International banking institute X международная научно-практическая конференция




Скачать 41.51 Kb.
НазваниеInternational banking institute X международная научно-практическая конференция
страница7/14
Дата03.02.2016
Размер41.51 Kb.
ТипДокументы
1   2   3   4   5   6   7   8   9   10   ...   14

Карпова Татьяна Сергеевна

t.s.karpova@gmail.com

Россия, Санкт-Петербург

Международный банковский институт


ВЫЯВЛЕНИЕ ФУНКЦИОНАЛЬНЫХ ЗАВИСИМОСТЕЙ
С ИСПОЛЬЗОВАНИЕМ УНИВЕРСАЛЬНОГО ЯЗЫКА SQL



Широкое внедрение информационных технологий во все сферы человеческой деятельности в последнее время связано с процессом накопления данных. Рост объема данных в первую очередь связан с отлажен­ными учетными системами, которые основаны на технологиях оперативной обработки транзакций. Эти системы представлены корпоративными си­стемами, в которых отражается текущая учетная информация по разным сферам деятельности компании. Если ранее накопленные данные в большинстве случаев не представляли большого интереса и использовались в основном для формирования текущей отчетности и сохранения информации об оперативной деятельности организации, то по прошествии нескольких лет успешной работы учетных систем в них накопились данные, которые могут быть превращены в знания, которые позволяли более точно оценить успехи и промахи в деятельности как всего бизнеса, так и отдельных его направлений. Именно эти знания помогут в дальнейшем сделать наиболее полный прогноз поведения рассматриваемого бизнеса, вывести его на новый уровень. Это аналитика, т. е. анализ данных с целью извлечения из них знаний. Данное направление является сравнительно новым, оно эффективно стало развиваться практически последние 10–15 лет. Появление доступных технических средств хранения информации с возможностью ее оперативной обработки в неограниченных объемам и вызвало бурный рост данного направления в области IT-технологий. Однако анализ данных связан с последовательной обработкой данных с целью выявления внутренних зависимостей, внутренних знаний о взаимосвязях моделируемых объектов. Знание подобных связей в дальнейшем позволит принимать более обоснованные и грамотные решения по управлению бизнесом.

Увеличение объема хранимой и обрабатываемой информации потребовало разработки специальных приложений по подготовке и загрузке данных в аналитические системы, базирующиеся как на OLAP (on-line analytical processing) технологиях, так и на разнообразных технологиях извлечения знаний, относящихся к классу DataMining. При применении данных процедур максимальное внимание должно быть уделено процедурам предварительной подготовки данных. При некачественных входных данных все результаты дальнейшей их обработки могут дать недостоверные результаты. В настоящий момент именно данный раздел в области аналитической обработки данных считается в большей степени искусством и имеет весьма слабый уровень формализации.

Излишек данных так же вреден, как и недостаток. Излишние данные засоряют хранилища данных и не позволяют сосредоточиться на главном, делают зачастую смазанными результаты анализа. В данном докладе предлагается простой алгоритм выявления и оценки взаимосвязи собранных фактов при отсутствии предварительной информации о таковой.

Основой структуризации данных при построении современных баз данных, основанных на реляционной модели, является понятие функциональной зависимости. Функциональная зависимость отражает базовые свойства предметной области, отражаемые в определенном соотношении значений отдельных атрибутов. При построении баз данных функциональные зависимости принимаются за основу, и именно с учетом этих зависимостей происходит процесс нормализации и приведение базы данных к канонической форме, минимизирующей избыточность и противоречивость в базе данных. Однако процедура анализа предполагает сбор данных их различных учетных оперативных систем, из ряда внешних источников, в которых данные могут быть слабо структурированы. Поэтому входные данные для аналитической системы часто загрязнены, содержат пропуски, неструктурированны. Выявление предполагаемых функциональных зависимостей в этом потоке позволит решить две задачи: с одной стороны, убрать излишние факты, которые не несут дополнительной информации при моделировании объектов предметной области и только затрудняют анализ увеличивая исходный объем информации, а с другой стороны, тщательный анализ полученной информации позволит найти ошибки ввода и исключить недостоверные данные, которые могут исказить в дальнейшем полученные результаты.

