سرفصل های هوش تجاری در دانشگاه های مختلف جهان

صفحه 1:
دورس سوطصل هاي. دون تهلری شو دلنشگله هلی مختلف. جهلن 

صفحه 2:
درس هوش تجاری در دانشگاه ملی سئول 

صفحه 3:
بدست آوردن داده از یک پایگاه داده رابطه ای موجود با استفاده از ‎SQL‏ ابزارهای تولید گزارش. تفسیر . توسعه و ارزیابی فرآیند و مدل های داده ی استفاده شده در پشتیبانی از نرم افزارهای تجاری و هوش تجاری. پیاده سازی یک پایگاه داده رابطه ای برای پشتیبانی از عملیات تجاری پیاده سازی یک ۱۷۷/۵۲6۳۵۱56 ۵6۵ظ ‎wl» Relational‏ فراهم کردن گزارش هوش تجاری ایجاد مکمب های داده ی چند بعدی و استفاده از ابزارهای جدول محور و چارت محور برای تحلیل انها 

صفحه 4:
COURSE MATERIALS McAfee, A., Business Intelligence Software at SYSCO, Harvard Business School, 5-604-103, June 14, 2004 (will .be distributed in class) 

صفحه 5:
مقدمه معماری سیستم های اطلاعاتسی, مروری بر قرآیند توسعه سیستم, ‎COLE‏ ‎Information System Application‏ پایگاه داده رابطه ای و ‎SQL‏ Single Table (select) Retrieval .) al, cob ‏تعاریف پایگاه‎ Queries مفاهیم هوش تجاری SYSCO Case Study Introduction and Discussion. ERP Software and database requirement. Data ‎xu. Warehouses‏ فیس‌جوشت_جلری 

صفحه 6:
SQL Continued تجمیع داده: گروهی از كوثرى ها و جدول هاى محور. معرفى مدلسازى داده مفاهيم بايه : موجوديت هاء خصوصیات. روابط و محدودیت ها بررسى مجدد ‎SQL‏ کوثری های چند جدولی : ‎join,Union,Nested‏ کوثری های نگهداری داده : درجحذفویرایش 

صفحه 7:
سیللبس- دیس - ادلمه کاربرد های هوش تجاری ‎Data Warehouse Schemas : Operational and Star Schemas‏ جارت ها و جدول هاى محور. داشبوردهاى اجرابى سیستم های تجاری پرازش تراکنش در چرخه ی ‎General Ledger Integration wp.‏ تطیل هوش تجاری و كزارش بازبينى مدل هاى فرآيندى. معرفى 58000 6356 ۷۵61 ess Systems Revisited and Web Systems Bu: ‏بازبتی چرخه سود‎ Web Storefront - Registration , Profile , Shopping , Shopping cart , Checkout , Credit Card Processing , Order Tracking Web Fulfillment - Shipping , Sales Analysis , Product Management 

صفحه 8:
درس هوش تجاری در دانشگاه هند در این دانشگاه درسی مشابه با داده کاوی در هوش تجاری (655 81151 ‎(Intelligence using Data Mining‏ تدريس مى شود 

صفحه 9:
درک افزایش محیط های غنی داده ای در اقتصاد جهانی امروز و قرار گرفتن در معرض فرصت های سرویس هوش تجاری مرتبسط که وجود ذارند. فراهم كردن يك درك عملى از روش هاى كليدى دسته بندى ؛ پیش بيتى ‎٠‏ ساده سازی و شناسایی که همه ی اینها در قلب داده کاوی هستند. تصمیم گیری در مورد اینکه چه وقت از کدام تکنیک استفاده کنیم پیاده سازی تکنیک های اصلی با استفاده از 800-1۳ ۶8*66۱ کسب کردن سرمایه فکری لازم برای فراهم کردن سرویس های تجزیه و تحلیل تجاری 

صفحه 10:
PROPOSED READING Data Mining for Business Intelligence: Concepts, Techniques, and Applications in Microsoft Office Excel with XLMiner” by Galit Shmueli, Nitin R. .Patel and Peter C Bruce, Wiley, 2007. (We will hereafter refer to this is SPB2007) 

صفحه 11:
COURSE SYLLABUS What is data mining? + Data partitioning + Training, validation and holdout samples + Open ended exploration as opposed to a strict view on inference + Oversampling rare events + Danger of overfitting Exploratory data analysis + Data pre-processing + Visualization + Variable reduction, principal components + Curse of dimensionality 

