Образовательные технологии
<<  Инновационные технологии в коррекционном образовательном процессе Применение современных образовательных технологий и методик в практической профессиональной деятельности  >>
Современные IT-технологии и их применение в банковской деятельности
Современные IT-технологии и их применение в банковской деятельности
Многослойные нейронные сети – модель MLP (многослойный персептрон)
Многослойные нейронные сети – модель MLP (многослойный персептрон)
Обучение нейрона заключается в постепенной корректировке весовых
Обучение нейрона заключается в постепенной корректировке весовых
Самоорганизующиеся карты Кохонена - разновидность нейросетей,
Самоорганизующиеся карты Кохонена - разновидность нейросетей,
Самоорганизующиеся карты Кохонена - разновидность нейросетей,
Самоорганизующиеся карты Кохонена - разновидность нейросетей,
Пример 2 – аналитическая платформа Deductor Studio 5.1
Пример 2 – аналитическая платформа Deductor Studio 5.1
Этапы обработки информации в платформе Deductor
Этапы обработки информации в платформе Deductor
Назначение основных компонент платформы Deductor
Назначение основных компонент платформы Deductor
Современные IT-технологии и их применение в банковской деятельности
Современные IT-технологии и их применение в банковской деятельности
Современные IT-технологии и их применение в банковской деятельности
Современные IT-технологии и их применение в банковской деятельности
Современные IT-технологии и их применение в банковской деятельности
Современные IT-технологии и их применение в банковской деятельности
Современные IT-технологии и их применение в банковской деятельности
Современные IT-технологии и их применение в банковской деятельности
Картинки из презентации «Современные IT-технологии и их применение в банковской деятельности» к уроку педагогики на тему «Образовательные технологии»

Автор: Anatoly W. Чтобы познакомиться с картинкой полного размера, нажмите на её эскиз. Чтобы можно было использовать все картинки для урока педагогики, скачайте бесплатно презентацию «Современные IT-технологии и их применение в банковской деятельности.ppt» со всеми картинками в zip-архиве размером 775 КБ.

