Svi znaju šta su baze podataka i kako ih koristiti. Stvorene su brojne baze podataka koje se stalno proširuju na bilo koju temu, od naučne periodike do beletristike, od umjetničkih djela do imenika telefonskih brojeva.
Ali ovo neophodno obrazovanje postepeno počinje gubiti svoj nekadašnji značaj. Ovo se posebno odnosi na naučnu periodiku. Glavni problem naučnih baza podataka je njihova redundantnost. Svaki upit izveden na pojmovima za pretraživanje ključnih riječi će ih vratiti velika količina linkove da njihovo gledanje postaje zaseban posao. Istovremeno, mnogi se materijali toliko malo razlikuju da je teško procijeniti korisnost jednog od njih u odnosu na pozadinu drugog.
Izlaz iz ove situacije je stvaranje baza znanja ili baza odluka: sistematizovanih informacija koje se obrađuju prema drugim algoritmima pretraživanja.
Koja je glavna razlika između baza podataka i baza znanja? Baza podataka se pretražuje po ključnoj riječi, relativno govoreći, ovo je odgovor na pitanje “šta?”. Na primjer, postavljamo upit za pretragu “nanotubes”. Baza podataka će vratiti sve što se odnosi na ovaj zahtjev: sintezu, oksidaciju, biorazgradnju i spektralne karakteristike. Broj linkova će premašiti hiljade. Možete tražiti dvije, tri ili više ključnih riječi. Ovo će smanjiti osovinu karika, ali može odsjeći potrebne. U bazi znanja, pretraga se vrši na nekoliko pitanja, na primjer: “Šta?”, “Šta?”, “Kako?”. U ovom slučaju se pojavljuje sljedeći trenutak. Trenutno su napisani milioni članaka i patenata u svim oblastima znanja. Ali postoji samo oko 30-35 hiljada rješenja koja zadovoljavaju princip baze znanja. Povećanje broja rješenja, za razliku od povećanja broja članaka, ide sporo. Velika većina članaka su samo male nijanse bilo kojeg rješenja. Na primjer: otvrdnjavanje metala. Odluka - šta: metal, nego: rashladni materijal, kako: brzo. Ovo rješenje pokriva sve metale i legure, sve vrste tečnosti ili gasova za gašenje i sve vrste dovoda rashladnog sredstva. Nadalje, baza podataka se može formirati iz ovog upita, na primjer, po vrstama rashladnog sredstva (voda, ulje, slane vode), drugi - po metodama opskrbe materijalom (pumpe, potapanje dijelova, prskanje otopinom), treći - po vrstama čelika. Dodatna referentna baza može se formirati na sekundarnim procesima: oksidacija metalne površine, uklanjanje ugljika nakon stvrdnjavanja, posebne metode kaljenja. Pretraživanje baze znanja razlikuje se od pretraživanja baze podataka, za to se koriste takozvani „resursi“. Resursi u razumijevanju baza znanja su materijali, katalizatori, polja i utjecaji koji vode do rješenja. Baze znanja također mogu rješavati pitanja pretraživanja. Na primjer, upit “sintetiziraj ester” dat bazi podataka će se tumačiti samo ključnom riječi “ester”. U bazi znanja takođe možete postaviti pojmove „sinteza“, „raspad“, „biorazgradnja“ i algoritme semantičke pretrage za glagole.
Sada malo o nedostacima ovog sistema. Baze podataka su utvrđena pravila za formiranje ključnih riječi, zajednička (sa malim varijacijama) za sve naučne publikacije i ujedinjena sa algoritmima pretraživanja. Baze znanja će se morati kreirati od nule. Ovo je mnogo posla, jer da biste izolovali resurse, potrebno je potpuno razumevanje procesa opisanih u članku ili patentu, što postaje veoma komplikovano prilikom obrade multidisciplinarnih članaka i patenata zaštićenih od reinženjeringa. Drugi minus je što se sada stvaraju baze znanja „za inženjere“, odnosno uglavnom za aplikacije. Fundamentalna istraživanja, dakle, ne spadaju u njih.
