Prowadzone w Zakładzie Wspomagania i Analiz Decyzji badania naukowe koncentrują się wokół wykorzystania metod ilościowych do wspomagania podejmowania decyzji.
Metody decyzyjne to wiedza dotycząca sposobów wspomagania decydentów w obszarze ekonomii i zarządzania w podejmowania decyzji. Metody te są dziś elementarzem menedżera i ekonomisty-analityka wyrosły z klasycznych badań operacyjnych. Ewoluowały one od optymalizacji liniowej do nieliniowej, od problemów deterministycznych do problemów z niepewnością, od punktowego do przedziałowego opisu kategorii ekonomicznych, od modelowania procesów do ich symulacji, od stosowania obiektywnych i sztywnych mierników do metod interaktywnych pozwalających na uwzględnienie subiektywizmu. Do niedawna barierą rozwoju tych metod były ograniczenia związane z kosztem gromadzenia danych. Współczesne metody oparte na narzędziach optymalizacyjnych i algorytmach sztucznej inteligencji, a zwłaszcza narzędzi eksploracji danych pozwalają na pełne wykorzystanie potencjału tkwiącego w bazach danych gromadzonych przez przedsiębiorstwa i instytucje publiczne.
Zespół Zakładu dysponuje wieloletnim doświadczeniem we współpracy z praktykami gospodarczymi w zakresie wspomagania podejmowania decyzji na poziomie całej gospodarki oraz w wielu wybranych jej sektorach, w tym: telekomunikacyjnym, finansowym, ochrony zdrowia, edukacyjnym, energetycznym, transportowym.
Zakład prowadzi badania i kształcenie wykorzystując elastycznie tworzone formy wymiany doświadczeń naukowych - seminaria, konwersatoria i warsztaty. Są one dostosowywane do potrzeb bieżących projektów. Rozwój warsztatu badawczego pracowników Zakładu możliwy jest dzięki aktywnej współpracy z zagranicznymi jednostkami badawczymi. Współpraca ta obejmuje organizację międzynarodowych konferencji naukowych oraz zaangażowanie w prace światowych stowarzyszeń i czasopism naukowych.
- Skład osobowy
- Obraz
Kierownik Zakładu - prof. dr hab. Bogumił Kamiński
Obraz
prof. dr hab. Tomasz Szapiro
Obraz
dr hab. Michał Jakubczyk, prof. SGH
Obraz
dr Grzegorz Koloch
Obraz
dr Bartosz Pankratz
Obraz
dr Paweł Prałat
Obraz
dr Przemysław Szufel
Obraz
dr Małgorzata Wrzosek
Obraz
dr Sebastian Zając
Obraz
dr Mateusz Zawisza
Obraz
mgr Marek Antosiewicz
Obraz
mgr Daniel Kaszyński
Obraz
mgr Łukasz Kraiński
Obraz
Juan Manuel Ramos Goñi, PhD
Obraz
Profesor współpracujący - prof. Maciek Nowak
- Badania naukowe
Przedmiotem pracy naukowej w Zakładzie są nowoczesne badania operacyjne uwzględniające współczesne trendy naukowe i potrzeby praktyki. W szczególności zajmujemy się:
- prowadzeniem badań podstawowych formułowanych w perspektywie analizy decyzyjnej (jako problemów decyzyjnych), w silnym powiązaniu z zastosowaniami i z tłem sytuacyjnym (ekonomicznym, psychologicznym, organizacyjnym i behawioralnym) w oparciu o pozyskane granty,
- prowadzeniem prac aplikacyjnych - konsultingiem decyzyjnym (zlecenia), wspomaganie dydaktyki (studia przypadków, oprogramowanie) bazujących na wynikach badań podstawowych.
Problematyka badań uwzględnia w pierwszym rzędzie następujące nurty teoretyczne:
- Teoria podejmowania decyzji:
- nowoczesne ujęcia i rozszerzenia normatywnych i deskryptywnych teorii podejmowania decyzji przez podmioty gospodarcze,
- konstrukcja i implementacja procedur wielokryterialnych we wspomaganiu indywidualnych i grupowych procesów podejmowania decyzji oraz negocjacji.