Если мы возьмем за основу некоторое универсальное отношение R, в котором соберем все имеющиеся факты, и упорядочим атрибуты по их значимости для нашего анализа, то каждый SQL-запрос с группировкой по одному из атрибутов и отбором в группах только различных значений остальных атрибутов позволит вычислить некоторую оценку функ­циональной зависимости. Пусть отношение R – имеет схему Sr= 1,A2,…,An>. Тогда оценкой функциональной зависимости атрибута Ai от атрибута A1, которую обозначим как O(A1->Ai), будет доля записей, имеющих только одно отличное значение атрибута Ai в группе по отношению к общему числу записей результата. Дополнительно можно ввести еще и некоторую весовую составляющую, которая определит долю записей, подтверждающих данную связь по отношению к общему числу исходных записей универсального отношения R. Для принятия решений необходимо предоставить ЛПР (лицу, принимающему решение или аналитику) описание всех оценок функциональных зависимостей. Аналитик может задать некоторый порог и принять результаты анализа для сокращения числа факторов, участвующих в анализе. Для введения весовых коэффициентов введем обозначение групп по A1 как множество

{GA11, GA12,…, GA1k}.

Количество групп по атрибуту A1 составляет k. Результаты выполнения запроса

Select A1, count(distinct A2) Ca2, …, count(distinct Ak) Cak From R group by A1.

Здесь Cak количество различных значений атрибута Ak для некоторого значения базового атрибута A1.

Если теперь определить долю групп по A1, в которых некоторый атрибут Ak принимает только одно-единственное значение, и установить порог достоверности, то можно считать гипотезу о существовании функциональной зависимости правомерной с заданной степенью вероятности. Дальнейшие исследования могут касаться изучения исключений, т. е. тех записей, которые выходят за рамки принятой гипотезы. Эти исключения могут рассматриваться как ошибочные или как некоторые аномальные. Действия аналитика в дальнейшем зависят именно от семантического анализа полученной информации. Однако объем исключений много меньше исходного объема данных, а принятые гипотезы позволят исключить функционально зависимые атрибуты и тем самым значительно сократить объем данных для дальнейших стадий анализа.

Предлагаемый метод отличается простотой реализации, независимостью от используемых систем управления базами данных и достаточной универсальностью. Минимальное владение языком SQL позволит специалистам в любой проблемно-предметной области достаточно быстро получить данные предварительного анализа и принять взвешенное решение.


Козык Василий Васильевич

Петрушка Татьяна Алексеевна

petim@mail.ru

Украина, г. Львов

Национальный университет «Львовская политехника»


ОБОСНОВАНИЕ ЦЕЛЕСООБРАЗНОСТИ ВНЕДРЕНИЯ ПРЕДПРИЯТИЯМИ РЕСУРСОСБЕРЕГАЮЩИХ
ТЕХНОЛОГИЙ



Среди основных направлений инвестиционной деятельности предприятий в современных условиях важное место занимает вложение инвестиций в приобретение новой техники и технологий, в частности ресурсосберегающих. Такие технологии, как правило, являются капиталоемкими, вследствие чего большое значение приобретает определение условий, при которых предприятиям становится выгодно инвестировать средства во внедрение новых технологических способов производства продукции.