Sada malo o profesionalcima. Izgradnja baze znanja je odličan proces učenja. „Nusproizvod“ je značajno povećanje nivoa znanja programera i sticanje visoko kvalifikovanih stručnjaka koji mogu odlučiti dodijeljeni zadaci. Drugi plus je što uz određeni algoritam za generiranje upita baza znanja može biti izvor novih rješenja koja još nisu opisana ili kreirana. Na primjer, kada se traži kaljenje metala, baza znanja može pružiti listu resursa koji imaju potrebna svojstva (temperatura, fluidnost) i potaknuti stvaranje novih rješenja, kao što su stvrdnjavanje u polimernim topljenjima, kaljenje uz istovremenu površinsku oksidaciju, točkasto i neravnomerno stvrdnjavanje. Treći plus. Vjerovatno mnogi nisu ni pomislili da je suština procesa izloženih u znanstvenom članku ili patentu formulirana u ne više od stotinu riječi. Istovremeno, obim članaka iznosi najmanje nekoliko stranica, a patenata - do nekoliko stotina stranica. Obrada materijala za sistem baze znanja omogućit će da se u budućnosti ne gubi vrijeme na čitanje beznačajnih detalja i razlika od analoga, koje su svakako opisane u izvornim materijalima.
Mali sažetak. Baze znanja su izuzetno korisne za primenjeni razvoj, posebno na samom vrhu nauke. Omogućuju vam da dobijete gotova rješenja za određeni zadatak. Njihovo stvaranje istovremeno uvelike povećava profesionalni nivo programera i omogućava vam da dobijete odlične stručnjake.
5.1. Razlike između znanja i podataka
Karakteristična karakteristika inteligentnih sistema je dostupnost znanja neophodnih za rješavanje problema u određenoj predmetnoj oblasti. U ovom slučaju postavlja se prirodno pitanje šta je znanje i po čemu se ono razlikuje od običnih podataka koje obrađuje kompjuter.
Podaci su informacija stvarne prirode koja opisuje objekte, procese i pojave predmetnog područja, kao i njihova svojstva. U procesima kompjuterske obrade podaci prolaze kroz sljedeće faze transformacije:
Izvorni oblik postojanja podataka (rezultati posmatranja i mjerenja, tabele, imenici, grafikoni, grafikoni itd.);
Prezentacija na posebnim jezicima opisa podataka namijenjenih unosu i obradi početnih podataka u računalu;
Baze podataka na mašinama za skladištenje podataka.
Znanje je složenija kategorija informacija od podataka. Znanje ne opisuje samo pojedinačne činjenice, već i odnose među njima, zbog čega se znanje ponekad naziva strukturiranim podacima. Do znanja se može doći obradom empirijskih podataka. Oni su rezultat mentalne aktivnosti osobe usmjerene na uopštavanje njegovog iskustva stečenog kao rezultat praktičnih aktivnosti.
Da bi IIS obdarili znanjem, oni moraju biti predstavljeni u određenom obliku. Postoje dva glavna načina prenošenja znanja softverskim sistemima. Prvi je staviti znanje u program napisan na konvencionalnom programskom jeziku. Takav sistem će biti jedan programski kod u kojem znanje nije stavljeno u posebnu kategoriju. Unatoč činjenici da će glavni zadatak biti riješen, u ovom slučaju je teško procijeniti ulogu znanja i razumjeti kako se ono koristi u procesu rješavanja problema. Takve programe nije lako modificirati i održavati, a problem nadopunjavanja znanja može postati nerješiv.
Drugi metod se zasniva na konceptu baza podataka i sastoji se u stavljanju znanja u posebnu kategoriju, tj. znanje se prezentira u određenom formatu i stavlja u bazu znanja. Baza znanja se lako ažurira i mijenja. To je autonomni dio inteligentnog sistema, iako mehanizam zaključivanja implementiran u logičkom bloku, kao i sredstva za vođenje dijaloga, nameću određena ograničenja strukturi baze znanja i operacijama s njom. Ova metoda je usvojena u modernom IIS-u.
