You are on page 1of 7

FIŞA DISCIPLINEI

1. Date despre program
1.1 Instituţia de învăţământ superior: Academia de Studii Economice din Bucureşt
1.2 Facultatea Facultatea de Cibernetcă, Statstcă şi Informatcă Economică
1.3 Departamentul Departamentul de Informatcă şi Cibernetcă Economică
1.4 Domeniul de studii: Cibernetică, Statistică şi Informatică Economică
1.5 Ciclul de studii: LICENTĂ
1.6 Programul de studii: Cibernetca Economica

2. Date despre disciplină

2.1 Denumirea disciplinei
Inteligenta
Computatonala in
Economie
Codul disciplinei
2.2 Titularul activităţilor de curs Prof. univ. dr. Gheorghe RUXANDA
sdwdf gheorghe.ruxanda@csie.ase.ro
2.3 Titularul activităţilor de Asist. dr. Monica MATEI
seminar
Date de contact monica.matei @csie.ase.ro
2.7 Regimul III
disciplineiObligatorie2.6 Tipul de
evaluareExamen2.4 Anul de
studiu

2.5 Semestrul
I

3.Timpul total estmat (ore pe semestru al activităţilor didactice)
3.1 Număr de ore pe săptămână 4 din care: 3.2 2 3.3 seminar / 2
curs laborator (lp)
/stagii
3.4 Total ore din planul de 56 din care: 3.5 28 3.6 seminar / 28
învăţământ curs laborator (lp)
/stagii
Distribuţia fondului de timp ore
Studiul dupa manual, suport de curs, bibliografie si notiţe 20
Documentare suplimentară în bibliotecă, pe platformele electronice de specialitate si pe teren 20
Pregătire seminarii / laboaratoare, teme, referate, portofolii şi eseuri 10
Tutorial 1
Examinări 2
Alte activităţi:Elaborare studii de caz 10
3.7 Total ore de studiu 63
individual
3.8 Total ore pe semestru 119
3.9 Numărul de credite 4

4.Precondiţii (acolo unde este cazul)
4.1 de Statistica; Teoria Probabilitatilor; Statistica Matematica; Algebra Liniara
curriculum
4.2 de Metode si tehnici cantitative de optimizare modelare statistico-matematica insusite in
competenţe timpul studiilor de licenta

5.Condiţii (acolo unde este cazul)
5.1. de desfăşurare a -
cursului
5.2. de desfăşurare a Seminariile se desfasoara in sali cu calculatoare pe care exista software de
seminarului / specialitate
laboratorului

6. Competenţele specifice acumulate
Competenţe transversale Competenţe profesionale

C1

C4

C6

CT3

7. Obiectvele disciplinei (reieşind din grila competenţelor specifice acumulate)
7.1 Obiectivul general al Dezvoltarea cunostintelor si formarea abilitatilor necesare pentru utilizarea
disciplinei eficienta a metodelor si tehnicilor de inteligenta computationala in scopul
rezolvarii eficiente a unor probleme complexe si non-algoritmizabile din
domeniul economico-financiar, in mod similar cu mecanismele gandirii umane si
cu mecanismele evolutiilor si dezvoltarilor din natura.
7.2 Obiectivele Specifice - intelegerea conceptelor, metodelor si tehnicilor specifice Inteligentei Compu-
tationale, precum si a posibilitatilor de utilizare a acestora in domeniul afacerilor
inteligente si finantelor;
- asigurarea cunostinţelor necesare pentru utilizarea eficientă a unor
instrumente cum ar fi logica fuzzy, calculul evolutiv si algoritmii genetici, retelele
neuronale si invatarea statistica, în scopul fundamentării deciziilor si solutionarii
unor probleme complexe din domeniul afacerilor si finantelor;
- formarea modului de gândire cantitativă a specialistului economist, dezvol-
tarea si aprofundarea cunostinţelelor acestuia în domeniul abordarii de tip fuzzy,
calculului evolutiv si algoritmilor genetici, retelelor neuronale si invatarii
statistice;
- formarea de abilităţi privind elaborarea de proceduri de solutionare a
problemelor economico-financiare cu ajutorul metodelor şi tehnicilor specifice
Inteligentei Computationale, precum si privind analiza şi interpretarea datelor
folosite şi rezultatelor obtinute;
- abordarea interdisciplinara a solutionarii unor probleme specifice analizei
cantitative si predictiei economico-financiare prin utilizarea unor concepte,
metode, instrumente şi proceduri specifice stiintei economice, matematicii
aplicate şi informaticii;
- formarea de abilităţi privind înţelegerea şi utilizarea instrumentelor software
dedicate analizei analizei cantitative si Inteligentei Computationale.

