Συστήματα Επιχειρηματικής Ευφυΐας

Κωδικός: 8.19S

Εξάμηνο: 8 / Έτος: 4 (Επιλογής)

Διδάσκοντες: Μπεληγιάννης Γρηγόριος

Ιστοσελίδα Μαθήματος: https://eclass.upatras.gr/courses/DEAPT198/

Ώρες Θεωρίας (ανά εβδομάδα): 3

Ώρες Φροντιστηρίου/Εργαστηρίου (ανά εβδομάδα):

Ύλη Μαθήματος

  1. Αλγόριθμοι υπολογιστικής νοημοσύνης και εφαρμογές τους σε προβλήματα επιχειρησιακής έρευνας και λήψης αποφάσεων
  2. Ανάλυση, σχεδιασμός και εφαρμογή συστημάτων επιχειρηματικής ευφυΐας
  3. Σχεδιασμός συστημάτων επιχειρηματικής ευφυΐας και δράση στον πραγματικό κόσμο
  4. Πιθανοτική συλλογιστική σε προβλήματα επιχειρηματικής ευφυΐας
  5. Πιθανοτική συλλογιστική στο χρόνο σε προβλήματα επιχειρηματικής ευφυΐας
  6. Μάθηση από παρατηρήσεις σε προβλήματα επιχειρηματικής ευφυΐας
  7. Προσαρμοστική Επιχειρηματική Ευφυΐα
  8. Υβριδικά συστήματα και προσαρμοστικότητα
  9. Κατανεμημένα συστήματα επιχειρηματικής ευφυΐας

Στόχοι Μαθήματος

Το μάθημα παρέχει τη δυνατότητα στους φοιτητές που θα το επιλέξουν, να εντρυφήσουν σε εξειδικευμένα θέματα σχετικά με την εφαρμογή συστημάτων επιχειρηματικής ευφυΐας σε προβλήματα της Διοικητικής Επιστήμης.

Ο σκοπός του μαθήματος είναι να παρουσιάσει και να εξηγήσει τον εξειδικευμένο τρόπο με τον οποίο μπορούν να εφαρμοστούν σύγχρονα συστήματα επιχειρηματικής ευφυΐας στην επίλυση συγκεκριμένων δύσκολων προβλημάτων της Διοικητικής Επιστήμης. Με τη βοήθεια συγκεκριμένων παραδειγμάτων και ασκήσεων οι φοιτητές μπορούν και κατανοούν σε βάθος πως επιλύονται διάφορα σύνθετα και εξειδικευμένα προβλήματα της Διοικητικής, ενώ εκπαιδεύονται στο να μπορούν να εφαρμόζουν και οι ίδιοι τέτοιου είδους τεχνικές και εργαλεία για να επιλύσουν εξειδικευμένα προβλήματα του πραγματικού κόσμου.

Η ύλη του μαθήματος δίνει τη δυνατότητα στους φοιτητές να αποκτήσουν την επάρκεια και την εξειδικευμένη γνώση που απαιτούνται προκειμένου να μπορούν να αναλύσουν, να σχεδιάσουν και να εφαρμόσουν σύγχρονα συστήματα επιχειρηματικής ευφυΐας για την επίλυση σύγχρονων δύσκολων προβλημάτων της Διοικητικής Επιστήμης. 

Μετά την επιτυχή ολοκλήρωση του μαθήματος οι φοιτητές/φοιτήτριες αναμένεται ότι θα έχουν αποκτήσει τις απαραίτητες προχωρημένες και εξειδικευμένες γνώσεις και δεξιότητες ώστε να:   

