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 zadaće i 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 podacima iz poslovne prakse
Odabrati problem predviđanja ili klasifikacije po izboru (prodaja, dobit, troškovi, izbor dobavljača, odluka o odobrenju kredita, itd.)
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 NM
Opisati model i rezultate u obliku seminarskog rada – predati Word verziju u sustav Moodle (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
M. Zekić-Sušac, Osnove umjetne inteligencije

10. M. Zekić-Sušac, Osnove umjetne inteligencije
Web stranica kolegija
Pristup nastavnim materijalima moguć:
Putem web stranice Fakulteta:
izbornik Nastavnici/Po abecedi, Zekić-Sušac M., Nastava, Diplomski studij – Inteligentni sustavi (odnosno Sustavi poslovne inteligencije), zatim kliknuti na poveznicu na Moodle sustav za e-učenje.
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 na ili osobno u vrijeme dežurstva za CARNet račune
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
Wikipedia Artificial Intelligence,
Associaion of the Advances of AI (AAAI),
MS Agents,
ERIS,
i dr. navedeni na kraju svakog poglavlja.
M. Zekić-Sušac, Osnove umjetne inteligencije