8. Conţinuturi
8.1 Curs Metode de predare Observaţii
1. Inteligenta computationala: continut, concepte, Prezentare orala si
principii, tendinte si aplicatii potentiale in economie interactiune cu studentii
2. Fundamente statistico-matematice ale Inteligentei Prezentare orala si
Computationale si elemente de teoria invatarii interactiune cu studentii
statistice
3. Abordarea de tip fuzzy: necesitate, avantaje si scopuri; Prezentare orala si
incertitudine si imprecizie; multimi fuzzy: definire, interactiune cu studentii
proprietati si tipuri; reprezentari specifice
4. Operatii pe multimi fuzzy si rationamente de tip fuzzy; Prezentare orala si
reguli de inferenta si metode de fuzzy-ficare interactiune cu studentii
5. Constructia modelelor de tip fuzzy si aplicatii in Prezentare orala si
domeniul economico-financiar interactiune cu studentii
6. Utilizarea tehnologiilor de tip Data Mining in Inteligen- Prezentare orala si
ta computationala (1): extragerea de cunostinte si sin- interactiune cu studentii
tetizarea informationala; redundanta informationala,
componente principale si factori comuni
7. Utilizarea tehnologiilor de tip Data Mining in Inteli- Prezentare orala si
genta computationala (2): invatarea nesupervizata interactiune cu studentii
8. Utilizarea tehnologiilor de tip Data Mining in Inteli- Prezentare orala si
genta computationala (3): invatarea supervizata interactiune cu studentii
9. Inteligenta computationala bazata pe utilizarea masi- Prezentare orala si
nilor autoinstruibile: abordarea Bayes-iana, Expected interactiune cu studentii
Maximization si Support Vector Machine; retelele
neuronale artificiale
10. Utilizarea retelelor neuronale artificiale pentru Prezentare orala si
recunoasterea formelor si pentru efectuarea de predictii interactiune cu studentii
11. Elemente de calcul evolutionist si algoritmi genetici: Prezentare orala si
concepte, proprietati, specificitatea utilizarii, domenii de interactiune cu studentii
aplicare
12. Structura si elementele algoritmilor genetici (codarea Prezentare orala si
genetica, initializarea populatiei, operatori genetici, interactiune cu studentii
incrucisare si mutatie, operatori adaptivi, selectia
indivizilor)
13. Evaluarea performantelor algoritmilor genetici; Prezentare orala si
aplicatii ale tehnicilor evolutive in domeniul afacerilor si interactiune cu studentii
finante
14. Utilizarea metodelor si tehnicilor Inteligentei Compu- Prezentare orala si
tationale in elaborarea studiilor de caz specifice finan- interactiune cu studentii
telor si afacerilor inteligente

Bibliografia obligatorie
1. Chen S-H., Jain L., Tai C-C. (2006), Computational Economics: A Perspective from Computational
Intelligence, Idea Group Publishing, Hershey, PA, USA, 2006
2. Chen S-H., Wang P. P., Kuo T-W. (2007), Computational Intelligence in Economics and Finance, Volume
II, Springer-Verlag, Berlin, Heidelberg 2007
3. Goldberg, D. E. (1989), Genetic algorithms in search, optimization and machine learning,Addison-
Wesley, Boston, USA, 1989
4. Kordon A. K. (2010), Applying Computational Intelligence: How to Create Value, Springer-Verlag Berlin
Heidelberg 2010
5. Poole D., Mackworth A., Goebel R. (1998), Computational Intelligence: A Logical Approach, Oxford
University Press, New York, 1998
6. Ruxanda Gh., Smeureanu I. (2012), Unsupervised Learning with Expected Maximization, Economic
Computation and Economic Cybernetics Studies and Research, no. 1/2012, Academy of Economic
Studies
7. Ruxanda Gh. (2010), Learning Neural Network Perceptron with Backpropagation Algorithm,
Economic Computation and Economic Cybernetics Studies and Research, no. 4/2010, Academy of
Economic Studies
8. Sutton R. S., Barto A. G. (1998). Reinforcement learning: An introduction. MIT Press, Cambridge, MA,
USA, 1998
9. Vapnik N. V. (1995), The nature of statistical learning theory, Springer-Verlag New York, Inc. New York,
NY, USA, 1995
10. Vose M. D. (1999), The simple genetic algorithm: Foundations and theory, MIT Press, Cambridge, MA,
USA, 1999

