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