промежуточный слой метаданных. В этом случае гиперкуб эмулируется СУБД на логическом уровне. Для большинства хранилищ данных наиболее эффективным способом моделирования N-мерного куба фактов является схема "звезда" (star schema). Основными составляющими структуры хранилищ данных являются таблица фактов (fact table) и таблицы измерений (dimension tables).
Таблица фактов является основной таблицей хранилища данных. Как правило, она содержит сведения об объектах или событиях, совокупность которых будет в дальнейшем анализироваться. Если проводить аналогию с многомерной моделью, то строка таблицы фактов соответствует ячейке гиперкуба.
Таблица измерений содержит неизменяемые или редко изменяемые данные. В каждой таблице измерений перечислены возможные значения одного из измерений гиперкуба. В подавляющем большинстве случаев эти данные представляют собой по одной записи для каждого члена нижнего уровня иерархии в измерении. Таблицы измерений также содержат как минимум одно описательное поле (обычно с именем члена измерения) и, как правило, целочисленное ключевое поле (обычно это суррогатный ключ) для однозначной идентификации члена измерения. Каждая таблица измерений должна находиться в отношении "один ко многим" с таблицей фактов.
Гибридные системы (Hybrid OLAP, HOLAP) разработаны с целью совмещения достоинств и минимизации недостатков, присущих предыдущим классам. К этому классу относится Media/MR компании Speedware. По утверждению разработчиков, он объединяет аналитическую гибкость и скорость ответа MOLAP с постоянным доступом к реальным данным, свойственным ROLAP.