Detail předmětu

Pokročilé metody analýz a modelování

ÚSI-2SBPAAk. rok: 2018/2019

Obsahem předmětu "Pokročilé metody analýz a modelování" je seznámení se s některými nestandardními pokročilými metodami analýz a technikami modelování za účelem podpory rozhodování v podnikatelství zaměřenou na problematiku rizikového inženýrství formou vysvětlení si principu těchto teorií, naučit se pracovat s těmito teoriemi a jejich aplikací.

Jazyk výuky

čeština

Počet kreditů

4

Výsledky učení předmětu

Získané znalosti a dovednosti předmětu umožní absolventům kvalitní a moderní přístup při procesech analýz a modelování v národním hospodářství a soukromém sektoru, organizacích, podnicích, firmách, společnostech, bankách, atd. za účelem podpory rozhodování v podnikatelství zaměřenou na problematiku rizikového inženýrství.

Prerekvizity

Základní znalosti matematiky.

Plánované vzdělávací činnosti a výukové metody

Výuka se realizuje formou přednášek a cvičení. Přednášky mají charakter výkladu základních principů, metodologie dané disciplíny, problémů a jejich vzorových řešení. Cvičení podporuje zejména praktické ovládnutí látky vyložené na přednáškách nebo zadané k samostatnému nastudování za aktivní účasti studentů.

Způsob a kritéria hodnocení

K udělení zápočtu bude požadováno:
1) Aktivní účast na cvičeních, tj. zpracování nejméně 4 z celkem 5 tematicky zaměřených úkolů zpracovávaných na jednotlivých cvičeních (1. FL Excel, 2. FL MATLAB, 3. NN, 4. GA, 5. teorie chaosu).
2) Získání minimálně 5 bodů z písemného semestrálního projektu (max. 10 bodů). Rozsah projektu bude činit cca 8 -12 stránek s individuálním zaměřením studenta na problematiku z praxe, vedoucí k řešení za pomoci teorie fuzzy logiky, umělých neuronových sítí nebo genetických algoritmů. Detaily k projektu budou prezentovány na prvním cvičení a práce musí být odevzdána do konce 10. týdnu semestru.

Zkouška je klasifikována podle ECTS. Je provedena písemně, formou uzavřených otázek s bodovým hodnocením v rozsahu 0-20 bodů. A:20-19; B:18-17; C:16-15; D:14-13; E:12-10; F:9-0.

Osnovy výuky

1.Fuzzy logika (FL): Seznámení se s základními pojmy a pravidly fuzzy logiky, tvorbou modelů. Uvedení příkladů aplikací fuzzy logiky v rozhodování, jako je např. manažerské a investiční rozhodování, predikce atd.
2.Umělé neuronové sítě (UNS): Seznámení se s základními pojmy v oblasti umělých neuronových sítí, uvedení pojmu perceptron, vícevrstvá neuronová síť a jejich parametrů. Aplikace zahrnuje investiční rozhodování, odhady cen výrobků a množstevní odhady, odhad cen nemovitostí, oceňování bonity klienta atd.
3.Genetické algoritmy (GA): Seznámení se základy genetiky, analogií mezi přírodou a matematickým popisem, umožňující řešení problémů rozhodování. Je uvedeno použití v oblasti optimalizace široké palety problémů – optimalizace investiční strategie, řízení výroby, řezných plánů, aproximace křivek, řešení problému obchodního cestujícího, využití shlukové analýzy apod.
4.Teorie chaosu (CH): Teorie pojednává o možnosti lepšího popisu ekonomických jevů než je tomu u klasických metod. Je objasněn pojem chaos a řád, fraktál, uvedeno využití této teorie při určení míry chaosu u měřeného sledovaného systému.
5.Využití uvedených teorií v datamaningu, predikci, řízení výroby, řízení rizik a rozhodování.

