Заключение

В представленной первой части учебного пособия рассматриваются концептуальные основы применения современных информационных технологий в научных исследованиях, связанных с важнейшей проблемой анализа и обработки информации с целью автоматизации задачи принятия решений.

Применение современной компьютерной техники значительно облегчает и совершенствует процессы управления в различных областях деятельности. Например, в организационном управлении, где ведущая роль в принятии решений принадлежит человеку, применение ЭВМ позволяет освободить лицо, принима­ющее решения (ЛПР), от рутинных вычислительных операций. Однако в этом случае ЭВМ используются в основном только как средство для автоматизации расчетов, связанных с обработкой количественной информации. В подобных системах человек (в виде ЛПР) дополняет и корректирует результаты количественной обработки на основе своего личного опыта и интуиции, используя, как правило, качественные критерии. В то же время новые информационные технологии в виде моделей представления знаний и соответствующих моделей выбора позволяют хотя бы частично автоматизировать и эту сферу организационного управления и превратить компьютер в самостоятельно действующее лицо и партнера человека в принятии решений.

Таким образом, одной из актуальных задач в области информационных технологий является задача разработки инструментальных средств поддержки принятия решений.

Контрольные вопросы

1. Понятие информационной технологии как научной дисциплины.

2. Структура предметной области информационной технологии.

3. Место информационной технологии в современной системе научного знания.

4. Новая информационная технология.

5. Основные научные направления развития информационных технологий.

6. Проблема семантического сжатия информации.

7. Методологический аппарат науки как информационная технология.

8. Технологии и методы анализа и интерпретации данных.

9. Технологии оперативной аналитической обработки данных OLAP и многомерные модели данных.

10. Технология глубинного анализа данных.

11. Технология визуализации данных.

12. Основные методы разведочного статистического анализа.

13. Анализ распределений переменных.

14. Разведочный анализ корреляционных матриц.

15. Анализ многовходовых таблиц частот.

16. Методы многомерного разведочного анализа.

17. Кластерный анализ.

18. Объединение (древовидная кластеризация).

19. Метод К средних.

20. Факторный анализ.

21. Анализ дискриминантных функций.

22. Многомерное шкалирование.

23. Логлинейный анализ.

24. Канонический анализ.

25. Множественная регрессия.

26. Анализ соответствий.

27. Анализ временных рядов.

28. Деревья классификации.

29. Нейронные сети.

30. Сеть Хопфилда.

31. Нейронное управление.

32. Применение генетических алгоритмов обучения нейронных сетей.

33. Нечеткие нейросети.

34. Графические методы РАД (визуализация данных).

35. Задачи компьютерных систем поддержки принятия решений.