Sustavi poslovne inteligencije

1. Sustavi poslovne inteligencije Nositelj kolegija: Marijana Zekić-Sušac Redoviti profesor E-mail: marijana@efos.hr Termini konzultacija oglašeni na web stranici: http://www.efos.unios.hr/mzekic Asistent: Adela Kapetanović, vanjski suradnik akapeta@efos.hr Termini konzultacija oglašeni na web stranici: http://www.efos.unios.hr/akapeta M. Zekić-Sušac, Osnove umjetne inteligencije

2. Cilj i svrha kolegija • Upoznati studente s teorijom i primjenom tehnika umjetne inteligencije u sustavima poslovne inteligencije, odnosno sustavima za potporu odlučivanju • Naglasak - na probleme predviđanja, klasifikacije i prepoznavanje uzoraka • Omogućiti studentima ovladavanje osnovnim principima dizajniranja i evaluacije inteligentnih sustava M. Zekić-Sušac, Osnove umjetne inteligencije

3. Glavni koncepti poslovne inteligencije Poslovna inteligencija (Business Intelligence) uključuje sljedeće koncepte (područja): • Skladištenje podataka (Data Warehouse) • Izvještavanje (Reporting) • On-Line Analitičko procesiranje (OLAP) • Izradu score kartica - scorecarding (Key Performance Indicators ili Business Performance Management) • Benchmarking – uspoređivanje pokazatelja uspješnosti poslovanja tvrtke s tvrtkom koja se smatra standardom ili najboljom u tom području • Rudarenje podataka (Data Mining) • Rudarenje teksta (Text Mining) najveća upotreba inteligentnih metoda M. Zekić-Sušac, Osnove umjetne inteligencije

4. Sadržaj kolegija • Umjetna inteligencija - Osnovni pojmovi. Pristupi umjetne inteligencije u rješavanju intelektualnih problema. Umjetna inteligencija vs. tradicionalno računarstvo. Tehnike umjetne inteligencije. Područja primjene umjetne inteligencije. Inteligentne metode kao dio sustava za potporu odlučivanju. • Rudarenje podataka – data mining. Metode rudarenja podataka. Neuronske mreže. Definicija i način funkcioniranja. Modeliranje podataka za neuronsku mrežu. Dizajniranje arhitekture neuronske mreže. Alati za razvoj neuronskih mreža. Upotreba neuronskih mreža u poslovnoj praksi (analiza slučajeva i rad na primjerima).Stabla odlučivanja. Definicija i način funkcioniranja. Upotreba stabala odlučivanja za klasifikaciju. Ostale metode rudarenja podataka: Asocijacijska pravila. Analiza slučajeva i rad na primjerima. M. Zekić-Sušac, Osnove umjetne inteligencije

5. Sadržaj kolegija - nastavak • Ostale tehnike umjetne inteligencije. Inteligentni agenti. Robotika. Prepoznavanje uzoraka. Prepoznavanje govora. Obrada prirodnog jezika. Hibridni sustavi umjetne inteligencije. Trendovi razvoja inteligentnih sustava. M. Zekić-Sušac, Osnove umjetne inteligencije

6. Struktura kolegija • Predavanja - metodologija i arhitektura rada neuronskih mreža, stabala odlučivanja, inteligentnih agenata, robotike i drugih tehnika umjetne inteligencije i njihove primjene u poslovanju • Seminari i vježbe • rad na primjerima kroz upotrebu programskih alata (Statistica i SQL Server Business Intelligence) • izlaganje seminarskih radova studenata M. Zekić-Sušac, Osnove umjetne inteligencije

7. Obveze studenata • Sudjelovati u nastavi osobno i putem sustava za e-učenje • Predati seminarski rad u zadanom roku • Kašnjenje u predaji seminara snižava bodove na minimum bodova za seminarski rad. • Izlagati seminarski rad pred studentima u predviđenom terminu M. Zekić-Sušac, Osnove umjetne inteligencije

8. Seminarski rad • Napraviti model neuronske mreže ili stabala odlučivanja na izabranim podacima • Izabrati podatke među ponuđenim uzorcima podataka na stranici kolegija u sustavu Loomen, ili • Odabrati problem predviđanja ili klasifikacije po izboru (prodaja, dobit, troškovi, izbor dobavljača, odluka o odobrenju kredita, itd.), te sami prikupiti podatke iz tvrtke po izboru (iz razgovora s djelatnikom tvrtke odlučiti što će biti ulazne varijable, a što izlazna) • Kreirati model s pomoću neuronske mreže ili stabala odlučivanja u alatu Statistica • Opisati model i rezultate u obliku seminarskog rada – predati Word verziju u sustav Loomen (pogledati upute za izradu rada) • Izlagati rad (Power Point prezentacija) M. Zekić-Sušac, Osnove umjetne inteligencije

