Zarządzanie wiedzą

Spis treści
Wstęp

Rozdział 1. Podstawy zarządzania wiedzą
1.1. Społeczeństwo informacyjne, społeczeństwo wiedzy
1.1.1. Od społeczeństwa przemysłowego do społeczeństwa wiedzy
1.1.2. Istota i cechy społeczeństwa informacyjnego
1.1.3. Skutki społeczno-gospodarcze zmian
1.1.4. Przedsiębiorstwo w społeczeństwie informacyjnym
1.1.5. Społeczeństwo informacyjne w Polsce i na świecie
1.2. Znaczenie wiedzy w otoczeniu gospodarczym
1.2.1. Dane — informacja — wiedza
1.2.2. Okrężny obieg wiedzy
1.2.3. Wiedza jako zasób, ekonomika wiedzy
1.3. Zasoby wiedzy w przedsiębiorstwie — klasyfikacja, główne składniki, proces uczenia się organizacji
1.3.1. Klasyfikacja wiedzy
1.3.2. Szacowanie zasobów wiedzy w przedsiębiorstwie
1.3.3. Ewoluowanie przedsiębiorstw—organizacje uczące się i sieciowe
1.3.4. Pracownik w nowym modelu funkcjonowania przedsiębiorstwa
1.4. Rola i znaczenie zarządzania wiedzą
1.4.1. Rozwój zarządzania wiedzą
1.4.2. Istota zarządzania wiedzą
1.4.3. Metody, techniki i strategie zarządzania wiedzą
1.4.4. Ilościowe a jakościowe zarządzanie wiedzą
1.4.5. Zarządzanie wiedzą a przewaga konkurencyjna
1.5. Technologie informacyjne w zarządzaniu wiedzą
1.5.1. Pozyskiwanie wiedzy z otoczenia
1.5.2. Zarządzanie wiedzą o klientach
1.5.3. Wiedza w systemach rozproszonych i organizacjach sieciowych
1.6. Pytania kontrolne

Rozdział 2. Zarządzanie wiedzą w praktyce
2.1. Kluczowe procesy zarządzania wiedzą
2.1.1. Lokalizowanie zasobów wiedzy
2.1.2. Pozyskiwanie wiedzy
2.1.3. Zachowywanie wiedzy
2.1.4. Stosowanie wiedzy
2.1.5. Przykłady wybranych procesów zarządzania wiedzą
2.2. Rozwijanie wiedzy
2.2.1. Wiedza a innowacje w przedsiębiorstwach
2.2.2. Procedury rozwoju wiedzy
2.2.3. Przykłady zastosowań rozwiązań informatycznych w rozwoju wiedzy
2.3. Poziomy zarządzania wiedzą
2.3.1. Zarządzanie wiedzą a zarządzanie przedsiębiorstwem
2.3.2. Zarządzanie normatywne, strategiczne i operacyjne
2.3.3. Studium przypadku zarządzania wiedzą w przedsiębiorstwie
2.4. Pytania kontrolne

Rozdział 3. Projektowanie systemów ekspertowych
3.1. Procesy przetwarzania wiedzy
3.1.1. Formy wiedzy w przedsiębiorstwie
3.1.2. Etapy procesu przetwarzania wiedzy
3.2. Systemy ekspertowe — istota, struktura i działanie
3.2.1. Istota systemu ekspertowego i różnice w stosunku do innych rozwiązań
3.2.2. Rozwój systemów ekspertowych
3.2.3. Klasyfikacja systemów ekspertowych
3.2.4. Struktura i zasada działania systemu ekspertowego
3.3. Identyfikacja problemów dla systemów ekspertowych
3.3.1. Cechy charakterystyczne problemów rozwiązywanych za pomocą systemów ekspertowych
3.3.2. Ocena celowości budowania systemu ekspertowego dla wybranego problemu — koszty a zyski
3.3.3. Studium przypadku opłacalności wdrożenia systemu ekspertowego
3.4. Proces pozyskiwania wiedzy do systemu ekspertowego
3.4.1. Metody pozyskiwania wiedzy
3.4.2. Przykłady opracowań formularzy pozyskiwania wiedzy
3.4.3. Przykłady zastosowań drzew decyzyjnych
3.4.4. Ramowe koncepcje uczenia się organizacji na przykładach przedsiębiorstw
3.5. Metody reprezentacji wiedzy
3.5.1. Deklaratywne metody reprezentacji wiedzy
3.5.2. Proceduralne metody reprezentacji wiedzy
3.6. Zapis baz wiedzy w systemie ekspertowym .
3.6.1. Przykład zastosowania systemu PC-Shell w technologicznym przygotowaniu produkcji
3.6.2. Przykład zastosowania języka PROLOG w zapisie wiedzy w systemie ekspertowym
3.7. Weryfikacja baz wiedzy
3.7.1. Eliminowanie nadmiarowości wiedzy
3.7.2. Usuwanie sprzeczności wiedzy
3.7.3. Badania kompletności baz wiedzy
3.8. Zastosowanie systemów uczenia się maszyn w bazach wiedzy
3.8.1. Metody uczenia się maszyn
3.8.2. Przykłady zastosowań systemów uczących się
3.9. Pytania kontrolne