- Optymalizacja:
- teoria i zastosowania metod optymalizacji globalnej, w tym algorytmów metaheurystycznych i procedur wykorzystujących obliczenia równoległe,
- optymalizacja stochastyczna,
- problemy rankingów i selekcji.
- Prognozowanie:
- wykorzystanie statystycznej teorii uczenia się do wspomagania decyzji regulacyjnych i menedżerskich,
- ekonometryczne modelowanie problemów decyzyjnych.
- Symulacja systemów gospodarczych:
- teoria projektowania i badania własności modeli wykorzystujących symulację zdarzeń dyskretnych (ang. discrete event simulation),
- symulacje wieloagentowe rynków i gospodarek,
- modele ekonomii obliczeniowej.
Prowadzone w Zakładzie badania teoretyczne są stosowane do rozwiązywania praktycznych problemów w wybranych sektorach gospodarki: energetycznym, edukacyjnym, ochrony zdrowia, finansowy, telekomunikacyjny, transportowy oraz na poziomie makroekonomicznym.
- Oferta dydaktyczna
Studium licencjackie
Przedmioty
Symulacje przy wykorzystaniu arkusza kalkulacyjnego
Specjalności
Studium magisterskie
Przedmioty
Algebra and Mathematical Analysis
Analiza danych w czasie rzeczywistym
Cloud Computing (w języku polskim)
Nieklasyczne metody optymalizacji
Metody modelowania preferencji
Podstawy aproksymacji - od analizy Fouriera do deep learning
Rachunek prawdopodobieństwa II
Uczenie maszynowe i sztuczna inteligencja w finansach
Wstęp do kwantowego uczenia maszynowego
Zaawansowane modelowanie symulacyjne
Specjalności
Seminaria licencjackie i magisterskie
Prowadzone seminaria dotyczą analiz ekonomicznych wpomaganych metodami matematycznymi dotyczą następujących nurtów:
- metod klasycznej analizy decyzji oraz wspomagania procesów decyzyjnych,
- metod optymalizacyjnych i ekonometrycznych,
- metod uczenia maszynowego oraz modelowania symulacyjnego i wieloagentowego w zastosowaniu do wspomagania podejmowania decyzji w obszarze zarządzania i polityki gospodarczej,
- ekonomii zdrowia oraz ekonomii edukacji i prywatności.
- Najważniejsze publikacje
- M. Antosiewicz, A. Nikas, A. Szpor, J. Witajewski-Baltvilks, H. Doukas, „Pathways for the transition of the Polish power sector and associated risks”, Environmental Innovation and Societal Transitions, 35, 271-291, 2020
- A. Nikas., V. Stavrakas, A. Arsenopoulos, H. Doukas, M. Antosiewicz, J. Witajewski-Baltvilks, A. Flamos, „Barriers to and consequences of a solar-based energy transition in Greece”, Environmental Innovation and Societal Transitions, 35, 383-399, 2018
- G. Koloch, B. Kamiński, M. Żbikowski, M. Antosiewicz, „Modelling Heterogeneous Economies-Robustness Vs. Flexibility”, Argumenta Oeconomica, 2 (39), 193-211, 2017
- M. Antosiewicz, P. Lewandowski, ” Labour market Fluctuations in GIPS - shocks vs adjustments”, International Journal of Manpower, 38 (7), 913-939, 2017
- M. Antosiewicz, P. Lewandowski, J. Witajewski-Baltvilks, „Input vs. Output taxation - A DSGE approach to modelling resource decoupling”, Sustainability, 8 (4), 352, 2016
- M. Antosiewicz, „Solving a large heterogeneous-agent general equilibrium model with labour market frictions”, Control and Cybernetics, 45, 2016
- M. Antosiewicz, B. Kamiński, „Agent Rationality Behind Network Formation”, Journal of Organisational Transformation and Social Change, 13 (2), 65-74, 2016
- M. Antosiewicz, G. Koloch, B. Kamiński, „Choice of best possible metaheuristic algorithm for the travelling salesman problem with limited computational time: quality, uncertainty and speed”, Journal of Theoretical and Applied Computer Science, 7 (1), 46-55, 2013