Treba napomenuti da da bi se znanje stavilo u računar, ono mora biti predstavljeno određenim strukturama podataka koje odgovaraju odabranom razvojnom okruženju inteligentnog sistema. Shodno tome, u razvoju IIS-a prvo se akumulira i reprezentuje znanje, au ovoj fazi je obavezno učešće ljudi, a zatim se znanje predstavlja određenim strukturama podataka koje su pogodne za skladištenje i obradu u računaru. Znanje u IIS-u postoji u sljedećim oblicima:
Početno znanje (pravila izvedena iz praktičnog iskustva, matematičkih i empirijskih odnosa koji odražavaju međusobne odnose između činjenica; obrasci i trendovi koji opisuju promjenu činjenica tokom vremena; funkcije, dijagrami, grafikoni, itd.);
Opis inicijalnog znanja pomoću odabranog modela reprezentacije znanja (skup logičkih formula ili pravila proizvodnje, semantička mreža, okviri, itd.);
Predstavljanje znanja strukturama podataka koje su namijenjene za pohranu i obradu u računalu;
Baze znanja o mašinskim medijima za skladištenje podataka.
Šta je znanje? Hajde da damo neke definicije.
Iz eksplanatornog rečnika S. I. Ožegova: 1) „Znanje je shvatanje stvarnosti svešću, naukom“; 2) "Znanje je skup informacija, znanja u bilo kojoj oblasti."
Definicija pojma "znanje" uključuje uglavnom filozofske elemente. Na primjer, znanje je praktično provjereni rezultat spoznaje stvarnosti, njen ispravan odraz u ljudskom umu.
Znanje je rezultat dobijen spoznajom okolnog svijeta i njegovih objekata. U najjednostavnijim situacijama, znanje se smatra iskazom činjenica i njihovim opisom.
Istraživači veštačke inteligencije daju konkretnije definicije znanja.
„Znanja su zakoni predmetne oblasti (principi, veze, zakoni) stečeni kao rezultat praktičnih aktivnosti i profesionalnog iskustva, omogućavajući stručnjacima da postavljaju i rješavaju probleme u ovoj oblasti.“
"Znanje su dobro strukturirani podaci, ili podaci o podacima, ili metapodaci".
"Znanje je formalizirana informacija na koju se upućuje ili koristi u procesu zaključivanja".
U oblasti AI sistema i inženjeringa znanja, definicija znanja je povezana sa zaključivanjem: znanje je informacija na osnovu koje se sprovodi proces zaključivanja, tj. Na osnovu ovih informacija, mogu se izvući različiti zaključci iz podataka dostupnih u sistemu pomoću zaključivanja. Mehanizam zaključivanja omogućava vam da povežete odvojene fragmente, a zatim izvučete zaključak o ovom nizu povezanih fragmenata.
Znanje je formalizovana informacija na koju se upućuje ili koristi u procesu zaključivanja (slika 5.1.).
Rice. 5.1. Proces zaključivanja u IS
Pod znanjem podrazumijevamo ukupnost činjenica i pravila. Koncept pravila koje predstavlja fragment znanja ima oblik:
Ako a<условие>onda<действие>.
Ova definicija je poseban slučaj prethodne definicije.
Međutim, prepoznato je da su distinktivne kvalitativne karakteristike znanja rezultat njihovih velikih mogućnosti u pravcu strukturiranja i međupovezanosti sastavnih jedinica, njihove interpretabilnosti, prisutnosti metrike, funkcionalnog integriteta i aktivnosti.
Postoji mnogo klasifikacija znanja. Po pravilu se uz pomoć klasifikacija sistematizuje znanja iz pojedinih predmetnih oblasti. Na apstraktnom nivou razmatranja možemo govoriti o osobinama po kojima se znanje dijeli, a ne o klasifikacijama. Po svojoj prirodi, znanje se može podijeliti na deklarativno i proceduralno.
Deklarativno znanje je opis činjenica i pojava, fiksira prisustvo ili odsustvo takvih činjenica, a uključuje i opise glavnih veza i obrazaca u koje su te činjenice i pojave uključene.
Proceduralno znanje je opis radnji koje su moguće pri manipulaciji činjenicama i pojavama radi postizanja željenih ciljeva.
Za opisivanje znanja na apstraktnom nivou razvijeni su posebni jezici - jezici za opis znanja. Ovi jezici se također dijele na jezike proceduralnog tipa i deklarativnog tipa. Svi jezici opisa znanja orijentisani na upotrebu računara tradicionalne von Neumannove arhitekture su proceduralni jezici. Razvoj deklarativnih jezika pogodnih za predstavljanje znanja je aktuelni problem današnjice.
