Drukuj Eksport do pliku (MS Word)
Nazwa przedmiotu:
Modelowanie analityczne w prognozowaniu rozwoju
Koordynator przedmiotu:
dr hab. inż. Grzeszczyk Tadeusz prof.PW
Status przedmiotu:
Obowiązkowy
Poziom kształcenia:
Studia II stopnia
Program:
Inżynieria Zarządzania
Grupa przedmiotów:
Specjalność: Innowatyka i Zarządzanie rozwojem
Kod przedmiotu:
-
Semestr nominalny:
3 / rok ak. 2020/2021
Liczba punktów ECTS:
2
Liczba godzin pracy studenta związanych z osiągnięciem efektów uczenia się:
2 ECTS 12h laboratorium + 10h zapoznanie się z literaturą + 25h przygotowanie do zajęć i dyskusji +3h konsultacje = 50h
Liczba punktów ECTS na zajęciach wymagających bezpośredniego udziału nauczycieli akademickich:
0,6 ECTS 12h laboratorium +3h konsultacji = 15h
Język prowadzenia zajęć:
polski
Liczba punktów ECTS, którą student uzyskuje w ramach zajęć o charakterze praktycznym:
2 ECTS 12h laboratorium + 10h zapoznanie się z literaturą + 25h przygotowanie do zajęć i dyskusji +3h konsultacje = 50h
Formy zajęć i ich wymiar w semestrze:
  • Wykład0h
  • Ćwiczenia0h
  • Laboratorium12h
  • Projekt0h
  • Lekcje komputerowe0h
Wymagania wstępne:
Podstawy MS Excel
Limit liczby studentów:
- od 25 osób do limitu miejsc w sali laboratoryjnej (ćwiczenia)
Cel przedmiotu:
Celem przedmiotu jest przekazanie studentom teoretycznej wiedzy dotyczącej metod modelowania analitycznego w prognozowaniu rozwoju przedsiębiorstw i praktycznych umiejętności rozwiązywania wybranych problemów obliczeniowych.
Treści kształcenia:
C. Laboratorium: 1. Wprowadzenie, prezentacja celu i programu przedmiotu. 2. Modelowanie analityczne i prognozowanie w zarządzaniu rozwojem przedsiębiorstwa. Modele analityczne w zarządzaniu organizacjami projektowymi. 3. Budowanie modeli biznesowych przedsiębiorstwa. Bazowanie na tabelach danych. Analiza scenariuszowa. Analiza ‘co-jeśli’ oraz analiza odwrotna ‘co-jeśli’. Przykładowe obliczenia przy wykorzystaniu modeli: amortyzacja środków trwałych, depozyty i kredyty, szacowanie środków finansowych pochodzących z kredytu bankowego na cele rozwojowe, wyznaczanie rat kredytu, szacowanie wartości bieżącej i przyszłej. 4. Modele badań operacyjnych – prognozowanie rozwoju i optymalizacja produkcji w celu pełnego oraz racjonalnego wykorzystania posiadanych zdolności produkcyjnych, analiza rachunku zysków i strat w powiązaniu ze strukturą i kosztem produkcji, zadania trans-portowe. 5. Prognozowanie sprzedaży przedsiębiorstwa przy określonych ograniczeniach. Zastosowanie funkcji Excela oraz wybranego programu z sieciami neuronowymi. Prognozowanie wydatków na reklamę przedsiębiorstwa. Planowanie obsady personalnej. Różne za-stosowania diagramu Pareto-Lorenza. Metody sztucznej inteligencji w prognozowaniu. Prezentacja dostępnego oprogramowania wspomagającego budowanie modeli inteligentnych. 6. Modele logiczne, regresyjne i ekonometryczne w ewaluacji projektów i programów. Prognozowanie innowacji i technologii. 7. Podsumowanie przedmiotu i końcowe zaliczenia.
Metody oceny:
C. Laboratorium: 1. Ocena formatywna: wynika z aktywności studentów podczas zajęć, przedstawiania prezentacji oraz uczestnictwa w dyskusjach związanych z projektami studentów. 2. Ocena sumatywna: wynika z liczby przedstawionych prezentacji projektów oraz ich wartości merytorycznej.
Egzamin:
nie
Literatura:
Obowiązkowa: 1. Dittmann P., Szabela-Pasierbińska E., Dittmann I., Szpulak A. 2009 Prognozowanie w zarządzaniu przedsiębiorstwem. Kra-ków: Wolters Kluwer. 2. Josselin J-M., Le Maux B., 2017, Statistical Tools for Program Evaluation. Methods and Applications to Economic Policy, Public Health, and Education, Springer. 3. Szapiro T. 2000, Decyzje menedżerskie z Excelem, Warszawa: PWE. Uzupełniająca: 1. DaimJisun T., Phan K., 2017, Research and Development Management. Technology Journey through Analysis, Forecasting and Decision Making, Springer. 2. Grzeszczyk, T.A., 2018. Mixed Intelligent Systems: Developing Models for Project Management and Evaluation, Palgrave Macmillan, Cham, Switzerland. 3. Hingley P., Nicolas M. 2006, Forecasting Innovations. Methods for Predicting Numbers of Patent Filings, Springer. 4. Nicholas J. M., Steyn H., 2020, Project Management for Engineering, Business and Technology, Routledge. 5. Prędki A. 2017, Narzędzia analityczne w naukach ekonomicznych: Wybrane zastosowania, Kraków: Wydawnictwo UE.
Witryna www przedmiotu:
www.olaf.wz.pw.edu.pl
Uwagi:
Warunkami zaliczenia przedmiotu są: aktywne uczestnictwo w zajęciach laboratoryjnych, przedstawienie prezentacji w uzgodnionym terminie i pozytywna ocena co najmniej jednego projektu.

