Biblioteka Publiczna

Spis treści:

1. Rozdział 1. Podstawy zarządzania wiedzą
2. 1.1. Społeczeństwo informacyjne, społeczeństwo wiedzy
3. 1.1.1. Od społeczeństwa przemysłowego do społeczeństwa wiedzy
4. 1.1.2. Istota i cechy społeczeństwa informacyjnego
5. 1.1.3. Skutki społeczno-gospodarcze zmian
6. 1.1.4. Przedsiębiorstwo w społeczeństwie informacyjnym
7. 1.1.5. Społeczeństwo informacyjne w Polsce i na świecie
8. 1.2. Znaczenie wiedzy w otoczeniu gospodarczym
9. 1.2.1. Dane - informacja - wiedza
10. 1.2.2. Okrężny obieg wiedzy
11. 1.2.3. Wiedza jako zasób, ekonomika wiedzy
12. 1.3. Zasoby wiedzy w przedsiębiorstwie - klasyfikacja, główne składniki, proces uczenia się organizacji
13. 1.3.1. Klasyfikacja wiedzy
14. 1.3.2. Szacowanie zasobów wiedzy w przedsiębiorstwie
15. 1.3.3. Ewoluowanie przedsiębiorstw-organizacje uczące się i sieciowe
16. 1.3.4. Pracownik w nowym modelu funkcjonowania przedsiębiorstwa
17. 1.4. Rola i znaczenie zarządzania wiedzą
18. 1.4.1. Rozwój zarządzania wiedzą
19. 1.4.2. Istota zarządzania wiedzą
20. 1.4.3. Metody, techniki i strategie zarządzania wiedzą
21. 1.4.4. Ilościowe a jakościowe zarządzanie wiedzą
22. 1.4.5. Zarządzanie wiedzą a przewaga konkurencyjna
23. 1.5. Technologie informacyjne w zarządzaniu wiedzą
24. 1.5.1. Pozyskiwanie wiedzy z otoczenia
25. 1.5.2. Zarządzanie wiedzą o klientach
26. 1.5.3. Wiedza w systemach rozproszonych i organizacjach sieciowych
27. 1.6. Pytania kontrolne
28. Rozdział 2. Zarządzanie wiedzą w praktyce
29. 2.1. Kluczowe procesy zarządzania wiedzą
30. 2.1.1. Lokalizowanie zasobów wiedzy
31. 2.1.2. Pozyskiwanie wiedzy
32. 2.1.3. Zachowywanie wiedzy
33. 2.1.4. Stosowanie wiedzy
34. 2.1.5. Przykłady wybranych procesów zarządzania wiedzą
35. 2.2. Rozwijanie wiedzy
36. 2.2.1. Wiedza a innowacje w przedsiębiorstwach
37. 2.2.2. Procedury rozwoju wiedzy
38. 2.2.3. Przykłady zastosowań rozwiązań informatycznych w rozwoju wiedzy
39. 2.3. Poziomy zarządzania wiedzą
40. 2.3.1. Zarządzanie wiedzą a zarządzanie przedsiębiorstwem
41. 2.3.2. Zarządzanie normatywne, strategiczne i operacyjne
42. 2.3.3. Studium przypadku zarządzania wiedzą w przedsiębiorstwie
43. 2.4. Pytania kontrolne
44. Rozdział 3. Projektowanie systemów ekspertowych
45. 3.1. Procesy przetwarzania wiedzy
46. 3.1.1. Formy wiedzy w przedsiębiorstwie
47. 3.1.2. Etapy procesu przetwarzania wiedzy
48. 3.2. Systemy ekspertowe - istota, struktura i działanie
49. 3.2.1. Istota systemu ekspertowego i różnice w stosunku do innych rozwiązań
50. 3.2.2. Rozwój systemów ekspertowych
51. 3.2.3. Klasyfikacja systemów ekspertowych
52. 3.2.4. Struktura i zasada działania systemu ekspertowego
53. 3.3. Identyfikacja problemów dla systemów ekspertowych
