- •Інформаційний бізнес
- •1. Інформаційні продукти і послуги
- •2. Функції інформаційного бізнесу
- •3. Модель інформаційного бізнесу
- •4. Особливості інформаційного бізнесу
- •5. Особливості процесу праці в інформаційному виробництві
- •6. Технологія формування і використання інформаційних ресурсів в інформаційному виробництві
- •7. Поняття та структура інформаційного ринку.
- •Механізм функціонування інформаційного ринку.
- •9. Класифікація організаційних форм інформаційного бізнесу.
- •За метлю і характером діяльності:
- •За формою власності майна:
- •За національною належністю капіталу:
- •За правовим статусом і формою господарювання:
- •За галузево-функціональним видом діяльності;
- •За технологічною і територіальною цілісністю:
- •Венчурний бізнес в інформаційній сфері.
- •11. Критерії оцінювання фірм інформаційного бізнесу
- •12. Визначення стратегічних потреб в інформаційних продуктах і послугах
- •13. Поняття франчайзингу та його типи
- •14. Франчайзинг в інформаційному бізнесі
- •15. Переваги та вади купівлі існуючого бізнесу
- •16. Купівля, злиття і поглинання в інформаційному бізнесі
- •17. Бiзнес-план, його функцiональнi ролi
- •18. Типи презентацій та особливості організації їх
- •19.Основні етапи підготовки презентації
- •20. Особливості проектування виробничої системи інформаційно-обчислювальної фірми
- •29. Організаційно-структурні форми управління інформаційним маркетингом
- •30. Розробка бюджету фірми. Моделювання економіки
- •1. Економіко-математичні моделі. Предмет та об’єкт вивчення дисципліни. Основні підходи до класифікації економіко-математичних моделей.
- •2. Неокласична мультиплікативна виробнича функція Кобба-Дугласа.
- •І, відповідно, гранична норма заміщення фондів працею (sl):
- •3. Основні кроки процесу створення та розбудови економіко-математичної моделі.
- •4. Модель поведінки споживача.
- •5. Модель (рівняння) Слуцького та елементи його аналізу.
- •6. Моделі поводження виробника на конкурентних ринках.
- •1. Рівновага за Курно
- •2. Рівновага та нерівновага за Стакельбергом
- •7. Модель р.Солоу та рівень капіталоозброєності праці.
- •8. Дуополія, конкурентний ринок. Стратегії Курно. Модель Курно.
- •9. Моделі рівноваги та нерівноваги за Стакельбергом.
- •10. Принципова схема міжгалузевого балансу (мгб).
- •11. Технологічна матриця – основа інформаційного забезпечення міжгалузевого балансу.
- •12. Економіко-математична модель міжгалузевого балансу.
- •13. Коефіцієнти прямих матеріальних витрат в моделі міжгалузевого балансу.
- •14. Модель Леонтьєва або модель ”витрати - випуск”
- •15. Матриця опосередкованих матеріальних витрат в моделі міжгалузевого балансу.
- •16. Коефіцієнт повних матеріальних витрат в моделі міжгалузевого балансу
- •17. Класична модель ринкової економіки
- •18. Модель Кейнса
- •19. Двофакторні виробничі функції
- •20. Модель рейтингового оцінювання економічної системи
- •21. Інтегрований показник оцінювання рейтингу економічної системи.
- •22. Моделі взаємодії споживачів і виробників.
- •23. Класична модель ринкової економіки.
- •24. Об’єднана (загальна) модель ринкової економіки.
- •1. Процес прийняття рішень: особливості та етапи.
- •2. Сутність та призначення сппр.
- •3. Історія розвитку сппр.
- •4. Класифікація сппр.
- •5. Бізнес-аналіз як основа прийняття рішень.
- •6. Етапи бізнес-аналізу.
- •7. Огляд інформаційних систем класу сппр (Business Intelligence).
- •8. Загальна характеристика сппр від компанії Oracle.
- •9. Загальна характеристика сппр від компанії sap.
- •10. Загальна характеристика сппр від компанії Microsoft.
- •11. Загальна характеристика сппр (аналітичної платформи) Deductor.
- •12. Сутність процесу консолідації даних та його етапи.
- •13. Сховище даних як джерело даних для сппр
- •14. Місце деталізованих та агрегованих даних в сховищі даних
- •15. Архітектури сховищ даних
- •16. Вітрини даних
- •17. Візуалізація даних в сппр
- •18. Види візуалізаторів даних
- •19. Візуалізатори для інтерпретації результатів аналізу.
- •20. Візуалізатори оцінки якості аналітичних моделей.
- •21. Olap-аналіз в сппр.
- •22. Data Mining: особливості та сфери застосування.
- •24. Сутність алгоритмів класифікації та їх застосування в сппр.
- •Конструювання моделі:
- •25. Скорингові моделі в банківській діяльності.
