INMNPESY Expert Systems

School of Business Administration in Karvina
Summer 2021
Extent and Intensity
2/1/0. 5 credit(s). Type of Completion: zk (examination).
Teacher(s)
Ing. Jan Górecki, Ph.D. (lecturer)
Ing. Jan Górecki, Ph.D. (seminar tutor)
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
Mon 8:55–10:30 A423
  • Timetable of Seminar Groups:
INMNPESY/01: Mon 10:35–11:20 A423, J. Górecki
Prerequisites
FAKULTA(OPF) && TYP_STUDIA(N) && FORMA(P)
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 11 student(s).
Current registration and enrolment status: enrolled: 0/11, only registered: 0/11
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
  • 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.
Teacher's information
ActivityDifficulty [h]
Ostatní studijní zátěž40
Přednáška26
Seminář13
Zkouška40
Summary119
The course is also listed under the following terms Summer 2019, Summer 2020, Summer 2022, Summer 2023, summer 2024.
  • Enrolment Statistics (Summer 2021, recent)
  • Permalink: https://is.slu.cz/course/opf/summer2021/INMNPESY