Rozdział 4. Zastosowanie logiki rozmytej w budowie systemów zarządzania wiedzą
4.1. Elementy logiki rozmytej w reprezentacji wiedzy
4.1.1. Metody reprezentacji wiedzy z wykorzystaniem zbiorów rozmytych
4.1.2. Zastosowanie współczynników pewności w reprezentacji wiedzy
4.2. Wnioskowanie rozmyte
4.2.1. Modele rozmyte w systemach zarządzania wiedzą
4.2.2. Metody wnioskowania rozmytego
4.3. Systemy rozmyte
4.3.1. Budowa systemów rozmytych
4.3.2. Przykład zastosowania systemu rozmytego w projektowaniu procesów produkcyjnych
4.4. Pytania kontrolne

Rozdział 5. Drążenie danych
5.1. Zarządzanie wiedzą firmy ukrytą w danych
5.1.1. Cele i strategie zarządzania wiedzą przedsiębiorstwa
5.1.2. Informacje pozyskiwane z danych
5.1.3. Przetwarzanie danych we wspomaganiu decyzji biznesowych
5.2. Ogólna charakterystyka drążenia danych
5.2.1. Pojęcia podstawowe
5.2.2. Metodyka projektu
5.2.3. Kryteria wyboru metody lub modelu
5.2.4. Weryfikacja modeli i ocena wyników
5.2.5. Miary błędów
5.3. Wstępna analiza danych
5.3.1. Czyszczenie i przekształcenia danych
5.3.2. Podział danych na próby: uczącą, walidacyjną i testową
5.3.3. Analizy struktur wielowymiarowych OLAP
5.4. Analizy wielowymiarowe
5.4.1. Regresja wieloraka
5.4.2. Analiza skupień
5.4.3. Skalowanie wielowymiarowe
5.4.4. Analiza czynnikowa
5.4.5. Analiza składowych głównych PCA
5.4.6. Analiza składowych niezależnych ICA
5.4.7. Analiza dyskryminacyjna
5.4.8. Graficzne metody prezentacji danych wielowymiarowych
5.5. Drzewa klasyfikacyjne i regresyjne
5.5.1. Drzewa klasyfikacyjne i regresyjne C&RT
5.5.2. Drzewa decyzyjne CHAID
5.6. Metody sztucznej inteligencji w drążeniu danych
5.6.1. Neuronowe sieci wielowarstwowe typu MLP i RBF
5.6.2. Sieci samoorganizujące Kohonena — SOM
5.6.3. Metoda wektorów nośnych — SVM
5.6.4. Algorytmy ewolucyjne
5.7. Przykłady zastosowań drążenia danych
5.7.1. Wybór metod analizy w opracowywaniu rozwiązania
5.7.2. Analiza szeregów czasowych—prognozowanie krótkoterminowe cen produktów sezonowych
5.7.3. Modelowanie złożonych systemów—prognozowanie cen akcji na rynku kapitałowym
5.7.4. Klasyfikacja—diagnostyka i identyfikacja produktów roślinnych
5.8. Pytania kontrolne

Rozdział 6. Systemy hybrydowe
6.1. Kategorie i struktura systemów hybrydowych
6.1.1. Struktury równoległe
6.1.2. Struktury sekwencyjne
6.1.3. Zanurzenia
6.2. Systemy transformacyjne
6.2.1. Neuronowe systemy ekspertowe
6.2.2. Sieci ekspertowe
6.2.3. Semantyczne sieci neuronowe
6.3. Systemy neuronowo-rozmyte
6.3.1. Rozmyte sieci neuronowe
6.3.2. Neuronowe systemy wnioskowania rozmytego
6.3.3. Klasyfikacja neuronowo-rozmyta
6.4. Pytania kontrolne

Rozdział 7. Wielowymiarowe systemy pomiaru wiedzy
7.1. Podstawowe poziomy pomiaru wiedzy
7.1.1. Pomiar wiedzy a cele zarządzania wiedzą
7.1.2. Pomiary wiedzy na poziomach zarządzania przedsiębiorstwem
7.2. Podstawy systemów pomiaru wiedzy
7.2.1. Schemat przyczynowo-skutkowy
7.2.2. Zrównoważona karta wyników
7.2.3. Podstawowe grupy wskaźników pomiaru wiedzy
7.3. Przykład budowy wielowymiarowego systemu pomiaru wiedzy
7.4. Pytania kontrolne

Rozdział 8. Wdrażanie i użytkowanie systemów zarządzania wiedzą w przedsiębiorstwie
8.1. Wdrażanie systemów zarządzania wiedzą
8.1.1. Przygotowanie profilu wiedzy przedsiębiorstwa
8.1.2. Znaczenie kultury organizacyjnej
8.1.3. Przykładowe opracowanie obszarów kompetencji
8.2. Wdrażanie i eksploatacja systemów ekspertowych
8.2.1. Systemy ekspertowe jako systemy złożone
8.2.2. Planowanie i przygotowywanie procedury wdrożeniowej
8.2.3. Realizacja wdrożenia systemu
8.2.4. Eksploatacja systemu i jego dostosowywanie do potrzeb użytkownika
8.3. Wdrażanie i eksploatacja systemów drążenia danych
8.3.1. Identyfikacja potrzeb
8.3.2. Realizacja wdrożenia systemu
8.3.3. Dostosowanie systemu do potrzeb użytkownika
8.4. Pytania kontrolne

Zakończenie

Słownik ważniejszych pojęć

Bibliografia

Indeks