9. Način ocjenjivanja • Ljestvica za ocjenjivanje: • 80 – 99 = 2 • 100 – 119 = 3 • 120 – 139 = 4 • 140 – 150 = 5 Obveze su iste za redovite i za izvanredne studente, kao i ljestvica za ocjenjivanje. M. Zekić-Sušac, Osnove umjetne inteligencije

10. Web stranica kolegija Pristup nastavnim materijalima moguć: • Putem web stranice Fakulteta: • www.efos.unios.hr/sustavi-poslovne-inteligencije, ili putem tražilice na početnoj stranici www.efos.unios.hr pronaći kolegij Sustavi poslovne inteligencije. • Direktno putem web adrese: http://loomen.carnet.hr, izabrati kolegij Sustavi poslovne inteligencije (Inteligentni sustavi) • Napomena: za upotrebu sustava za e-učenje Moodle potrebno je imati korisnički račun AAI@Eduhr otvoren na Fakultetu. U slučaju problema s lozinkom kontaktirati CARNet administratora čiji se termini dežurstva nalaze na web stranici fakulteta, izbornik Studenti / Carnet računi. M. Zekić-Sušac, Osnove umjetne inteligencije

11. Postupak prijave na Moodle kolegij • U web pregledniku u prozor za upis adrese upisati: http://loomen.carnet.hr • Kliknuti na link “Login”. • Upisati svoje korisničko ime (username) i lozinku (za AAI@Edu račun za pristup Internetu, a ne za mail račun ako je lozinka drugačija), npr: • Username: ppero@efos.hr • Lozinka: upisati • Pri prvom logiranju, potrebno je unijeti podatke o sebi (ime, prezime, grad, e-mail adresu, Fakultet, fotografiju (opcionalno) i dr.), tj. svoj profil • Nakon ulaza u sustav izabrati kolegij • Pri izlazu iz sustava obvezno kliknuti na link “Odjava”. M. Zekić-Sušac, Osnove umjetne inteligencije

12. Literatura - osnovna Osnovna literatura: • M. Zekić-Sušac, Nastavni materijali za kolegij “Sustavi poslovne inteligencije i Inteligentni sustavi za potporu odlučivanju”, Diplomski studij, Ekonomski fakultet u Osijeku, 2009/10, https://loomen.carnet.hr/course/view.php?id=278 • G. Klepac, L. Mršić, Poslovna inteligencija kroz poslovne slučajeve, Lider, Tim Press, Zagreb, 2006. • Ž. Panian, G. Klepac, Poslovna inteligencija, Masmedia, Zagreb, 2003. • V.Čerić, M., Varga, Informacijska tehnologija u poslovanju, Element, Zagreb, 2004., poglavlja 13-16. M. Zekić-Sušac, Osnove umjetne inteligencije

13. Literatura - dodatna Dodatna literatura: • S. J. Russell, P.Norvig, Artificial Intelligence: A Modern Approach, Prentice Hall; 2nd edition, 2002.C. Bishop, Neural Networks and Machine Learning, Springer Verlag, Berlin, 1998. • R. R. Trippi, J.K. Lee, Artificial Intelligence in Finance & Investing, Irwin Professional Publishing, Burr Ridge, IL, 1996. • R. Trippi, R.R., Turban, E., Neural Networks in Finance and Investing, Probus Publishing, Chicago, IL, 1992. • I.H. Witten, E. Frank, Data Mining: Practical Machine Learning Tools and Techniques with Java Implementation. Morgan Kaufman Publishers, San Francisco, CA, 2000. M. Zekić-Sušac, Osnove umjetne inteligencije

14. Web izvori • Association of the Advances of AI (AAAI), AI Topics, http://www.aaai.org/AITopics/pmwiki/pmwiki.php/AITopics/HomePage, 01.03.09. • ERIS, Educational Repository on Intelligent Systems, http://eris.foi.hr, 01.03.09. • S. Russell, P. Norvig, AI on the web, http://aima.cs.berkeley.edu/ai.html, 14.11.2013. • Wikipedia, Artificial Intelligence, http://en.wikipedia.org/wiki/Artificial_intelligence, 01.03.09. • i dr. navedeni na kraju svakog poglavlja. M. Zekić-Sušac, Osnove umjetne inteligencije