54. 3.3.1. Cechy charakterystyczne problemów rozwiązywanych za pomocą systemów ekspertowych
55. 3.3.2. Ocena celowości budowania systemu ekspertowego dla wybranego problemu - koszty a zyski
56. 3.3.3. Studium przypadku opłacalności wdrożenia systemu ekspertowego
57. 3.4. Proces pozyskiwania wiedzy do systemu ekspertowego
58. 3.4.1. Metody pozyskiwania wiedzy
59. 3.4.2. Przykłady opracowań formularzy pozyskiwania wiedzy
60. 3.4.3. Przykłady zastosowań drzew decyzyjnych
61. 3.4.4. Ramowe koncepcje uczenia się organizacji na przykładach przedsiębiorstw
62. 3.5. Metody reprezentacji wiedzy
63. 3.5.1. Deklaratywne metody reprezentacji wiedzy
64. 3.5.2. Proceduralne metody reprezentacji wiedzy
65. 3.6. Zapis baz wiedzy w systemie ekspertowym
66. 3.6.1. Przykład zastosowania systemu PC-Shell w technologicznym przygotowaniu produkcji
67. 3.6.2. Przykład zastosowania języka PROLOG w zapisie wiedzy w systemie ekspertowym
68. 3.7. Weryfikacja baz wiedzy
69. 3.7.1. Eliminowanie nadmiarowości wiedzy
70. 3.7.2. Usuwanie sprzeczności wiedzy
71. 3.7.3. Badania kompletności baz wiedzy
72. 3.8. Zastosowanie systemów uczenia się maszyn w bazach wiedzy
73. 3.8.1. Metody uczenia się maszyn
74. 3.8.2. Przykłady zastosowań systemów uczących się
75. 3.9. Pytania kontrolne
76. Rozdział 4. Zastosowanie logiki rozmytej w budowie systemów zarządzania wiedzą
77. 4.1. Elementy logiki rozmytej w reprezentacji wiedzy
78. 4.1.1. Metody reprezentacji wiedzy z wykorzystaniem zbiorów rozmytych
79. 4.1.2. Zastosowanie współczynników pewności w reprezentacji wiedzy
80. 4.2. Wnioskowanie rozmyte
81. 4.2.1. Modele rozmyte w systemach zarządzania wiedzą
82. 4.2.2. Metody wnioskowania rozmytego
83. 4.3. Systemy rozmyte
84. 4.3.1. Budowa systemów rozmytych
85. 4.3.2. Przykład zastosowania systemu rozmytego w projektowaniu procesów produkcyjnych
86. 4.4. Pytania kontrolne
87. Rozdział 5. Drążenie danych
88. 5.1. Zarządzanie wiedzą firmy ukrytą w danych
89. 5.1.1. Cele i strategie zarządzania wiedzą przedsiębiorstwa
90. 5.1.2. Informacje pozyskiwane z danych
91. 5.1.3. Przetwarzanie danych we wspomaganiu decyzji biznesowych
92. 5.2. Ogólna charakterystyka drążenia danych
93. 5.2.1. Pojęcia podstawowe
94. 5.2.2. Metodyka projektu
95. 5.2.3. Kryteria wyboru metody lub modelu
96. 5.2.4. Weryfikacja modeli i ocena wyników
97. 5.2.5. Miary błędów
98. 5.3. Wstępna analiza danych
99. 5.3.1. Czyszczenie i przekształcenia danych
100. 5.3.2. Podział danych na próby: uczącą, walidacyjną i testową
101. 5.3.3. Analizy struktur wielowymiarowych OLAP
102. 5.4. Analizy wielowymiarowe
103. 5.4.1. Regresja wieloraka
104. 5.4.2. Analiza skupień
105. 5.4.3. Skalowanie wielowymiarowe
106. 5.4.4. Analiza czynnikowa
107. 5.4.5. Analiza składowych głównych PCA