صفحه 12:
COURSE- SYLLABUS(CONTINUE) Supervised learning - Classification and Prediction Judging classification and predictive performance + The concept of lift * Multiple linear regression ۰ Model selection Simple Classification Schemes Naive Bayes + k-Nearest Neighbors + Classification and Prediction CART + Logistic regression + Discriminant analysis 

صفحه 13:
Affinity Analysis + Association Rules Unsupervised Learning K-means clustering + Hierarchical clustering + 

صفحه 14:
1 درس هوش تجاری در دانشگاه ‎Jonkoping‏ 

صفحه 15:
هدف از این درس این است که دانشجویان جایگاه هوش تجاری را هم از جنبه ی تکنیکی و هم از جنبه ی سازمانی و روش های یافتن مزایای تجاری را درک کنند. 

صفحه 16:
COURSE CONTENT Data warehousing Business analytics Performance and Strategy Information storing and retrieval Semantics and ontologies Handling unformatted information 

صفحه 17:
COURSE CONTENT Handling information with many different formats Information logistics Interpreting information and learning 

صفحه 18:
درس هوش تجاری در دانشگاه ‎Linnaeus‏ 

صفحه 19:
EXPECTED LEARNING OUTCOME Collect information from external as well as internal source Store and analyze gathered information Deliver information to the correct person in the correct format 

صفحه 20:
CONTENT Exterior environment analysis Supply chain Decision support system Data warehousing Data mining Online Analytical Process (OLAP) 

صفحه 21:
درس هوش تجاری در دانشگاه ‎Blekinge‏ 

صفحه 22:
بدست آوردن دلنش در مورد اينکه چطور مولفه های تکنیکی هوش تجاری در نظريه اداره مى شود. گسترش توانلیی انتقال و مرتبط کردن یک دانش رسمی نظری به دانش عملی توانایی بکار بردن انواع مختلف پرویّه های اجرایی که مرتبط به قناوری اطلاعات هستند. كسب كردن درك هوش تجارى براى يادكيرى در عمل کسب کردن دانش تکنولوژی مدرن و فرصت های تجاریش 

صفحه 23:
معرقی حوزه های هوش تجاری فرآیندهای هوش تجاری جایگاه و تکالیف تحقیقات هوش عمومی و خصوصی استراتژی های جمع آوری اطلاعات تفاوت بین هوش, اطلاعات و داده مزایای رقابتی و عدم تقارن اطلاعات جایگاه آکادمیک و سازمانی کارکردهای هوش فرآیندهای کاری هوش استراتژی ها و نیزمندی هوش در جمع آوری اطلاعات هدایت سیستم ها ی هوشمند به سمت کوتاه کردن چرخه ی تولید محصول ارتباط تخلیل های صنعتی و شرکنی 

صفحه 24:
گسترش مدل های هوش و عملکرد تجزیه و تحلیلی یک مدل هوشمند عمومی انتخاب و انجام تجزیه و تحلیل شرایط مورد نیاز در مراحل مختلف چرخه ی هوش محدوده و منطق زبان برای تجزیه و تحلیل نرم افزار هوش تجاری و هوش تجاری در وب محدودیت های اخلاقی و قانونی در سازمان های خصوصی نرم افزار ‏ و فرصت های ‎Bubs‏ 

صفحه 25:
تجهیزات تکنیکی هوش نظریه تکنیک های مدرن در تجزیه و ‎Crypto alos‏ اداره و سازمان دهی یک تیم اظ یادگیری . توسعه ی شخصی و فناوری اطلاعات 

صفحه 26:


صفحه 27:
اريف موشستدى ب 81 On-Line Analytical and Transaction Processing أترفيس هوش تجار ‎Data Warehousing‏ ‎Data Mining‏ ‎Intelligent Decision Support System‏ ‎Intelligent Agent‏ ‎Knowledge Management System‏ ‎Bib sah‏ و يدون تار ‎CRM & SCM.‏ ‎cele cane‏ Enterprise information Management ‘Resource Planning اسثراتزى هلى جمع أورى اطلامات مرح اتجام يك يروز مهتدسى نها سیستم هایهوش تجار oe <i se Ni 3 5 = ۶ A ۰ <a > =< 

