Публикации по теме 'supply-chain'
Почему бы цепочке поставок просто не внедрить программное обеспечение для искусственного интеллекта и анализа данных?
Почему бы цепочке поставок просто не внедрить программное обеспечение для искусственного интеллекта и анализа данных? ИИ помогает управлять цепочкой поставок. Так в чем задержка? Отлично, отлично прочитано. Они продолжают цитировать этого Курковича.
https://www.g2.com/articles/ai-and-analytics-in-the-supply-chain
Хорошо, я не мудрец, но обратите внимание на общие темы с такими мудрецами, как мистер Джим Томкинс:
23 вопроса на собеседовании по оптимизации
Оптимизация науки о данных максимизирует целевые переменные (KPI) за счет поиска в пространстве состояний предикторов/функций, влияющих на прогнозирование и модели прогнозирования. Приведенные ниже вопросы помогут интервьюерам и интервьюируемым подготовиться к интервью «ученый по данным для оптимизации», охватывающему различные сценарии, проблемы и решения.
Вопросы по сценарию
Сценарий 1: у нас есть…
4 ключевые технологические инновации, расширяющие возможности цифровых цепочек поставок
4 ключевых технологических инновации, расширяющих возможности цифровых цепочек поставок
Отрасль логистики и цепочек поставок вступает в стремительно ускоряющуюся эру сбоев, возможностей и огромного потребительского спроса. Добавьте к этому быстрое развитие и расширение электронной коммерции — и станет ясно, что ситуация никогда не была более напряженной. Вот почему термин «цифровые цепочки поставок» так активно используется в дискуссиях о будущем цепочек поставок.
Поработав с..
Машинное обучение и задачи комбинаторной оптимизации
Возможно, наиболее распространенной из всех математических тем, которые появляются в промышленных приложениях, является тема комбинаторной оптимизации. Комбинаторная оптимизация - это класс задач, состоящий в поиске оптимального объекта из конечного набора объектов. Известные и вездесущие примеры таких проблем включают задачу коммивояжера , задачу маршрутизации транспортных средств (CVRP), задачу о ранце , максимальную проблема потока и любая проблема целочисленного программирования..
Глава 2 — «Алгоритмы машинного обучения» — «Логистическая регрессия»
Иногда соглашения об именах не имеют смысла! Это один из таких случаев. Хотя это и называется логистической регрессией , это алгоритм классификации . Это используется для оценки вариантов бинарной классификации.
Следовательно, вероятность классификации будет находиться в диапазоне от 0 до 1. Классический пример: является ли электронное письмо спамом или не спамом . Для этого мы снова воспользуемся библиотекой Python scikit-learn. Он содержит класс LogisticRegression .
Набор..
Новые материалы
Я хотел выучить язык программирования MVC4, но не мог выучить его раньше, потому что это выглядит сложно…
Просто начните и учитесь самостоятельно
Я хотел выучить язык программирования MVC4, но не мог выучить его раньше, потому что он кажется мне сложным, и я бросил его. Это в основном инструмент..
Лицензии с открытым исходным кодом: руководство для разработчиков и создателей
В динамичном мире разработки программного обеспечения открытый исходный код стал мощной парадигмой, способствующей сотрудничеству, инновациям и прогрессу, движимому сообществом. В основе..
Объяснение документов 02: BERT
BERT представил двухступенчатую структуру обучения: предварительное обучение и тонкая настройка.
Во время предварительного обучения модель обучается на неразмеченных данных с помощью..
Как проанализировать работу вашего классификатора?
Не всегда просто знать, какие показатели использовать
С развитием глубокого обучения все больше и больше людей учатся обучать свой первый классификатор. Но как только вы закончите..
Работа с цепями Маркова, часть 4 (Машинное обучение)
Нелинейные цепи Маркова с агрегатором и их приложения (arXiv)
Автор : Бар Лайт
Аннотация: Изучаются свойства подкласса случайных процессов, называемых дискретными нелинейными цепями Маркова..
Crazy Laravel Livewire упростил мне создание электронной коммерции (панель администратора и API) [Часть 3]
Как вы сегодня, ребята?
В этой части мы создадим CRUD для данных о продукте. Думаю, в этой части я не буду слишком много делиться теорией, но чаще буду делиться своим кодом. Потому что..
Использование машинного обучения и Python для классификации 1000 сезонов новичков MLB Hitter
Чему может научиться машина, глядя на сезоны новичков 1000 игроков MLB? Это то, что исследует это приложение.
В этом процессе мы будем использовать неконтролируемое обучение, чтобы..