- P. Wojewnik, B. Kamiński, M. Zawisza, M. Antosiewicz, „Social-Network Influence on Telecommunication Customer Attrition”, w: J. O’Shea, N.T., K. Nguyen, R.J. Crockett, L.C. Howlett: „Agent and Multi-Agent Systems: Technologies and Applications”, Lecture Notes in Computer Science 6682, Springer, Heidelberg, 2011
dr hab. Michał Jakubczyk, prof. SGH
- W. Wranik, M. Jakubczyk, K. Drachal, „Ranking the Criteria Used in the Appraisal of Drugs for Reimbursement: A Stated Preferences Elicitation With Health Technology Assessment Stakeholders Across Jurisdictional Contexts”, Value in Health, 23 (4), 471-480, 2020
- M. Jakubczyk, D. Golicki, „Elicitation and Modelling of Imprecise Utility of Health States”, Theory and Decision, 88, 51-71, 2020
- D. Golicki, M. Jakubczyk, K. Graczyk, M. Niewada, „Valuation of EQ-5D-5L Health States in Poland: the First EQ-VT-based Study in Central and Eastern Europe”, Pharmacoeconomics, 37, 1165–1176, 2019
- M. Jakubczyk, BM. Craig, M. Barra, CGM. Groothuis-Oudshoorn, JD. Hartman, E. Huynh, JM. Ramos-Goñi, EA. Stolk, K. Rand, „Choice Defines Value: A Predictive Modeling Competition in Health Preference Research”, Value in Health, 21 (2), 229-238, 2018
- B. Kamiński, M. Jakubczyk, P. Szufel, „A framework for sensitivity analysis of decision trees”, Central European Journal of Operations Research, 26 (1), 135-159, 2018
- M. Jakubczyk, B. Kamiński, „Fuzzy approach to decision analysis with multiple criteria and uncertainty in health technology assessment”, Annals of Operations Research, 251, 301-324, 2017
- M. Jakubczyk, B. Koń, „The impact of firms’ adjustments on the indirect cost of illness”, International Journal of Health Economics and Management, 17 (3), 377-394, 2017
- M. Jakubczyk, D. Golicki, M. Niewada, „The impact of a belief in life after death on health-state preferences: True difference or artifact?”, Quality of Life Research, 25 (12), 2997-3008, 2016
- D. Golicki, M. Jakubczyk, M. Niewada, W. Wrona, J. Busschbach, „Valuation of EQ-5D Health States in Poland: First TTO-based Social Value Set in Central and Eastern Europe”, Value in Health, 13 (2), 289-297, 2010
- M. Jakubczyk, B. Kamiński, „Cost-effectiveness acceptability curves – caveats quantified”, Health Economics, 19 (8), 955-963, 2010
prof. dr hab. Bogumił Kamiński
- B. Kamiński, P. Prałat, F. Théberge, „Artificial Benchmark for Community Detection (ABCD)—Fast random graph model with community structure”, Network Science, 1-26, 2021
- B. Kamiński, P. Prałat, „Train Your Brain - Challenging Yet Elementary Mathematics”, Chapman and Hall/CRC, 2020
- B. Kamiński, V. Poulin, P. Prałat, P. Szufel, F. Théberge, „Clustering via hypergraph modularity”, PLoS ONE 14(11): e0224307, 2019
- K. Growiec, J. Growiec, B. Kamiński, „Social network structure and the trade-off between social utility and economic performance”, Social Networks, 55, 31-46, 2018
- B. Kamiński, M. Jakubczyk, P. Szufel, „A framework for sensitivity analysis of decision trees”, Central European Journal of Operations Research, 26 (1), 135-159, 2018
- M. Aluchna, B. Kamiński, „Ownership structure and company performance: a panel study from Poland, Baltic Journal of Management”, 12 (4), 485-502, 2017
- B. Kamiński, P. Szufel, „On optimization of simulation execution on Amazon EC2 spot market, Simulation Modelling Practice and Theory”, 58, Part 2, 172-187, 2015
