Technológie znalostného manažmentu
- Kredity: 4
- Ukončenie: Skúška
- Rozsah: 2P + 2C
- Semester: letný
- Fakulta hospodárskej informatiky
Vyučujúci
Zaradený v študijných programoch
Výsledky vzdelávania
Po absolvovaní predmetu má mať študent:
Znalosti
A. Rozumieť rozdielom medzi dátami, informáciami a znalosťami v podnikovej praxi, ako aj životnému cyklu znalostí a jeho prepojeniu s informačnými technológiami.
B. Poznať rôzne typy IT nástrojov a systémov používaných na získavanie, uchovávanie, zdieľanie a využívanie znalostí v podnikoch (groupware, workflow, správa dát, znalostné a expertné systémy, business intelligence).
C. Poznať metódy získavania znalostí — od neautomatizovaných postupov získavania od expertov až po automatizované techniky od data miningu po deep learning.
D. Rozumieť znalostným procesom so zameraním na odvodzovanie a tvorbu pravidiel.
E. Rozumieť princípom práce s neurčitosťou v informáciách a jazykovými premennými, ktoré sú dôležité pri rozhodovacích procesoch.
Zručnosti
F. Zachytiť, spracovať a manažovať tiché znalosti tak, aby mohli byť ďalšie využité v informačných a znalostných systémoch.
G. Aplikovať základné princípy a funkcie nástrojov na získavanie znalostí z dát (Weka, RapidMiner).
D. Identifikovať a analyzovať znalostné procesy a odvádzať pravidlá z dostupných dát či odborných vstupov.
E. Pracovať s nepresnými, jazykovými a fuzzy informáciami pri riešení praktických problémov.
Spôsobilosti
A. Samostatne vyhodnotiť a aplikovať vhodný spôsob práce s dátami, informáciami a znalosťami v podnikových procesoch.
B. Vybrať a efektívne použiť primerané IT nástroje na podporu znalostného manažmentu v organizácii.
C. Integrovať metódy získavania znalostí — expertné, data miningové aj moderné ML/DL prístupy — do riešenia podnikových úloh.
F. Navrhovať procesy zachytávania a správy tichých znalostí a implementovať ich do podnikového prostredia.
G. Použiť nástroje Weka a RapidMiner pri praktickej tvorbe modelov, pravidiel a znalostnej bázy.
Stručná osnova predmetu
1. Dáta, informácie, znalosti a ich vymedzenie
2. Vzťah dát, informácií a vedomostí k znalostnému manažmentu a informačným technológiám
3. Typy znalostí, životný cyklus znalostí v podniku
4. Zachytenie tichých znalostí ako časť procesu znalostného inžinierstva
5. Význam informačných a znalostných systémov v podnikovej praxi, rozdiely a ich správne využívanie
6. Reprezentácia poznatkov ako základ znalostných systémov
7. Metadáta a vedomostí nevyhnutné pre vytváranie business intelligence riešení
8. Riadenie neurčitosti v technológiách znalostného manažmentu
9. Lingvistická interpretácia vedomostí a formalizácia v informačných technológiách a výpočtovej inteligencii
10. Modelovanie pravidlových systémov s prihliadnutím na neurčitosť, kvalitu pravidlového systému a zapojenie experta
11. Ukážky softvérov na riadenie znalostí v podniku a získavanie znalostí v dátach
12. Úloha umelej inteligencie v manažovaní znalostí
13. Webové technológie pokrývajúce životný cyklus znalostí v podniku (groupware, sémantický web, nástroje na vyhľadávanie, zjemňovanie a šírenie informácií a pod.)
Odporúčaná literatúra
Džubáková, M. (2016). Znalostný manažment. Ekonóm.
Engelbrecht, A. P. (2007). Computational intelligence: An introduction (2nd ed.). John Wiley & Sons.
Grossmann, W., & Rinderle-Ma, S. (2015). Fundamentals of business intelligence. Springer.
Gyamfi, A., & Williams, I. (2021). Digital technology advancements in knowledge management. IGI Global.
Hajric, E. (2010). Knowledge management tools. http://www.knowledge-management-tools.net
Hudec, M. (2016). Fuzziness in information systems: How to deal with crisp and fuzzy data in selection, classification, and summarization. Springer.
Hurwitz, J. S., Kaufman, M., & Bowles, A. (2015). Cognitive computing and big data analytics. John Wiley & Sons.
Roy, A. K. (2013). Information and knowledge management: Tools, techniques and practices (1st ed.). NIPA.