108. 5.4.6. Analiza składowych niezależnych ICA
109. 5.4.7. Analiza dyskryminacyjna
110. 5.4.8. Graficzne metody prezentacji danych wielowymiarowych
111. 5.5. Drzewa klasyfikacyjne i regresyjne
112. 5.5.1. Drzewa klasyfikacyjne i regresyjne C&RT
113. 5.5.2. Drzewa decyzyjne CHAID
114. 5.6. Metody sztucznej inteligencji w drążeniu danych
115. 5.6.1. Neuronowe sieci wielowarstwowe typu MLP i RBF
116. 5.6.2. Sieci samoorganizujące Kohonena - SOM
117. 5.6.3. Metoda wektorów nośnych - SVM
118. 5.6.4. Algorytmy ewolucyjne
119. 5.7. Przykłady zastosowań drążenia danych
120. 5.7.1. Wybór metod analizy w opracowywaniu rozwiązania
121. 5.7.2. Analiza szeregów czasowych-prognozowanie krótkoterminowe cen produktów sezonowych
122. 5.7.3. Modelowanie złożonych systemów-prognozowanie cen akcji na rynku kapitałowym
123. 5.7.4. Klasyfikacja-diagnostyka i identyfikacja produktów roślinnych
124. 5.8. Pytania kontrolne
125. Rozdział 6. Systemy hybrydowe
126. 6.1. Kategorie i struktura systemów hybrydowych
127. 6.1.1. Struktury równoległe
128. 6.1.2. Struktury sekwencyjne
129. 6.1.3. Zanurzenia
130. 6.2. Systemy transformacyjne
131. 6.2.1. Neuronowe systemy ekspertowe
132. 6.2.2. Sieci ekspertowe
133. 6.2.3. Semantyczne sieci neuronowe
134. 6.3. Systemy neuronowo-rozmyte
135. 6.3.1. Rozmyte sieci neuronowe
136. 6.3.2. Neuronowe systemy wnioskowania rozmytego
137. 6.3.3. Klasyfikacja neuronowo-rozmyta
138. 6.4. Pytania kontrolne
139. Rozdział 7. Wielowymiarowe systemy pomiaru wiedzy
140. 7.1. Podstawowe poziomy pomiaru wiedzy
141. 7.1.1. Pomiar wiedzy a cele zarządzania wiedzą
142. 7.1.2. Pomiary wiedzy na poziomach zarządzania przedsiębiorstwem
143. 7.2. Podstawy systemów pomiaru wiedzy
144. 7.2.1. Schemat przyczynowo-skutkowy
145. 7.2.2. Zrównoważona karta wyników
146. 7.2.3. Podstawowe grupy wskaźników pomiaru wiedzy
147. 7.3. Przykład budowy wielowymiarowego systemu pomiaru wiedzy
148. 7.4. Pytania kontrolne
149. Rozdział 8. Wdrażanie i użytkowanie systemów zarządzania wiedzą w przedsiębiorstwie
150. 8.1. Wdrażanie systemów zarządzania wiedzą
151. 8.1.1. Przygotowanie profilu wiedzy przedsiębiorstwa
152. 8.1.2. Znaczenie kultury organizacyjnej
153. 8.1.3. Przykładowe opracowanie obszarów kompetencji
154. 8.2. Wdrażanie i eksploatacja systemów ekspertowych
155. 8.2.1. Systemy ekspertowe jako systemy złożone
156. 8.2.2. Planowanie i przygotowywanie procedury wdrożeniowej
157. 8.2.3. Realizacja wdrożenia systemu
158. 8.2.4. Eksploatacja systemu i jego dostosowywanie do potrzeb użytkownika
159. 8.3. Wdrażanie i eksploatacja systemów drążenia danych
160. 8.3.1. Identyfikacja potrzeb
161. 8.3.2. Realizacja wdrożenia systemu
162. 8.3.3. Dostosowanie systemu do potrzeb użytkownika

Zobacz spis treści

---