- •1.1 Понятие информационной системы, ис в управлении предприятием
- •1.2 Классификация ис
- •1.3 Кис, структура и требования к кис.
- •Виды обеспечения информационных систем
- •1.5 Базовые стандарты ис: mrp,mrp-2, erp, erp-2, crm и др.
- •1.6 Перспективыне направления исп-ния инф.Технологий в экономике.
- •2.1 Информационное обеспечение информационных систем, требования к ио.
- •2.2 Информационная модель организации.
- •2.3 Информационные ресурсы ис: проблемы создания и доступа. Источники и потребители информации.
- •2.4 Роль информационных ресурсов в управлении.
- •3.1 Техническое обеспечение корпоративных информационных систем. Классификация технического обеспечения.
- •По размерам и функциональным возможностям эвм делятся на следующие группы:
- •3.2. Требования к техн.Обесп-ю.
- •3.3. Корпоративная сеть предприятия: структура, Интернет/Интеранет и Экстранет. Администрирование корпоративной сети (кс).
- •Требования, предъявляемые кс:
- •Принципы построения кс:
- •3.4 Сеть Интернет как элемент инфраструктуры кис.
- •3.5. Перспективы развития технических средств кис, телекоммуникационных и сетевых технологий.
- •4.1. Разработка, понятие по, требования к по.
- •4.2. Сегментация рынка по
- •4.3 Кис в предметной области.
- •4.4 Технологические решения интеграции информационных систем
- •Интеграцию можно осуществлять на базе различных технологических решений:
- •Классическое представление sоа
- •Стандартизация типов сервисов
- •4.5 Перспективы развития программного обеспечения кис
- •5.1 Понятие искусственного интеллекта. Направл-я исп-ния сист.Ии в экономике.
- •5.2 Математические методы и модели ии. Искусственные нейронные сети
- •5.3. Интеллектуальн.Анализ данных. Упр-ние знаниями.
- •5.4. Экспертная система (эс).
- •5.5. Сист.Поддержки принятия решений (сппр): назнач-е, структура и классификация.
- •Перспективы развития сист.Ии
- •6.1. Информационная безопасность кис
- •6.3. Классы безопасности. Стандарты информационной безопасности
- •6.2Угрозы информационной безопасности и их классификация. Компьютерная преступность.
- •6.4. Информационная безопасность корпоративной сети
- •6.6. Методы и средства защиты информации. Криптографический метод защиты. Электронная цифровая подпись. Компьютерная стеганография и др.
- •6.7 Правовое обеспечение информационной безопасности в Республике Беларусь
- •7.1 Понятие бизнес-процесса. Реинженеринг бизнес-процесса. Участники и этапы реинж.
- •7.2. Примеры реализации реинжениринга бизнес-процесса в управлении
- •7.3 Жизненный цикл ис. Модели жизн.Цикла ис.
- •7.4.Проектир-е Кис.Подходы к проектир-ю кис. Этапы проектир-я кис
- •7.6.Стандартизация и сертификация ис
- •7.7. Оценка эффект-ти кис
5.3. Интеллектуальн.Анализ данных. Упр-ние знаниями.
Анализ данных – действия, направлен.на извлеч-е из них инф-ции об исследуемом объекте и на получ-е по имеющимся данным новых данных.
Интеллектуальн.анализ данных (ИАД)– общий термин для обознач-я анализа данных с активн.исп-нием матем.методов и алгоритмов (методы оптимизации, генетич.алгоритмы, распознавание образов, статистич.методы, Data Mining…), использующих визуальное представл-е данных.
Процесс ИАД состоит из 3 стадий:
Выявление закономерностей (свободн.поиск);
Исп-ние выявленных законом-тей для предсказания неизвестных значений (прогнозир-е)
Анализ исключений для выявления и толкования аномалий в найденных законом-тях.
Иногда выделяют промежуточн.стадию проверки достоверности найденных законом-тей меджу их нахожд-ем и исп-нием.
Все методы ИАД по принципу работы с исходн.данными подраздел-ся на 2 группы:
- методы рассужд-й на основе анализа прецедентов – исходн. данные могут хранится в явном детализированном виде и непосредственно исп-ся для прогнозир-я и анализа.