Schreiber, A. Th., et al. (n.d.). Methodology CommonKADS. http://commonkads.org
Sylabus predmetu
1. Dáta, informácie, znalosti a ich vymedzenie Vysvetlenie rozdielov medzi dátami, informáciami a znalosťami. Definovanie pojmov a ich významu pre podnikové procesy a rozhodovanie. Diskusia o hierarchii DIKW. 2. Vzťah dát, informácií a vedomostí k znalostnému manažmentu a informačným technológiám Prepojenie medzi spracovaním dát, tvorbou znalostí a IT infraštruktúrou podniku. Úloha informačných systémov pri podpore znalostných procesov. 3. Typy znalostí, životný cyklus znalostí v podniku Rozdiel medzi explicitnými a tacitnými znalosťami. Fázy životného cyklu znalostí – získavanie, ukladanie, zdieľanie, využívanie a obnova. 4. Zachytenie tichých znalostí ako časť procesu znalostného inžinierstva Spôsoby identifikácie a uchopenia tacitných znalostí expertov. Techniky rozhovorov, pozorovania, modelovania a dokumentovania znalostí. 5. Význam informačných a znalostných systémov v podnikovej praxi, rozdiely a ich správne využívanie Charakteristika informačných, expertných a znalostných systémov. Rozdiely, prínosy a správne nasadenie v organizačnom prostredí. 6. Reprezentácia poznatkov ako základ znalostných systémov Spôsoby reprezentácie znalostí – pravidlá, ontológie, sémantické siete a rozhodovacie tabuľky. Význam kvalitnej reprezentácie pre inferenčné mechanizmy. 7. Metadáta a vedomosti nevyhnutné pre vytváranie Business Intelligence riešení Úloha metadát pri riadení, organizácii a interpretácii dát. Prepojenie metadát so skladmi dát, BI a analytickými procesmi. 8. Riadenie neurčitosti v technológiách znalostného manažmentu Spôsoby modelovania neurčitosti, fuzzy logika, pravdepodobnostné prístupy. Využitie pri rozhodovacích procesoch a znalostných systémoch. 9. Linguistická interpretácia vedomostí a formalizácia v informačných technológiách Princípy jazykových premenných, lingvistických termov a ich uplatnenie vo fuzzy modeloch. Formalizácia prirodzeného jazyka pre potreby informatických systémov. 10. Modelovanie pravidlových systémov s prihliadnutím na neurčitosť, kvalitu pravidlového systému a zapojenie experta Tvorba a hodnotenie pravidiel, validácia a verifikácia systémov. Rovnováha medzi automatizovaným získavaním pravidiel a expertným vstupom. 11. Ukážky softvérov na riadenie znalostí v podniku a získavanie znalostí v dátach Praktická práca s nástrojmi ako Weka, RapidMiner, SharePoint či znalostné repository systémy. Demonštrácia procesov získavania znalostí. 12. Úloha umelej inteligencie v manažovaní znalostí Využitie ML/DL modelov pri extrakcii vzorcov, odporúčacích systémoch a automatizácii znalostných procesov. Moderné trendy a aplikácie. 13. Webové technológie pokrývajúce životný cyklus znalostí v podniku Groupware, sémantický web, nástroje na vyhľadávanie a filtráciu informácií. Technológie podporujúce zdieľanie, interpretáciu a šírenie znalostí.
Podmienky na absolvovanie predmetu
Skúška 60% hodnotenia. Skúška pozostáva z dvoch častí: overenie teoretických vedomosti a konkrétnej komplexnejšej úlohy na formulovanie a riešenie problému. Teoretickou časťou sa overuje dosiahnutá úroveň výsledkov vzdelávania A., B., C., riešením problémových úloh sa overuje dosiahnutá úroveň výsledkov vzdelávania D., E., F.
Cvičenia 40% hodnotenia. Náplňou cvičení je vypracovanie a obhájenie projektu a krátkeho testu. Na projekte študenti pracujú v menších skupinách Prácu v malých skupinách si študenti organizujú samostatne. Hodnotenie výsledkov práce skupiny (predložený projekt) je hodnotený ako celok za celú skupinu. Hodnotenie príspevku individuálnych členov skupiny je výsledkom internej dohody skupiny a následnej diskusie. Hodnotením projektov a testov sa hodnotia nasledovné výsledky vzdelávania C., D., E., F., G.
Pracovné zaťaženie študenta
Pracovné zaťaženie študenta (v hodinách):
4 kreditov x 52 hodín = 130 hodín
Rozdelenie študijného zaťaženia:
Účasť na prednáškach a seminároch: 52 hodín
Príprava na semináre: 13 hodín
Príprava na projekt a test: 30 hodín
Príprava na skúšku: 35 hodín
Jazyk, ktorého znalosť je potrebná na absolvovanie predmetu
slovenský
Dátum schválenia: 04.03.2025
Dátum poslednej zmeny: 06.11.2025
Dátum schválenia: 04.03.2025
Dátum poslednej zmeny: 06.11.2025