- •Понятие ис
- •Корпоративные решения по организации корпоративной информации (базы данных, корпоративные порталы, облачные технологии)
- •Перспективные направления использования информационных технологий в экономике.
- •Информационная модель организации (предприятия). Источники и потребители информации.
- •Роль информац ресурсов
- •Доступ к ресурсам
- •Сервисы
- •Требования к программному обеспечению кис
- •По кис и его классификация. Системное программное обеспечение кис. Операционная система кис
- •По кис в предметной области.
- •Ппп в предметной области.
- •31. Понятие системы искусственного интеллекта (ии). Направления использования систем искусственного интеллекта (ии) в экономике. Роль и место систем ии в информационных системах.
- •32. Математические методы и модели искусственного интеллекта: нечеткая логика, генетические алгоритмы, нейронные сети и др.
- •33. Интеллектуальный анализ данных. Системы иад. Управление знаниями.
- •34. Экспертная система (эс): назначение, структура и классификация. Примеры в предметной области
- •35. Система поддержки принятия решений (сппр): назначение, структура и классификация.
- •36. Искусственные нейронные сети, примеры применения для решения задач в предметной области
- •37. Перспективы развития систем ии.
- •40. Классы безопасности. Стандарты информационной безопасности
- •41. Информационная безопасность корпоративной сети. Критерии иб
- •43. Методы и средства защиты информации. Криптографический метод защиты.
- •Электронная цифровая подпись. Компьютерная стеганография и др.
- •Основные преимущества использования эцп:
- •Правовое обеспечение информационной безопасности в Республике Беларусь
- •46. Компьютерная преступность, ее виды и этапы развития
- •47 Аппаратно-программное обеспечение безопасности кис
- •48. Понятие бизнес-процесса. Реинжиниринг бизнес-процессов. Участники и этапы реинжиниринга.
- •49 Примеры реализации реинжиниринга бизнес-процессов в управлении.
- •50. Роль ит в реинжиниринге бизнес-процессов
- •52. Вспомогательные процессы жц и их характеристика
- •53 Каскадная модель жц. Спиральная модель жц. Компонентная модель жц.
- •54. Стандарты проектирования ис
- •55. Проектирование кис. Подходы к проектированию кис – канонический и типовой.
- •56. Основные этапы проектирования кис.
- •58 Стандартизация и сертификация информационных систем.
32. Математические методы и модели искусственного интеллекта: нечеткая логика, генетические алгоритмы, нейронные сети и др.
Выделяются следующие направления искусственного интеллекта: 1. экспертные системы; 2. нейронные сети; 3. естественно-языковые системы; 4. эволюционные методы и генетические алгоритмы; 5. нечеткие множества; 6. системы извлечения знаний. Экспертные системы ориентированы на решение конкретных задач. Нейронные сети реализуют нейросетевые алгоритмы. Делятся на : - сети общего назначения, которые поддерживают около 30 нейросетевых алгоритмов и настраиваются на решение конкретных задач; - объектно-ориентированные - используемые для распознания символов, управления производством, предсказание ситуаций на валютных рынках,.. - гибридные - используюемые вместе с определенным программным обеспечением (Excel, Access, Lotus). Естественно-языковые (ЕЯ) системы делятся на: - программные продукты естественного языкового интерфейса в БД (представление естественно-языковых запросов в SQL-запросы); - естественно-языковой поиск в текстах, содержательное сканирование текстов (используется в поисковых системах Internet, например, Google); - масштабируемые средства распознания речи (портативные синхронные переводчики); - средства голосового ввода команд и управления (безлюдные производства); - компоненты речевой обработки, как сервисные средства программного обеспечения (ОС Windows XP). Нечёткие множества - реализуют логические отношения между данными. Эти программные продукты используются для управления экономическими объектами, построения экспертных систем и систем поддержки принятия решений. Генетические алгоритмы - это методы анализа данных, которые невозможно проанализировать стандартными методами. Как правило, используются для обработки больших объёмов информации, построения прогнозных моделей. Используются в научных целях при имитационном моделировании. Системы извлечения знаний - используются для обработки данных из информационных хранилищ.
33. Интеллектуальный анализ данных. Системы иад. Управление знаниями.
ИАД – процесс поддержки принятия решений, основанный на поиске данных скрытых закономерностей, накопленные сведения обобщаются до информации, каждая характеризуется как знание. Сложность и разнообразие методов ИАД требуют создания специализированных средств конечного пользователя для решения типовых задач анализа информации в конкретных областях. Поскольку эти средства используются в составе сложных многофункциональных систем поддержки принятия решений, они должны легко интегрироваться в подобные системы.
Системы ИАД применяются в научных исследованиях и образовании, в работе правоохранительных органов, производстве, здравоохранении и многих других областях. Особенно широко технология ИАД используется в деловых приложениях. ИАД решает следующие задачи: - Выявление паттернов, поиск скрытых закономерностей на основе анализа архивных данных и классификаторов. - Повышение качества архивной информации - выявление закономерностей (в виде правил вывода) в архивных данных для использования в моделях прогнозирования, системах поддержки принятия решений и т.д. - Верификация данных - система выявления ошибок в оперативно поступающих данных. Например, с помощью нейронных сетей и индуктивного вывода правил строятся приблизительные прогнозы, которые сравниваются с поступающими данными. Большие отклонения рассматриваются как возможные ошибки.
Результаты ИАД представляют большую ценность для руководителей и аналитиков в их повседневной деятельности. Поэтому перед разработчиками встает задача внедрения технологии ИАД в автоматизированные системы анализа и поддержки принятия решений. Такие системы должны обеспечивать решение нескольких задач, от сбора и проверки корректности информации, поступающей в базу данных, до традиционного и/или интеллектуального анализа данных (степень влияния различных факторов на состояние объекта, прогнозирование) и оптимизационного анализа, причем от пользователя не требуется специальных знаний в области баз данных, факторного анализа или методов оптимизации.
Характеристики ИАД Цели - Обнаружение моделей в данных - Разработка гипотез о данных - Составление модельных оценок Методы - Статистика - Классификация - Кластеризация - Правила вывода - Интегрированные методы Средства визуализации результатов - Графики - Диаграммы - Гистограммы