
- •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. Среднеквадратическое отклонение.
- •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.
- •9. 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 линейных уравнений.
- •16. Анализ и решение задач межотраслевого баланса в Maple.
- •17. Анализ и решение задач оптимизации плана производства в Maple.
- •18. Анализ и решение задач оптимизации плана транспортных перевозок в Maple.
- •19. Ска Maple. Статистика. Модули библиотеки.
- •20. Ска Maple. Статистика. Корреляция, аппроксимация.
- •21. Ска Maple. Статистика. Описательные характеристики.
- •22. Ска Maple. Финансовые функции.
- •23. Компьютерные сети. Основные виды и их характеристики. Топология сетей.
- •24. Компьютерные сети. Адресация в сетях.
- •25. Технологии доступа в Internet.
- •26. Internet/Intranet – технологии. Протоколы tcp/ip.
- •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.
- •34. Геоинформационные системы.
- •35. Методологии информационного и функционального моделирования.
- •36. Программное обеспечение для моделирования корпоративных информационных систем.
- •37. Реинжиниринг бизнес-процессов. Основные этапы реинжиниринга.
- •38. Моделирование бизнес-процессов. Два вида моделей (as is, to be).
- •39. Информационные технологии и реинжиниринг бизнес-процессов.
- •40. Технологии автоматизированного проектирования корпоративных информационных систем (case, rad).
- •41. Html. Назначение. Структура документа. Стилевое оформление документов.
- •42. Html. Нумерованные списки. Ненумерованные списки.
- •43. Html. Гипертекстовые ссылки.
- •44. Html. Рисунки. Карты.
- •45. Html. Таблицы. Основные тэги.
- •46. Понятие проекта и его свойства.
- •47. Жизненный цикл проекта. Результат проекта.
- •48. Управляемые параметры проекта. Задачи управления проектом.
- •49. Методология сетевого планирования и управления. Структурное планирование.
- •50. Методология сетевого планирования и управления. Календарное планирование.
- •51. Методология сетевого планирования и управления. Оперативное управление.
- •52. Программные продукты для управления проектами.
- •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.
- •58. Специализированные программы для специальности.
- •59. Справочно-информационные системы. Основные возможности.
- •60. Обеспечение информационной безопасности кис.
54. Искусственный интеллект. Модели представления знаний.
ИИ - свойство автоматических систем брать на себя отдельные функции интеллекта человека, например, выбирать и принимать оптимальные решения на основе ранее полученного опыта и рационального анализа внешних воздействий.
Модели представления знаний – это одно из важнейших направлений исследований в области искусственного интеллекта. Потому что без знаний искусственный интеллект не может существовать в принципе.
На сегодняшний день разработано уже достаточное количество моделей. Каждая из них обладает своими плюсами и минусами, и поэтому для каждой конкретной задачи необходимо выбрать именно свою модель. От этого будет зависит не столько эффективность выполнения поставленной задачи, сколько возможность ее решения вообще.
Рассмотрим три наиболее часто используемые и популярные на сегодняшний день модели представления знаний:
Продукционные модели – модели основанные на правилах, позволяют представить знание в виде предложений типа: «ЕСЛИ условие, ТО действие». Продукционные модели обладает тем недостатком, что при накоплении достаточно большого числа правил, они начинают противоречить друг другу;
Сетевые модели или семантические сети – как правило, это граф, отображающий смысл целостного образа. Узлы графа соответствуют понятиям и объектам, а дуги – отношениям между объектами;
Фреймовые модели – основывается на таком понятии как фрейм. Фрейм – структура данных для представления некоторого концептуального объекта. Информация, относящаяся к фрейму, содержится в составляющих его слотах. Слоты могут быть терминальными либо являться сами фреймами, т.о. образуя целую иерархическую сеть.
55. Искусственный интеллект. Экспертные системы.
ИИ - свойство автоматических систем брать на себя отдельные функции интеллекта человека, например, выбирать и принимать оптимальные решения на основе ранее полученного опыта и рационального анализа внешних воздействий.
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 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.
ИИ - свойство автоматических систем брать на себя отдельные функции интеллекта человека, например, выбирать и принимать оптимальные решения на основе ранее полученного опыта и рационального анализа внешних воздействий.
Нейросети – 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 сегодняшний день нейросети являются одним из приоритетных направлений исследований в области искусственного интеллекта.