Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników

Znaleziono wyników: 5

Liczba wyników na stronie
first rewind previous Strona / 1 next fast forward last
Wyniki wyszukiwania
Wyszukiwano:
w słowach kluczowych:  drążenie danych
help Sortuj według:

help Ogranicz wyniki do:
first rewind previous Strona / 1 next fast forward last
PL
Systemy informatyczne przedsiębiorstwa zawierają wiele różnorodnych danych. Przetworzenie ich w wartościowe informacje, służące podejmowaniu decyzji, jest często pracochłonnym i skomplikowanym procesem angażującym znaczne siły nie tylko służb finansowych, ale całej organizacji. Rozwiązanie zasadniczych problemów z tym związanych, przynoszą aplikacje Business Intelligence (BI), które pozwalają na zwiększenie efektywności ekonomicznej poprzez dostarczenie menadżerom właściwej informacji na czas, w którym mogą oni podejmować efektywne decyzje. Celem niniejszego referatu jest zaprezentowanie konieczności korzystania z narzędzi BI w nowoczesnych systemach controllingu.
EN
The informatics systems of an enterprise usually contain a multitude of diverse data. Processing these data into valuable information that support decision making is frequently a complicated and labour-consuming process requiring a great deal of work realized not only by the financial services, but by the entire organization. The solution of essential problems connected with this fact bring Business Intelligence (BI) applications, which allow the increase of the economic effectiveness by delivering to the management appropriate information in due time, on the basis of which efficient decisions can be taken. The aim of the article is to present the necessity of use of BI tools in modern controlling systems.
PL
Każda decyzja o udzieleniu kredytu obarczona jest ryzykiem. Im ryzyko jest większe, tym straty spowodowane błędną decyzją mogą być większe. Istotnie ważnym elementem jest zbadanie, czy osoba starająca się o kredyt daje szansę jego spłaty. W związku z tym, zbierane są pewne dane charakteryzujące danego kredytobiorcę, a następnie dany wniosek jest oceniany przez system scoringowy oraz ekspertów ryzyka kredytowego. Aby system scoringowy spełniał należycie swoje cele, nie może opierać się na jakiejś sztywno przyjętej teorii definicji ,,złych” klientów. Wykorzystując metody eksploracji danych poszukujemy pewnych wzorców w zebranych wcześniej danych, na podstawie innych wniosków kredytowych.
EN
Any decision to grant loan, it is fraught with risk. If the risk is higher, than the losses caused by an incorrect decision could be higher. Indeed, an important element is whether the person applying for a loan gives you the chance of its repayment. Consequently, collected some data which characterize the borrower and then the application is assessed by the scoring system and experts of the credit risk. To meet the scoring system due to its golas, can not be based on an accepted theory of rigid definition of "bad" clients. Using data mining methods we are looking for certain patterns in the data already collected under other loan applications.
PL
Eksploracja danych to obecnie najdynamiczniej rozwijające się zagadnienie związane z przetwarzaniem danych. Celem eksploracji (data mining, drążenie danych) jest uzyskiwanie nowej użytecznej wiedzy z dużych kolekcji danych przy użyciu specjalistycznych narzędzi statystycznych. W artykule dokonano porównania metod eksploracji w środowiskach Weka, R, Statistica i Microsoft SQL Server dla istniejącej bazy danych ilości dopływu ścieków do oczyszczalni. W tym przypadku dane wejściowe to szeregi czasowe o rozdzielczości dobowej, obejmujące długie okresy obserwacji (nawet kilkanaście lat).
EN
Data mining is currently the fastest growing problem of processing data. The purpose of exploration (data mining, drilling of the data) is useful to obtain new knowledge from large data packets using specialized statistical tools. This article makes a comparison of methods for exploration in environments Weka, R, Statistica and Microsoft SQL Server database to an existing quantity of water inflow to the treatment plant. Inputs such application is a time series with daily resolution of the long periods of observation (even several years).
PL
Artykuł przedstawia metodę pozyskiwania wiedzy, która może być wykorzystana do budowy systemu doradczego wspomagającego personel prowadzący złożony proces technologiczny. Baza wiedzy w postaci bazy przykładów budowana jest w sposób automatyczny przy użyciu archiwalnych danych opisujących proces. Na podstawie podobieństwa do historycznych procesów może być prowadzone wnioskowanie dotyczące przebiegu aktualnego procesu. W artykule przedstawione zostaną szczegóły opracowanej metody jak: sposób reprezentacji przykładów, miara podobieństwa, sposób strojenia parametrów i koncepcja wykorzystania bazy wiedzy.
EN
Contemporary industrial installations often accomplish very complex production processes. Nowadays, different knowledge-based applications such as expert systems are used to support the operators. In many cases there are lots of archival SCADA data available to use. The decision about using those data to acquire the knowledge about given object was taken. It was assumed that the knowledge base would consist of properly chosen set of exemplary realizations of the process (Case-Based Reasoning). Using CBR required elaborating a special way of representing examples in a database. It relays upon reduction of amount of information through process of piece-wise approximation of original traces. A specific similarity measure of examples was introduced. An essential element of the process of building database of examples was to tune the parameters of representation of the examples and similarity measures. An evolutionary algorithm was used to accomplish this task. Archive data from reaf industrial object - Electrical Furnace was used in the process of verification of the method. Considering possibility of practical use of the method a concept of building an expert system to aid personnel in predicting course of ;the process and taking right control decisions was shown.
5
Content available remote Zastosowanie sieci immunologicznej do drążenia danych
PL
W artykule zostanie przedstawione wykorzystanie sztucznej sieci immunologicznej do klasyfikacji wielowymiarowych danych medycznych. Stworzono sztuczną sieć immunologiczną, której zadaniem jest klasyfikacja parametrów gazometrii krwi tętniczej (pH, pCOa, pO2, HCOs), która została poddana procesowi uczenia. Dane do procesu uczenia pochodzą z Oddziału Intensywnej Terapii Noworodka Polsko-Amerykańskiego Instytutu Pediatrii Collegium Medicum UJ w Krakowie.
EN
In the paper, application of artificial immune system for classification of multidimensional medical data is presented. An artificial immune network was created for the purpose of blood gasometry parameters classification. Training data originate from the Infant Intensive Care Ward of the Polish- American Institute of Pediatry, Collegium Medicum of the Jagiellonian University in Krakow.
first rewind previous Strona / 1 next fast forward last
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.