Biblioteka Publiczna

Spis treści:

1. Wstęp
2. Rozdział 1. Podstawy zarządzania wiedzą
3. 1.1. Społeczeństwo informacyjne, społeczeństwo wiedzy
4. 1.1.1. Od społeczeństwa przemysłowego do społeczeństwa wiedzy
5. 1.1.2. Istota i cechy społeczeństwa informacyjnego
6. 1.1.3. Skutki społeczno-gospodarcze zmian
7. 1.1.4. Przedsiębiorstwo w społeczeństwie informacyjnym
8. 1.1.5. Społeczeństwo informacyjne w Polsce i na świecie
9. 1.2. Znaczenie wiedzy w otoczeniu gospodarczym
10. 1.2.1. Dane - informacja - wiedza
11. 1.2.2. Okrężny obieg wiedzy
12. 1.2.3. Wiedza jako zasób, ekonomika wiedzy
13. 1.3. Zasoby wiedzy w przedsiębiorstwie - klasyfikacja, główne składniki, proces uczenia się organizacji
14. 1.3.1. Klasyfikacja wiedzy
15. 1.3.2. Szacowanie zasobów wiedzy w przedsiębiorstwie
16. 1.3.3. Ewoluowanie przedsiębiorstw-organizacje uczące się i sieciowe
17. 1.3.4. Pracownik w nowym modelu funkcjonowania przedsiębiorstwa
18. 1.4. Rola i znaczenie zarządzania wiedzą
19. 1.4.1. Rozwój zarządzania wiedzą
20. 1.4.2. Istota zarządzania wiedzą
21. 1.4.3. Metody, techniki i strategie zarządzania wiedzą
22. 1.4.4. Ilościowe a jakościowe zarządzanie wiedzą
23. 1.4.5. Zarządzanie wiedzą a przewaga konkurencyjna
24. 1.5. Technologie informacyjne w zarządzaniu wiedzą
25. 1.5.1. Pozyskiwanie wiedzy z otoczenia
26. 1.5.2. Zarządzanie wiedzą o klientach
27. 1.5.3. Wiedza w systemach rozproszonych i organizacjach sieciowych
28. Rozdział 2. Zarządzanie wiedzą w praktyce
29. 2.1. Kluczowe procesy zarządzania wiedzą
30. 2.1.1. Lokalizowanie zasobów wiedzy
31. 2.1.2. Pozyskiwanie wiedzy
32. 2.1.3. Zachowywanie wiedzy
33. 2.1.4. Stosowanie wiedzy
34. 2.1.5. Przykłady wybranych procesów zarządzania wiedzą
35. 2.2. Rozwijanie wiedzy
36. 2.2.1. Wiedza a innowacje w przedsiębiorstwach
37. 2.2.2. Procedury rozwoju wiedzy
38. 2.2.3. Przykłady zastosowań rozwiązań informatycznych w rozwoju wiedzy
39. 2.3. Poziomy zarządzania wiedzą
40. 2.3.1. Zarządzanie wiedzą a zarządzanie przedsiębiorstwem
41. 2.3.2. Zarządzanie normatywne, strategiczne i operacyjne
42. 2.3.3. Studium przypadku zarządzania wiedzą w przedsiębiorstwie
43. Rozdział 3. Projektowanie systemów ekspertowych
44. 3.1. Procesy przetwarzania wiedzy
45. 3.1.1. Formy wiedzy w przedsiębiorstwie
46. 3.1.2. Etapy procesu przetwarzania wiedzy
47. 3.2. Systemy ekspertowe - istota, struktura i działanie
48. 3.2.1. Istota systemu ekspertowego i różnice w stosunku do innych rozwiązań
49. 3.2.2. Rozwój systemów ekspertowych
50. 3.2.3. Klasyfikacja systemów ekspertowych
51. 3.2.4. Struktura i zasada działania systemu ekspertowego
52. 3.3. Identyfikacja problemów dla systemów ekspertowych
53. 3.3.1. Cechy charakterystyczne problemów rozwiązywanych za pomocą systemów ekspertowych
54. 3.3.2. Ocena celowości budowania systemu ekspertowego dla wybranego problemu - koszty a zyski
55. 3.3.3. Studium przypadku opłacalności wdrożenia systemu ekspertowego
56. 3.4. Proces pozyskiwania wiedzy do systemu ekspertowego
57. 3.4.1. Metody pozyskiwania wiedzy
58. 3.4.2. Przykłady opracowań formularzy pozyskiwania wiedzy
59. 3.4.3. Przykłady zastosowań drzew decyzyjnych
60. 3.4.4. Ramowe koncepcje uczenia się organizacji na przykładach przedsiębiorstw
61. 3.5. Metody reprezentacji wiedzy
62. 3.5.1. Deklaratywne metody reprezentacji wiedzy
63. 3.5.2. Proceduralne metody reprezentacji wiedzy
64. 3.6. Zapis baz wiedzy w systemie ekspertowym
65. 3.6.1. Przykład zastosowania systemu PC-Shell w technologicznym przygotowaniu produkcji
66. 3.6.2. Przykład zastosowania języka PROLOG w zapisie wiedzy w systemie ekspertowym
67. 3.7. Weryfikacja baz wiedzy
68. 3.7.1. Eliminowanie nadmiarowości wiedzy
69. 3.7.2. Usuwanie sprzeczności wiedzy
70. 3.7.3. Badania kompletności baz wiedzy
71. 3.8. Zastosowanie systemów uczenia się maszyn w bazach wiedzy
72. 3.8.1. Metody uczenia się maszyn
73. 3.8.2. Przykłady zastosowań systemów uczących się
74. Rozdział 4. Zastosowanie logiki rozmytej w budowie systemów zarządzania wiedzą
