- •1. Информационные ресурсы; понятие, сущность, структура (доп. Материал).
- •2. Информация как философская категория: методологический подход
- •3. Информация как философская категория: онтологический подход.
- •4. Свойства информации.
- •6. Классификация информации
- •1). По способу кодирования
- •7. Формы представления информации (сигнал, сообщение, знак, символ, данные, знания).
- •8. Экспертные системы.
- •9. Интеллектуальные системы.
- •12.Экономические законы развития ит: закон г.Мура.
- •10. Меры информации
- •11. Информационно-коммуникационные технологии.
- •13.Экономические законы развития ит: закон р.Меткалфа.
- •14.Истоки и этапы развития ит.
- •15.Информатика и ит.
- •16.Базовые методы обработки экономической информации.
- •17.Структура базовой ит: Концептуальный уровень.
- •18.Структура базовой ит: Логический и физический уровни.
- •19.Понятие открытых систем и международные структуры в области стандартизации.
- •20.Методологический базис открытых систем.
- •21.Архитектурные спецификации (эталонные модели).
- •23.Базовые спецификации.
- •22.Эталонные модели открытых систем: Эталонная модель среды открытых систем (модель ose); Эталонная модель взаимосвязи открытых систем (модель osi).
- •25.Корпоративные (интегрированные) ис.
- •24.Инструменты функциональной стандартизации: понятие профиля открытой системы; классификация профилей; основные свойства и назначение профилей.
- •26. Состав ис.
- •27. Жизненный цикл ис.
- •28. Структура системы управления и процесс управления организацией.
- •29. Технологии менеджмента: mrp I; cpr; cl mrp; mrp II; wcm; erp; erp II; mbc.
- •30. История ис для разработки управленческих решений.
- •31.Современные Системы Поддержки Принятия Решений (характеристики и классификация).
- •32.Архитектуры сппр (функциональная, Независимые витрины данных, Двухуровневое и Трехуровневое хранилище данных) их достоинства и недостатки.
- •33.Методы поддержки принятия решений: 1) информационный поиск.
- •34.Методы поддержки принятия решений: 2) интеллектуальный анализ данных.
- •35.Методы поддержки принятия решений: 3) извлечение (поиск) знаний в базах данных.
- •36.Методы поддержки принятия решений: 4) рассуждение на основе прецедентов.
- •37.Методы поддержки принятия решений: 5) имитационное моделирование.
- •38.Методы поддержки принятия решений: 6) генетические алгоритмы.
- •39. Методы поддержки принятия решений: 7) искусственные нейронные сети.
- •40.Методы поддержки принятия решений: 8) методы искусственного интеллекта
- •41.Управление проектами: Адаптация через Организационные структуры.
- •42. Управление проектами и Стратегическое
- •43. Системная модель управления проектом.
- •5 Групп процессов:
- •5 Групп процессов:
- •46. Управление рисками проекта.
33.Методы поддержки принятия решений: 1) информационный поиск.
Для поддержки принятия решений c помощью информационных технологий, включая анализ и выработку альтернатив, в СППР используются следующие методы:
1) информационный поиск;
2) интеллектуальный анализ данных;
3) извлечение (поиск) знаний в базах данных;
4) рассуждение на основе прецедентов;
5) имитационное моделирование;
6) генетические алгоритмы;
7) искусственные нейронные сети;
8) методы искусственного интеллекта
Информационный поиск (ИП) (англ. Information retrieval) — процесс поиска неструктурированной документальной информации и наука об этом поиске.
Термин «информационный поиск» был впервые введён Кельвином Муром в 1948 в его докторской диссертации, опубликован и употребляется в литературе с 1950.
Сначала системы автоматизированного информационного поиска, или информационно-поисковые системы (ИПС), использовались лишь для управления информационным взрывом в научной литературе.
Многие университеты и публичные библиотеки стали использовать ИПС для обеспечения доступа к книгам, журналам и другим документам.
Широкое распространение ИПС получили с появлением сети Интернет. У русскоязычных пользователей наибольшей популярностью пользуются поисковые системы Google, Яндекс и Рамблер.
34.Методы поддержки принятия решений: 2) интеллектуальный анализ данных.
Интеллектуальный анализ данных (англ. Data Mining) — выявление скрытых закономерностей или взаимосвязей между переменными в больших массивах необработанных данных. Подразделяется на задачи классификации, моделирования и прогнозирования и другие. Термин «Data Mining» введен Григорием Пятецким-Шапиро в 1989 году.
Английский термин «Data Mining» не имеет однозначного перевода на русский язык (добыча данных, вскрытие данных, информационная проходка, извлечение данных/информации) поэтому в большинстве случаев используется в оригинале. Наиболее удачным непрямым переводом считается термин «интеллектуальный анализ данных».
Data Mining включает методы и модели статистического анализа и машинного обучения, дистанцируясь от них в сторону автоматического анализа данных. Инструменты Data Mining позволяют проводить анализ данных предметными специалистами (аналитиками), не владеющими соответствующими математическими знаниями.
35.Методы поддержки принятия решений: 3) извлечение (поиск) знаний в базах данных.
Извлечение (поиск) знаний в базах данных (Knowledge Discovery in Databases – KDD) ‑ процесс обнаружения полезных знаний в базах данных. Эти знания могут быть представлены в виде закономерностей, правил, прогнозов, связей между элементами данных и др. Главным инструментом поиска знаний в процессе KDD являются аналитические технологии Data Mining, реализующие задачи классификации, кластеризации, регрессии, прогнозирования, предсказания и т.д.
Однако, в соответствии с концепцией KDD, эффективный процесс поиска знаний не ограничивается их анализом. KDD включает последовательность операций, необходимых для поддержки аналитического процесса. К ним относятся:
-
Консолидация данных.
-
Подготовка анализируемых выборок данных.
-
Очистка данных от факторов, мешающих их корректному анализу.
-
Трансформация – оптимизация данных.
-
Анализ данных – применение методов и технологий Data Mining
Интерпретация и визуализация результатов анализа, их применение в бизнес-приложениях