Prema načinu sticanja znanja, može se podijeliti na činjenice i heuristiku (pravila koja vam omogućavaju da napravite izbor u nedostatku tačnih teorijskih opravdanja). Prva kategorija znanja obično ukazuje na dobro poznate okolnosti u predmetnoj oblasti. Druga kategorija znanja zasniva se na sopstvenom iskustvu stručnjaka koji radi u određenoj oblasti, akumuliranom kao rezultat višegodišnje prakse.
Prema vrsti reprezentacije znanje se dijeli na činjenice i pravila.Činjenice su znanja tipa „A je A“, takva znanja su tipična za baze podataka i mrežne modele. Pravila, ili proizvodi, su znanje tipa "AKO A, ONDA B".
Pored činjenica i pravila, postoji i meta-znanje – znanje o znanju. Oni su neophodni za upravljanje znanjem i za efikasnu organizaciju postupaka zaključivanja.
Oblik predstavljanja znanja ima značajan uticaj na karakteristike IMS-a. Baze znanja su modeli ljudskog znanja. Međutim, svo znanje koje osoba privuče u procesu rješavanja složenih problema ne može se modelirati. Stoga je u inteligentnim sistemima potrebno jasno razdvojiti znanja na ona koja su namijenjena za obradu od strane računara i znanja koja koristi čovjek. Očigledno, da bi se riješili složeni problemi, baza znanja mora imati dovoljno veliki obim, pa se stoga neminovno javljaju problemi upravljanja takvom bazom podataka. Stoga, prilikom odabira modela predstavljanja znanja, treba uzeti u obzir faktore kao što su uniformnost reprezentacije i lakoća razumijevanja. Homogenost prezentacije dovodi do pojednostavljenja mehanizma upravljanja znanjem. Lakoća razumijevanja je važna za korisnike inteligentnih sistema i stručnjake čije je znanje ugrađeno u IIS. Ako je oblik predstavljanja znanja teško razumljiv, onda se procesi sticanja i interpretacije znanja usložnjavaju. Treba napomenuti da je prilično teško istovremeno ispuniti ove zahtjeve, posebno u velikim sistemima, gdje strukturiranje i modularno predstavljanje znanja postaje neizbježan.
Rješavanje problema inženjeringa znanja postavlja problem pretvaranja informacija dobijenih od stručnjaka u obliku činjenica i pravila za njihovu upotrebu u oblik koji se može efikasno implementirati u mašinskoj obradi ovih informacija. U tu svrhu kreirani su različiti modeli predstavljanja znanja koji se koriste u postojećim sistemima.
Klasični modeli predstavljanja znanja uključuju logičke, proizvodne, okvirne i semantičke mrežne modele.
Svaki model ima svoj jezik za predstavljanje znanja. Međutim, u praksi je rijetko moguće proći okvirom jednog modela pri razvoju IIS-a, osim u najjednostavnijim slučajevima, pa se predstavljanje znanja pokazuje teškim. Pored kombinovanog predstavljanja korišćenjem različitih modela, obično se koriste posebni alati koji odražavaju karakteristike specifičnog znanja o predmetnoj oblasti, kao i različite načine za otklanjanje i uzimanje u obzir nejasnoće i nepotpunosti znanja.
Za ljude koji žele da se stalno usavršavaju, nešto nauče i stalno nešto novo nauče, posebno smo napravili ovu kategoriju. Sadrži isključivo edukativne, korisne sadržaje u kojima ćete sigurno uživati. Veliki broj videa, možda, može čak i konkurirati obrazovanju koje nam se daje u školi, fakultetu ili fakultetu. Najveća prednost nastavnih videa je u tome što pokušavaju pružiti najnovije, najažurnije informacije. Svijet oko nas u eri tehnologije stalno se mijenja, a štampane obrazovne publikacije jednostavno nemaju vremena da daju svježe informacije.
