
- •1.Компьютерные информационные технологии (кит). Корпоративные информационные системы (кис).
- •2.Программные и аппаратные средства кис. Перспективы и направления развития кис.
- •3.Математические модели решения экономических задач. Целевые функции, ограничения. Методы оптимизации.
- •4.Основы прогнозирования. Аппроксимация.
- •5.Стандартные функции прогнозирования в Excel. Линейная аппроксимация.
- •6.Стандартные функции прогнозирования в Excel. Экспоненциальная аппроксимация.
- •7. Анализ и решение задач межотраслевого баланса в Excel.
- •8. Анализ и решение задач оптимизации плана производства в Excel.
- •10.Ска Maple. Исследование функций. Экстремум.
- •11.Ска Maple. Исследование функций. Минимум и максимум.
- •12.Ска Maple. Отыскание оптимума. Симплекс-метод.
- •13.Ска Maple. Библиотека Optimization.
- •14.Ска Maple. Линейная алгебра. Матричные операции.
- •15.Ска Maple. Линейная алгебра. Решение линейн. Уравнений.
- •23.Компьютерные сети. Основные виды и их характеристики. Топология сетей.
- •24.Компьютерные сети. Адресация в сетях.
- •26.Internet/Intranet – технологии. Протоколы tcp/ip.
- •25.Технологии доступа в Internet.
- •27.Internet/Intranet – технологии. Электронные сервисы.
- •28.Internet/Intranet – технологии. Url. Служба доменных имен.
- •29.Поисковые системы в Internet. Принципы организации поисковых систем.
- •30.Тенденции развития Internet.
- •31.Стандарты интеграции систем (mrp, mrp II).
- •32.Стандарты интеграции систем (erp, crm, csrp).
- •33.Понятие бизнес-моделей b2b, b2c.
- •35. Методологии информационного и функционального моделирования.
- •36. Геоинформационные системы
- •37.Реинжиниринг бизнес-процессов. Основные этапы реинжиниринга.
- •38.Моделирование бизнес-процессов. Два вида моделей (as is, to be).
- •2 Типа модели:
- •39.Информационные технологии и реинжиниринг бизнес-процессов.
- •40. Моделирование бизнес-процессов.2вида моделей(as is,to be)
- •41.Html. Назначение. Структура документа. Стилевое оформление документов.
- •42.Html. Нумерованные списки. Ненумерованные списки.
- •43.Html. Гипертекстовые ссылки.
- •44.Html. Рисунки. Карты. Использование графики в html
- •Активные изображения (map)
- •45.Html. Таблицы. Основные тэги.
- •46.Понятие проекта и его свойства.
- •47.Жизненный цикл проекта. Результат проекта.
- •48.Управляемые параметры проекта. Задачи управления проектом.
- •53.Искусственный интеллект. Основные понятия.
- •54.Искусственный интеллект. Модели представления знаний.
- •55.Искусственный интеллект. Экспертные системы.
- •56.Искусственный интеллект. Нейросети.
- •57.Пакеты прикладных программ для статистического анализа.
- •59.Справочно-информационные системы. Основные возможности.
- •60.Обеспечение информационной безопасности кис.
55.Искусственный интеллект. Экспертные системы.
Искусственный интеллект, как научная дисциплина, состоит из нескольких крупных течений. Одно из них – экспертные системы. Экспертные системы были первыми разработками, которые смогли привлечь большое внимание к результатам исследований в области искусственного интеллекта.
Первую экспертную систему, которую назвали Dendral, разработали в Стэнфорде в 1960г. Эта была экспертная система, определяющая строение органич. молекул по химич. формулам.
Экспертная система Mycin, разработанная в том же Стэнфорде в середине 1970-х г.г., одной из первых обратилась к проблеме принятия решений на основе ненадежной или недостаточной информации. Все рассуждения экспертной системы Mycin были основаны на принципах управляющей логики.
На сегодняшний день создано уже большое количество экспертных систем. С помощью них решается широкий круг задач, но исключительно в узкоспециализированных предметных областях.
56.Искусственный интеллект. Нейросети.
Нейронные сети – это одно из направлений исследований в области искусственного интеллекта, основанное на попытках воспроизвести нервную систему человека. А именно: способность нервной системы обучаться и исправлять ошибки, что должно позволить смоделировать, работу человеческого мозга.
У нейронных сетей много важных свойств, но ключевое из них – это способность к обучению. Обучение нейронной сети в первую очередь заключается в изменении «силы» синаптических связей между нейронами. Следующий пример наглядно это демонстрирует. В классическом опыте Павлова, каждый раз непосредственно перед кормлением собаки звонил колокольчик. Собака достаточно быстро научилась ассоциировать звонок колокольчика с приемом пищи. Это явилось следствием того, что синаптические связи между участками головного мозга, ответственными за слух и слюнные железы, усилились. И в последующем возбуждение нейронной сети звуком колокольчика, стало приводить к более сильному слюноотделению у собаки.
На сегодняшн. день нейрон. сети являются одним из приоритетных направлений исследований в области искусственного интеллекта.
57.Пакеты прикладных программ для статистического анализа.
Statistica— пакет для всестороннего статистического анализа, разработанный компанией StatSoft.
Эконометрический пакет Eviews обеспечивает особо сложный и тонкий инструментарий обработки данных, позволяет выполнять регрессионный анализ, строить прогнозы в Windows-ориентированной компьютерной среде.
SPSS Statistics (Statistical Package for the Social Sciences) — компьютерная программа для статистической обработки данных, предназначенная для проведения прикладных исследований в первую очередь социальных науках.
По сравнению с ранее приведенными пакетами, обладает существенно меньшим инструментарием статистического анализа данных.
59.Справочно-информационные системы. Основные возможности.
Единая справочно-информационная система (ЕСИС) -- распределенная система доведения до пользователей информации, получения запросов и выдачи справок в интерактивном режиме в различных форматах (текстовом, аудио, видео) с использованием следующих каналов доступа:
корпоративная сеть передачи данных
телефонная сеть общего пользования
Интернет
Возможности ЕСИС
максимально возможный широкий охват обслуживаемых граждан/клиентов
простые и удобные способы раскрытия информации
полную, достоверную и оперативную информацию
минимизацию времени обслуживания
минимизация времени и затрат ресурсов сотрудников предприятия при взаимодействии с пользователями системы