75. 4.1. Elementy logiki rozmytej w reprezentacji wiedzy
76. 4.1.1. Metody reprezentacji wiedzy z wykorzystaniem zbiorów rozmytych
77. 4.1.2. Zastosowanie współczynników pewności w reprezentacji wiedzy
78. 4.2. Wnioskowanie rozmyte
79. 4.2.1. Modele rozmyte w systemach zarządzania wiedzą
80. 4.2.2. Metody wnioskowania rozmytego
81. 4.3. Systemy rozmyte
82. 4.3.1. Budowa systemów rozmytych
83. 4.3.2. Przykład zastosowania systemu rozmytego w projektowaniu procesów produkcyjnych
84. Rozdział 5. Drążenie danych
85. 5.1. Zarządzanie wiedzą firmy ukrytą w danych
86. 5.1.1. Cele i strategie zarządzania wiedzą przedsiębiorstwa
87. 5.1.2. Informacje pozyskiwane z danych
88. 5.1.3. Przetwarzanie danych we wspomaganiu decyzji biznesowych
89. 5.2. Ogólna charakterystyka drążenia danych
90. 5.2.1. Pojęcia podstawowe
91. 5.2.2. Metodyka projektu
92. 5.2.3. Kryteria wyboru metody lub modelu
93. 5.2.4. Weryfikacja modeli i ocena wyników
94. 5.2.5. Miary błędów
95. 5.3. Wstępna analiza danych
96. 5.3.1. Czyszczenie i przekształcenia danych
97. 5.3.2. Podział danych na próby: uczącą, walidacyjną i testową
98. 5.3.3. Analizy struktur wielowymiarowych OLAP
99. 5.4. Analizy wielowymiarowe
100. 5.4.1. Regresja wieloraka
101. 5.4.2. Analiza skupień
102. 5.4.3. Skalowanie wielowymiarowe
103. 5.4.4. Analiza czynnikowa
104. 5.4.5. Analiza składowych głównych PCA
105. 5.4.6. Analiza składowych niezależnych ICA
106. 5.4.7. Analiza dyskryminacyjna
107. 5.4.8. Graficzne metody prezentacji danych wielowymiarowych
108. 5.5. Drzewa klasyfikacyjne i regresyjne
109. 5.5.1. Drzewa klasyfikacyjne i regresyjne C&RT
110. 5.5.2. Drzewa decyzyjne CHAID
111. 5.6. Metody sztucznej inteligencji w drążeniu danych
112. 5.6.1. Neuronowe sieci wielowarstwowe typu MLP i RBF
113. 5.6.2. Sieci samoorganizujące Kohonena - SOM
114. 5.6.3. Metoda wektorów nośnych - SVM
115. 5.6.4. Algorytmy ewolucyjne
116. 5.7. Przykłady zastosowań drążenia danych
117. 5.7.1. Wybór metod analizy w opracowywaniu rozwiązania
118. 5.7.2. Analiza szeregów czasowych-prognozowanie krótkoterminowe cen produktów sezonowych
119. 5.7.3. Modelowanie złożonych systemów-prognozowanie cen akcji na rynku kapitałowym
120. 5.7.4. Klasyfikacja-diagnostyka i identyfikacja produktów roślinnych
121. Rozdział 6. Systemy hybrydowe
122. 6.1. Kategorie i struktura systemów hybrydowych
123. 6.1.1. Struktury równoległe
124. 6.1.2. Struktury sekwencyjne
125. 6.1.3. Zanurzenia
126. 6.2. Systemy transformacyjne
127. 6.2.1. Neuronowe systemy ekspertowe
128. 6.2.2. Sieci ekspertowe
129. 6.2.3. Semantyczne sieci neuronowe
130. 6.3. Systemy neuronowo-rozmyte
131. 6.3.1. Rozmyte sieci neuronowe
132. 6.3.2. Neuronowe systemy wnioskowania rozmytego
133. 6.3.3. Klasyfikacja neuronowo-rozmyta
134. Rozdział 7. Wielowymiarowe systemy pomiaru wiedzy
135. 7.1. Podstawowe poziomy pomiaru wiedzy
136. 7.1.1. Pomiar wiedzy a cele zarządzania wiedzą
137. 7.1.2. Pomiary wiedzy na poziomach zarządzania przedsiębiorstwem
138. 7.2. Podstawy systemów pomiaru wiedzy
139. 7.2.1. Schemat przyczynowo-skutkowy
140. 7.2.2. Zrównoważona karta wyników
141. 7.2.3. Podstawowe grupy wskaźników pomiaru wiedzy
142. 7.3. Przykład budowy wielowymiarowego systemu pomiaru wiedzy
143. Rozdział 8. Wdrażanie i użytkowanie systemów zarządzania wiedzą w przedsiębiorstwie
144. 8.1. Wdrażanie systemów zarządzania wiedzą
145. 8.1.1. Przygotowanie profilu wiedzy przedsiębiorstwa
146. 8.1.2. Znaczenie kultury organizacyjnej
147. 8.1.3. Przykładowe opracowanie obszarów kompetencji
148. 8.2. Wdrażanie i eksploatacja systemów ekspertowych
149. 8.2.1. Systemy ekspertowe jako systemy złożone
150. 8.2.2. Planowanie i przygotowywanie procedury wdrożeniowej
151. 8.2.3. Realizacja wdrożenia systemu
152. 8.2.4. Eksploatacja systemu i jego dostosowywanie do potrzeb użytkownika
153. 8.3. Wdrażanie i eksploatacja systemów drążenia danych
154. 8.3.1. Identyfikacja potrzeb
155. 8.3.2. Realizacja wdrożenia systemu
156. 8.3.3. Dostosowanie systemu do potrzeb użytkownika
157. Zakończenie

Zobacz spis treści

---