Među video zapisima možete pronaći i edukativne video zapise za djecu predškolskog uzrasta. Tamo će vaše dijete naučiti slova, brojeve, brojanje, čitanje itd. Slažem se, vrlo dobra alternativa crtanim filmovima. Za osnovce možete pronaći i obuku engleskog jezika, pomoć u izučavanju školskih predmeta. Za starije učenike kreirani su video zapisi za obuku koji će im pomoći da se pripreme za testove, ispite ili jednostavno prodube svoje znanje iz određenog predmeta. Stečena znanja mogu kvalitativno uticati na njihov mentalni potencijal, kao i obradovati vas odličnim ocjenama.
Za mlade ljude koji nisu u školi, na fakultetu ili ne, na raspolaganju je mnogo zabavnih obrazovnih videa. Mogu im pomoći da prodube svoje znanje o profesiji za koju se školuju. Ili steknete profesiju, kao što je programer, web dizajner, SEO optimizator i tako dalje. Univerziteti još ne podučavaju takvu profesiju, tako da možete postati specijalista u ovoj naprednoj i relevantnoj oblasti samo samoobrazovanjem, čemu mi pokušavamo pomoći prikupljanjem najkorisnijih videa.
Za odrasle je ova tema također relevantna, jer se često dešava da nakon godina rada u struci dođe do shvaćanja da to nije vaše i da želite naučiti nešto sebi prikladnije, a ujedno i isplativo. Takođe među ovom kategorijom ljudi često se nalaze video snimci o vrsti samousavršavanja, uštedi vremena i novca, optimizaciji života, u kojima pronalaze načine da žive mnogo bolje i sretnije. Čak i za odrasle, tema stvaranja i razvoja vlastitog posla je vrlo pogodna.
Takođe među edukativnim video zapisima postoje video snimci opšteg fokusa, koji su pogodni za skoro svako doba, u kojima možete saznati kako je život nastao, koje teorije evolucije postoje, činjenice iz istorije itd. Savršeno proširuju horizonte osobe, čine ga mnogo eruditnijim i ugodnijim intelektualnim sagovornikom. Zaista je korisno gledati ovakve informativne video zapise za sve bez izuzetka, jer znanje je moć. Želimo Vam ugodno i korisno gledanje!
U naše vrijeme jednostavno je potrebno biti ono što se zove "na talasu". To se ne odnosi samo na vijesti, već i na razvoj vlastitog uma. Ako se želite razvijati, istraživati svijet, biti traženi u društvu i zanimljivi, onda je ovaj odjeljak za vas.
Podaci i znanje. Osnovne definicije.
Informacije s kojima se kompjuteri bave dijele se na proceduralne i deklarativne. Proceduralne informacije utjelovljene su u programima koji se izvršavaju u procesu rješavanja problema, deklarativne informacije su utjelovljene u podacima s kojima ti programi rade.
Standardni oblik za predstavljanje informacija u računaru je mašinska reč, koja se sastoji od određenog broja binarnih cifara, ili bitova, definisanih za dati tip računara. Strojna riječ za predstavljanje podataka i strojna riječ za predstavljanje instrukcija koje čine program mogu imati isti ili različit broj bitova. Isti broj cifara u mašinskim rečima za komande i podatke omogućava da se u računaru smatraju istim informacionim jedinicama i da izvršavaju operacije nad komandama kao i nad podacima. Sadržaj memorije čini informacijsku bazu. Mašinska riječ je glavna karakteristika infobaze, jer njegova dužina je takva da se svaka strojna riječ pohranjuje u jednu standardnu memorijsku ćeliju, opremljenu pojedinačnim imenom - adresom ćelije. Pod ovim imenom, informacione jedinice se preuzimaju iz memorije računara i upisuju u nju. Programski jezici visokog nivoa koriste apstraktne tipove podataka čiju strukturu specificira programer.
Pojava baza podataka (DB) označila je još jedan korak ka organizaciji rada sa deklarativnim informacijama. Baze podataka mogu istovremeno pohranjivati velike količine informacija, a specijalni alati koji formiraju sistem za upravljanje bazom podataka (DBMS) omogućavaju vam da efikasno manipulišete podacima, ako je potrebno, izvučete ih iz baze podataka i upišete ih pravim redosledom u bazu podataka.
