1. Sustavi poslovne inteligencije
Nositelj kolegija:
Marijana Zekić-Sušac
Redoviti profesor
Termini konzultacija oglašeni na web stranici:
Asistent: Adela Kapetanović, vanjski suradnik
Termini konzultacija oglašeni na web stranici:
M. Zekić-Sušac, Osnove umjetne inteligencije

2. M. Zekić-Sušac, Osnove umjetne inteligencije
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. M. Zekić-Sušac, Osnove umjetne inteligencije
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. M. Zekić-Sušac, Osnove umjetne inteligencije
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. M. Zekić-Sušac, Osnove umjetne inteligencije
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. M. Zekić-Sušac, Osnove umjetne inteligencije
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. M. Zekić-Sušac, Osnove umjetne inteligencije
Način ocjenjivanja
Aktivnost
Bodovi
Aktivnost na nastavi (za iznimno napravljene vježbe)
0-15
2 kolokvija ili pismeni ispit
(2x50) 100
Seminarski rad 50
Ukupno
150+15
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. M. Zekić-Sušac, Osnove umjetne inteligencije
Web stranica kolegija
Pristup nastavnim materijalima moguć:
Putem web stranice Fakulteta:
ili putem tražilice na početnoj stranici pronaći kolegij Sustavi poslovne inteligencije.
Direktno putem web adrese: izabrati kolegij Sustavi poslovne inteligencije (Inteligentni sustavi)
Napomena: za upotrebu sustava za e-učenje Moodle potrebno je imati korisnički račun 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:
Kliknuti na link “Login”.
Upisati svoje korisničko ime (username) i lozinku (za račun za pristup Internetu, a ne za mail račun ako je lozinka drugačija), npr:
Username:
Lozinka: upisati
Pri prvom logiranju, potrebno je unijeti podatke o sebi (ime, prezime, grad, 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. M. Zekić-Sušac, Osnove umjetne inteligencije
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,
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
M. Zekić-Sušac, Osnove umjetne inteligencije

13. M. Zekić-Sušac, Osnove umjetne inteligencije
Literatura - dodatna
Dodatna literatura:
S. J. Russell, P.Norvig, Artificial Intelligence: A Modern Approach, Prentice Hall; 2nd edition, 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. M. Zekić-Sušac, Osnove umjetne inteligencije
Web izvori
Association of the Advances of AI (AAAI), AI Topics,
ERIS, Educational Repository on Intelligent Systems,
S. Russell, P. Norvig, AI on the web,
Wikipedia, Artificial Intelligence,
i dr. navedeni na kraju svakog poglavlja.
M. Zekić-Sušac, Osnove umjetne inteligencije