Використання машинного навчання для створення алгоритмів передбачення споживчого попиту і оптимізації запасів в роздрібних мережах

Скорочена інформація про документ
dc.contributor.advisorЖиров, Олександр Леонідович
dc.contributor.authorТкаченко, Дарина Володимирівна
dc.date.accessioned2024-10-21T13:02:14Z
dc.date.available2024-10-21T13:02:14Z
dc.date.issued2024
dc.description.abstractДипломна робота: 81 с., 11 рис., 6 табл., 40 посилань, 1 додаток. Об'єктом дослідження є процеси прогнозування споживчого попиту на основі аналізу великих даних за допомогою нейронних мереж. Предметом дослідження є архітектури нейронних мереж та методи їх навчання, які застосовуються для аналізу та прогнозування споживчого попиту. Мета роботи полягає у розробці та дослідженні нейронної мережі для точного та надійного прогнозування споживчого попиту, що сприятиме покращенню аналітичних можливостей у сфері електронної комерції. В роботі розроблено та досліджено нейронну мережу для прогнозування споживчого попиту. Встановлено, що нейронна мережа має високу точність прогнозування, є надійним інструментом в електронній комерції для прийняття обґрунтованих рішень щодо ціноутворення. Проведено аналіз різних архітектур нейронних мереж, який показав глибокі нейронні мережі з конволюційними та рекурентними шарами, які найбільш ефективні для завдань прогнозування у динамічно змінюваних умовах ринку.
dc.description.abstractotherMaster's thesis: 81 p., 11 figures, 6 tables, 40 references, 1 appendix. The object of the study is the process of forecasting consumer demand based on big data analysis using neural networks. The subject of research is the architecture of neural networks and the methods of their training used to analyze and forecast consumer demand. The purpose of the work is to develop and study a neural network for accurate and reliable forecasting of consumer demand, which will improve analytical capabilities in the field of e-commerce. The work developed and tested a neural network for forecasting consumer demand. It has been established that the neural network has high accuracy in forecasting and is a reliable tool in electronic commerce for making sound decisions on price formation. An analysis of various neural network architectures was conducted, which showed that deep neural networks with convolutional and recurrent layers are the most effective for predicting tasks in dynamically changing market conditions.
dc.format.extent81 с.
dc.identifier.citationТкаченко, Д. В. Використання машинного навчання для створення алгоритмів передбачення споживчого попиту і оптимізації запасів в роздрібних мережах : дипломна робота ... бакалавра : 122 Комп'ютерні науки / Ткаченко Дарина Володимирівна. – Київ, 2024. – 81 с.
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/70040
dc.language.isouk
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.subjectштучний інтелект
dc.subjectнейронна мережа
dc.subjectелектронна комерція
dc.subjectмодель
dc.subjectспоживчий попит
dc.subjectрозробка
dc.subjectпрогнозування
dc.subjectartificial intelligence
dc.subjectneural network
dc.subjecte-commerce
dc.subjectmodel
dc.subjectconsumer demand
dc.subjectdevelopment
dc.subjectforecasting
dc.titleВикористання машинного навчання для створення алгоритмів передбачення споживчого попиту і оптимізації запасів в роздрібних мережах
dc.typeBachelor Thesis

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Tkachenko_bakalavr.pdf
Розмір:
944.13 KB
Формат:
Adobe Portable Document Format
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
8.98 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Бакалаврські роботи (ШІ)
Бакалаврські роботи