1. Notiuni introductive: Stiinta managementului, o ramura a cercetarilor operationale. Programare liniara: metoda grafica, metoda simplex. Aplicatii �n marketing si aplicatii financiare. (4 ore)
2. Modele de asteptare: Termeni specifici teoriei asteptarii. Modelele: M/M/1/FCFS, M/M/k/FCFS. Ecuatiile luin Little. Modelele: M/G/1, M/D/1, M /G/k, de tip BCC. Model �n care marimea populatiei este finita (4 ore)
3. Modele regressive: Regresia liniara si regresie neliniara (polinomiala si mixt exponentiala). Regresia multiliniara. Regresia logistica. (5 ore)
4. Serii temporale: Notiuni introductive. Metode de netezire: media mobila, media mobila ponderata, netezirea exponentiala, netezirea dublu exponentiala. Prognoza utiliz�nd trendul. Prognoza utiliz�nd trendul si componenta sezoniera.(4 ore)
5. Tehnici de clasificare: Tipuri de date. Formula Bayes, clasificarea bayesiana naiva, Arbori de clasificare si decizie, masura entropiei, masura Gini, masura clasificarii gresite. Algoritmul k nearest neighbor. Clasificare bazata pe reguli; reguli de asociere. (8 ore)
6. Clustering: Masuri de similaritate. Algoritmul k-means. Clustering ierarhic. (3 ore)

1. Anderson D., Sweeney D., Williams T., 1994, An Introduction to Management Science, Quantitative Approaches to Decision Making
2. Armstrong J.S., 2002, Principles of forecasting: A handbook for researchers and practitioners, Springer.
3. Belciug S., Gorunescu M., 2012, Data Mining: Modele predictive si de clasificare, Implementare ?n Matlab si Java, Editura Albastra Cluj-Napoca.
4. Duda. R. Hart. P., Storck D., 2000, (2nd edition), Pattern Classification, Wiley Interscience, New York.
5. Dumitrescu D., 1999, Principiile matematice ale teoriei clasificarii, Editura Academiei Române.
6. Gorunescu M., 2007, Clasificare si prognoza, Editura Universitaria, Craiova
7. Pardoe I., 2006, Applied regression modeling. A business Approach, Wiley Interscience.

In cadrul orelor de laborator se vor aplica notiunile studiate unor probleme reale (domeniul economic, domeniul medical). Se vor folosi pachetele software MATLAB si SPSS.

• Examen scris, 2h (70% din nota finala): proba va consta din 3 probleme reale ce pot fi rezolvate cu algoritmii studiati. Unele probleme permit mai multe abordari, studentul fiind cel care decide care este abordarea convenabila.
• Nota de la laborator (30% din nota finala) reflecta activitatea studentului la orele de laborator si eventuala prezentare a unui referat.

1. Stiinta managementului, o ramura a cercetarilor operationale
2. Modele liniare si neliniare avansate
• Modele regresive
• Serii temporale
3. Modele de asteptare
4. Clasificare
5. Clustering
6. Analiza deciziilor

1. Stiinta managementului, o ramura a cercetarilor operationale
2. Modele liniare si neliniare avansate
• Modele regresive
• Serii temporale
3. Modele de asteptare
4. Clasificare
5. Clustering
6. Analiza deciziilor

Ultima actualizare: Octombrie 2012