Цифровые технологии в анализе бизнес-систем

Процессный подход и процессно-ориентированная организация. Концепция Business
Process Management. Классификация процессов. 13-процессная эталонная модель.
Эталонная модель по ИСО/МЭК ТО 15504.
Моделирование деятельности и моделирование процессов финансовой организации.
Эволюция развития методологий описания. Методология SADT. Стандарты IDEF.
Уровни описания. Стандарт BPMN. Основные элементы. Сравнительный анализ
методологий моделирования. Требования к инструментальным системам для
моделирования бизнеса. Графический редактор Visio. Среда разработки бизнеспроцессов в нотации BPMN. Сравнительный анализ инструментальных средств.
Анализ процессов. Анализ рисков процесса. Использование количественных и
качественных метрик. Виды ключевых показателей результативности. Статистическая
обработка результатов измерений. Реинжиниринг бизнес-процессов. Разработка
модели «AS-IS» и модели «TO-BE» для финансовой организации.

Понятие алгоритма и его свойства, способы описания алгоритмов, основные
алгоритмические конструкции, этапы подготовки и решения задач на ЭВМ. Понятие
языка программирования, составляющие элементы: алфавит, лексемы, синтаксис,
семантика. Классификация языков программирования. Компиляторы и
интерпретаторы.
Структура программы, типы данных?Python, переменные, операторы ввода-вывода.
Условный оператор, циклы, операторы передачи управления.
Обзор дистрибутивов и оболочек для работы с Python. Строки:? индексация, срезы,
методы строк.??Списки: методы списков, кортежи, списочные выражения. Вложенные
списки. Множества. Словари.?Функции, параметры функций, области видимости.
Карринг функций. Двоичные и текстовые файлы. Инициализация. Функции чтения и
записи данных. Обзор возможностей библиотек обработки данных NumPy, SciPy,
Pandas, Scikit-learn, MatPlotLib, Seaborn, Graph.
Управление требованиями. Жизненный цикл программных средств. Модульное
программирование. Методы тестирования и отладки программ. Показатели качества
программных средств.

Современные технологии хранения данных, корпоративные базы данных и способы
извлечения информации из них. Информационные базы и источники данных
экономических и междисциплинарных исследований. Понятие больших данных (big
data), маленьких данных (small data). Формирование выборочных совокупностей,
автоматизация процесса сбора данных и формирования выборок. Возможности Libre
Office, MS office, KNIME. Описательная статистика. Данные с пропусками, причины
появления пропусков. Классификация пропусков. Методы восстановления данных.
Типы диаграмм. Выбор оптимальной диаграммы. Правила работы с надписями,
правила работы с цветом. Понятие инфографики. Инструменты создания графиков.
Графические возможности библиотек Python. Понятие дашборда, основные элементы.
Инструмент Yandex DataLenghts для построения дашбордов.

Основные направления в исследованиях по искусственному интеллекту. Развитие
нейрокомпьютерных технологий. Области применения, решаемые задачи. Модель
биологического нейрона. Формальный нейрон. Активационные функции.
Классификация нейронных сетей. Архитектура сети, алгоритм обучения, правило
Хебба. Многослойный персептрон. Алгоритм обратного распространения ошибки.
Нейронные сети с радиально-базисными функциями. Алгоритмы обучения без
учителя. Архитектура, алгоритм обучения и функционирование сети и
самоорганизующейся карты Кохонена. Решение задач классификации на основе
нейронных сетей и самоорганизующихся карт Кохонена. Структура сетей,
представление исходных данных, начальная настройка, функционирование. Емкость
сети. Решение задач ассоциативной памяти. Рекуррентные нейронные сети. Простая
рекуррентная сеть. Рекуррентный многослойный персептрон. LSTM-сеть (сеть долгой
краткосрочно памяти). Обучение рекуррентных сетей. Прогнозирование временных
рядов. Модели анализа временных рядов, основанные на сетях с прямой связью.

Понятие машинного обучения, классификация методов и задач машинного обучения.
Задачи подготовки и предобработки данных. Линейная регрессия, метрики качества
линейной регрессии. Построение линейной регрессии на примере прогнозирования
стоимости жилья.
Постановка задачи классификации и методы её решения. Метрики качества
классификации. Логистическая регрессия. Метод опорных векторов. Метод k
ближайших соседей. Решение задачи банковского скоринга с помощью логистической
регрессии и метода опорных векторов.
Общая характеристика деревьев решений. Теоретические аспекты построения деревьев
решений. Алгоритмы построения деревьев решений. Понятие ансамбля (композиции)
решений. Методы обучения ансамблей. Прогнозирование оттока клиентов с помощью
деревьев решений и ансамблей деревьев решений.
Понятие и назначение кластеризации. Расстояние между объектами и между
кластерами. Методы кластерного анализа. Пример кластеризация предприятий по
показателям финансово-хозяйственной деятельности.
Постановка задачи снижения размерности признакового пространства.
Обзор подходов к решению задачи снижения размерности.
Метод главных компонент. Пример построения интегрального показателя методом главных компонент.