Современные IT-технологии и их применение в банковской деятельности

содержание презентации «Современные IT-технологии и их применение в банковской деятельности.ppt»
Сл Текст Сл Текст
1«Современные IT-технологии и их 19Инженер по знаниям позволяет эксперту
применение в банковской деятельности». выявить и структурировать знания,
Лектор: профессор кафедры «Информационные необходимые для работы ЭС, определяет
технологии» кандидат технических наук, инструментальные средства, наиболее
доцент ЗОЛОТАРЮК Анатолий Васильевич. подходящие для данной предметной области,
Москва 2012. определяет способ предоставления знаний и
2Лекция . Интеллектуальные системы и т.п. Программист разрабатывает
технологии как перспектива развития ЭИС. инструментальные средства.
Понятие интеллектуальной информационной 20Средства разработки ЭС: -
системы 2. Инженерия знаний. Модели специализированные языки программирования
представления знаний 3. Системы поддержки (LISP); - языки инженерии знаний (ПРОЛОГ);
принятия решений 4. Экспертные системы 5. - автоматизированные системы-окружения,
Эволюционное моделирование 6. Нейросетевые используемые для разработки систем
технологии. искусственного интеллекта (например, КЕЕ,
31. Понятие интеллектуальной ART); - оболочки ЭС (пустые ЭС) –
информационной системы. Интеллектуальными например, ЭКСПЕРТИЗА, ЭКСПЕРТ и др.; -
информационными системами (ИнИС), т.е. универсальные языки программирования (Си,
системами, обладающими «искусственным Паскаль, Ассемблер и др.).
интеллектом», будем называть такие ИС, 21Средства разработки ЭС: При разработке
которые при решении слабо формализованных, ЭС используется математический аппарат –
интеллектуальных задач, алгоритм решения теория нечетких множеств. Она позволяет
которых неизвестен или слишком сложен, как описывать нечеткие понятия и знания,
и человеческий разум, используют оперировать этими знаниями и делать
накопленный опыт и анализ состояния нечеткие выводы. - При представлении
объекта и внешней среды. Для знаний используются понятия нечетких
интеллектуальных задач сложно множеств. - При использовании знаний –
формализовать путь (алгоритм) решения. методы нечеткой логики.
Примеры интеллектуальных задач: 22Отличительной чертой экспертных систем
распознавание образов принятие оптимальных являются: способность накапливать знания и
решений (в управлении, экономике, при опыт квалифицированных профессионалов
планировании, прогнозировании и т.п.). (экспертов) в какой-либо предметной
4Общие черты ИнИС: Способность к области; при помощи этих знаний
накоплению знаний в целях их последующего специалисты с не очень высокой
применения Возможность функционирования в квалификацией могут решать сложные задачи
условиях неопределенности обрабатываемой на столь высоком уровне, как и эксперты.
информации или знаний о закономерностях Области применения экспертных систем
функционирования исследуемой предметной медицинская диагностика геологоразведка
области Поэтапное улучшение качества химический синтез новых веществ с
решения. Интеллектуальные информационные заданными свойствами диагностика
технологии: Технологии инженерии знаний неисправностей в ТС и др. Экономический
Технологии экспертных систем (систем анализ: Диагностика финансового состояния
поддержки и принятия решений) Технологии (благополучия) предприятия Маркетинг:
эволюционного моделирования Нейросетевые Прогнозирование спроса на товары, услуги.
технологии. Выводы.
52. Инженерия знаний. Модели 235. Эволюционное моделирование.
представления знаний. Часть экспертных Эволюционное моделирование включает:
знаний носит неосознаваемый характер Генетические алгоритмы – компьютерная
Эксперт не всегда способен оценить модель эволюции популяции искусственных
важность тех или иных знаний для принятия «особей», ключевыми операторами которой
решения Опыт, накопленный экспертом, являются селекция, скрещивание, мутация.
сложно вербализовать и представить в Используются для решения задач
формализованном виде. Задача инженерии оптимизации, например,
знаний – извлечение, формализация и бизнес-планирования. Многовариантность не
накопление знаний с целью последующего позволяет выполнить полный перебор.
использования. Напомним: знания Выполняется поэтапное улучшение
представляют собой результат мыслительной первоначального варианта. Но можно найти
деятельности человека, направленной на локальный экстремум, а не глобальный.
обобщение его опыта. Это не только данные, Генетический алгоритм также использует
но и взаимосвязи между ними. Э.Фейгенбаум, поэтапное улучшение, но ко всей популяции
США, 1977 г.: потомков. Дает не точное решение, но с
6 очень высокой вероятностью близкое к
7Для использования знаний в ИнИС их оптимальному. Направление в моделировании,
необходимо представить в виде Базы знаний использующее методы и принципы
– семантической модели, описывающей биологической эволюции для оптимизации
предметную область и позволяющую отвечать систем (1960-е годы): Дж.Холланд, США,
на вопросы из этой предметной области, «Адаптация в естественных и искусственных
ответы на которые явно в базе не системах», 1975; И.Рехенберг, Г.-П.
присутствуют. База знаний состоит из 2-х Швефель,Германия.
компонентов: Базы данных, содержащих 246. Нейросетевые технологии Главным
