INMNKESY Expert Systems

School of Business Administration in Karvina
Summer 2023
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 3. 3. 11:25–13:00 A216, Fri 24. 3. 11:25–13:00 A216, Fri 21. 4. 11:25–13:00 A216
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
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
  • NORVIG, P. and RUSSEL, S., 2021. Artificial Intelligence: A Modern Approach, Global Edition. Pearson Education. ISBN 1292401133
  • 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
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
The course is also listed under the following terms Summer 2019, Summer 2020, Summer 2021, Summer 2022, summer 2024.
  • Enrolment Statistics (Summer 2023, recent)
  • Permalink: https://is.slu.cz/course/opf/summer2023/INMNKESY