Bibliografie facultatva
1. Alpaydin, A. (2010), Introduction to Machine Learning, 2nd edition, The MIT Press, Cambridge, 2010
2. Berthold M., Hand D. J. (1999), Intelligent Data Analysis— An Introduction, Springer, Berlin, 1999
3. Chen S.-H. (2005), Computational intelligence in economics and finance: Carrying on the legacy of
Herbert Simon, Information Sciences, 170, 2005
4. Cherkassky V., Mulier F. (1998), Learning from Data: Concepts, Theory and Methods, John Wiley &
Sons, Inc., New York, 1998
5. Ruxanda Gh. (2001), Analiza datelor, Bucureti, Editura ASE, 2001
6. Ruxanda Gh., Smeureanu I., Badea L. M. (2012), Customer Segmentation In Private Banking Sector
Using Machine Learning Techniques, Journal of Business Economics and Management, Taylor &
Francis – Abingdon UK si Vilnius Gediminas Technical University, no. 2/2012
7. Shmueli G., Patel N. R., Bruce P. C. (2010), Data Mining for Business Intelligence: Concepts,
Techniques, and Applications in Microsoft Office Excel with XLMiner, New Jersey, Wiley, 201
8. Stnil O., Neagoe V. (1992), Teoria recunoaterii formelor, Editura Academiei, Bucureti, 1992

8.2 Seminar / Laborator/Lucrări practice/Stagii Metode de predare Observaţii
1. Discutarea cerintelor privind elaborarea Prezentare si interactiune cu
proiectelor si lucrarilor practice si actualizarea studentii
unor cunostinte din domeniul probabilitatilor
si statisticii matematice
2. Aspecte numerice ale optimizarii si alegerilor Ilustrare pe calculator,
optimale in domeniul afacerilor inteligente si utilizand instrumente soft-
finantelor ware specializate
3. Prezentarea elementelor de baza ale sisteme- Ilustrare pe calculator,
lor software care implementeaza metode si utilizand instrumente soft-
tehnici de Inteligenta Computationala ware specializate
4. Prezentarea posibilitatilor de implementare Ilustrare pe calculator,
software ale principalelor metode si tehnici de utilizand instrumentul soft-
Inteligenta Computationala ware SAS
5. Aplicatie numerica privind reprezentarea prin Exemplificare si solutionare
intermediul multimilor si regulilor de tip fuzzy numerica a tematicii semi-
narului pe baza de date reale,
utilizand calculatorul si
software-ul specializat
6. Exemple numerice privind constructia Exemplificare si solutionare
modelelor de tip fuzzy - cazul afacerilor numerica a tematicii semi-
inteligente narului pe baza de date reale,
utilizand calculatorul si
software-ul specializat
7. Aplicatie numerica privind utilizarea Exemplificare si solutionare
tehnologiei Support Vector Machine in numerica a tematicii semi-
probleme de clasificare si si construire de narului pe baza de date reale,
ierarhizi utilizand calculatorul si
software-ul specializat
8. Aplicatie numerica privind utilizarea analizei Exemplificare si solutionare
Bayes-iene in efectuarea predictiilor din numerica a tematicii semi-
domeniul economico-financiar narului pe baza de date reale,
utilizand calculatorul si
software-ul specializat
9. Studiu de caz privind utilizarea analizei cluster Exemplificare si solutionare
in scopul determinarii claselor de performanta numerica a tematicii semi-
narului pe baza de date reale,
utilizand calculatorul si
software-ul specializat
10. Studiu de caz privind predictia starii de Exemplificare si solutionare
faliment cu ajutorul metodelor de numerica a tematicii semi-
recunoastere supervizata a formelor narului pe baza de date reale,
utilizand calculatorul si
software-ul specializat
11. Aplicatie numerica privind utilizarea retelelor Exemplificare si solutionare
neuronale de tip Kohonen in analiza cluster – numerica a tematicii semi-
pe cazul firmelor cotate la bursa narului pe baza de date reale,
utilizand calculatorul si
software-ul specializat
12. Studiu de caz privind efectuarea de predictii Exemplificare si solutionare
temporale cu ajutorul retelelor neuronale numerica a tematicii semi-
artificiale narului pe baza de date reale,
utilizand calculatorul si
software-ul specializat
13. Studiu de caz privind utilizarea algoritmilor Exemplificare si solutionare
genetici in probleme de optimizare a numerica a tematicii semi-
activitatilor economice si de alegere optimala narului pe baza de date reale,
in finante utilizand calculatorul si
software-ul specializat
14. Exemplificare numerica a utilizarii algoritmilor Exemplificare si solutionare
genetici in domeniul deciziilor specifice numerica a tematicii semi-
pietelor de capitaluri narului pe baza de date reale,
utilizand calculatorul si
software-ul specializat
Bibliografie
1. Chen S-H., Wang P. P., Kuo T-W. (2007), Computational Intelligence in Economics and Finance, Volume
II, Springer-Verlag, Berlin, Heidelberg 2007
2. Cody P. R.(2006), Applied Statistics and the SAS Programming Language, 2006
3. Delwiche L. D., Slaughter S. J. (2003), The Little SAS Book, Third Edition, Cary, NC: SAS Institute, Inc.,
2003
4. Everitt S. B., Handbook of Statistical Analyses Using SAS, Second Edition, Geoff Der, 2001
5. Goldberg, D. E. (1989), Genetic algorithms in search, optimization and machine learning,Addison-
Wesley, Boston, USA, 1989
6. Kordon A. K. (2010), Applying Computational Intelligence: How to Create Value, Springer-Verlag Berlin
Heidelberg 2010
7. Ruxanda Gh. (2010), Proceduri SAS si Mathematica pentru rezolvarea problemelor din domeniul
Recunoasterii formelor si Retelelor Neuronale, material didactic, 2010
8. Vapnik N. V. (1995), The nature of statistical learning theory, Springer-Verlag New York, Inc. New York,
NY, USA, 1995
9. Vose M. D. (1999), The simple genetic algorithm: Foundations and theory, MIT Press, Cambridge, MA,
USA, 1999