знания о предметной области в направлением развития искусственного
формализованном виде. Механизма (системы, интеллекта является нейрокибернетика и
правил, процедур) получения новых знаний нейросетевые технологии. Нейрокибернетика
на основе существующих в базе. База данных ориентирована на создание элементов,
организуется на основе одной из моделей аналогичных нейронам человеческого мозга,
(например, реляционной). База знаний и объединение их в функционирующие системы
основывается на одной или нескольких - нейронные сети (нейрокомпьютеры). Задача
моделях представления знаний – нейрокомпьютеров, как и биологических
универсальных и/или специализированных. нейросистем, - обработка образов,
8Примеры универсальных моделей основанная на обучении.
представления знаний. 1. Логическая модель 25Биологические нейроны. Нервная клетка
– основана на формальных логических человека или животного – нейрон выполняет
правилах. Знания представляются в виде сравнительно простые действия: принимает
предикатов (утверждений) первого порядка, сигнал от одних клеток и передает его
над которыми можно выполнять логические другим клеткам. Исходящий сигнал
операции. P: Все импортные товары требуют формируется при определенных комбинациях
таможенного оформления Q: Товар N – входных сигналов. Время срабатывания
импортный товар. После выполнения «живого» нейрона – 2-5 мс. Количество
логической операции появляется новое нейронов у человека – 1010 – 1012. Каждый
верное утверждение: R: Товар N требует нейрон связан с тысячами других нейронов
таможенного оформления. Иными словами: человека. Связи между нейронами динамичны
если все импортные товары требуют – человек обучается, приобретает опыт,
таможенного оформления, и товар N является следовательно, изменяется характер и сила
импортным, то он требует таможенного связей между нейронами.
оформления: (P^Q)?R. Предикаты. 26Исследователи в области
92. Продукционная модель – используются нейромоделирования У.Мак-Каллок, У.Питс
продукционные правила «если – то», (США, 1943) – модель формального нейрона;
дополненные логическими операторами. Если Д.Хеббс (Канада, конец 1940-х годов) –
(Спрос на товар Неэластичен по цене) и теория обучения нейронов; Ф.Розенблатт
(Цена понижается) то (Выручка падает). (США, 1957) – техническая модель процесса
Истинность изначально устанавливается восприятия – персептрон; М.Минский,
экспертами или в процессе решения задач. С.Пейперт (США, 1969) – ограниченные
Объект. Атрибут. Значение. Товар А. Спрос возможности одиночного персептрона и
на товар. Неэластичен по цене. Товар Б. построенных на его основе одноуровневых
Спрос на товар. Эластичен по цене. … … … сетей; Т.Кохонен, С.Гроссберг,
103. Фреймовая модель – основана на Дж.Андерсон, И.Фукусима,
теории фреймов, разработанной М.Минским В.Л.Дунин-Барковский, А.А.Фролов – 1970-е
(США), и представляющей годы – отдельные исследования; Дж,Хопфилд
систематизированную модель памяти и и др. - многослойные искусственные
сознания человека. Применяется в нейронные сети.
комбинации с другими моделями. Фреймом 27Принципиальная схема искусственного
называется структура данных для нейрона. Ранее использовали бинарную
представления стереотипной ситуации или модель нейрона: Теперь используют более
объекта. Фрейм имеет имя и содержит ряд сложные активационные функции нейрона.
полей – слотов, содержащих определенное 28Многослойные нейронные сети – модель
значение, в т.ч. другой фрейм, имя MLP (многослойный персептрон). Нейроны в
процедуры и др. Типы фреймов: слоях независимы друг от друга Количество
Фреймы-структуры для обозначения объектов скрытых слоев и нейронов в них подбирается
и понятий (заказ, товар, ценная бумага); эмпирически Сеть обучается на известных
Фреймы-роли (поставщик, кассир, клиент); примерах - обучение заканчивается при
Фреймы-сценарии (продажа товаров, прием минимальных ошибках найденных значений от
заказов); Фреймы-ситуации (обнаружение тестовых данных.
дефекта товара) и др. Предметная область 29Обучение нейрона заключается в
представляется множеством взаимосвязанных постепенной корректировке весовых
фреймов. коэффициентов wi. - с учителем (известен
114. Семантическая сеть – система знаний выходной сигнал) или без учителя (на
предметной области представляется в виде основе конкуренции (корреляции) нейронов).
образа сети, узлы которой соответствуют Пусть распознается буква А.
понятиям и объектам, а дуги – отношениям 30Направления применения нейросетевых
между объектами. В семантических сетях технологий в экономике и бизнесе –
используют отношения: Связи типа «часть интеллектуальный анализ данных (Data
–целое» («элемент – множество») Mining): прогнозирование ситуации на
Функциональные связи (глагольные обороты: рынках и возможности банкротства фирм;
влияет на…, подчиняется…) Количественные оценивание стоимости недвижимости и риски
(больше, меньше, равно) Атрибутивные связи в кредитовании; оптимизация портфелей,
(имеет свойство, имеет значение) товарных и денежных потоков; обеспечение
Логические связи (И, ИЛИ, НЕ) Отношения безопасности операций с пластиковыми
«сходства – различия» Отношения «причина – картами и др.
следствие» и др. 31Пример 1 - пакет NEUROSCALP -
123. Системы поддержки принятия решений инструмент анализа фондового рынка.
(СППР). Под СППР понимаются Включает следующие функциональные блоки:
человеко-машинные системы, которые базовый модуль; модуль нейронных сетей –
позволяют лицам, принимающим решения, классической многослойной архитектуры (до
использовать данные и знания объективного 28 слоев, до 999 нейронов в слое, число
и субъективного характера для решения входов – до 999); экспертные модули;
слабоструктурированных (плохо модуль карты Кохонена. Экспертные модули -
формализованных) проблем, для которых готовые нейросети, созданные и обученные
невозможно четкое описание решения. Состав специалистами, для подробного анализа
СППР: - модели управления - управление рынка, например, курсов и других
данными для сбора и ручной обработки параметров акций Газпрома, РАО ЕЭС,
данных - управление диалогом для ЛУКОЙЛа, FOREX и др. (по дням или часам),
облегчения доступа пользователя к СППР. и получения большей прибыли. Требуется
13 лишь обновлять финансовые данные и
14Процесс принятия решений включает 4 повторять расчеты. Адаптируются к
стадии: Распознавание или осмысление – последним изменениям рынка по
идентификация и понимание проблем генетическому алгоритму, который дает не
организации. Проект или продумывание – точное, а приемлемое вероятностное решение
определение возможных вариантов решения при исследовании задач большой
проблем. Выбор – подбор решений среди размерности.
альтернатив. Реализация – выполнение 32Самоорганизующиеся карты Кохонена -
решений. СППР предназначены для оказания разновидность нейросетей, предложены Тьюво
помощи при проектировании, оценивании Кохоненом в начале 80-х г., нашли
альтернатив и контроля процесса применение в инженерной области (для
реализации. Они помогают найти ответы на распознавания речи, в робототехнике и
многие вопросы. др.). Представляет собой набор
154. Экспертные системы Экспертная аналитических процедур и алгоритмов,
система (ЭС) – это компьютерная программа, позволяющих преобразовать традиционное
которая моделирует рассуждения описание множества объектов, заданных в
человека-эксперта в некоторой определенной многомерном пространстве признаков в
области и использует для этого базу плоскую двумерную карту. Близким объектам
знаний, содержащую факты и правила об этой в многомерном пространстве отвечают рядом
области и некоторую процедуру логического стоящие точки (их образы) на карте. Рис.1
вывода. ЭС предназначены для моделирования Расположение объектов в трехмерном
и имитации логики опытных специалистов при пространстве. Рис.2 Карта Кохонена.
принятии решения по какому-либо узкому 33Обучение и вычисления в нейросистемах
вопросу в определенной предметной области. распределены по всем активным элементам -
ЭС позволяют накапливать, нейронам, каждый из которых представляет
систематизировать и использовать знания и собой элементарный процессор образов,
профессиональный опыт лучших экспертов. реализующий, хотя и простейшую операцию,
16 но сразу над множеством «входов». Такая
17При проектировании ЭС специально параллельность вычислений и обучения
подготовленный системный аналитик – позволяет решать сложнейшие задачи, в
инженер знаний тесно работает с экспертами т.ч.: классификации данных по заданному
в изучаемой области с целью уяснения набору классов; оптимизации и оптимального
способов принятия решений. Подсистема управления; организации и обработки
приобретения и накопления знаний помогает ассоциативной памяти; сжатия информации;
инженеру знаний в регистрации правил аппроксимации функций по набору точек
заключения и параметров в базе знаний. (регрессия); кластеризации данных с
База знаний предназначена для хранения выявлением заранее неизвестных
долгосрочных данных (знаний), описывающих классов-прототипов; восстановления
рассматриваемую область; правил, утраченных данных.
описывающих преобразование данных, и 34Пример 2 – аналитическая платформа
заключения. Deductor Studio 5.1. Предназначена для
18База данных в ЭС предназначена для создания законченных прикладных решений в
хранения исходных и промежуточных данных области анализа данных. Позволяет на базе
решаемой в текущий момент задачи. единой архитектуры пройти все этапы
Создатель заключения (решатель, построения аналитической системы от
интерпретатор) на основе исходных данных создания хранилища данных до
из рабочей памяти и базы знаний формирует автоматического подбора моделей и
последовательность правил, которая визуализации полученных результатов. Одним
приводит к решению задачи. Подсистема из инструментов платформы являются
пояснений объясняет процесс получения нейросети.
решения задачи, какие знания при этом были 35Этапы обработки информации в платформе
использованы. Интерфейс пользователя Deductor.
ориентирован на организацию дружелюбного 36Назначение основных компонент
общения с пользователями – как в ходе платформы Deductor.
решения задачи, так и в процессе 37
приобретения знаний. 38
19При разработке ЭС эксперт определяет 39
знания (данные и правила), характеризующие 40
предметную область, обеспечивает полноту и 41Спасибо за внимание. Золотарюк А.В.,
правильность введенных в ЭС знаний. 2009 - 2012.
Современные IT-технологии и их применение в банковской деятельности.ppt
http://900igr.net/kartinka/pedagogika/sovremennye-it-tekhnologii-i-ikh-primenenie-v-bankovskoj-dejatelnosti-148952.html
cсылка на страницу