Очевидно, что эффективность внедрения ресурсосберегающих технологий зависит, в частности, от уровня цен на продукцию, которая изготавливается с их помощью. Проведенный нами анализ показал, что в случае высокого уровня конкуренции наиболее адекватным методом ценообразования является метод замыкающих удельных приведенных расходов (УПР), когда цена единицы продукции принимается на уровне УПР того производителя продукции, у которого удельные приведенные затраты наименьшие среди всех производителей данной продукции:


УПР і = (Сі + Кі Ен) / Оі = сі + kі Е min, (1)


где УПРі – удельные приведенные расходы для і-й технологии изготовления продукции; Сі – себестоимость годового выпуска продукции для
і-й технологии: Кі – необходимые инвестиции на внедрение і-й технологии; Е – нормальная годовая прибыльность инвестиций в долях единицы (такая их минимальная прибыльность, при которой инвесторы соглашаются инвестировать свои средства); Оі – годовой натуральный объем производства продукции с помощью і-й технологии; сі – себестоимость
единицы продукции, которая изготовляется с помощью і-й технологии (сіі / Оі); kі – удельная капиталоемкость продукции, которая изготовляется с помощью і-той технологии (kіі / Оі).

Следует отметить, что в большинстве отраслей экономики одновременно функционируют предприятия с разным уровнем технического развития. При этом на более технически оснащенных предприятиях УПР на производство продукции более низки, чем на предприятиях, которые изготавливаю такую же продукцию, но отстают в техническом развитии. Если рынок данной продукции является конкурентным, то цена ее единицы должна установиться на уровне минимальных УПР. При таких условиях прибыльность инвестиций в производство продукции на тех предприятиях, на которых УПР являются большими, чем их минимально возможный уровень, будет меньшей, чем нормальная прибыльность для данной отрасли. Поэтому такие предприятия будут недостаточно эффективными с точки зрения вложенных в них инвестиций.

Очевидно, что технически отсталые предприятия должны стремиться повышать свой технический уровень, в частности за счет замены устаревшей техники и технологий. Такое повышение требует вложения определенного объема инвестиций, размер которого, среди прочего, зависит от уровня технологичности активов предприятия. Этот уровень можно оценить с помощью такого коэффициента:

, (2)

где Рт – уровень технологичности активов предприятия, которые принимают участие в производстве данной продукции; Кт – стоимость активов предприятия, которые требуют замены в случае перехода на производство продукции по более прогрессивной технологии; Кз – общий объем активов предприятия, которые принимают участие в производстве данной продукции.

Чем более высоким является уровень технологичности активов предприятия, тем труднее ему перейти на производство продукции с использованием более прогрессивной технологии. Вместе с тем доля стоимости активов, которые не включают в себя технологическую составляющую (к ним, в частности, относится пассивная часть основных производственных фондов), на предприятиях промышленности может быть достаточно большой.

Проведенное исследование показало, что переход от одного технологического способа производства к другому, более совершенному, будет целесообразным в случае выполнения такого неравенства:

, (3)

где – себестоимость единицы продукции соответственно за худшей и лучшей технологиями; – удельные инвестиции, связанные с переходом предприятия с і-й на j-ю технологии изготовления продукции.

Тогда в случае наличия нескольких вариантов технологических изменений лучшим из них будет то, для которого достигает максимального значения такой критериальный показатель:

. (4)

Из выражения (4) следует, что при прочих равных условиях, в частности при неизменности технологической составляющей в стоимости активов предприятия, эффективность внедрения новой технологии возрастает по мере увеличения экономических преимуществ лучшей технологии по сравнению с действующей худшей. Другими словами, предприятие с достаточно высоким уровнем технического развития может быть незаинтересованным в срочной замене своей технологии на более совершенную, тогда как для технически отсталого предприятия такая замена может быть чрезвычайно эффективной. При этом технически отсталое предприятие может даже опередить более развитые по уровню технической оснащенности и эффективности ресурсного обеспечения.

Предложенные соображения, которые могут быть экстраполированными и на уровень национальных экономик, дают основания ожидать возможный технологический прорыв в ряде отраслей народного хозяйства стран СНГ. Однако для этого необходимо создать благоприятные условия для осуществления инвестиционной и инновационной деятельности, при которых предприятиям стало бы выгодно внедрять ресурсосберегающие технологии.


Kostyunina Tatyana Nikolaevna

tnktn@yandex.ru
Russia, St. Petersburg
International Banking Institute


SIMULATION OF OPERATIONAL BANK RISKS


These days the issues associated with bank risk management are becoming crucially important for the activities of financial institutions. New banking products and services and ever increasing customer demand for quality service requires financial management to give a fast response to new trends, including the emergence of new types of threats and risks.

