Mariusz Maleszak nr albumu 6374

Slides:



Advertisements
Podobne prezentacje
Temat 2: Podstawy programowania Algorytmy – 1 z 2 _________________________________________________________________________________________________________________.
Advertisements

Proces doboru próby. Badana populacja – (zbiorowość generalna, populacja generalna) ogół rzeczywistych jednostek, o których chcemy uzyskać informacje.
1 Mój sposób na efektywną naukę Opracowała: Agnieszka Terebus studentka V roku Akademii Pedagogiki Specjalnej w Warszawie na kierunkach: Pedagogika Zdolności.
Światowy Dzień Zdrowia 2016 Pokonaj cukrzycę. Światowy Dzień Zdrowia 7 kwietnia 2016.
Plan Czym się zajmiemy: 1.Bilans przepływów międzygałęziowych 2.Model Leontiefa.
Pionierka ogół umiejętności związanych z budowaniem przez harcerzy.
Teoria gry organizacyjnej Każdy człowiek wciąż jest uczestnikiem wielu różnych gier. Teoria gier zajmuje się wyborami podejmowanymi przez ludzi w warunkach.
Dr Magdalena Arczewska.  Fundusz Inicjatyw Obywatelskich powstał w 2005 r. w celu pobudzania oraz wspierania rozwoju inicjatyw obywatelskich. W okresie.
Metodologia tworzenia strategii wg Mirosława Gębskiego Euroinvestment.
Ćwiczenia Zarządzanie Ryzykiem Renata Karkowska, ćwiczenia „Zarządzanie ryzykiem” 1.
BYĆ PRZEDSIĘBIORCZYM - nauka przez praktykę Projekt współfinansowany przez Unię Europejską w ramach Europejskiego Funduszu Społecznego.
Instytucjonalne uwarunkowania realizacji koncepcji CSR w obszarze merchandisingu – zarys problemu Dr Jarosław Plichta Katedra Handlu i Instytucji Rynkowych.
EWALUACJA PROJEKTU WSPÓŁFINANSOWANEGO ZE ŚRODKÓW UNII EUROPEJSKIE J „Wyrównywanie dysproporcji w dostępie do przedszkoli dzieci z terenów wiejskich, w.
KOMUNIKOWANIE W PROCESIE WSPIERANIA ROZWOJU SZKOŁY Jarosław Kordziński NA.
EWALUACJA JAKO ISTOTNY ELEMENT PROJEKTÓW SYSTEMOWYCH Sonia Rzeczkowska.
Metody ewaluacji projektów inwestycyjnych w sektorze nieruchomości komercyjnych mgr Małgorzata Waszkiewicz
Coaching w poradnictwie zawodowym i edukacji. PLAN Definicja, proces - zmiana Możliwość wykorzystania coachingu w poradnictwie zawodowym i edukacji Model.
Wiem czego chcę!!!.  Każdy z Nas staje przed różnymi wyborami. Jednym z najważniejszych jest wybór ścieżki kształcenia.  Twoja Kariera jest w twoich.
Konferencja nt. „Nowy wizerunek szkół zawodowych w Lublinie i Chełmie – większe szanse na rynku pracy” w ramach projektu współfinansowanego ze środków.
Departament Rozwoju Regionalnego XV Posiedzenie Podkomitetu ds. Zrównoważonego Rozwoju Pełnomocnik Zarządu ds. Zrównoważonego Rozwoju Edward Reszkowski.
1 Organizacje a kontrakt psychologiczny We współczesnym świecie człowiek otoczony jest szeregiem kontraktowych zobowiązań. To pewien rodzaj powiązań, zależności,
KOSZTY W UJĘCIU ZARZĄDCZYM. POJĘCIE KOSZTU Koszt stanowi wyrażone w pieniądzu celowe zużycie majątku trwałego i obrotowego, usług obcych, nakładów pracy.
Założenia psychologii kognitywnej (poznawczej) jako innowacyjna forma pracy z uczniem realizowana w Zespole Szkół w Gębicach.
„Gdański model aktywizacji społeczności lokalnych” Gdańsk, 27 kwietnia 2009.
- nie ma własnego kształtu, wlana do naczynia przybiera jego kształt, - ma swoją objętość, którą trudno jest zmienić tzn. są mało ściśliwe (zamarzając.
Jak realizować wzorcową rolę instytucji publicznych w zakresie efektywności energetycznej Perspektywa biznesu Menedżer ds. Norm i Standardów ROCKWOOL Polska.