9.Coroborarea conţinuturilor disciplinei cu aşteptările reprezentanţiilor comunităţii, asociaţiilor
profesionale şi angajatori reperezentatvi din domeniul aferent programului
- in numeroase activitati de analiza cantitativa, de modelare sau de predictie din domeniul economic
apare necesitatea solutionarii unor probleme care nu au o structura algoritmizabila, care nu pot fi
rezolvate utilizand instrumentele cantitative uzuale si care presupun utilizarea unor metode si
tehnici speciale, eficiente si robuste; singura modalitate de abordare a problemelor de acest fel este
cea oferita de contextul Inteligentei Computationale;
- preocuparile la nivel mondial in domeniul Inteligentei Computationale sunt de data recenta, tin de
abordarile de varf ale cercetarii stiintifice din domeniul economic si se dezvolta cu o rata exploziva;
- metodele, tehnicile si instrumentele specifice Inteligentei Computationale permit cercetatorului sa
solutioneze probleme complexe si dificile, intr-o maniera eleganta, eficienta si robusta;
- metodele, tehnicile, instrumentele si procedurile specifice disciplinei Inteligenta Computationala in
Economie au aplicabilitate directa si concreta in economia reala, in cele mai diverse zone ale
acesteia (afaceri inteligente, optimizarea utilizarii resurselor, piete monetare si de capitaluri,
marketing, evaluarea riscului, evaluarea performantelor economico-financiare etc.);
- exista numeroase instrumente software dedicate implementarii metodelor si tehnicilor specifice
Inteligentei Computationale.

10.Evaluare
Tip activitate 10.1 Criterii de 10.2 Metode de 10.3 Pondere din
evaluare evaluare nota finală
10.4 Curs Organizarea a 5 mini- Participarea la 10%
dezbateri (de cate 15 dezbaterile organizate
min) la finalul la curs si frecventa
anumitor cursuri inregistrata la cursuri
Proba de Examen Evaluare lucrare scrisa 60%
examen
10.5 Seminar / laborator/lp/stagii Activitate si prezenta Implicarea studentilor 5%
la seminarii indezbaterile organiate
pe tematicile prevazute
pentru seminarii
Elaborarea a 3 pro- Evaluarea continutului 25%
iecte stiintifice de tip stiintific al proiectelor
Studiu de caz elaborate
10.6 Standard minim de performanţă:
 Insusirea si intelegerea conceptelor, continutului, rationamentelor, interpretarilor si scopurilor, a metode-
lor, modelelor, procedurilor si algoritmilor pentru urmatoarele tematici: a. inteligenta computationala si
fundamentele statistico-matematice ale acesteia; b. abordarea de tip fuzzy, multimi si operatii fuzzy; c.
constructia modelelor de tip fuzzy si aplicatiile acestora in domeniul economico-financiar; d. utilizarea
tehnologiilor de tip Data Mining in Inteligenta computationala: extragerea de cunostinte, invatare
nesupervizata si invatare supervizata; f. inteligenta computationala bazata pe masini autoinstruibile; g.
retele neuronale artificiale pentru recunoasterea a formelor si pentru efectuarea de predictii; h. calcul
evolutiv si algoritmi genetici;
 Insusirea modului de utilizare in practica a metodelor si tehnicilor specifice tematicilor enumerate
anterior;
 Cunoasterea modalitatilor de implementare software a problemelor specifice tematicilor enumerate
anterior;
 Elaborarea celor 3 proiecte (studii de caz) prevazute la criteriile de evaluare, in conditii cantitative si
calitative echivalente cu cel putin nota de trecere (min. 5) ;
 Participarea la cel puţin 50% din cursurile şi seminariile prevazute;
 Obtinerea notei minime de trecere (min. 5) la lucrarea scrisa.

Data completării Semnătura titularului de curs Semnătura titularului de seminar
9 Iulie 2012 Prof. dr. Gheorghe RUXANDA Asist. dr. Monica MATEI

Data avizării în Departament Semnătura directorului de Departament
………………………………………… Lect. dr. Catalin BOJA