Prezentacje w ramach przedmiotu obejmują przegląd komercyjnego wykorzystania wybranych metod z obszaru Data Science i Big Data.
Droga modelu uczenia maszynowego: od pomysłu do produktu
W ramach tej części zostanie omówiony proces tworzenia i wdrażania modeli uczenia maszynowego, począwszy od identyfikacji problemu, poprzez zbieranie i analizę danych, budowę modelu, aż po jego wdrożenie i monitorowanie w środowisku produkcyjnym. Przedstawione zostaną kluczowe aspekty, takie jak definicja problemu, wybór i przygotowanie danych, budowanie pipeline'u ETL, oraz testowanie i optymalizacja modelu.
Budowanie wartości w oparciu o dane
W tej części zostaną omówione zastosowania Data Science i Big Data w budowaniu wartości biznesowej i społecznej. Przedstawione zostanie, jak dane stają się kluczowym zasobem w nowoczesnej gospodarce, zilustrowane przykładami firm, takich jak Tesla. Zwrócona zostanie uwaga na znaczenie odpowiedniego pozyskiwania, analizy i wykorzystywania danych oraz na wyzwania, takie jak problemy z jakością danych i potencjalne błędy analityczne. Omówione zostaną tekże różne podejścia do przetwarzania i interpretacji danych oraz rola analityki predykcyjnej i analizy sieciowej w procesie podejmowania decyzji.
Process Mining: Jak wykorzystując własne dane unikać niespodzianek w procesach biznesowych?
W każdej firmie, niezależnie od jej wielkości, efektywność procesów jest kluczowa z punktu widzenia konkurencyjności rynkowej oraz rentowności. To oczywiste. Wiele z tych procesów charakteryzuje jednak organiczny wzrost zachodzący równolegle ze wzrostem firmy czy rozwojem danej linii produktowej lub usługowej. W najlepszym razie proces projektowany jest z wykorzytaniem notacji BPMN, jednak już jego ewolucja i zmiany nie są ani monitorowane, ani dokumentowane.
Narzędzia z grupy Process Intelligence, w szczególności Process Mining przychodzą tutaj na ratunek. Pozwalają zobaczyć proces takim jakim jest on w rzeczywistości, monitorować jego zmiany w czasie a przede wszystkim znajdować źródła optymalizacji.
Zajęcia będą miały miał charakter wprowadzenia do technologii Process Mining. Zostaną omówione główne zagadanienia analityczne związane z analizą procesów w oparciu o dane: a) performance mining, b) analiza wariantów, c) conformance checking, d) źródła oraz przygotowanie danych.
Oprócz teoretycznego wprowadzenia przejdziemy wspólnie przez praktyczne wykorzystanie narzędzia Process Mining używając jako przykładu danych pochodzących z procesu zakupowego (P2P, purchase-to-pay).
Wykorzystanie zasobów informacji niestrukturalnej w dużych przedsiębiorstwach
Architektura informacji, architektura systemów wyszukiwania przetwarzania języka naturalnego, podstawowe zastosowania biznesowe w przedsiębiorstwach: zarządzanie wiedzą, portal dostępu do informacji, aplikacje specjalizowane oparte na sinikach wyszukiwania.