Dokumenty potrzebne do złożenia wniosku o dofinansowanie projektu w ramach Regionalnego Programu Operacyjnego Województwa Pomorskiego na lata
MATURA 2007 podstawowe informacje o zmianach w egzaminie.
Budżet rodzinny Projekt współfinansowany przez Unię Europejską w ramach Europejskiego Funduszu Społecznego.
Wieloaspektowa analiza czasowo- kosztowa projektów ze szczególnym uwzględnieniem kryterium jakości rozwiązań projektowych AUTOR: ANNA MARCINKOWSKA PROMOTOR:
Bezpieczeństwo przy pracy z ciekłym azotem
I T P W ZPT 1 Realizacje funkcji boolowskich Omawiane do tej pory metody minimalizacji funkcji boolowskich związane są z reprezentacją funkcji w postaci.
Najczęściej popełniane błędy w przygotowywanych wnioskach o dofinasowanie Regionalny Program Operacyjny Województwa Pomorskiego na lata Gdańsk,
Metody sztucznej inteligencji - Technologie rozmyte i neuronowe 2015/2016 Perceptrony proste nieliniowe i wielowarstwowe © Kazimierz Duzinkiewicz, dr hab.
# Analiza cech taksacyjnych drzewostanów przy wykorzystaniu technologii LIDAR 1 15 Sep 2010 Analiza cech taksacyjnych drzewostanów przy wykorzystaniu technologii.
Definiowanie i planowanie zadań typu P 1.  Planowanie zadań typu P  Zadania typu P to zadania unikalne służące zwykle dokonaniu jednorazowej, konkretnej.
Informacja na temat projektu informatycznego „Centralizacja przetwarzania danych” V Krajowa Konferencja System Informacji Przestrzennej w Lasach Państwowych.
Strategia personalizacji - kiedy stosować strategię personalizacji, a kiedy kodyfikacji wiedzy?
Prezentacja platformy inwestycyjnej StartStartup.pl.
Planowanie podatkowe Paweł Satkiewicz doradca podatkowy Parulski i Wspólnicy Doradcy Podatkowi Warszawa 24 listopada 2011 r.
Kryteria oceny projektów inwestycyjnych Jacek Adamski, Gdańsk,
Budżetowanie kapitałowe cz. III. NIEPEWNOŚĆ senesu lago NIEPEWNOŚĆ NIEMIERZALNA senesu strice RYZYKO (niepewność mierzalna)
Zarządzanie zespołem pracowników - wprowadzenie. Cele przedmiotu C1: Przekazanie studentom wiedzy o celach i strukturze procesu zarządzania personelem,
Ogólnopolska Konferencja Naukowa Finanse – Statystyka – Badania Empiryczne 26 październik 2016 rok Wrocław Katedra Prognoz i Analiz Gospodarczych Uniwersytet.
mgr Marek Jarzęcki Katedra Finansów Przedsiębiorstw
T.15 Wybór narzędzi dla reengineeringu (szczegóły).
Badanie współczynnika inbredu
Bądź częścią rozwiązania
Koncepcja i strategia Szkoły Promującej Zdrowie
Komitetu Monitorującego Regionalny Program Operacyjny Województwa
Struktury i algorytmy wspomagania decyzji
Zintegrowane Inwestycje Terytorialne Aglomeracji Jeleniogórskiej
Oczekiwana przez inwestora stopa dochodu
„Prawa Ceteris Paribus i socjo-ekonomiczne mechanizmy”
Statut Szkoły art. 98 ustęp 1.
Czy pozytywna opinia o „regulatorach rozmytych” jest uzasadniona
Budowa, typologia, funkcjonalność
Języki programowania.
Microsoft Office Project 2003 Professional
Proste obliczenia w arkuszu kalkulacyjnym
FACULTY OF ENGINEERING MANAGEMENT
FORMUŁOWANIE HIPOTEZ STATYSTYCZNYCH
REGRESJA WIELORAKA.
Prawa ruchu ośrodków ciągłych c. d.
Program na dziś Wprowadzenie Logika prezentacji i artykułu
Zgłoszenie do konkursu
Nasza działalność KLAVO to firma zajmująca się dostarczaniem usług dla instytucji kultury. Chcemy, aby zwiększały one jakość obsługi zwiedzających. Celem.
Autor: Magdalena Linowiecka
Wspomaganie pracy szkół
Zapis prezentacji:

Mariusz Maleszak nr albumu 6374 Efektywne zarządzanie projektami z wykorzystaniem modeli sztucznej inteligencji Mariusz Maleszak nr albumu 6374

Hipoteza robocza Zastosowanie technik sztucznej inteligencji, zwłaszcza technik znajdujących swe źródła w przyrodzie, wpłynie na zwiększenie efektywności zarządzania projektami informatycznymi w oparciu o metodyki RUP oraz MSF.

Hipoteza pomocnicza Zarządzanie ryzykiem jest kluczowym obszarem zarządzania i implikowane jest przez każdy inny obszar zarządzania projektem, świadomie lub nie.

Problematyka Jak ograniczyć subiektywny wpływ człowieka na podejmowanie decyzji dotyczących podstawowych parametrów projektu? Jaka jest słuszność podejmowanych decyzji? Czy ocena pracochłonności jest adekwatna do rzeczywistości? Jak skutecznie identyfikować i oceniać ryzyko? Jak efektywnie zarządzać projektem?

Model przykładowego przedsięwzięcia projektowego

Mapa ryzyka dla przykładowego przedsięwzięcia projektowego Prawdopodobieństwo Oddziaływanie Bardzo słabe Słabe Umiarkowane Duże Bardzo duże Bardzo wysokie   6 1 Wysokie 3, 12 5 2 18 Średnie 4, 7, 13, 16 14, 15 Niskie 10 11 17 Bardzo niskie 8, 9 Akceptowalne Dopuszczalne Niedopuszczalne

Sztuczna inteligencja w zarządzaniu projektami

Sztuczna inteligencja w zarządzaniu projektami Nr Rodzaj Opis zgłoszenia Prawdopodobieńst wo wystąpienia Poziom oddziaływania 1 Ryzyko Iteracyjny proces opracowywania realizowany we współpracy z klientem 0,5150±0,0002 0,6250±0,0002 2 Możliwość zmiany zakresu prac ze względu na złożoność projektu 0,2186±0,0002 0,8940±0,0002 3 Szansa Zmiana zakresu wymaga dodatkowego, płatnego nakładu pracy 0,4538±0,0002 0,7955±0,0002 55 Zmiana harmonogramu w związku ze zmianą zakresu 0,6210±0,0002 0,4355±0,0002 5 Zwielokrotnienie i zrównoleglenie zasobów ze względu na złożoność 0,1385±0,0002 0,5079±0,0002

Sztuczna inteligencja w zarządzaniu projektami

Sztuczna inteligencja w zarządzaniu projektami

Wnioski Zalety Skraca czas potrzebny na analizę Angażowanie sztucznych sieci neuronowych do wspomagania procesu zarządzania Zalety Skraca czas potrzebny na analizę bardzo szybkie obliczenia praktycznie niezależne od rozmiaru danych Umożliwia odkrywanie wiedzy, niweluje subiektywizm podejmowanych decyzji, koryguje błędne decyzje dzięki możliwości uczenia się sztuczne sieci neuronowe wypracowują wzorce, które znajdują zastosowanie między innymi w procesach kojarzenia, klasyfikacji, rozpoznawania, estymacji, przypominania, optymalizacji i sterowania

Wnioski Zalety Umożliwia posługiwanie się zmiennymi lingwistycznymi Wykorzystywanie hybrydowych systemów sztucznej inteligencji do wspomagania procesu zarządzania Zalety Umożliwia posługiwanie się zmiennymi lingwistycznymi właściwość ta diametralnie upraszcza posługiwanie się takimi systemami; eliminuje konieczność realizowania często bardzo skomplikowanych obliczeń Łączy ogromną precyzję sztucznych sieci neuronowych z elastycznością i naturalnym charakterem logiki rozmytej Przykładem są sieci CANFIS (Co-Active Neuro-Fuzzy Inference System – system aktywnej współpracy neuro-rozmytej) zbudowane najczęściej z wykorzystaniem w roli funkcji członkostwa rozmytego funkcji Bella lub Gaussa

Wnioski Wady Stwarza trudności w doborze architektury sieci Wykorzystywanie sztucznych sieci neuronowych w procesach wspomagania zarządzania Wady Stwarza trudności w doborze architektury sieci rzeczą nietrywialną jest dobór modelu sieci, funkcji dostosowania oraz topologii sieci; najczęściej realizowane jest to empirycznie i w razie konieczności powtarzane do skutku Jest procesem długotrwałym i pracochłonnym proces uczenia sieci wymaga opracowania zbioru danych uczących; przeważnie jest to proces żmudny i długotrwały; samo uczenie sieci również nie należy do operacji krótkotrwałych Może prowadzić do błędnych wyników błąd w danych lub ich brak na wejściu oznacza najczęściej powielenie (wzmocnienie) tego błędu lub braku na wyjściu sieci

Wnioski Systemy ekspertowe w zarządzaniu projektami Zalety Umożliwiają odkrywanie wiedzy cechą systemów ekspertowych jest to, że na podstawie zaprogramowanych reguł systemy te mogą wysnuwać nowe, nieznane dotychczas wnioski Objaśniają prezentowane decyzje i wnioski systemy ekspertowe (w odróżnieniu np. od sieci neuronowych) oprócz prezentacji wyników przedstawiają również logiczne uzasadnienie podjętych decyzji Diametralnie skracają czas potrzebny na analizę przedsięwzięcia do analizy nie trzeba angażować dużego zespołu; rolę ekspertów dziedzinowych przejmuje system ekspertowy

Wnioski c.d. Systemy ekspertowe w zarządzaniu projektami Wady Wymagają ogromnych nakładów na etapie opracowania jakość systemu ekspertowego wyznaczana jest rozmiarem, kompletnością i złożonością zbioru reguł przezeń wykorzystywanych; opracowanie tego zbioru jest wyzwaniem i zawsze wymaga dużych nakładów, chociażby na pozyskanie wiedzy ekspertów dziedzinowych Z natury nacechowane są subiektywizmem eksperta ponieważ wiedza wykorzystywana przez systemy ekspertowe pochodzi od człowieka (eksperta dziedzinowego) nacechowana jest jego subiektywizmem; niwelowanie skutków tego subiektywizmu polega zazwyczaj na zrównoleglaniu prac zespołów odpowiedzialnych za opracowanie zbiorów reguł, a następnie scalaniu tych zbiorów i rozwiązywaniu sprzeczności lub rozbieżności (oczywiście generuje to dodatkowy koszt)

Dziękuję za uwagę Mariusz Maleszak nr albumu 6374