Современные IT-технологии и их применение в банковской деятельности

другие презентации на тему «Современные IT-технологии и их применение в банковской деятельности»

«Банковская и кредитная система» - Нельзя создавать филиалы и представительства. Кредитная инфраструктура. Банковский капитал. Банковское законодательство. Функции банка. Структура банка. Работают с иностранной валютой только в безналичном порядке. Законы кредита. Юридическое понятие: Экономическое понятие: БАНК – финансовый посредник.

«Современные педагогические технологии» - Современные педагогические технологии. В педагогической практике такой подход именуется сокращенно «пила». Такова общая идея обучения в сотрудничестве. Еще одним интереснейшим методом является метод проектов, возникший в 20-е годы в США и известный ранее как метод проблем. Исходный лозунг основателей системы проектного обучения: «Все из жизни, все для жизни».

«Современные воспитательные технологии» - Технология гражданского форума с использованием ИКТ. Технология КТД. Мы знаем – проект будет! Проект «Голубые глаза Чатлыка» (фрагмент). ? Классическое ? Личностно ориентированное КТД КТД. Современные воспитательные технологии. Когда такие люди в селе родимом есть! Шоу – технологии. Объединение двух миров – детей и взрослых.

«Современные информационные технологии» - Будущее принадлежит IT! В условиях динамично развивающегося общества информационных технологий? Название и дата мероприятия. 10 самых востребованных и высокооплачиваемых профессий будущего. По оценкам экспертов IT-сфера станет основой развития всех сфер деятельности. Подготовка к вузу: Успех! Статистика.

«Современные технологии» - Описать, исследовать бизнес-процессы Компании, чтобы решить следующие задачи: Внедрение систем управления предприятием. Имитационное моделирование и ABC-анализ. Перспективная ситуация. Разработка регламентов взаимодействия между участниками процессов. Этап проектирования решения: Описание бизнес-процессов «Как надо».

«Применение технологий на уроках математики» - Применение Информационно-коммуникационных технологий на уроках математики. Опыт использования ИКТ на уроках математики показал, что наиболее эффективно проходят уроки геометрии, стереометрии, уроки алгебры при изучении функций и графиков. ИКТ - реальность современного урока. Применение ИКТ на уроках вызывает большой интерес у учащихся.

Образовательные технологии

6 презентаций об образовательных технологиях
Урок

Педагогика

135 тем
Картинки
900igr.net > Презентации по педагогике > Образовательные технологии > Современные IT-технологии и их применение в банковской деятельности