Информацию о структуре реальных микропроцессов
Информацию о структуре организации
9. Какая модель отражает представление о новых технологиях работы организации?
Модель «как есть»
Модель «как должно быть»
Референтная модель
10. Каким способом производится сбор информации для построения полной бизнес-модели организации?
Путем изучения документированных информационных потоков и функций подразделений
Путем интервьюирования
Путем анкетирования
11. Дайте определение понятию «Процессы обеспечения»
Процессы, обеспечивающие получение дохода
Процессы, предназначенные для жизнеобеспечения основных процессов
Процессы, предназначенные для жизнеобеспечения основных и сопутствующих процессов и ориентированные на поддержку их универсальных средств
5. ЛИТЕРАТУРА
основная
1.ISO/IEC 12207:1995
2. Автоматизированные системы. Стадии создания. ГОСТ 34.601-90. Комплекс стандартов на автоматизированные системы. – М.: ИПК изд-во стандартов, 1997 г.
3. ГОСТ 6.01.1-87 Единая система классификации и кодирования технико-экономической информации. - М.: Изд. стандартов, 1987 г.
4. Вендров А.М. Проектирование программного обеспечения экономических информационных систем. Учебник. 2-е изд-е, перераб. и доп. (ГРИФ). – М.: Финансы и статистика. – 2005 г.
5. Грекул В.И., Денищенко Г.Н., Коровкина Н.Л. Проектирование информационных систем. Курс лекций. – М.: Интуит.ру, 2005 г.
6. Калянов Г.Н. Структурный системный анализ. – М.: Лори, 1997 г.
7. Марка Д.А., МакГоуэн К. SADT — методология структурного анализа и проектирования. - М.: Метатехнология, 1993 г.
8. Смирнова Г.Н., Сорокин А.А., Тельнов Ю.Ф. Проектирование экономических информационных систем. – М.: Финансы и статистика, 2002 г.
дополнительная
9. Хетагуров Я. Проектирование автоматизированных систем обработки информации управления. – М.: Высшая школа. – 2006 г.
10. 0. Йордон Э., Аргила К. Объектно-ориетированный анализ и проектирование систем. – М.: Лори, 2007 г.
Электронные ресурсы
11. http://www.intuit.ru
12. http://www.networkdoc.ru
13. http://www.interface.ru
14. http://www.citforum.ru
15. http://www.big-group.ru
16. http://www.fostas.ru
17. http://www.carabisolutions.sp.ru
Учебная программа
по специальной дисциплине
«ИНТЕЛЛЕКТУАЛЬНЫЕ ИНФОРМАЦИОННЫЕ СИСТЕМЫ»
1. ВВЕДЕНИЕ
Цель курса -. обеспечить высокую профессиональную подготовку слушателей в области разработки и практического применения интеллектуальных информационных технологий по профилю будущей специальности.
· Задачами курса являются. развитие современного профессионального мировоззрения и знакомство с передовыми технологиями разработки специального класса прикладных систем;
· знакомство со всем кругом задач, решаемых в рамках искусственного интеллекта;
· овладение методами проектирования и разработки модулей информационных систем, использующих технологии искусственного интеллекта.
После обучения по данной программе слушатель должен:
а) знать:
· круг проблем, решаемых методами искусственного интеллекта;
· основные способы представления знаний в базах знаний;
· структуру и технологию разработки экспертных систем;
· основные положения нечеткой логики и их применение для реализации нечетких рассуждений.
б) уметь:
· строить модели неформализуемых задач;
· выступая в роли инженера по знаниями, проектировать несложные базы знаний, используя различные методы представления знаний;
· иметь навык в разработке элементов интеллектуального интерфейса информационных систем;
в) иметь представление об:
· современных концепциях интеллектуальных информационных систем;
· популярных программных продуктах в области искусственного интеллекта;
· экономических и правовых аспектах интеллектуальных информационных систем.
2. СОДЕРЖАНИЕ ДИСЦИПЛИНЫ
Искусственный интеллект. История развития искусственного интеллекта в России и за границей. Основные направления исследований в области искусственного интеллекта. Интеллектуальные информационные системы. Понятие и признаки интеллектуальной информационной системы. Классификация интеллектуальных информационных систем. Системы с интеллектуальным интерфейсом: интеллектуальные базы данных, естественно-языковой интерфейс, гипертекстовые системы, системы контекстной помощи, системы когнитивной графики. Экспертные системы: классифицирующие, доопределяющие, трансформирующие, мультиагентные. Самообучающиеся системы: индуктивные, нейронные сети, системы, основанные на прецедентах, информационные хранилища. Адаптивные информационные системы: CASE-технологии, компонентные технологии.