Efekty uczenia się

Profil ogólnoakademicki - wiedza

Efekt I2_W01
w pogłębionym stopniu teorie naukowe właściwe dla nauk o zarządzaniu oraz kierunki ich rozwoju, a także zaawansowaną metodologię badań ze szczególnym uwzględnieniem analityki biznesowej oraz zarządzania projektami
Weryfikacja: Ocena projektów i prezentacji
Powiązane efekty kierunkowe:
Powiązane efekty obszarowe:
Efekt I2_W07
główne trendy rozwojowe w zakresie nauk o zarządzaniu
Weryfikacja: Ocena projektów i prezentacji
Powiązane efekty kierunkowe:
Powiązane efekty obszarowe:

Profil ogólnoakademicki - umiejętności

Efekt I2_U01
identyfikować, interpretować i wyjaśniać złożone zjawiska i procesy społeczne oraz relacje między nimi z wykorzystaniem wiedzy z zakresu zarządzania
Weryfikacja: Ocena projektów i prezentacji
Powiązane efekty kierunkowe:
Powiązane efekty obszarowe:
Efekt I2_U06
analizować, prognozować i modelować złożone procesy społeczne z wykorzystaniem zaawansowanych metod i narzędzi z zakresu zarządzania, w tym narzędzi IT
Weryfikacja: Ocena projektów i prezentacji
Powiązane efekty kierunkowe:
Powiązane efekty obszarowe:

Profil ogólnoakademicki - kompetencje społeczne

Efekt I2_K01
krytycznej oceny odbieranych treści
Weryfikacja: Ocena projektów i prezentacji
Powiązane efekty kierunkowe:
Powiązane efekty obszarowe:
Efekt I2_K02
uznawania znaczenia wiedzy w rozwiązywaniu problemów poznawczych i praktycznych oraz konieczności samokształcenia się przez całe życie
Weryfikacja: Ocena projektów i prezentacji
Powiązane efekty kierunkowe:
Powiązane efekty obszarowe: