Decyzje oparte na danych 1100-12-G13-DS-DOnD

Przedmiot prowadzony jest w formie ćwiczeń. Ćwiczenia realizowane są w laboratorium komputerowym.
Poruszane są nast. tematy szczegółowe:
1. Wstęp – Decydowanie, proces podejmowania dobrych decyzji menedżerskich, decydowanie oparte na danych, podejście analityczne w ramach OR/MS/DS/SS, metodyka poszukiwania decyzji w oparciu o dane, źródła danych. (W1)
2. Wprowadzenie do narzędzi optymalizacji: MS Solver oraz Google OR-Tools.(W1, U2)
2. Probabilistyczne i nieprobabilistyczne reguły decyzyjne, ocena sytuacji decyzyjnych, zasady implementacji, drzewa decyzyjne, wartość informacji. (W1,U1)
3. Modele programowania matematycznego
Wybrane problemy programowania liniowego:
- problem optymalnej alokacji
- problem mieszanin optymalnych
- problem harmonogramowania zatrudnienia
- problemy przydziału
4. Wybrane modele sieciowe i kombinatoryczne:
- problem dyliżansu
- problem MSP
- problem TSP
- problem VRP
- problemy załadunku i plecakowe (W1,U1,U2)
5. Wybrane modele optymalizacji polityki zapasów. (W1,U1,U2)
6. Wybrane metody wielokryterialne

Całkowity nakład pracy studenta

1) Ćwiczenia: 15 godzin, konsultacje 15 godzin. 2) Praca własna studenta - przygotowanie do zajęć: 10 godzin. 3) Praca własna studenta - przygotowanie do uczestnictwa w procesie oceniania: 10 godzin. Razem nakład pracy studenta 50 godzin.

Efekty uczenia się - wiedza

W1: Absolwent zna ilościowe metody służące optymalizacji biznesowych procesów decyzyjnych oraz poprawie jakości podejmowanych decyzji zarządczych w oparciu o dane cyfrowe. (K_W10)

Efekty uczenia się - umiejętności

U1: Absolwent potrafi samodzielnie klasyfikować i co za tym idzie kwalifikować sytuacje decyzyjne oraz kojarzyć nowe sytuacje decyzyjne z poznanymi strukturami modelowymi. (K_U01) U2: Absolwent potrafi wykorzystać poznane narzędzia do wyznaczania decyzji w oparciu o dane cyfrowe. ( K_U01, K_U04)

Efekty uczenia się - kompetencje społeczne

K1: Absolwent jest gotów do myślenia i działania w sposób przedsiębiorczy w zmieniających się realiach gospodarczych na podstawie oceny związanych z tym ryzyk oraz do podejmowania wyzwań pozwalających wykorzystać zdobytą wiedzę z zakresu metodyki decydowania w oparciu o dane cyfrowe. (K_K02)

Koordynatorzy przedmiotu

Sylwester Bejger

Metody dydaktyczne

ćwiczenia praktyczne w laboratorium komputerowym

Metody dydaktyczne poszukujące

- ćwiczeniowa
- klasyczna metoda problemowa

Wymagania wstępne

Podstawy statystyki matematycznej, analiza matematyczna, praktyczna znajomość arkusza MS Excel oraz języka Python.

Kryteria oceniania

na ocenę końcową składa się:
- aktywność na zajęciach
- ocena projektu zaliczeniowego i jego prezentacji publicznej

Literatura

Literatura podstawowa:
1. Baker, K.R., 2011, Optimization modeling with spreadsheets, ohn Wiley & Sons, Inc., Hoboken, New Jersey.
2. Badania operacyjne w zarządzaniu, red. J.W. Wiśniewski, Gravis, Toruń 2002.
3.Materiały dostarczone przez prowadzącego.
Literatura uzupełniająca:
Treder, M., 2019, Becoming a datadriven Organisation. Unlock the value of data, Springer-Verlag GmbH.
Wagner, H,.M, 1980, Badania Operacyjne, PWE.

Więcej informacji

Dodatkowe informacje (np. o kalendarzu rejestracji, prowadzących zajęcia, lokalizacji i terminach zajęć) mogą być dostępne w serwisie USOSweb:

Strona przedmiotu 1100-12-G13-DS-DOnD w USOSweb