- B. Kamiński, „A method for the updating of stochastic kriging metamodels”, European Journal of Operational Research, 247, 859-866, 2015
- B. Kamiński, „Podejście wieloagentowe do modelowania rynków. Metody i zastosowania”, Oficyna Wydawnicza SGH, 2012
- B. Kamiński, M. Zawisza, „Receptury w R. Podręcznik dla ekonomistów”, Oficyna Wydawnicza SGH, 2012
- M. Jakubczyk, B. Kamiński, „Cost-effectiveness acceptability curves – caveats quantified”, Health Economics, 19 (8), 955-963, 2010
- D. Kaszyński, B. Kamiński, T. Szapiro, „Credit Scoring in Context of Interpretable Machine Learning”, SGH Publishing House, 2020
- D. Kaszyński, „Background of the credit scoring”, w: D. Kaszyński, B. Kamiński, T. Szapiro, „Credit Scoring in Context of Interpretable Machine Learning”, SGH Publishing House, 2020
- K. Przanowski, S. Zając, D. Kaszyński, Ł. Opiński, „Variable selection methods”, w: D. Kaszyński, B. Kamiński, T. Szapiro, „Credit Scoring in Context of Interpretable Machine Learning”, SGH Publishing House, 2020
- M. Wrzosek, D. Kaszyński, K. Przanowski, S. Zając, „Selected machine learning methods used for credit scoring”, w: D. Kaszyński, B. Kamiński, T. Szapiro, „Credit Scoring in Context of Interpretable Machine Learning”, SGH Publishing House, 2020
- D. Kaszyński, K. Siuta, B. Kamiński, „Sensitivity of machine learning methods to data issues”, w: D. Kaszyński, B. Kamiński, T. Szapiro, „Credit Scoring in Context of Interpretable Machine Learning”, SGH Publishing House, 2020
- D. Kaszyński, M. Wrzosek, K. Cerazy, „Model performance evaluation and model monitoring”, w: D. Kaszyński, B. Kamiński, T. Szapiro, „Credit Scoring in Context of Interpretable Machine Learning”, SGH Publishing House, 2020
- D. Kaszyński, B. Kamiński, B. Pankratz, „Assessment of the size of VaR backtests for small samples”, Statistical Reviews, 67 (2), 114-151, 2020
- A. Izdebski, T. Słoczyński, A. Bonnier, G. Koloch, K. Kouli, „Landscape change and trade in ancient Greece: evidence from pollen data”. The Economic Journal, 130 (632), 2596 - 2618, 2020
- A. Izdebski A., G. Koloch, T. Słoczyński, M. Tycner, „On the use of palynological data in economic history: New methods and an application to agricultural output in Central Europe, 0–2000 AD”, Explorations in Economic History, 59, 17-39, 2016
- B. Kamiński, G. Koloch (red.), „Advances in Social Simulation, Proceedings of the 9th Conference of the European Social Simulation Association”, Advances in Intelligent Systems and Computing, Vol. 229, Springer, 2013
- M. Brzoza-Brzezina, M. Kolasa, G. Koloch, M. Rubaszek, K. Makarski, „Monetary policy in a non-representative agent economy: A survey”, Journal of Economic Surveys, 27 (4), 641-669, 2013
- M. Bukowski, G. Koloch, P. Lewandowski, „Shocks and rigidities as determinants of CEE labor markets» performance. A panel SVECM approach”, Economics of Transition, 21 (3), 553-581, 2013
- G. Koloch, T. Szapiro, „Penalty Rules in Multicriteria Genetic Search”, w: „New State of MCDM in the 21st Century. Lecture Notes in Economics and Mathematical Systems” Y. Shi, S. Wang, G. Kou, J. Wallenius (red.), Springer, 648, 91-102, 2011
- G. Koloch, B. Kamiński, „Nested vs. Joint Optimization of Vehicle Routing Problems with Three-dimensional Loading Constraints”, Engineering Letters, 18 (2), 193-198, 2010
- M. Rubaszek, P. Skrzypczyński, G. Koloch, „Forecasting Polish Zloty with Non-Linear Models”, Central European Journal of Economic Modeling and Econometrics, 2 (2), 151-167, 2010