There are a great many monographs, textbooks, theses and articles that highlight theoretical and practical problems of bank risk management. As a rule they all focus on the problems of analysis and assessment of credit risks but pay less attention to the analysis of such types of risks as interest, market, stock and currency risks. Only the recent works published in the last decade highlight a relatively new type of bank risks, i.e. operational risk. The emergence of this type of risk is often associated with widespread adoption of information technologies.

The main principles of operational risk management in light of domestic and international banking practice imply the following:

  • basic methods of detection, assessment and monitoring of operational risk;

  • basic methods of operational risk minimization and control;

  • procedures for providing information on operational risk issues.

The goal of operational risk management is to maintain the degree of risk the bank can take in accordance with its own strategic objectives. This goal can be achieved only through a systematic, integrated approach that includes qualitative and quantitative assessment of operational risk on the basis of selected models.

To provide conditions for effective risk detection and assessment it’s necessary to keep an analytical database of incurred operational losses, which will reflect information about their types and degree in the context of business activities, selected bank operations and other transactions. The next step is to assess operational risk on the basis of this data. However, it should be noted that the stage of simulation is especially complex.

The characteristic feature of operational risks lies in the fact that the majority of their factors relate to internal operational environment, that’s why it’s difficult to set clear mathematical-statical relations between separate positions, probability and the amount of operational losses. Events associated with operational risks generally “drag” behind, beyond a reasonable confidence interval when it comes to statistical distribution. In this connection it’s rather difficult to use statistical methods, such as Value at Risk (VaR), mainly because of lack of data representativeness.

Judging by corresponding literature sources, approaches to simulation of bank operational risks are in the formation stage. The following methods are commonly used in international banking practice:

  • statical analysis of actual damages distribution;

  • weighted-point method (valuation maps method);

  • simulation (scenario analysis).

Models and methods based on the use of statical analysis of actual damages distribution allow forecasting potential operational losses on the assumption of such losses incurred by the bank in the past. When using these methods as basic data it is recommended to use database information about incurred losses, including the amount and currency of loss, the date and reasons for its occurrence, description of the event, bank branch, business line, responsible division, category of risk and other additional information.

The procedure of database maintenance, persons in charge, the form and periodicity of representation to managers and authorized specialists, requirements for the information input should be stated in a local document. There are good reasons to make additions to inside information with outside data about damages incurred by other banks. This information can help fill the deficiency of inside information.

The essence of weighted-point method (valuation maps method) lies in the assessment of operational risk in comparison with measures to minimize it. Informative indicators are selected on the basis of expert analysis and their relative importance (weighted indicators) is determined. Then the indicators selected are summarized in tables (valuation maps) and measured by using different scales. The main parameters are the frequency of losses and their degree (significance). The results obtained are processed with regard to weighted indicators and compared in the context of business lines of the bank, certain banking products and transactions.

Valuation maps generally come with indicators of operational risk (income, average annual asset value, the amount of payments and settlements, and others). These maps are filled out by employees of bank departments at least once a year and are subject to verification by an independent supervisory department (for example, internal auditors).

The use of weighted-point method allows revealing the strengths and weaknesses of the operational risk management. This approach differs from the others in the fact that besides from quantitative assessments, it’s focused on qualitative characteristics of the bank management.

The method of simulation (scenario analysis) is based on the expert analysis and used for different lines of banking activities, separate business lines, products and deals. This method allows you to determine probable scenarios of occurrence of events or circumstances that may lead to operational losses and develop a model of distribution of frequency and amount of damages, which is further used for assessment of operational risk. Its significant difference from the previous approaches lies in the fact that a clear interrelation between expected and unexpected losses is missing, so that unexpected losses can be assessed directly. Calculations can be based on empirical data, for example, with the help of Monte-Carlo method (Monte-Carlo Simulation).

