- •1. Организационная структура предприятия. Информационные процессы в управлении предприятием. Классификация структур управления.
- •2. Понятие информационной системы (ис). Классификация информационных систем.
- •3. Архитектура ис, типы архитектур.
- •4. Этапы развития и базовые стандарты ис.
- •7. Информационное обеспечение ис и требования к нему.
- •8. Информационные ресурсы, информационные продукты и услуги.
- •9. Классификация информационных ресурсов.
- •10. Информационные ресурсы ис. Корпоративные базы данных. Единое информационное пространство организации. Электронный документооборот.
- •11. Проблемы создания информационных ресурсов и обеспечения доступа к ним.
- •12. Понятие, компоненты и уровни зрелости ит-инфраструктуры предприятия.
- •13.Способы организации ит-инфраструктуры: центр обработки данных (цод) и его компоненты, виртуальный цод.
- •14. Корпоративные информационные системы (кис). Основные компоненты кис. Требования кис.
- •15. Технологии интеграции ис. Технологии открытых систем. Эталонная модель среды и взаимосвязи открытых систем.
- •16. Техническое обеспечение ит-инфраструктуры ис: компоненты и требования к нему.
- •17. Технические средства front- и back- офиса ис в предметной области. Критерии выбора технических средств для ис в предметной области.
- •18. Корпоративная сеть (кс) предприятия: назначение, структура и основные компоненты.
- •19.Сети Интранет и Экстранет. Требования предъявляемые к кс.
- •20. Организация сетевого доступа к ресурсам ис.
- •21. Администрирование кс.
- •22.Программному обеспечению (по) ис: состав и требования.
- •23. Сегментация рынка прикладного по для ис.
- •24. Предметно-ориентированное прикладное по предметной области.
- •25. Интегрированное прикладное по.
- •26. Критерии выбора программного обеспечения для ит-инфраструктуры.
- •27. Тенденции развития программного обеспечения.
- •28. Понятие искусственного интеллекта (ии), направления использования ии.
- •29. Математические модели и методы искусственного интеллекта.
- •30. Системы ии и их роль в поддержке управленческих решений.
- •32. Интеллектуальный анализ данных (Data Mining) и знаний (Knowledge Мining). Управление и анализ больших объемов данных (Big data). Системы бизнес-аналитики (Business Intelligence, bi).
- •33. Управление знаниями. Системы управления знаниями.
- •34. Экспертные системы (эс): назначение и классификация. Основные компоненты эс.
- •35. Системы поддержки принятия решений (сппр): назначение и классификация. Основные компоненты сппр.
- •36. Интеллектуальные агенты: назначение и классификация.
- •37. Роль и место систем ии в информационных системах.
- •38. Понятие информационной безопасности (иб) ис.
- •39. Угрозы инф-ной безопасности иб ис и их классификация.
- •40. Методы и средства защиты информации. Криптографический метод защиты. Электронная цифровая подпись. Компьютерная стеганография и др.
- •41. Оценка информационной безопасности ис: стандарты и классы иб, требования к иб.
- •42. Правовое обеспечение ис. Политика безопасности предприятия. Государственное законодательство в области информационной безопасности ис.
- •43. Жизненный цикл (жц) ис. Стандарты разработки ис. Этапы и модели разработки ис, формируемые документы. Роль заказчика и разработчика ис в формировании требований к ней.
- •44. Проектирование ис. Подходы к проектированию ис. Методологии проектирования ис.
- •45. Средства автоматизации проектирования ис. Case-системы.
- •46. Оценка качества информационной системы. Критерии качества ис.
- •47. Реинжиниринг ис и его место в жц ис. Методы и технологии реинжиниринга ис.
- •48. Сетевая экономика.
- •49. Электронный бизнес. Модели электронного бизнеса.
- •50. «Облачные» сервисы в экономике.
- •51. Роль социальных сетей в экономике.
29. Математические модели и методы искусственного интеллекта.
Искусственный интеллект реализуется на базе четырех подходов: логического, эволюционного, имитационного и структурного.
Основой логического подхода служит булева алгебра и ее логические операторы, в первую очередь, оператор IF (если). При этом исходные данные хранятся в базе данных в виде аксиом, а правила логического вывода - как отношения между ними.
Примером практической реализации логических методов являются деревья решений и нечеткая логика.
Эволюционное моделирование представляет собой универсальный способ построения прогнозов состояний системы в условиях задания их предыстории.
К построению систем ИИ широко используется имитационный подход с базовым понятием «черный ящик» (система, в которой внешнему наблюдателю доступны лишь входные и выходные величины, а структура и внутренние процессы неизвестны).
Под структурным подходом подразумевается построение систем ИИ путем моделирования структуры человеческого мозга (нейросетееое моделирование).
Искусственные нейронные сети (ИНС) - это математические модели и их программные или аппаратные реализации, построенные по принципу организации и функционирования биологических нейронных сетей.
30. Системы ии и их роль в поддержке управленческих решений.
Система (ИИ) – автоматизированная информационная система для решения трудных задач, не имеющих известного алгоритма решения.
1- Интеллектуальный анализ данных и знаний.
2- Управление корпоративными знаниями
3- Поддержка принятия решений
4- Управление на основе технологий ИИ.
Закономерности выявленные методами ИИ:
1- Ассоциация
2- Последовательность (цепочка событий во времени)
3- Классификация (выявление признаков)
4- Кластеризация (формирование групп)
5- прогнозирование
Основные области применения ИИ: - Доказательства теорем; - Игры; - Распознавание образов; - Принятие решений;- Адаптивное программирование; - Сочинение машинной музыки; - Обработка данных на естественном языке; - Обучающиеся сети нейросети. Искусственный или машинный интеллект - свойство автоматизированных или автоматических систем брать на себя отдельные функции интеллекта человека.
Традиционно любая экспертная система в общем виде может быть представлена так: Данные + Алгоритм = Программа
5.
Клиент – серверная архитектура.
6.
Равноправие измерений.
7.
Динамическая обработка разреженных
матриц.
8.
Поддержка многопользовательского
режима.
OLAP (Online Analytical Processing – оперативная аналитическая обработка) – это информационный процесс, который дает возможность пользователю запрашивать систему, проводить анализ и т.д. в оперативном режиме (онлайн). Результаты генерируются в течении секунд.
OLAP системы выполнены для конечных пользователей, в то время как OLTP системы делаются для профессиональных пользователей ИС. В OLAP предусмотрены такие действия, как генерация запросов, запросы нерегламентированных отчетов, проведение статистического анализа и построение мультимедийных приложений.
Для обеспечения OLAP необходимо работать с хранилищем данных (или многомерным хранилищем), а также с набором инструментальных средств, обычно с многомерными способностями. Этими средствами могут быть инструментарий запросов, электронные таблицы, средства добычи данных (Data Mining), средства визуализации данных и др.
В основе концепции OLAP лежит принцип многомерного представления данных. Э. Кодд рассмотрел недостатки реляционной модели, в первую очередь указав на невозможность объединять, просматривать и анализировать данные с точки зрения множественности измерений, то есть самым понятным для корпоративных аналитиков способом, и определил общие требования к системам OLAP, расширяющим функциональность реляционных СУБД и включающим многомерный анализ как одну из своих характеристик.
Правила, которым должен удовлетворять программный продукт класса
OLAP
1. Многомерное концептуальное представление данных.
2. Прозрачность.
3. Доступность.
4. Устойчивая производительность.