Business Intelligence - Wydział Ekonomiczny
Transkrypt
Business Intelligence - Wydział Ekonomiczny
SYLABUS rok akademicki 2016/17 Wydział Ekonomiczny Uniwersytet Gdański Nazwa przedmiotu Business Intelligence Jednostka prowadząca przedmiot Nazwisko prowadzącego ITiHM Nazwa kierunku Ekonomia/MSG Kod ECTS 14.3.E.FZ.2879 Pkt.ECTS 1 Limit osób 15 Nazwa specjalności BRAK; dr Karol Kreft Forma zajęć/Liczba godzin Wykład 0 Ćwiczenia 0 Konwersatoria 0 Laboratoria komputerowe Forma aktywności 15 Seminaria 0 Lektoraty Rok i rodzaj studiów: 1 SS2, 2 SS2, Godziny z udziałem nauczyciela akademickiego (w tym konsultacje, egzaminy i inne): 25 Semestr: 1, 3, Godziny bez udziału nauczyciela akademickiego (samodzielna praca studenta): 50 Status przedmiotu: Fakultatywny Sumaryczna liczba godzin: 75 Język wykładowy: polski 0 Sposób realizacji zajęć Zajęcia w sali dydaktycznej. Metody dydaktyczne Wykłady z prezentacjami multimedialnymi, Ćwiczenia z wykorzystaniem metod aktywizujących, Praca w laboratorium komputerowym, Określenie przedmiotów wprowadzających wraz z wymogami wstępnymi Wymagania formalne brak Wymagania wstepne brak Sposób i forma zaliczenia oraz kryteria oceny Sposób zaliczenia Kryteria oceny Zaliczenie na ocenę Ocena z zaliczenia jest uzależniona od uzyskanego przez studenta wyniku procentowego wg nastepujacej skali: bardzo dobry - 91% i powyżej dobry plus - 81-90% dobry - 71-80% dostateczny plus - 61-70% dostateczny - 51-60% niedostateczny - 50% i mniej Wartosci procentowe beda zaokraglane do liczb całkowitych z zgodnie z powszechnie obowiazujacymi zasadami zaokraglania. Ocena zaliczeniowa z cwiczen jest ustalana jako srednia arytmetyczna ocen czastkowych otrzymywanych przez studenta podczas zajec za wykonanie poszczególnych zadan (określonych programem) Cele przedmiotu Zapoznanie studenta z działaniem oprogramowania Business Intelligence , które może zostać wykorzystane w budowaniu przewagi rynkowej. Efekty kształcenia się Treści programowe 1.Pojęcie Business Intelligence uzasadnienie stosowania narzędzi BI w biznesie elektronicznym. Przykłady zastosowań BI. 2. Podstawy matematyczne działania BI logiki wartościowe i rozmyte, zbiory rozmyte, dynamiczne przestrzenie probabilistyczne, bayesowskie metody wnioskowania probabilistyczne Wszystkie prawa zastrzeżone (c) Karol Kreft 1/2 SYLABUS rok akademicki 2016/17 Wydział Ekonomiczny Uniwersytet Gdański 3.Prezentacja oprogramowania BI na przykładzie Statistica Neural Networks PL, SPHINX Pakiet Sztucznej Inteligencji 4. Zasada budowy narzędzi BI dokumentacja projektowa, fazy projektowe, struktura danych 5. Praktyczna optymalizacja wybranego przez studentów BI metody pozyskiwania danych do narzędzi BI, przygotowanie danych do oprogramowania BI 6. Budowa modelu BI stworzenie aplikacji do przetworzenia zgromadzonych danych 7. Przeprowadzenie badania na przygotowanym modelu wnioski końcowe Wykaz literatury podstawowej i uzupełniającej Stasieńsko J., Technologie Business Intelligence w procesie podejmowania decyzji, Roczniki Kolegium Analiz Ekonomicznych / Szkoła Główna Handlowa, nr 19, Warszawa 2009 Business Intelligence: An Analysis of the Literature, Information Systems Management Volume 25, Issue 2, 2008 Kasperski M., Sztuczna Inteligencja, Wydawnictwo Helikon, Gliwice 2007 Rutkowska D., Pilinski M., Rutkowski L., Sieci neuronowe, algorytmy genetyczne i systemy rozmyte, Wydawnictwo Naukowe PWN, Warszawa 2012 Januszewski A.: Funkcjonalność Informatycznych Systemów Zarządzania, t.2 Systemy Business Intelligence, PWN, Warszawa 2008 Łotewski S.: Razem z biznesem. Raport Specjalny Business Intelligence, ComputerWorld nr 09/848 2009 Kontakt , Wszystkie prawa zastrzeżone (c) Karol Kreft 2/2