In the future existing models will be improved and new models will appear, but the major boundaries of their use are established. We can expect the development of additional models that take into account a human factor in particular.


Kostyunina Tatyana Nikolaevna
tnktn@yandex.ru

Russia, St. Petersburg

International Banking Institute


The problems of legal groundwork
for information technologies



The use of computer networks allowed creating optimal conditions for implementation of civic rights as well as rights of public authorities and institutions to use information resources. But at the same time implementation of information technologies has led to emergence of new problems, including legal ones.

Traditional legal systems were established at the times when material assets played a major role on the market. Firstly, information is a part of today’s market and, secondly, information technologies have changed the way the market functions. That’s why old legal systems proved to be inadequate to new crimes. The problems arising in this connection can be summed up in the following way.

  1. New types of crimes – computer crimes – have emerged.

  2. The regulation on access to the database that may contain data about people’s private life was required.

  3. It became necessary to provide legal protection of computer software.

  4. Legal regulation of the use of electronic signature and electronic document management systems was required.

  5. There emerged lots of legal problems associated with global networks functioning and crimes happening there.

This list can be continued, especially in view of the fact that progress in the field of computer crimes often surpasses countermeasures development. A detailed review of the specified problems is provided in the report. And here we take a look on one of the aspects, and namely, the problem of state regulation in the field of information.

The legal base in the area of legal regulation of information in Russia is represented by the Federal Law on Information and other legal regulations issued on its base, which determine the following directions of state policy in the sphere of informatization:

  • providing conditions for development and protection of all forms of ownership of information resources;

  • formation and protection of state information resources;

  • creation and development of information systems and networks, providing their compatibility and interoperability in the Russian Federation’s single information space;

  • providing conditions for quality and effective information support of citizens and bodies of power, local authorities, organizations and public associations on the basis of state information resources;

  • guarantee national security in the sphere of informatization and implementation of rights of people and organizations under informatization conditions;

  • providing support in formation of the market of information resource, services, technologies and means of their ensuring;

  • formation and implementation of a unified scientific-technical policy in the sphere of informatization with respect to the current level of IT development;

  • support for informatization programs and projects;

  • creation and improvement of the system to attract investment and mechanism to stimulate development and implementation of informatization projects;

  • legislation development in the sphere of information processes, informatization and information protection.

The final goal of the state policy in informatization field is creation of the unified automated system of legal information in Russia, which can provide public legal awareness as well as increase effectiveness of law and its application and improve legal literacy of the society. The above mentioned state policy is intended to cover the entire territory of Russia, all regions and significantly improve the functioning of bodies of state power and administration, law-enforcement authorities and local authorities.

The regulatory basis of legal sphere informatization is a series of edicts of the President of the Russian Federation. The Edict of the President of the Russian Federation enacted June 28, 1993 № 966 «The concepts of legal informatization of Russia» determines the main informatization guidelines:

  • Lawmaking informatization;

  • Law-enforcement informatization;

  • Informatization of legal education and training;

  • Legal ensuring of informatization processes.

However this Edict failed to solve all the problems of legal regulation of this sphere. Its effect upon organization and legal issues was minimal. This gap was filled by the Presidential Edict enacted August 4, 1995 «On Presidential Legal Informatization Programs». This edict implies the development of legal informatization programs of:

  • bodies of state power of the Russian Federation;

  • bodies of executive power of the Russian Federation;

  • bodies of state power of the entities of the Russian Federation.

Not only does informatization influence legal technologies and the sphere of law making, but it also influences the essence of legal relations. Such concepts as electronic transaction, electronic exchange, electronic trading, electronic system of financial settlements, electronic archive play the increasing role today.

In this context it’s worth mentioning the Federal Law enacted January 10, 2002 N 1-ФЗ «On electronic digital signature», the purpose of which is provision of legal conditions of the use of electronic digital signature in electronic documents. According to this law, electronic digital signature is considered to be equivalent to the sign manual in the paper document.