- T. Kuszewski, Ł. Kraiński, „Jednorównaniowy liniowy model ekonometryczny, metoda najmniejszych kwadratów, narzędzie Regresja w programie Excel”, w: M. Jakubczyk, B. Kamiński, T. Szapiro „Modelowanie decyzji w arkuszu kalkulacyjnym”, Oficyna Wydawnicza SGH, 2021
- P. Vavryk, Ł. Kraiński, P. Szufel, M. Łatek, S. M. Rizi, „Forecasting Unemployment Dynamics in Response to COVID-19: A Case Study”, w: B. Kamiński, T. Kuszewski, M. Jakubczyk, „Zagadnienia Wspomagania i Analizy Decyzji”, Oficyna Wydawnicza SGH, 2021
- Ł. Kraiński, „Performance considerations and platforms for scoring models”, w: D. Kaszyński, B. Kamiński, T. Szapiro, „Credit Scoring in Context of Interpretable Machine Learning”, SGH Publishing House, 2020
- B. Kamiński, Ł. Kraiński, A. Mashatan, P. Prałat, P. Szufel, „Multiagent Routing Simulation with Partial Smart Vehicles Penetration”, Journal of Advanced Transportation, 2020, Article ID 3152020, 2020
- D. Wiliński, Ł. Kraiński, K. Wesołowska, M. Duś, S. Marczak, „Wpływ lokalizacji na cenę ofertową nieruchomości na przykładzie ulicy Puławskiej w Warszawie”, Świat Nieruchomości, 3 (101), 69-76, 2017
- T. Szapiro, „Negotiation Process Modelling: From Soft and Tacit to Deliberate”, w: „Handbook of Group Decision and Negotiation”, D. M. Kilgour, C. Eden (red.), 2019
- M. Aluchna, T. Szapiro, „Women on corporate boards: backgrounds, drivers and mechanisms”, w: „Women on boards. An international perspective”, M. Aluchna, G. Aras (red.), Routledge, Abingdon, Oxon, 9-32, 2018
- S. Matwin, J. Nin, M. Sehatkar, T. Szapiro, „A Review of Attribute Disclosure Control”, w: „Advanced Research in Data Privacy” G. Navarro-Arribas, V. Torra (red.), Studies in Computational Intelligence, vol 567. Springer, Cham, 2015
- G. Koloch, T. Szapiro, „Penalty Rules in Multicriteria Genetic Search”, w: „New State of MCDM in the 21st Century. Lecture Notes in Economics and Mathematical Systems” Y. Shi, S. Wang, G. Kou, J. Wallenius (red.), Springer, 648, 91-102, 2011
- S. Matwin, T. Szapiro, „Data privacy: from technology to economics”, w: „Advances in Machine Learning II, Studies in Computational Intelligence”, J. Koronacki, Z. Raś, S. Wierzchoń, J. Kacprzyk (red.), Springer, 263, 43-74, 2010
- B. Kamiński, M. Czupryna, T. Szapiro, „On conditional value-at-risk based goal programming portfolio selection procedure”, w: „Multiobjective programming and goal programming. Lecture Notes in Economics and Mathematical Systems”, V. Barichard, M. Ehrgott, X. Gandibleux, V. T’Kindt (red.), Springer, 618, 243-252, 2009
- W. Michałowski, T. Szapiro, „A Bi-Reference Procedure for Interactive Multiple Criteria Programming”, Operations Research, 40 (2), 247-255, 1992
- S. Matwin, K. Haigh, T. Szapiro, „Genetic Algorithms Approach to a Negotiation Support System”, IEEE Transactions on Systems, Man and Cybernetics, 21 (1), 102-114, 1991
- W. Michałowski, T. Szapiro, „A Procedure for Worst Outcomes Displacement in Multiple, Criteria Decision Making”, Computers and Operations Research, 16 (3), 195-206, 1989
- G. Kersten, T. Szapiro, „Generalized Approach to Modeling Negotiations”, European Journal of Operational Research, 26 (1), 142-149, 1986
- T. Szapiro, „The Calculus of Variations for Multiple Integrals Depending on Higher Order Derivatives”, Annals of Global Analysis and Geometry, 2 (1), 19-54, 1984, praca doktorska.
