Detail předmětu

Pokročilé metody v rozhodování

FP-IpmrPAk. rok: 2018/2019

Obsahem předmětu je seznámení studentů s vybranými pokročilými metodami analýz a technikami modelování (fuzzy logika, umělé neuronové sítě, genetické algoritmy) formou vysvětlení principů těchto teorií a jejich následných aplikací do manažerské praxe.

Jazyk výuky

čeština

Počet kreditů

5

Zajišťuje ústav

Výsledky učení předmětu

Získané znalosti a dovednosti předmětu umožní absolventům kvalitní a moderní přístup při procesech analýz a modelování v národním hospodářství a soukromém sektoru, organizacích, podnicích, firmách, společnostech, bankách, atd. zejména v manažerské, ale i ekonomické a finanční sféře.

Prerekvizity

Znalosti z oblasti matematiky (lineární algebra, vektory, analýza funkcí, operace s maticemi) statistiky (analýza časových řad, regresní analýza, užití statistických metod v ekonomii), operační analýzy (základní metody optimalizace, lineární programování), finanční analýzy a plánování (analýza zisku a nákladů, cash flow, bonitní a bankrotní model).

Plánované vzdělávací činnosti a výukové metody

Výuka probíhá formou přednášek, které mají charakter výkladu základních principů, metodologie dané disciplíny a problémů. Cvičení podporují zejména praktické ovládnutí látky vyložené na přednáškách.

Způsob a kritéria hodnocení

K udělení zápočtu bude požadována aktivní účast na cvičeních, odevzdání závěrečné písemné práce, popř. písemný test. Rozsah seminární práce bude činit cca 8 -12 stránek s individuálním zaměřením studenta na problematiku z praxe, vedoucí k řešení za pomoci teorie fuzzy logiky, umělých neuronových sítí nebo genetických algoritmů.
Zkouška je klasifikována podle ECTS. Její provedení je písemnou formou testu s bodovým hodnocením v rozsahu 0-20 bodů. A-20-19;B18-17;C16-15;D14-13;E12-;F10-0.

Osnovy výuky

1.Fuzzy logika (FL): Seznámení se s základními pojmy a pravidly fuzzy logiky, tvorbou modelů. Uvedení příkladů aplikací fuzzy logiky v rozhodování, jako je např. manažerské a investiční rozhodování, predikce atd.
2.Umělé neuronové sítě (UNS): Seznámení se s základními pojmy v oblasti umělých neuronových sítí, uvedení pojmu perceptron, vícevrstvá neuronová síť a jejich parametrů. Aplikace zahrnuje investiční rozhodování, odhady cen výrobků a množstevní odhady, odhad cen nemovitostí, oceňování bonity klienta atd.
3.Genetické algoritmy (GA): Seznámení se základy genetiky, analogií mezi přírodou a matematickým popisem, umožňující řešení problémů rozhodování. Je uvedeno použití v oblasti optimalizace široké palety problémů – optimalizace investiční strategie, řízení výroby, řezných plánů, aproximace křivek, řešení problému obchodního cestujícího, využití shlukové analýzy apod.
4.Teorie chaosu: Teorie pojednává o možnosti lepšího popisu ekonomických jevů než je tomu u klasických metod. Je objasněn pojem chaos a řád, fraktál, uvedeno využití této teorie při určení míry chaosu u měřeného sledovaného systému.
5.Datamining: Uvedení pojmu co znamená datamining, definování cílů, výběr techniky modelování, zdroje a příprava dat, tvorba modelů, jejich ověření, vyhodnocení, implementace a údržba. Uvedení příkladů použití pro volbu strategie spolupráce se zákazníkem, direkt mailing apod.
6.Modelování: Uvedení pojmu systém a jeho identifikaci a simulaci. Popis využití FL, UNS a GA při simulaci rozhodovacích procesů v podnikatelství.

Učební cíle

Cílem výše uvedeného předmětu je seznámení se s některými nestandardními pokročilými metodami analýz a technikami modelování za účelem podpory rozhodování v podnikatelství formou vysvětlení si principu těchto teorií, naučit se pracovat s těmito teoriemi a jejich aplikací.

Vymezení kontrolované výuky a způsob jejího provádění a formy nahrazování zameškané výuky

Účast na přednáškách není kontrolována. Účast na cvičeních je povinná a je systematicky kontrolována. Student je povinen neúčast omluvit. Je plně v kompetenci učitele posoudit důvodnost omluvy. Formy nahrazení zameškané výuky stanoví učitel individuálně.

Základní literatura

DOSTÁL, P. Pokročilé metody analýz a modelování v podnikatelství a veřejné správě, CERM, 2008, 430s, ISBN 978-80-7204-605-8. (CS)
DOSTÁL, P.: Advanced Decision making in Business and Public Services, Akademické nakladatelství CERM, 2011 Brno,ISBN 978-80-7204-747-5. (EN)
DOSTÁL, P, RAIS, K., SOJKA, Z.: Pokročilé metody manažerského rozhodování, Praha Grada, 2005., ISBN 80-247-1338-1. (CS)
THE MATHWORKS. MATLAB – User’s Guide, The MathWorks, Inc., 2021. (EN)

Doporučená literatura

ALTROCK,C. Fuzzy Logic &Neurofuzzy, Book & Cd Edition, 1996, 375 s., ISBN 0-13-591512-0 (EN)
GATELY, E. Neural Network for Financial Forecasting, John Wiley & Sons Inc., 1996, 169 s., ISBN 0-471-11212-7 (EN)
DAVIS,L. Handbook of Genetic Algorithms, Int. Thomson Com. Press, 1991, 385 s., ISBN 1-850-32825-0 (EN)
PETERS, E. Fractal Market Analysis, John Wiley & Sons Inc., 1994, 315 s., SBN 0-471-58524-6 (EN)
REBEIRO,R.R., ZIMMERMANN,H.J. Soft Computing in Fin. Engineering, Spring Verlag Comp.,1999,509s.,ISBN3-7908-1173-4. (EN)
JANÍČEK, P. Systémové pojetí vybraných oborů pro techniky, CERM, Brno, 2007, 1234 s., ISBN 978-80-7204-554-9. (CS)

Zařazení předmětu ve studijních plánech

  • Program MGR-SI magisterský navazující

    obor MGR-IM , 1. ročník, letní semestr, povinný

Typ (způsob) výuky

 

Přednáška

26 hod., nepovinná

Vyučující / Lektor

Osnova

1. Úvod
2. Fuzzy logika - teorie
3. Fuzzy logika + aplikace – Excel
4. Fuzzy logika – aplikace Matlab
5. Umělé neuronové site - teorie
6. Umělé neuronové sítě + aplikace Matlab
7. Genetické algoritmy - teorie
8. Genetické algoritmy + aplikace Matlab
9. Teorie chaosu
10. Datamining
11. Časové řady, predikce, kapitálový trh
12. Řízení výroby a řízení rizik
13. Rozhodování

Cvičení

13 hod., povinná

Vyučující / Lektor

Osnova

1. Úvod
2. Fuzzy logika – Excel + Seminární práce Ia
3. Fuzzy logika – Matlab I.
4. Fuzzy logika – Matlab II.
5. Fuzzy logika – Seminární práce Ib Matlab
6. Fuzzy logika – Seminární práce IIa
7. Neuronové sítě I.
8. Neuronové sítě II.
9. Genetické algoritmy I.
10. Genetické algoritmy II.
11. Teorie chaosu, Seminární práce IIb
12. Obhajoba SP
13. Zápočet