Razvojem istraživanja intelektualne svojine pojavio se koncept znanja, koji kombinuje mnoge karakteristike proceduralnih i deklarativnih informacija. U kompjuteru se znanje, baš kao i podaci, prikazuje u simboličkom obliku - u obliku formula, teksta, datoteka, nizova informacija itd. Stoga možemo reći da su znanje podaci organizovani na poseban način. U sistemima veštačke inteligencije, znanje je glavni predmet formiranja, obrade i istraživanja. Baza znanja, zajedno sa bazom podataka, neophodna je komponenta softverskog paketa AI. Mašine koje implementiraju AI algoritme nazivaju se mašine zasnovane na znanju, a pododjeljak teorije AI koji se odnosi na konstrukciju ekspertnih sistema naziva se inženjering znanja.
Razlike između podataka i znanja:
1. interna interpretabilnost znanja (na primjer: podaci - 243849..., znanje - rečenice prirodnog jezika).
2. aktivnost znanja. Ako postoji znanje, onda nastanak novog znanja može dovesti do promjene starog znanja i pojave novih.
3. povezanost znanja. Znanje nije interesantno samo po sebi, zanimljivo je u zbiru (sistem znanja).
4. Znanje je dinamično, dok su podaci obično statični.
Intenzivno znanje se definiše kroz koncept višeg nivoa sa naznakom specifičnih svojstava. Ekstenzivno znanje se definiše u terminima koncepata nižeg nivoa, obično jednostavnim nabrajanjem. Ekstenzije se po pravilu pohranjuju u baze podataka, a intenzije u baze znanja. Znanja se prema načinu prezentacije dijele na deklarativno (informacije se opisuju) i proceduralne (zapisuju se u algoritmu). Glavni pravac kretanja u oblasti predstavljanja znanja je veća upotreba deklarativnog znanja.
Klasifikacije znanja i njihovi modeli
Postoji mnogo načina za klasifikaciju znanja. Zadržimo se na klasifikaciji prema nosiocu znanja. Znanje se deli na:
1. Formalizovano
referentni vodiči,
enciklopedije,
Poznavanje korporativnih informacionih sistema
2. Lični
Zanatske vještine
sportske vještine,
načini razmišljanja, analiziranja,
načina obavljanja posla
Formalizovano znanje se obično već nalazi na materijalnim medijima – knjigama, brošurama, Internet/Intranet sajtovima, datotekama podataka, CIS (ERP). Ovi načini organizovanja znanja su veoma dobri i provjereni. Malo je vjerovatno da ćemo ih moći značajno poboljšati kako bi se odrazili na učinak ili druge ekonomske pokazatelje vaše organizacije.
Lično znanje, s druge strane, obično se drži samo u glavama njegovih nosilaca. Da bi oni postali vlasništvo organizacije, neophodno je da se znanje aktivno prenosi između zaposlenih. Za to već dugo postoje sistemi mentorstva i interne korporativne obuke.
Mnogo ličnog znanja se može formalizovati. To se prije svega tiče metoda i načina obavljanja poslova koji su prihvaćeni i optimalni u vašoj organizaciji. U zavisnosti od faze razvoja organizacije, metode rada evoluiraju od kreativnih, kreiranih na radnom mestu putem pokušaja i grešaka do najboljih praksi u industriji, ugrađenih u dokumentaciju poslovnih procesa, ERP sistem i politiku organizacije.
Definicije okvira. Okvir kao lista svojstava i kao mreža. Hijerarhija i nasljeđivanje imovine
Okvir je određena struktura reprezentacije znanja, koja se, kada se ispuni odgovarajućim vrijednostima, pretvara u opis određenog faktora, događaja ili situacije. Okvir je minimalni mogući opis suštine bilo koje pojave, događaja, situacije, procesa ili objekta. Minimalnost znači da se daljim pojednostavljivanjem opisa gubi njegova kompletnost, prestaje da određuje jedinicu znanja za koju je namenjen. Okvir ima određenu strukturu, koja se sastoji od mnogih elemenata - utora. Svaki slot, zauzvrat, je predstavljen specifičnom strukturom podataka, procedurom ili može biti povezan sa drugim okvirom. Struktura okvira može se predstaviti na sljedeći način:
IME OKVIRA: (Ime 1. slota: 1. vrijednost slota), (2. ime slota: 2. vrijednost slota), ... (N-to ime slota: N-ta vrijednost slota).
Isti zapis prikazujemo u obliku tabele, dopunjene sa dve kolone.