Complex tasks of informatization in the legal and state spheres of Russia require creating a new far-reaching system of scientific knowledge. To solve these tasks new interdisciplinary fields of knowledge are being formed today, for example, legal informatics. In its framework there’s a synthesis of information of legal, social, technical, natural and mathematical sciences.


Kuzyutin Denis

kuzyutin@ibispb.ru

Russia, Saint-Petersburg

International Banking Institute


Subgame perfect equilibria in multicriteria
extensive games



We consider finite -person extensive games with perfect (or incomplete) information [2, 3] where the player`s payoff is given by a vector instead of a scalar (so-called multicriteria extensive games).

Pure strategy combinations provide to each player «payoffs» given by an -vector valued function , i. e. player takes criteria into account. We denote by the class of all finite -person multicriteria extensive games with perfect information (on the game tree ).

For all we will use the notation if and only if for all . The strategy is called (weak) equilibrium [4, 1] in multicriteria game , iff



The set of all equilibriums in multicriteria game denote by ME().

Decomposition of at the position onto subgame and factor-game generates corresponding decomposition of pure strategies and mixed strategies as well.

As was established in [2] for -person finite extensive unicriterium games if we find the Nash equilibrum in the subgame and the Nash equilibrium in the corresponding factor-game , the composite strategy profile forms the Nash equilibrium in . This fact, in particular, allows to use the backwards induction procedure to construct subgame perfect equilibrium in unicriterium multistage game.

Unfortunately, this basic result is not valid for equilibria in multicriteria extensive games (with perfect or incomplete information), and thus one can not use the backwards induction procedure (in the direct way) to construct subgame perfect equilibriums in multictiteria game .

However, we prove that the set of all subgame perfect equilibriums (in pure strategies) in multicriteria game in nonempty and propose the technique to construct this set of equilibriums.

In addition, we prove that the set in mixed strategies in a finite multictiteria -person extensive game with incomplete information satisfies the time-consistency property [3].

References

  1. Borm P., Van Megen F., Tijs S. A perfectness concept for multicriteria games // Mathematical Methods of Operation Research (1999), 49. P. 401–412.

  2. Kuhn H.W. Extensive games and the problem of information // Annals of Mathematics Studies, 1953. Vol. 28. P. 193–216.

  3. Petrosjan L., Kuzyutin D. Consistent solutions of positional games. St-Petersburg University Press, 2008, 335 p. (in Russian).

  4. Shapley L.S. Equilibrium points in games with vector payoffs. Naval Research Logistics Quarterly, 1959. P. 57–61.

Кричевский Михаил Лейзерович

mkrichevsky@mail.ru

Россия, Санкт-Петербург

Международный банковский институт


СРАВНЕНИЕ МЕТОДОВ МЯГКИХ ВЫЧИСЛЕНИЙ
В ЗАДАЧАХ АНТИКРИЗИСНОГО УПРАВЛЕНИЯ



Мягкие вычисления – словосочетание, обозначающее совокупность неточных, приближенных методов решения задач. Такие задачи возникают в биологии, технике, экономике. Сущность мягких вычислений состоит в том, что в отличие от традиционных, жестких вычислений они нацелены на приспособление к неточности реального мира. Мягкие вычисления представляют собой набор вычислительных методологий, которые коллективно обеспечивают основы для понимания, конструирования и развития интеллектуальных систем.

В этом объединении основными компонентами являются нечеткая логика, нейронные сети, эволюционные вычисления. Среди указанных методов выделим такие, которые могут адаптироваться, т. е. обучаться под воздействием указаний, получаемых извне, например, это может быть «учитель» в нейросетевой технологии, набор правил в приемах нечеткой логики, законы эволюции при использовании генетических алгоритмов.

Далее рассмотрим только две технологии: нейронные сети (НС) и нечеткую логику (НЛ) для использования в задачах антикризисного управления (АУ). При выработке управленческих решений в АУ важная роль отводится оценке финансового состояния (ФС) фирмы, так как ошибочная оценка приведет к неверным менеджерским действиям. Вследствие этого здесь предлагаются способы оценивания ФС фирмы на основе методов НС и НЛ.