  • κατανοούν σε βάθος τις αρχές, τη λειτουργία αλλά και τον τρόπο εφαρμογής συστημάτων αλγορίθμων υπολογιστικής νοημοσύνης για την επίλυση προβλημάτων Διοικητικής Επιστήμης
  • εφαρμόζουν τα συστήματα αυτά σε πραγματικά προβλήματα από το χώρο των οικονομικών και γεωπονικών επιστημών, αλλά και από την καθημερινότητά τους
  • χρησιμοποιούν τη γνώση και την κατανόηση που απέκτησαν με τρόπο που δείχνει επαγγελματική προσέγγιση της εργασίας ή του επαγγέλματός τους
  • διαθέτουν ικανότητες που κατά κανόνα αποδεικνύονται με την ανάπτυξη και υποστήριξη επιχειρημάτων και την επίλυση προβλημάτων στο πλαίσιο του γνωστικού τους πεδίου
  • κοινοποιούν πληροφορίες, ιδέες, προβλήματα και λύσεις τόσο σε ειδικευμένο όσο και σε μη- εξειδικευμένο κοινό
  • αναπτύσσουν δεξιότητες απόκτησης γνώσεων, που τους χρειάζονται για να συνεχίσουν σε περαιτέρω σπουδές με μεγάλο βαθμό αυτονομίας
  • συγκεντρώνουν και να ερμηνεύουν συναφή στοιχεία (εντός του γνωστικού τους πεδίου) για να διαμορφώνουν κρίσεις που περιλαμβάνουν προβληματισμό σε συναφή επιστημονικά ζητήματα
  • είναι σε θέση να χρησιμοποιούν τη γνώση και κατανόησή τους, και τις ικανότητές τους για επίλυση προβλημάτων σε εφαρμογές και στην επίλυση προβλημάτων, σε ένα νέο ή άγνωστο περιβάλλον, εντός ευρύτερου (ή διεπιστημονικού) πλαισίου, συναφούς προς το γνωστικό τους πεδίο
  • είναι σε θέση να κοινοποιούν με σαφήνεια και καθαρότητα τα συμπεράσματά τους αλλά και τη γνώση και το σκεπτικό το οποίο αυτά βασίζονται και λογικές παραδοχές στα οποία στηρίζονται, τόσο σε εξειδικευμένο όσο και σε μη εξειδικευμένο κοινό

Αποτίμηση

Γραπτή τελική εξέταση (100%) που περιλαμβάνει:

  • Ερωτήσεις πολλαπλής επιλογής
  • Επίλυση προβλημάτων σχεδίασης και εφαρμογής συστημάτων εφαρμογής αλγορίθμων υπολογιστικής νοημοσύνης στη Διοικητική Επιστήμη
  • Συγκριτική αξιολόγηση στοιχείων θεωρίας

Βιβλιογραφία

  1. Θέματα Επιχειρηματικής Νοημοσύνης, Β. Βουτσινάς, 1η Έκδοση, Εκδόσεις Κωσταράκη, 2003 (in Greek).
  2. Εισαγωγή στην εξόρυξη δεδομένων, Tan Pang - Ning, Steinbach Michael, Kumar Vipin, 1η έκδοση, Εκδόσεις Α. Τζιόλα & Υιοί Α.Ε., 2010 (in Greek).
  3. Adaptive Business Intelligence, Z. Michalewicz, M. Schmidt, M. Michalewicz, C. Chiriac, 1st Edition, Publisher: Springer-Verlag, Berlin Heidelberg, 2006.
  4. Computational Intelligence: Principles, Techniques and Applications (Hardcover), Amit Konar, Hardcover:708 pages, Publisher: Springer; 1st edition (May 31, 2005), Language: English, ISBN: 3540208984.
  5. Computational Intelligence in Economics and Finance (Advanced Information Processing), S. H. Chen, P. Wang, Paul P. Wang Hardcover: 508 pages, Publisher: Springer; 1st edition (April 11, 2006), Language: English, ISBN: 3540440984.
  6. Introduction to Statistical Decision Theory, John W. Pratt, Howard Raiffa, Robert Schlaifer Hardcover: 904 pages, Publisher: The MIT Press (2 May 1995), Language English, ISBN: 0262161443.

Τελευταία Ενημέρωση: 2018-09-17