بررسی سرفصل های هوش تجاری در دانشگاه های مختلف جهان توسط :مسعود منصوری ()89131031 استاد درس :دکتر عبداهلل زاده درس هوش تجاری در دانشگاه ملی سئول اهداف • بدست آوردن داده از یک پایگاه داده رابطه ای موجود با اس..تفاده از SQLو ابزارهای تولید گزارش. • تفسیر ،توسعه و ارزیابی فرآیند و مدل های داده ی اس..تفاده ش..ده در پشتیبانی از نرم افزارهای تجاری و هوش تجاری. • پیاده سازی یک پایگ..اه داده رابط..ه ای ب..رای پش..تیبانی از عملیات تجاری • پیاده سازی یک Relational Data Warehouseبرای فراهم کردن گزارش هوش تجاری • ایجاد مکعب های داده ی چند بعدی و استفاده از ابزارهای ج...دول محور و چارت محور برای تحلیل انها C OURSE M ATERIALS Business Intelligence Software at SYSCO, Harvard Business McAfee, A., School, 5-604-103, June 14, 2004 (will .be distributed in class) • سیالبس درس مقدمه Core ،تم...عه سیس...د توس...ر فرآین... مروری ب،تم های اطالعاتی...معماری سیس .Information System Application  SQL پایگاه داده رابطه ای و Single Table (select) Retrieval ،ه ای....اه داده رابط....تعاریف پایگ .Queries   مفاهیم هوش تجاری SYSCO Case Study Introduction and Discussion، ERP Software and database requirement، Data . اینترفیس هوش تجاری،Warehouses    سیالبس درس -ادامه ‏ ‏SQL Continued ‏ ‏ معرفی مدلسازی داده ‏ ‏ تجمیع داده :گروهی از کوئری ها و جدول های محور. مفاهیم پایه :موجودیت ها ،خصوصیات ،روابط و محدودیت ها. بررسی مجدد SQL ‏ کوئری های چند جدولی join,Union,Nested : ‏ کوئری های نگهداری داده :درج،حذف،ویرایش  ادامه- سیالبس درس کاربرد های هوش تجاری Data Warehouse Schemas : Operational and Star Schemas  داشبوردهای اجرایی،چارت ها و جدول های محور  سیستم های تجاری تحلیل هوش تجاری و گزارش،General Ledger Integration ،پردازش تراکنش در چرخه ی سود YBCL Case Study معرفی،بازبینی مدل های فرآیندی    Business Systems Revisited and Web Systems بازبینی چرخه سود  Web Storefront – Registration , Profile , Shopping , Shopping cart , Checkout , Credit Card Processing , Order Tracking Web Fulfillment – Shipping , Sales Analysis , Product Management   درس هوش تجاری در دانشگاه هند ‏ در این دانشگاه درسی مشابه با داده کاوی در هوش تجاری (Business )Intelligence using Data Miningتدریس می شود اهداف ‏ ‏ ‏ ‏ ‏ درک افزایش محیط های غنی داده ای در اقتصاد جهانی امروز و قرار گرفتن در معرض فرصت های سرویس هوش تجاری مرتبط که وجود دارند. فراهم کردن یک درک عملی از روش های کلی..دی دس..ته بن..دی ، پیش بینی ،ساده سازی و شناسایی که هم...ه ی اینها در قلب داده کاوی هستند. تصمیم گیری در مورد اینکه چه وقت از کدام تکنیک استفاده کنیم پیاده سازی تکنیک های اصلی با استفاده از Excel add-in کسب کردن سرمایه فکری الزم برای فراهم کردن سرویس های تجزیه و تحلیل تجاری P ROPOSED R EADING Data Mining for Business Intelligence: Concepts, Techniques, and Applications in Microsoft Office Excel with XLMiner” by Galit Shmueli, Nitin R. .Patel and Peter C Bruce, Wiley, 2007. (We will hereafter refer to this is SPB2007)  C OURSE S YLLABUS  What is data mining? • Data partitioning • Training, validation and holdout samples • Open ended exploration as opposed to a strict view on inference • Oversampling rare events • Danger of overfitting  Exploratory data analysis • Data pre-processing • Visualization • Variable reduction, principal components • Curse of dimensionality C OURSES