Нейронные сети и нечеткая логика являются средствами моделирования. Они работают практически одинаково после стадии обучения (в случае НС) или извлечения человеческих знаний (в ситуации с НЛ). По существу, эти технологии представляют собой обе стороны одной монеты. Использование той или иной модели для решения рассматриваемой проблемы зависит от доступности предыдущих знаний о системе или количества наблюдений. Между ними существует принципиальное различие, которое иллюстрируется схемой на рис.1. Находящаяся на одном из полюсов НС представляет собой «черный ящик», отражающий ситуацию, при которой процесс полностью неизвестен, но в наличии имеются примеры наблюдений, записей, регистраций, выборочных данных. При использовании НС никаких предыдущих знаний не требуется, нужны только данные наблюдений. Здесь известны входы и выход, но требуется база примеров, по которой обучается сеть.



а) б)

Рис. 1. Представление НС в виде «черного» ящика (а)
и НЛ в виде «белого» ящика (б)

На другом полюсе с НЛ решение проблемы известно в виде структурированных человеческих знаний, опыта, эвристики, интуиции о рассматриваемом процессе. Такая ситуация представима в виде «белого ящика». При таком подходе разработчик составляет базу правил, по которой обучается система. В итоге можно сказать, что при минимуме доступных данных наиболее вероятным является применение НС. Наоборот, чем больше объем имеющихся данных, тем ситуация благоприятнее для использования НЛ. В целом оба подхода имеют своей целью решение задач распознавания (классификации) и регрессии (многомерной аппроксимации функций).
1   2   3   4   5   6   7   8   9   10   ...   14

Похожие:

International banking institute X международная научно-практическая конференция iconМеждународная шинная выставка и конференция сентябрь 1996 г., Акрон, Огайо, США international Tire Exhibitionand Conference itec 96
Д. Киллиан, Международный институт производителей каучука The global outlook for synthetic rubber demand and supply into the new...
International banking institute X международная научно-практическая конференция iconТематический план мероприятий Международного научно-технического конгресса
Международная научно-практическая конференция «Энергоэффективные и экобезопасные технологии ХХI века»
International banking institute X международная научно-практическая конференция iconНазвание работы
Наименование конференции: Международная научно-практическая конференция «Первые шаги в науку»
International banking institute X международная научно-практическая конференция iconИнформационный бюллетень №1 январь 2013 г
Международная научно-практическая конференция «Государство и общество: проблемы взаимодействия»
International banking institute X международная научно-практическая конференция iconVii международная научно-практическая дистанционная конференция "Современная психология: теория и практика" 21-22 декабря 2012 г
Оргкомитет Международной научно-практической конференции «Наука, техника и высшее образование» (Science, Technology and Higher Education)...
International banking institute X международная научно-практическая конференция iconТринадцатая международная научно-практическая конференция
Управление по обеспечению деятельности подразделений специального назначения и авиации мвд россии
International banking institute X международная научно-практическая конференция iconВ пвгус прошла VII международная научно-практическая конференция
«запад – россия – восток: политическое, экономическое и культурное взаимодействие»
International banking institute X международная научно-практическая конференция iconМинистерство здравоохранения украины национальный медицинский университет имени А. А. Богомольца
Международная научно-практическая конференция ко всемирному дню здоровья, который
International banking institute X международная научно-практическая конференция iconIi международная межвузовская научно-практическая конференция студентов магистратуры
Актуальные проблемы международного бизнеса и маркетинга. Заседание секции проводится на английском языке
International banking institute X международная научно-практическая конференция iconМеждународная студенческая научно-практическая конференция
Ананов С. К. Первый заместитель Председателя Комитета по туризму города Москвы, Президент Российского союза туриндустрии
Разместите кнопку на своём сайте:
Библиотека


База данных защищена авторским правом ©lib2.znate.ru 2012
обратиться к администрации
Библиотека
Главная страница