Інтелектуальні методи підтримки прийняття рішень

Сучасний розвиток інформаційних технологій і зростання складності управлінських задач зумовлюють підвищення вимог до якості прийняття рішень у різних сферах діяльності. Дисципліна «Інтелектуальні методи підтримки прийняття рішень» спрямована на ознайомлення здобувачів із сучасними інтелектуальними технологіями, що застосовуються для автоматизації процесу прийняття рішень. В рамках курсу вивчаються методи штучного інтелекту, експертні системи, Data Mining та інші засоби аналітики, які дозволяють аналізувати великі обсяги даних, виявляти закономірності та розробляти ефективні моделі підтримки рішень.
Особлива увага приділяється практичному застосуванню інтелектуальних систем у різних галузях — від бізнесу та виробництва до медицини й державного управління. Здобувачі набувають навичок розробки концептуальних моделей інтелектуальних інформаційних систем, проектування і впровадження систем підтримки прийняття рішень, адаптованих до конкретних задач. Вивчення дисципліни формує у здобувачів здатність використовувати сучасні інструменти інтелектуального аналізу даних для прийняття обґрунтованих рішень, оптимізації бізнес-процесів, підвищення ефективності управління та розкриття нових можливостей розвитку організацій. Здобуті знання є фундаментом для професійної діяльності в галузі інформаційних технологій, аналітики, консалтингу, а також для подальших наукових досліджень у сфері підтримки прийняття рішень та штучного інтелекту.
Програма побудована за вимогами кредитно-модульної системи організації навчального процесу у вищих навчальних закладах, яку рекомендовано Європейською Кредитно-Трансферною Системою (ЄКТС).
Дисципліна викладається протягом другого семестру першого курсу магістратури, складається з лекційних та лабораторних занять. У відповідності до навчального плану закінчується заліком. 
Мета вивчення дисципліни: ознайомлення здобувачів з сучасними інтелектуальними методами підтримки прийняття рішень, використанням штучного інтелекту, експертних систем, Data Mining та інших технологій для розв'язання складних задач. Дисципліна націлена на розвиток навичок застосування інтелектуальних систем для аналізу даних, прийняття обґрунтованих рішень у різних сферах діяльності.
    Практичне значення та використання отриманих знань: отримані знання дозволять здобувачам розробляти концептуальні моделі інтелектуальних інформаційних систем (ІС), орієнтованих на підтримку прийняття рішень. Вони зможуть проектувати та реалізовувати СППР, адаптовані до специфіки конкретної галузі, а також використовувати інструменти інтелектуального аналізу даних для виявлення прихованих закономірностей та прийняття ефективних рішень.
Основні задачі дисципліни:
    Ознайомлення з сучасними інтелектуальними методами підтримки прийняття рішень;
    Вивчення методів побудови експертних систем та аналітичних моделей для різних галузей;
    Розвиток умінь аналізувати великі обсяги даних для виявлення прихованих закономірностей і прийняття ефективних рішень;
    Опанування інструментів оптимізації та автоматизації процесів управління і прийняття рішень.

 Тематика та види навчальних занять

Для денної форми здобуття освіти
Лекційні заняття
Лекція 1. Вступ до інтелектуальних методів підтримки прийняття рішень.
Лекція 2. Основи штучного інтелекту та його застосування у системах підтримки прийняття рішень.
Лекція 3. Архітектура та компоненти систем підтримки прийняття рішень.
Лекція 4. Експертні системи: принципи побудови та приклади.
Лекція 5. Бази знань та інтерпретація знань в експертних системах.
Лекція 6. Інтелектуальний аналіз даних: основи Data Mining.
Лекція 7. Методи кластеризації та класифікації у Data Mining.
Лекція 8. Пояснювальний штучний інтелект (XAI) у підтримці прийняття рішень. Прозорість, довіра та інтерпретованість моделей.
Лекція 9. Прогнозування на основі інтелектуального аналізу даних.
Лекція 10. Системи підтримки прийняття рішень на основі моделей. Використання аналітичних моделей для прийняття рішень.
Лекція 11. Роль великих даних (Big Data) у системах підтримки прийняття рішень.
Лекція 12. Хмарні технології у системах підтримки прийняття рішень: перспективи використання.
Лекція 13. Когнітивні системи підтримки прийняття рішень: концепція та майбутнє.
Лекція 14. Забезпечення безпеки даних у системаї підтримки прийняття рішень.
Лекція 15. Рекомендаційні системи та адаптивні методи підтримки прийняття рішень. Human-in-the-loop та автоматизація вибору.
Лабораторні роботи
Лабораторна робота №1. Вступ до систем підтримки прийняття рішень та аналіз простих рішень
Мета роботи: ознайомлення із концепцією систем підтримки прийняття рішень, методами багатокритеріального аналізу рішень та освоєнням практичних навичок використання Excel/Google Sheets для вибору оптимального варіанту.
Лабораторна робота №2. Експертні системи: аналіз даних на основі логічних правил
Мета роботи: Ознайомитися з основними принципами роботи експертних систем, що засновані на логічних правилах (логічні вирази, умови, комбінації правил).
Лабораторна робота №3. Застосування методів кластеризації та класифікації для аналізу даних
Мета роботи: Набути практичних навичок застосування основних методів кластеризації (на прикладі k-means) та класифікації (на прикладі дерева рішень або методу опорних векторів) з області інтелектуального аналізу даних (Data Mining).
Лабораторна робота №4. Прогнозування у система підтримки прийняття рішень на основі часових рядів
Мета роботи: побудова прогнозів для аналізу попиту, оцінки ризику або визначення витрат
за допомогою таких методів, як просте прогнозування, ковзне середнє та експоненціальне
згладжування.
Лабораторна робота №5. Розробка модельно-орієнтованої системи підтримки прийняття рішень
Мета роботи: Освоїти методику створення модельно-орієнтованої системи підтримки прийняття рішень. Навчитися використовувати математичні моделі для оптимізації процесу прийняття рішень.
Лабораторна робота №6. Аналіз та візуалізація великих даних у системах підтримки прийняття рішень
Мета роботи: Ознайомитися з інструментами та підходами до роботи з Big Data, навчитися використовувати сучасні аналітичні платформи для прийняття обґрунтованих управлінських рішень на основі даних.
Лабораторна робота №7. Аналіз ризиків і вразливостей у системах підтримки прийняття рішень
Мета роботи: Набути практичних навичок виявлення, аналізу та пріоритетизації інформаційних ризиків у системах підтримки прийняття рішень.

