PREDMETI

Poslovna inteligenca II

5

ECTS Kreditne točke

Predavatelji
  • prof. dr. Matjaž Gams
Smeri
  • IKT3

Cilji

Cilj predmeta je podati splošno in napredno znanje s področja poslovne inteligence in poslovne analitike, pri čemer je poseben poudarek namenjen uporabi umetne inteligence in velikih jezikovnih modelov kot temeljnih tehnologij sodobnih sistemov za podporo poslovnemu in strateškemu (zlasti marketinškemu) odločanju. Predmet obravnava poslovno inteligenco kot aplikacijski okvir, znotraj katerega AI in LLM omogočajo avtomatizirano analizo podatkov, generiranje vpogledov, napovedovanje scenarijev in podporo kompleksnim odločitvam. V uvodnem delu so predstavljeni konceptualni in tehnološki temelji poslovne inteligence, poslovne analitike in AI-native pristopov, cilji in namen njihove uporabe ter ključni tehnični, organizacijski in metodološki izzivi njihovega uvajanja v prakso. Obravnavane so tudi najboljše prakse pri načrtovanju, implementaciji in vrednotenju AI- in LLM-podprtih BI rešitev. Študenti, ki bodo zaključili predmet, bodo usvojili poglobljeno razumevanje vloge umetne inteligence in velikih jezikovnih modelov v poslovni inteligenci ter bodo usposobljeni za uporabo naprednih analitičnih, strojno-učnih in generativnih metod pri reševanju zahtevnih poslovnih problemov. Sposobni bodo kritično presojati rezultate AI in LLM modelov, ovrednotiti njihovo uporabnost v poslovnem okolju ter učinkovito prenesti analitične in modelne rešitve v prakso strateškega odločanja.

Predmetnik

Znanstvena metoda: Struktura znanstvenega védenja, znanstvene aktivnosti in procesi. Uporaba znanstvene metode pri razvoju, učenju, preverjanju in vrednotenju umetno-inteligenčnih modelov ter velikih jezikovnih modelov v kontekstu poslovne inteligence in odločanja. Uvod: Definicija inteligence, umetne inteligence in velikih jezikovnih modelov ter njihova vloga v sodobnih BI sistemih. Pregled razvoja BI od klasičnih poročilnih sistemov do AI- in LLM-podprtih odločilnih sistemov. Razlogi, kriteriji in področja uvajanja AI-podprte BI, tipične omejitve, pasti in najboljše prakse. Razmerje med poslovno inteligenco, poslovno analitiko in AI-native pristopi. Upravljanje s podatki: Podatkovna skladišča in sodobne podatkovne arhitekture za AI in LLM. Kakovost podatkov, priprava, čiščenje in oplemenitenje podatkov, migracija in posredovanje podatkov za potrebe učenja in uporabe modelov. Podatki kot temelj delovanja analitičnih, strojno-učnih in LLM-podprtih BI rešitev ter pregled najpogostejših napak in tveganj. Poslovna analitika: Opredelitev poslovnih problemov kot vhod v analitične in AI-podprte rešitve. Analitično in modelno podprto reševanje poslovnih in tržnih problemov z uporabo metod strojnega učenja, napovednega modeliranja in LLM. Ovrednotenje rezultatov, razložljivost modelov in prenos rezultatov v poslovno prakso. Strategije trženja in neposredno trženje: Uporaba AI in LLM pri oblikovanju poslovnih in trženjskih strategij. Analiza trga in strank z uporabo naprednih analitičnih in generativnih pristopov, kontaktne strategije, tržni kanali in integracijski izzivi. Personalizacija vsebin, spremljanje vedenja strank, upravljanje tržne učinkovitosti ter trženje na osnovi dogodkov in v realnem času. Teorija iger in njena uporaba: Osnovni koncepti teorije iger in njihova povezava z algoritmi odločanja in AI. Nashevo ravnovesje, čiste in mešane strategije ter poslovne uporabe pri pogajanjih, dražbah in strateških interakcijah. Računalniška simulacija in podpora odločanju. Izzivi pri razvoju programskih sistemov in implementacija projektov: Razvoj in uvajanje AI- in LLM-podprtih BI sistemov v organizacije. Tehnični, organizacijski in projektni izzivi, integracija modelov v obstoječe sisteme ter obvladovanje kompleksnosti večjih projektov. Uporaba generativne umetne inteligence v BI: Veliki jezikovni modeli kot osrednji mehanizem sodobne BI: avtomatizacija analize podatkov, interpretacija rezultatov, generiranje poročil in scenarijev ter podpora odločanju. Uporaba LLM v kombinaciji z drugimi AI metodami ter obravnava omejitev, tveganj in odgovorne rabe. Orodja in rešitve: Pregled sodobnih AI- in LLM-podprtih orodij ter platform za poslovno inteligenco in analitiko ter pregled razvojnih smeri in prihajajočih tehnologij.

Obveznosti

Zaključen študij druge stopnje s področja informacijskih ali komunikacijskih tehnologij ali zaključen študij druge stopnje na drugih področjih z znanjem osnov s področja predmeta. Potrebna so tudi osnovna znanja matematike, računalništva in informatike.

Preverjanje znanja

Literatura in reference

Več
Skrij