Učební cíle

Seznámení studentů s vybranými pokročilými metodami analýz a technikami modelování (fuzzy logika, umělé neuronové sítě, genetické algoritmy) formou vysvětlení principů těchto teorií a jejich následných aplikací za účelem podpory rozhodování v podnikatelství zaměřených na problematiku rizikového inženýrství

Vymezení kontrolované výuky a způsob jejího provádění a formy nahrazování zameškané výuky

Účast na přednáškách není kontrolována. Účast na cvičeních je povinná a je systematicky kontrolována. Student je povinen neúčast omluvit. Nahrazení neúčasti na cvičení spočívá v samostatném zpracování zameškaného úkolu a jeho prezentaci cvičícímu v následující hodině. Za celý semestr musí student zpracovat minimálně 4 z 5 úkolů, ať již prezenčně na cvičeních, nebo samostatně s následnou osobní prezentací cvičícímu.

Základní literatura

DOSTÁL, P. Advanced Decision Making in Business and Public Services. Brno: CERM Akademické nakladatelství, 2013. 168 p. ISBN: 978-80-7204-747-5
DOSTÁL, P. Pokročilé metody rozhodování v podnikatelství a veřejné správě. Brno: CERM Akademické nakladatelství, 2012. 718 p. ISBN 978-80-7204-798-7, e-ISBN 978-80-7204-799-4.
DOSTÁL, P., SOJKA, Z. Financial Risk management, Zlín 2008, 80s., ISBN 978-80-7318-772-9.

Doporučená literatura

ALTROCK,C. Fuzzy Logic &Neurofuzzy, Book & Cd Edition, 1996, 375 s., ISBN 0-13-591512-0
BROZ, Z., DOSTÁL, P. Multilingual dictionary of artificial intelligence. Brno: CERM Akademické nakladatelství, 2012. 142 p. ISBN 978-80-7204-800-7, e-ISBN 978-80-7204-801-4.
DAVIS,L. Handbook of Genetic Algorithms, Int. Thomson Com. Press, 1991, 385 s., ISBN 1-850-32825-0
DOSTÁL, P. The Use of Optimization Methods in Business and Public Services. In Zelinka, I., Snášel, V., Abraham, A. Handbook of Optimization, USA: Springer, 2012. ISBN 978-3-642-30503-0.
GATELY, E. Neural Network for Financial Forecasting, John Wiley & Sons Inc., 1996, 169 s., ISBN 0-471-11212-7
PETERS, E. Fractal Market Analysis, John Wiley & Sons Inc., 1994, 315 s., SBN 0-471-58524-6
REBEIRO,R.R., ZIMMERMANN,H.J. Soft Computing in Fin.Engineering, Spring Verlag Comp.,1999,509s.,ISBN3-7908-1173-4.
SMEJKAL,V., RAIS, K. Řízení rizik ve firmách a jiných organizacích, Grada, Publishing.,a.s. Grada, Praha, 2006.

Zařazení předmětu ve studijních plánech

  • Program MRzI magisterský navazující

    obor RIS , 1 ročník, letní semestr, povinný
    obor RCH , 1 ročník, letní semestr, povinný
    obor RFI , 1 ročník, letní semestr, povinný
    obor RSK , 1 ročník, letní semestr, povinný
    obor RSZ , 1 ročník, letní semestr, povinný
    obor REZ , 1 ročník, letní semestr, povinný

Typ (způsob) výuky

 

Přednáška

26 hod., nepovinná

Vyučující / Lektor

Osnova

Úvod
2. Fuzzy logika - teorie
3. Fuzzy logika + aplikace – Excel
4. Fuzzy logika – aplikace Matlab
5. Umělé neuronové site - teorie
6. Umělé neuronové sítě + aplikace Matlab
7. Genetické algoritmy - teorie
8. Genetické algoritmy + aplikace Matlab
9. Teorie chaosu
10. Datamining
11. Časové řady, predikce, kapitálový trh
12. Řízení výroby a řízení rizik
13. Rozhodování

Cvičení

26 hod., povinná

Vyučující / Lektor

Osnova

1. Úvod
2. Fuzzy logika – Excel + Seminární práce Ia
3. Fuzzy logika – Matlab I.
4. Fuzzy logika – Matlab II.
5. Fuzzy logika – Seminární práce Ib Matlab
6. Fuzzy logika – Seminární práce IIa
7. Neuronové sítě I.
8. Neuronové sítě II.
9. Genetické algoritmy I.
10. Genetické algoritmy II.
11. Teorie chaosu, Seminární práce IIb
12. Obhajoba SP
13. Zápočet