OPF:INMNKESY Expert Systems - Course Information

INMNKESY Expert Systems

Extent and Intensity

16/0/0. 5 credit(s). Type of Completion: zk (examination).

Teacher(s)

Ing. Jan Górecki, Ph.D. (lecturer)

Guaranteed by

Ing. Jan Górecki, Ph.D.
Department of Informatics and Mathematics – School of Business Administration in Karvina
Contact Person: Ing. Jan Górecki, Ph.D.

Timetable

Fri 4. 3. 11:25–13:00 A412, Fri 25. 3. 11:25–13:00 A412, Fri 22. 4. 11:25–13:00 A412

Prerequisites

FAKULTA(OPF) && TYP_STUDIA(N) && FORMA(K)
None

Course Enrolment Limitations

The course is only offered to the students of the study fields the course is directly associated with.

The capacity limit for the course is 15 student(s).
Current registration and enrolment status: enrolled: 0/15, only registered: 0/15

fields of study / plans the course is directly associated with

• Managerial Informatics (programme OPF, N_MI)

Course objectives

The students of the course gain theoretical and practical knowledge in the following fields: artificial intelligence, expert systems and knowledge engineering. The main aim of the course is to explain the use of artificial intelligence and expert systems for supporting of a manager in decision making process in business, marketing, finance, banking, public sector, etc. The students also get in contact with selected tools for creation of expert systems and knowledge discovery from databases.

Syllabus (in Czech)

• 1. Expertní systémy v kontextu umělé inteligence
  Umělá inteligence, expertní systém, základní principy znalostního inženýrství, typy aplikací expertních systémů.
  2. Charakteristiky expertních systémů
  Struktura expertního systému, znalosti, reprezentace znalostí, inferenční mechanismus, neurčitost.
  3. Prostředí NEST
  Historie NESTu, NEST, popis instalačního balíku a vlastní instalace, nastavení, NEST - základní možnosti a spuštění konzultace, možnosti okna dotaz a průběh konzultace, ukládání odpovědí, výsledky konzultace.
  4. Struktura báze znalostí a inferenční mechanizmus v NEST
  NEST editor, zadávání nových prvků báze znalostí, reprezentace znalostí, atributy a výroky, pravidla, kontexty, integritní omezení, inferenční mechanismus v NESTu.
  5. Neurčitost v NEST
  Práce s neurčitostí, funkce pro práci s neurčitostí, příklad výpočtu vah diagnóz, srovnání přístupů práce s neurčitostí v NEST.
  6. Aplikace v NEST
  Výběr problému a grafická reprezentace, příklad zpracování báze znalostí, založení nové báze, konstrukce báze znalostí, ladění báze, tvorba dokumentace.
  

Literature

required literature
• GÓRECKI, J. Expertní systémy. Skripta SU OPF, Karviná, 2017. info

recommended literature
• GIARRATANO, J. C. and G. RILEY. Expert Systems: Principles and Programming. Boston, MA, USA: PWS Publishing Co, 2004. ISBN 0-534-38447-1. info
• JACKSON, P. Introduction to expert systems. Addison-Wesley, Boston, MA, USA, 1998. ISBN 0-201-87686-8. info
• MAŘÍK, V. a kol. Umělá inteligence 1-5. Praha: Academia, 1993. info

Teaching methods

Skills demonstration
Seminar classes

Assessment methods

Grade

Language of instruction

Czech

Further comments (probably available only in Czech)

Study Materials
The course can also be completed outside the examination period.
Information on the extent and intensity of the course: Přednáška 16 HOD/SEM.

Teacher's information

Activity	Difficulty [h]
Ostatní studijní zátěž	40
Přednáška	26
Seminář	13
Zkouška	40
Summary	119

• Enrolment Statistics (Summer 2022, recent)
  
• Permalink: https://is.slu.cz/course/opf/summer2022/INMNKESY