- K. Gawędzki, T. Szapiro, „On Quantization of Dynamical Groups”, Reports on Mathematical Physics, 6 (3), 477-485, 1974, współautor, rozszerzona praca magisterska.
- C. Spagnuolo, G. Cordasco, P. Szufel, P. Praaat, V. Scarano, B. Kamiński, A. Antelmi, „Analyzing, Exploring, and Visualizing Complex Networks via Hypergraphs using SimpleHypergraphs.jl”, Internet Mathematics, 10.24166/im.01.2020, 2020
- B. Kamiński, Ł. Kraiński, A. Mashatan, P. Prałat, P. Szufel, „Multiagent Routing Simulation with Partial Smart Vehicles Penetration”, Journal of Advanced Transportation, 2020
- B. Kamiński, V. Poulin, P. Prałat, P. Szufel, F. Théberge, „Clustering via hypergraph modularity”, PLoS ONE 14(11): e0224307, 2019
- M. Carillo, G. Cordasco, F. Serrapica, V. Scarano, C. Spagnuolo, P.Szufel, „Distributed simulation optimization and parameter exploration framework for the cloud”, Simulation Modelling Practice and Theory, 83 (1), 108-123, 2018
- B. Kamiński, M. Jakubczyk, P. Szufel, „A framework for sensitivity analysis of decision trees”, Central European Journal of Operations Research, 26 (1), 135-159, 2018
- B. Kamiński, P. Szufel, „On parallel policies for ranking and selection problems”, Journal of Applied Statistics, 49 (5), 1690-1713, 2017
- B. Kamiński, P. Szufel, „On optimization of simulation execution on Amazon EC2 spot market”, Simulation Modelling Practice and Theory, 58 (2), 172-187, 2015
- T. Szapiro, P. Szufel, „Simulated negotiation outcomes through recommendation crowding”, Group Decision and Negotiation, 23 (3), 443-461, 2014
- M. Wrzosek, D. Kaszyński, K. Przanowski, S. Zając, „Selected machine learning methods used for credit scoring”, w: D. Kaszyński, B. Kamiński, T. Szapiro, „Credit Scoring in Context of Interpretable Machine Learning”, SGH Publishing House, 2020
- D. Kaszyński, M. Wrzosek, K. Cerazy, „Model performance evaluation and model monitoring”, w: D. Kaszyński, B. Kamiński, T. Szapiro, „Credit Scoring in Context of Interpretable Machine Learning”, SGH Publishing House, 2020
- M. Giedroyć, K. Bareja, M. Wrzosek, „The predictive power of comprehensive income in Polish companies listed on the Warsaw Stock Exchange”, Zeszyty Teoretyczne Rachunkowości, 105 (161), 113-136, 2019
- J. Kłopotowski, M. Wrzosek, „Zbiór zadań z rachunku prawdopodobieństwa” wyd. poprawione, BEL Studio, 2016
- M. Wrzosek, „Zastosowanie układów dynamicznych do modelowania przepływu informacji na rynku pracy”, Metody ilościowe w Badaniach Ekonomicznych, tom XVI No. 4, 220-229. 2015
- M. Wrzosek, „Model dynamiki rynku pracy z heterogeniczną siłą roboczą”, Metody ilościowe w Badaniach Ekonomicznych, tom XV No. 4, 236-245, 2014
- S. Zając, „Modelowanie dla biznesu. Analityka w czasie rzeczywistym, narzędzia informatyczne i biznesowe”, Oficyna Wydawnicza SGH, 2022
- M. Wrzosek, D. Kaszyński, K. Przanowski, S. Zając, „Selected machine learning methods used for credit scoring”, w: D. Kaszyński, B. Kamiński, T. Szapiro, „Credit Scoring in Context of Interpretable Machine Learning”, SGH Publishing House, 2020
- K. Przanowski, S. Zając, D. Kaszyński, Ł. Opiński, „Variable selection methods”, w: D. Kaszyński, B. Kamiński, T. Szapiro, „Credit Scoring in Context of Interpretable Machine Learning”, SGH Publishing House, 2020