- •26. Використання дерев рішень в сппр.
- •27. Сутністьалгоритмівкластеризації та їхзастосування в сппр.
- •28. Асоціативні правила в сппр.
- •29. Кількісні показники якості асоціативних правил.
- •30. Нейронні мережі в сппр.
- •Іс в економіці
- •7. Інформаційні системи оброблення інформації в податковій системі.
- •8. Банківські інформаційні системи.
- •9. Інформаційні системи оброблення маркетингової інформації.
- •10. Економічна інформація як предмет і продукт автоматизованої обробки.
- •11. Види та властивості економічної інформації
- •12. Структура й оцінка економічної інформації.
- •19. Організація і планування робіт на стадії введення системи в дію.
- •20. Комплексне тестування та апробація інформаційної системи.
- •21. Задачі та принципи автоматизації проектування інформаційної системи.
- •22. Автоматизація розробки проектних рішень і документування проектів
- •23. Системи автоматизованого проектування
- •24.Технологія проектування іс на основі баз даних
- •25 Системи управління документами в іс
26. Використання дерев рішень в сппр.
Дерева рішень – це спосіб представлення правил в ієрархічній, послідовній структурі, де кожному об’єкту відповідає єдиний вузол, що дає рішення. Під правиломрозумієтьсялогічна конструкція, що представлена у вигляді «якщо ... то ...».
Процес конструювання дерева рішень.Алгоритми конструювання дерев рішень складаються з етапів:
1. Побудови або створення дерева (treebuilding) – на даному етапі вирішуються питання вибору критерію розщеплювання і зупинки навчання (якщо це передбачено алгоритмом).
2. Скорочення дерева (treepruning) – дозволяє відсікти деякі гілки дерева.
Складові дерева рішень:
Корінь дерева.
Гілки дерева.
Внутрішні вузли (вузли перевірки).
Вершина дерева або Вузли рішення або Кінцевий вузол дерева.
27. Сутністьалгоритмівкластеризації та їхзастосування в сппр.
Кластеризації – це групування об’єктів по схожості їх властивостей. Кожний кластер складається з подібних об’єктів, а об’єктів різних кластерів суттєво різняться.
Алгоритм кластеризації – це функція y = f (x), яка будь-якому об’єкту xn ставить у відповідність кластер yn .
Розрізняють ієрархічні і неієрархічні алгоритми кластеризації.
Суть ієрархічної кластеризації полягає впослідовному об’єднанні менших кластерів у великі або розділенні великих кластерів на менші. Виходячи з цього ієрархічні методи поділяються на дві великі групи:
Агломеративні методи (AgglomerativeNesting, AGNES) – ця група методівхарактеризується послідовним об’єднанням початкових елементів і відповіднимзменшенням числа кластерів.
Дивізимні (подільні) методи (DivisiveAnalysis, DIANA) – ці методи є логічноюпротилежністю агломеративних методів. На початку роботи алгоритму всі належать одному кластеру, який на подальших кроках ділиться на менші кластери,в результаті утворюється послідовність розщеплених груп.
Ієрархічні алгоритми пов’язані з побудовою дендрограм (від грецького dendron –«дерево»), які є результатом ієрархічного кластерного аналізу.Дендрограма описує близькість окремих точок та кластерів один до одного, представляє в графічному вигляді послідовність об’єднання (розділення) кластерів.
Особливостями використання ієрархічних методів є:
невеликі об’єми вхідної вибірки об’єктів;
наочність результатів;
висока якість кластеризації;
не потрібно наперед визначати кількість кластерів.
При великій кількості спостережень ієрархічні методи кластерного аналізу не є ефективними. В таких випадках використовують неієрархічні методи, засновані на розділенні, які є ітеративними методами ділення початкової множини об’єктів.
В цій групі популярні алгоритми сімейства k-середніх (k-means, fuzzy c-means, Густафсон-Кесселя), які в якості цільової функції використовують суму квадратів відхилень координат об’єктів від центрів шуканих кластерів.
Алгоритм k-середніх будує k кластерів, розташованих на великих відстанях один від одного. Основний тип задач, які вирішує алгоритм k-середніх, – наявність припущень (гіпотез) щодо числа кластерів, при цьому вони повинні бути різні настільки, наскільки це можливо. Вибір числа k може базуватися на результатах попередніх досліджень, теоретичних міркуваннях або інтуїції.
Механізм дії алгоритму:
Первинний розподіл об’єктів по кластерах – вибирається число k, і на першомукроці ці точки вважаються «центрами» кластерів.
Ітеративний процес – обчислюються нові центри кластерів і об’єкти зновуперерозподіляються.
Переваги даного методу:
простота використання;
швидкість використання;
зрозумілість і прозорість алгоритму.
Використання у СППР (Карти Кохонена). Список галузей науки, де застосовується кластеризація, широкий: біологія, медицина, економіка, маркетинг тощо.