- методы выявления и исп-ния формализован.законом-тей, требующие извлечения инф-ции из первичн.данных и преобразов-я ее в нек-рые формальные конструкции, вид кот. зависит от конкретн.метода.
Существующие системы ИАД подразделяют на исследовательские, ориентированные на специалистов и предназначенные для работы с новыми типами проблем; прикладные, рассчитанные на аналитиков, менеджеров, технологов и решающие типовые задачи (в прикладных системах целесообразно реализовывать не методы, а типовые виды рассуждений, характерные для проблемной области).
Для проведения автоматического анализа данных, накопленных предприятием в течение жизненного цикла, используются технологии под общим названием Data Mining. Data Mining — это технология обнаружения «сырых» данных ранее неизвестных нетривиальных, практически полезных и доступных интерпретаций знаний, необходимых для принятия решений в различных сферах человеческой деятельности. Алгоритмы, используемые в Data Mining требуют большого количества вычислений, что ранее считалось сдерживающим фактором широкого практического их применения, однако рост производительности современных процессоров снял остроту этой проблемы.
Наибольшее распространение получили следующие методы Data Mining: нейронные сети, деревья решений, алгоритмы кластеризации, алгоритмы обнаружения ассоциативных связей между событиями и т.д.
Деревья решений представляют собой иерархическую древовидную структуру классифицирующих правил типа «если-то». Для отнесения некоторого объекта или ситуации к какому-либо классу следует ответить на вопросы. При положительном ответе осуществляется переход к правому узлу следующего уровня дерева, отрицательном — к левому узлу.
5.4. Экспертная система (эс).
ЭС – система ИИ, включающая знания об определен.слабо структурирован.и трудно формализуемой узкой предметн.области и способная предлагать и объяснять польз-лю разумн.реш-я. В ее основе лежит база знаний с правилами и машиной логич.вывода и которая на основании представленных фактов делает диагноз и подсказывает путь реш-я.
Осн.компоненты ЭС:
- база знаний, кот.содержит факты и правила. Факты – краткосрочн.инф-ция. Они могут измен-ся в ходе консультации. Правила – более долговремен.инф-ция о том, как порождать новые факты из того, что известно.
- подсист.логического вывода(машина логич.вывода) – она, используя исходн.данные из раб.памяти и базы знаний, формирует последов-ть правил, кот.приводят к реш-ю задач. Различают прямую и обратную цепочки рассужд-й. прямая - цепочка, кот.ведет от данных к гипотезе. Процесс получ-я окончательн.результата прозрачный. Обратная – попытка найти данные для доказат-ва или опровержения нек-рой гипотезы. На практике в чистом виде они редко встречаются.
- приобрет-е (редактор) знаний – автоматизирует процесс напол-я ЭС знаниями.
- объяснительн.компонент – разъясняет польз-лю, как система получила реш-е задачи и какие знания при этом использовались.
- диалоговый компонент – ориентирован на организацию дружествен.общения с польз-лем в ходе реш-я задач.
- БД – для хранения исходных и промежуточн.данных решаемой задачи.
ЭС может работать в режиме приобрет-я знаний (общение с ЭС осуществляет эксперт, кот.использует компонетн приобрет-е знаний) и в режиме реш-я задачи (режим консультации, общение с ЭС осуществляет конечн.польз-ль, которого интересуют результаты реш-я задачи)
ЭС формируется по след.методологич. принципам:
Объект – все, что является источником инф-ции
Любой объект обладает различными свойствами, кот.явл-ся в рамках соответствующ.систем
Структура сист. отражает структуру предметн.области
ЭС классифиц-ся по след.признакам:
По назнач-ю: *общего назнач-я; *специализированные (сист.тестирования,УЗИ)
По степени зависимости от внешн.среды: *статические; *динамич.
По типу исп-ния: *изолированные; *ЭС на выходе 1 сист. и входе др.системы; *гибридные
По стадии создания: *исследовательские; *демонстрацион; *промышлен; *коммерч.