Заключение
В заключение изложения теоретического материала по дисци-плине можно сформулировать следующие выводы.1. Дисциплина «Интеллектуальные информационные систе-мы» содержит в себе те сведения, которые будут полезны в дея-тельности специалиста, занимающегося вопросами разработки и эксплуатации экономических информационных систем.
2. Понимание возможностей и особенностей ИИС позволяет по-новому взглянуть на проблемы экономических хозяйствующих субъектов, предложить новые технологии их решения в условиях неопределенности, недостатка информации, слабой формализации постановок задач и/или в условиях недостаточного квалификации персонала.
Изучение этих возможностей, внедрение новых технологий в традиционные ЭИС позволяет специалисту открыть для себя пер-спективные направления для профессионального роста.
3. Создание корпоративных баз знаний, экспертных систем связано с одним из современных направлений повышения эффек-тивности управления в корпорациях, которое обозначается терми-ном «управление знаниями» (knowledge management). Специали-сты в этой области становятся все более востребованными, осо-бенно в крупных компаниях.
4. Повышение эффективности бизнеса во многом связано с ор-ганизацией работы с клиентами. Сюда же стоит отнести сбор и анализ маркетинговых данных, разработку маркетинговых решений, новых ходов для повышения уровня продаж, программ обеспечения лояльности клиентов. Полезные и все более востребованные инст-рументы для выработки подобных решений – это системы ИАД, в том числе модули анализа в системах класса CRM, ERP-II (про эти и другие концепции управления уже говорилось в дисциплине «Тео-рия экономических информационных систем»).
Стоит обратить внимание на изучение готовых пакетов Data Mining, а также оценить целесообразность их внедрения в деятель-ность своих компаний. Не исключено, что кто-то из вас, уважаемые читатели, заинтересуется этой технологией настолько, что и сам за-хочет создать что-то новое в этой области.
5. Искусственные нейросети являются также весьма перспек-тивным инструментом, который, скорее всего, будет все больше проникать в разные сферы обработки данных и поддержки принятия решений. Говорят «Если ничто не помогает – попробуйте нейронные сети». Имеется ввиду, что можно обучить нейросеть не вникая в сложности математического моделирования задач, обучая ее на множестве примеров, путем «натаскивания» на нужную реакцию во многих более или менее похожих случаях. Однако, нейросеть об-ладает и недостатком. Ее настройки (структура и веса межнейрон-ных связей) никак не интерпретируются в терминах проблемной об-ласти. Это значит, что нейросеть не может дать объяснения, почему и каким путем ею получен тот или иной результат.
6. В пособии не затронуты некоторые практически важные, ин-тересные методы и технологии. Так, не сказано ничего об эволюци-онном моделировании и генетических алгоритмах. Это направление связано с особым способом поиска решений путем моделирования процессов естественного отбора. Также рекомендуется обратить внимание на нечеткие экспертные системы, многоагентные систе-мы, семантический поиск и другие многообещающие направления работ в области ИИ. Об этом и многом другом можно прочитать в рекомендуемой литературе.
Похожие статьи:
Тема 6. Интеллектуальные технологии в экономических информационных системах. Технологии распознавания образов и понимания текстов. |
05 июня 2012, |
Распознавание образов в ЭИС применяется, в частности, для “узнавания” рукописных и машинописных символов и автоматизации ввода их в ЭВМ. Примером может быть система распознавания банков ... Читать полностью |
Тема 1. Информация в экономических информационных системах Управление в организационно-экономических системах ч.5 |
06 мая 2012, |
Рис. 1.6. Декомпозиция процесса управления предприятием Эта схема, очевидно, не отражает всех подробностей структуры управления предприятием. Однако, уже такая схем ... Читать полностью |
4.3 Системы интеллектуального анализа данных. Извлечение знаний из данных. ч.2 |
25 июня 2012, |
Сравните с точки зрения наглядности и объяснимости два способа представления знаний, которые выявил компьютер на основе анализа результатов деятельности интернет-магазина (это еще одно пояснение те ... Читать полностью |
4.4. Машинное обучение на примерах. Нейронные сети. ч.3 |
25 июня 2012, |
В [12] приводится такая рекомендация об объеме обучающей выборки: при допустимости 10% ошибок число учебных образцов должно быть в 10 раз больше числа имеющихся в сети весовых коэффициентов. Ес ... Читать полностью |
Тема 5. Комплексная автоматизация управления предприятием. Корпоративные ЭИС. Основные этапы процесса создания КИС на базе адаптируемых интегрированных систем. ч.1 |
03 июня 2012, |
Приводимые ниже этапы составляют тот набор основных задач, которые выполняют при построении КИС фирмы производители адаптируемых интегрированных систем (см. [Петров, 2001] а также [Смирнова, 2001]) ... Читать полностью |