Компоненты статической ЭС: база знаний, база данных, решатель, система объяснений, компоненты приобретения знаний, интерфейс с пользователем. Участники процесса проектирования: эксперты, инженеры по знаниям, программисты, конечные пользователи. Режимы работы ЭС: приобретения знаний, консультации. Динамическая ЭС: понятие, компоненты. Классификационные признаки экспертных систем. Тип приложения: изолированное, интегрированное, закрытое, открытое, централизованное, распределенное. Стадия существования: исследовательский прототип, действующий прототип, промышленная система, коммерческая система. Масштаб ЭС: малые, средние, большие, символьные. Тип проблемной среды: характеристика предметной области, характеристика задач). Тип решаемой задачи: интерпретация данных, диагностика, мониторинг, проектирование, прогнозирование, планирование, обучение, управление, поддержка принятия решений. Характеристика инструментальных средств. Уровень используемого языка: традиционные, специальные языки программирования, инструментальные средства, оболочки ЭС, проблемно/предметно-ориетированные оболочки и среды. Парадигмы программирования и механизмы реализации: процедурное программирование, программирование, ориентированное на данные, программирование, ориентированное на правила, объектно-ориетированное программирование. Способ представления знаний. Механизмы вывода и моделирования. Средства приобретения знаний. Технологии разработки приложений. Технология проектирования и разработки экспертных систем. Этапы создания. Три главных принципа проектирования ЭС. Требования для разработки ЭС. Концепция быстрого прототипа. Технология реализации ЭС: идентификация, концептуализация, формализация, выполнение, тестирование, опытная эксплуатация. Подходы проектирования ЭС: базирующийся на поверхностных знаниях, структурный, основанный на глубинных знаниях, смешанный.
Отличия знаний от данных. Понятие данных и знаний. Способы наделения знаниями программных систем. Классификация знаний: декларативные, процедурные, фактуальные, эвристика (проблемные), правила, метазнания. Типичные модели представления знаний. Логическая модель представления знаний. Представление знаний правилами продукций. Объектно-ориентированное представление знаний фреймами. Модель семантической сети. Традиционные способы обработки знаний. Способы доказательства и вывода в логике: силлогизм, принципы дедуктивного вывода, семантический метод, синтаксический метод, правило подстановки, доказательство с введением допущения, приведение к противоречию, доказательство методом резолюции. Прямой и обратный вывод в экспертных системах продукционного типа. Основные компоненты системы продукционного типа: база правил, рабочая память, механизм вывода. Компонента вывода. Управляющая компонента. Примеры прямого и обратного вывода.
Виды нечеткости знаний, способы их устранения и(или) учета в интеллектуальных системах. Основные компоненты нечеткости: недетерминированность выводов, многозначность, ненадежность знаний и выводов, неполнота знаний и немонотонная логика, неточность знаний. Нечеткие множества и нечеткие выводы. Операции над нечеткими множествами: дополнения, объединения, пересечения. Нечеткие отношения. Композиция нечетких отношений. Нечеткие выводы. Программные средства для работы с нечеткими знаниями.
Стратегии получения знаний. Аспекты извлечения знаний: психологический, лингвистический, гносеологический. Проблемы структурирования знаний. Структурный подход. Объектный подход. Объектно-структурный подход. Задачи структурирования знаний. Семиотический подход к приобретению знаний. Методы извлечения знаний. Коммуникативные методы: пассивные (наблюдение, протокол «мысли вслух», лекции) и активные (индивидуальные, групповые). Текстологические методы: анализ учебников, литературы, документов. Выявление «скрытых» структур знаний. Понятие скрытых (имплицитных) знаний. Методы выявления скрытых знаний: многомерного шкалирования, метафорический, репертуальных решеток. Построение баз знаний для ЭС диагностики. Задача классификации. Метод экспертной классификации. Проблемы обучения интеллектуальных систем. Классификация этапов обучения: получение информации без логических выводов, получение знаний извне, обучение по примерам, получение знаний на метауровне. Индуктивные методы в логике. Индуктивный вывод. Дедуктивный вывод. Гипотеза минимального обобщения. ДСМ-метод. Средства компьютерной поддержки приобретения знаний. Методы и средства интеллектуального анализа данных. Понятие интеллектуального анализа данных (DM&KDD). Информационное хранилище. Сжатие больших объемов данных. Математические методы и алгоритмы DM&KDD: классификация, кластеризация, регрессия, прогнозирование временных рядов, ассоциация, последовательность. Интеллектуальные средства DM&KDD: нейронные сети, деревья решений, индуктивные выводы, методы рассуждения по аналогии, нечеткие логические выводы, генетические алгоритмы, алгоритмы определения ассоциаций и последовательностей, анализ с изобретательным действием, логическая регрессия, эволюционное программирование, визуализация данных. Типовые задачи DM&KDD в области экономики и бизнеса.