YLLABUS(CONTINUE) • Supervised learning - Classification and Prediction • Judging classification and predictive performance • The concept of lift • Multiple linear regression • Model selection • Simple Classification Schemes • Naïve Bayes • K-Nearest Neighbors • Classification and Prediction • CART • Logistic regression  Discriminant analysis C OURSES YLLABUS(CONTINUE)  Affinity Analysis • Association Rules  Unsupervised Learning • K-means clustering • Hierarchical clustering  درس هوش تجاری در دانشگاه ‏Jonkoping اهداف ‏ هدف از این درس این است که دانشجویان جایگاه هوش تجاری را هم از جنب..ه ی تک..نیکی و هم از جنب..ه ی سازمانی و روش های یافتن مزایای تجاری را درک کنند. C OURSE C ONTENT  Data warehousing  Business analytics  Performance and Strategy  Information storing and retrieval  Semantics and ontologies  Handling unformatted information C OURSE C ONTENT  Handling information with many different formats  Information logistics  Interpreting information and learning درس هوش تجاری در دانشگاه ‏Linnaeus E XPECTED L EARNING O UTCOME  Collect information from external as well as internal source  Store and analyze gathered information  Deliver information to the correct person in the correct format C ONTENT  Exterior environment analysis  Supply chain  Decision support system  Data warehousing  Data mining  Online Analytical Process (OLAP) درس هوش تجاری در دانشگاه ‏Blekinge اهداف ‏ بدست آوردن دانش در مورد اینکه چطور مولفه های تکنیکی هوش تجاری در نظریه اداره می شود. ‏ گسترش توانایی انتقال و مرتبط کردن یک دانش رسمی نظری ب...ه دانش عملی ‏ توانایی بکار بردن انواع مختلف پروژه های اج..رایی ک..ه مرتب..ط ب..ه فناوری اطالعات هستند. ‏ کسب کردن درک هوش تجاری برای یادگیری در عمل ‏ کسب کردن دانش تکنولوژی مدرن و فرصت های تجاریش سیالبس درس ‏ معرفی حوزه های هوش تجاری ‏ فرآیندهای هوش تجاری ‏ جایگاه و تکالیف تحقیقات هوش عمومی و خصوصی ‏ استراتژی های جمع آوری اطالعات ‏ تفاوت بین هوش ،اطالعات و داده ‏ مزایای رقابتی و عدم تقارن اطالعات ‏ جایگاه آکادمیک و سازمانی کارکردهای هوش ‏ فرآیندهای کاری هوش ‏ استراتژی ها و نیازمندی هوش در جمع آوری اطالعات ‏ هدایت سیستم ها ی هوشمند به سمت کوتاه کردن چرخه ی تولید محصول ‏ ارتباط تحلیل های صنعتی و شرکتی سیالبس درس -ادامه ‏ گسترش مدل های هوش و عملکرد تجزیه و تحلیلی ‏ یک مدل هوشمند عمومی ‏ انتخاب و انجام تجزیه و تحلیل ‏ شرایط مورد نیاز در مراحل مختلف چرخه ی هوش ‏ محدوده و منطق زبان برای تجزیه و تحلیل ‏ نرم افزار هوش تجاری و هوش تجاری در وب ‏ محدودیت های اخالقی و قانونی در سازمان های خصوصی ‏ نرم افزار BIو فرصت های تجاریش  تجهیزات تکنیکی هوش ‏ نظریه تکنیک های مدرن در تجزیه و تحلیل Crypto ‏ اداره و سازمان دهی یک تیم BI ‏ یادگیری ،توسعه ی شخصی و فناوری اطالعات مقایسه تطبیقی Blekin Linnae Jonkopi دانشگاه هند ge us ng      سئول  BI تعاریف هوشمندی و   On-Line Analytical and Transaction Processing   اینترفیس هوش تجاری   Data Warehousing  Data Mining  Intelligent Decision Support System  Intelligent Agent  Knowledge Management System   امیر کبیر    یادگیری با ناظر و بدون ناظر    CRM & SCM  داشبوردهای اجرایی  Enterprise Information Management &Resource Planning  کیفیت داده  استراتژی های جمع آوری اطالعات     مراحل انجام یک پروژه مهندسی  نقشه راه سیستم های هوش تجاری  ساختار ساخت تیم پروژه