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