Vrijednost slota može biti ime drugog okvira; na taj način formiraju mreže okvira koje se sastoje od odabranih vrhova i veza. Gornji nivo okvira predstavlja odgovarajuće koncepte, a naredni nivoi su terminalni slotovi koji sadrže specifične vrednosti. Hijerarhija objekata se realizuje kroz aparat za istraživanje svojstava, kada klase objekata određenog nivoa nasleđuju strukturu okvirnih klasa višeg nivoa. Ako je predmet, kat. je opisano određenom grupom okvira je u konceptualnom odnosu sa gornjim i donjim nivoima okvira, zatim odn. za njega se okviri konstruišu uzimajući u obzir hijerarhijske odnose i, istovremeno, nasljeđivanje svojstava impl. kroz proreze ili okvire sa istim imenom.
Modul 1 (1,5 kredita): Uvod u ekonomsku informatiku
Tema 1.1: Teorijske osnove ekonomske informatike
Tema 1.2: Tehnička sredstva obrade informacija
Tema 1.3: Sistemski softver
Tema 1.4: Servisni softver i osnove algoritamizacije
Ekonomska informatika i informacije
1.1. Teorijske osnove ekonomske informatike
1.1.2. Podaci, informacije i znanje
Osnovni koncepti podataka, informacija, znanja.
Osnovni pojmovi koji se koriste u ekonomskoj informatici su: podaci, informacije i znanje. Ovi pojmovi se često koriste kao sinonimi, ali postoje fundamentalne razlike između ovih pojmova.
Termin podaci potiče od riječi data – činjenica, a informacija (informatio) znači pojašnjenje, prezentacija, tj. informacija ili poruka.
Podaci- ovo je skup informacija snimljenih na određenom mediju u obliku pogodnom za trajno skladištenje, prenos i obradu. Transformacija i obrada podataka vam omogućava da dobijete informacije.
Informacije je rezultat transformacije i analize podataka. Razlika između informacije i podataka je u tome što su podaci fiksne informacije o događajima i pojavama koje su pohranjene na određenim medijima, a informacije se pojavljuju kao rezultat obrade podataka prilikom rješavanja konkretnih problema. Na primjer, baze podataka pohranjuju različite podatke, a na određeni zahtjev sistem za upravljanje bazom podataka izdaje potrebne informacije.
Postoje i druge definicije informacija, na primjer, informacija je informacija o objektima i pojavama okoline, njihovim parametrima, svojstvima i stanju, koje smanjuju stepen neizvjesnosti i nepotpunosti znanja o njima.
Znanje- ovo je obrađena informacija evidentirana i provjerena praksom, koja je korištena i može se ponovo koristiti za donošenje odluka.
Znanje je vrsta informacija koja se pohranjuje u bazi znanja i odražava znanje stručnjaka u određenoj predmetnoj oblasti. Znanje je intelektualni kapital.
Formalna znanja mogu biti u obliku dokumenata (standarda, pravilnika) koji regulišu donošenje odluka ili udžbenika, uputstava koja opisuju kako se problemi rješavaju.
Neformalno znanje je znanje i iskustvo stručnjaka u određenoj oblasti.
Treba napomenuti da ne postoje univerzalne definicije ovih pojmova (podaci, informacije, znanje), oni se tumače na različite načine.
Odluke se donose na osnovu dobijenih informacija i raspoloživog znanja.
Donošenje odluka- ovo je izbor najboljeg rješenja u određenom smislu iz skupa izvodljivih rješenja na osnovu dostupnih informacija.
Odnos podataka, informacija i znanja u procesu donošenja odluka prikazan je na slici.
Rice. jedan.
Da bi se riješio problem, fiksni podaci se obrađuju na osnovu postojećeg znanja, zatim se dobivene informacije analiziraju korištenjem postojećeg znanja. Na osnovu analize predlažu se sva izvodljiva rješenja, a kao rezultat izbora jedna odluka je u nekom smislu najbolja. Rezultati odluke dopunjuju znanje.
U zavisnosti od obima upotrebe, informacije mogu biti različite: naučne, tehničke, menadžerske, ekonomske itd. Za ekonomsku informatiku, ekonomske informacije su od interesa.