- K. Przanowski, S. Zając, „Modelowanie dla Biznesu. Metody ML, modele portfela consumer finance, modele rekurencyjne analizy przeżycia, modele scoringowe.”, SGH Publishing House, 2020
- B. Dziewit, J. Holeczek, S. Zając, M. Zrałek, „Family Symmetries and Multi Higgs Doublet Models”, Symmetry, 12 (1), 156, 2020
- P. Rubach, S. Zając, B. Jastrzebski, J. I Sulkowska, P. Sułkowski, „Genus for biomolecules”, Nucleic Acids Research, 48 (D1),1129-D1135, 2020
- S. Zając, C. Geary, E. S. Andersen et al., „Genus trace reveals the topological complexity and domain structure of biomolecules”, Nature Scientific Reports 8, 17537, 2018
- P. Chaber, B. Dziewit, J. Holeczek, M. Richter, M. Zrałek, S. Zając, „Lepton masses and mixing in a two-Higgs-doublet model” , Phys. Rev. D 98, 055007, 2018
- E. W. Piotrowski, J. Sładkowski, J. Syska, S. Zając, „The method of the likelihood and the Fisher information in the construction of physical models”, Physics Status Solidi B, 246 (5), 2009
- Modelowanie Decyzji w Arkuszu Kalkulacyjnym
- Obraz
Podręcznik jest efektem syntezy doświadczeń i wniosków autorów z dyskusji o zakresie wiedzy menedżerskiej niezbędnej do funkcjonowania we współczesnej gospodarce. Książka powstawała przy założeniu, że jej Czytelnikiem będzie osoba zainteresowana zdobyciem praktycznej umiejętności rozwiązywania problemów pojawiających się w zarządzaniu i wymagających stosowania elementów wiedzy matematycznej. Potencjalnym odbiorcą jest więc słuchacz studiów z ekonomii, nauk o zarządzaniu, administrowania biznesem, początkujący analityk decyzji zatrudniony w sektorze publicznym lub prywatnym, ale także osoba o znacznym doświadczeniu w dziedzinie zarządzania sięgająca po nowe narzędzie w nadziei, iż pomogą one wzmocnić umiejętności analitycznego działania i wspomóc intuicję.
W książce omówiono wybrane modele problemów decyzyjnych, z którymi można spotkać się w różnych obszarach funkcjonowania przedsiębiorstwa, a także narzędzia pozwalające na bardziej trafne podejmowanie decyzji: tabele i drzewa decyzyjne, teorię gier, metody optymalizacyjne i symulacyjne, czy modele regresji liniowej. Prezentację samych narzędzi uzupełniono przykładami ich implementacji w programie MS Excel umieszczonymi w plikach do pobrania z niniejszej strony.Pliki do pobrania
- Credit Scoring in Context of Interpretable Machine Learning
- Obraz
Ocena zdolności kredytowej, w wyniku trwającej w ostatnich latach rewolucji Big Data, przekształca się od klasycznego modelowania statystycznego do współczesnych metod opartych o złożone modele badań operacyjnych – metod Machine Learning. Innowacyjny zestaw narzędzi modelarskich stawia również nowe wyzwania związane z odpowiednimi procedurami budowy, walidacji, monitorowania i wreszcie wdrażania takich modeli i podejść w praktyce. Praktyka gospodarcza i wymogi regulacyjne ostatnich lat wskazują na silne trendy związane z tzw. Trustworthy AI – są to rekomendacje i wytyczne dotyczące m.in. sposobów budowy modeli interpretowalnych czy algorytmicznie niezawodnych.
W książce Credit scoring in context of interpretable machine learning przedstawiamy współczesne metody oceny zdolności kredytowej, zachowujące interpretowalność wyników. Ważnymi zagadnieniami poruszanymi w monografii są kwestie praktycznego wykorzystania takich rozwiązań: od zagadnień czysto procesowych, po podejścia modelarskie, na sposobach wdrażania skończywszy.