Для заочної форми здобуття освіти

Лекційні заняття
Лекція 1. Вступ до інтелектуальних методів підтримки прийняття рішень.
Лекція 2. Основи штучного інтелекту та його застосування у системах підтримки прийняття рішень.

Лабораторні роботи
Лабораторна робота №1. Вступ до систем підтримки прийняття рішень та аналіз простих рішень
Мета роботи: ознайомлення із концепцією систем підтримки прийняття рішень, методами багатокритеріального аналізу рішень та освоєнням практичних навичок використання Excel/Google Sheets для вибору оптимального варіанту.
Лабораторна робота №2. Експертні системи: аналіз даних на основі логічних правил
Мета роботи: Ознайомитися з основними принципами роботи експертних систем, що засновані на логічних правилах (логічні вирази, умови, комбінації правил).

Консультації здійснюються впродовж семестру згідно встановленого розкладу.

Індивідуальна робота

Для денної форми здобуття освіти
    не передбачено
Для заочної форми здобуття освіти

    Контрольна робота для здобувачів заочної форми
Завдання для виконання контрольної роботи здобувач отримує на установчій лекції.
Робота містить 5 теоретичних питань та 1 практичне завдання.  Обсяг відповіді на кожне теоретичне питання: не менше, ніж 1 сторінки машинописного тексту. Текст відповіді повинен бути виконаний самостійно, а не скопійованим з навчального посібника. 
Практичне завдання. Оцінити системи управління проектами використовуючи метод зваженої суми критеріїв (SAW).
Альтернативи:
- Система A: Безкоштовна, базові функції, проста у використанні
- Система B: Платна, багато функцій, складна у використанні
- Система C: Середня ціна, середня кількість функцій, середня складність
- Система D: Безкоштовна, мінімальні можливості, дуже проста
Критерії оцінки:
- Вартість (менше – краще)
- Функціональність (більше – краще)
- Зручність у використанні (більше – краще)

 Форми контрольних заходів та оцінювання результатів навчання

Для денної форми здобуття освіти
Поточний контроль полягає у виконанні:
1.    7 лабораторних робіт. Повне виконання та захист лабораторних робіт оцінюється:
    №1 – 10 балів;
    №2 – 5 балів;
    №3, №4, №5, №6, №7 — по 9 балів за кожну.
2.    Написанню двох модульних контрольних робіт. Модульні контрольні роботи складаються з теоретичного завдання та проводяться у письмовій формі. Бездоганне виконання кожної модульної контрольної роботи становить 20 балів.
    Підсумковий контроль – залік, максимальна оцінка, яку може отримати здобувач – 100 балів, мінімальна оцінка, яка дозволяє отримати “зараховано” – 60 балів.

Для заочної форми здобуття освіти
Поточний контроль полягає у виконанні:
1.    2 лабораторних робіт. Повне виконання та захист лабораторних робіт оцінюється у 20 балів за кожну.
2.    Контрольної роботи. Бездоганне виконання контрольної роботи оцінюється у 50 балів. При її захисті можна отримати додатково до 10 балів.
    Підсумковий контроль – залік, максимальна оцінка, яку може отримати здобувач – 100 балів, мінімальна оцінка, яка дозволяє отримати “зараховано” – 60 балів.