Detail předmětu

Pokročilé metody v rozhodování

FP-IpmrPAk. rok: 2019/2020

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)

eLearning

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

eLearning