سپنتا کتاب اکسپرس
کتاب کاربرد فناوری‌های یادگیری ماشین در پیش‌بینی تقاضا و عرضه

کتاب کاربرد فناوری‌های یادگیری ماشین در پیش‌بینی تقاضا و عرضه

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 62,488 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

📚 کتاب آموزشی جامع

📚 اطلاعات کتاب

عنوان کتاب: کتاب کاربرد فناوری‌های یادگیری ماشین در پیش‌بینی تقاضا و عرضه

موضوع کلی: امنیت غذایی و کشاورزی پایدار

موضوع میانی: شفافیت و ردیابی در زنجیره تامین مواد غذایی

📋 سرفصل‌های کتاب (100 موضوع)

  • 1. مقدمه ای بر یادگیری ماشین
  • 2. مقدمه ای بر پیش بینی تقاضا
  • 3. مقدمه ای بر پیش بینی عرضه
  • 4. ارتباط یادگیری ماشین با پیش بینی تقاضا و عرضه
  • 5. مزایای استفاده از یادگیری ماشین در پیش بینی
  • 6. چالش های استفاده از یادگیری ماشین در پیش بینی
  • 7. انواع الگوریتم های یادگیری ماشین برای پیش بینی
  • 8. یادگیری نظارت شده
  • 9. یادگیری بدون نظارت
  • 10. یادگیری تقویتی
  • 11. یادگیری عمیق
  • 12. رگرسیون خطی
  • 13. رگرسیون چند جمله ای
  • 14. رگرسیون لجستیک
  • 15. ماشین بردار پشتیبان (SVM)
  • 16. درختان تصمیم
  • 17. جنگل های تصادفی
  • 18. تقویت گرادیان (Gradient Boosting)
  • 19. شبکه های عصبی پرسپترون چند لایه (MLP)
  • 20. شبکه های عصبی کانولوشنی (CNN)
  • 21. شبکه های عصبی بازگشتی (RNN)
  • 22. حافظه طولانی کوتاه مدت (LSTM)
  • 23. واحد بازگشتی دروازه ای (GRU)
  • 24. مدل های سری زمانی
  • 25. ARIMA
  • 26. SARIMA
  • 27. Exponential Smoothing
  • 28. Prophet
  • 29. مدل های مبتنی بر رگرسیون
  • 30. مدل های مبتنی بر درخت
  • 31. مدل های مبتنی بر شبکه عصبی
  • 32. مدل های ترکیبی (Ensemble Models)
  • 33. پردازش و آماده سازی داده ها
  • 34. جمع آوری داده ها
  • 35. پاکسازی داده ها
  • 36. مهندسی ویژگی (Feature Engineering)
  • 37. انتخاب ویژگی (Feature Selection)
  • 38. مقیاس بندی داده ها (Data Scaling)
  • 39. تقسیم داده ها به مجموعه های آموزشی، اعتبارسنجی و آزمون
  • 40. ارزیابی مدل های پیش بینی
  • 41. معیارهای ارزیابی رگرسیون
  • 42. میانگین مربعات خطا (MSE)
  • 43. ریشه میانگین مربعات خطا (RMSE)
  • 44. میانگین قدر مطلق خطا (MAE)
  • 45. میانگین خطای درصدی مطلق (MAPE)
  • 46. R-squared
  • 47. معیارهای ارزیابی طبقه بندی (در صورت نیاز به پیش بینی دسته ای)
  • 48. دقت (Accuracy)
  • 49. دقت (Precision)
  • 50. بازیابی (Recall)
  • 51. امتیاز F1
  • 52. مقدمه ای بر پیش بینی تقاضا
  • 53. انواع تقاضا (ثابت، فصلی، ترند، تصادفی)
  • 54. عوامل موثر بر تقاضا (قیمت، تبلیغات، فصل، رویدادها، رقبا)
  • 55. روش های سنتی پیش بینی تقاضا
  • 56. تحلیل سری زمانی
  • 57. شاخص های اقتصادی
  • 58. تحلیل رگرسیون
  • 59. محدودیت های روش های سنتی
  • 60. کاربرد یادگیری ماشین در پیش بینی تقاضا
  • 61. مدل های یادگیری ماشین برای پیش بینی تقاضا
  • 62. پیش بینی تقاضای خرده فروشی
  • 63. پیش بینی تقاضای محصولات
  • 64. پیش بینی تقاضای خدمات
  • 65. پیش بینی تقاضای انرژی
  • 66. پیش بینی تقاضای حمل و نقل
  • 67. پیش بینی تقاضای آب و هوا
  • 68. مطالعه موردی: پیش بینی تقاضای خرده فروشی با استفاده از LSTM
  • 69. مطالعه موردی: پیش بینی تقاضای انرژی با استفاده از Gradient Boosting
  • 70. مقدمه ای بر پیش بینی عرضه
  • 71. انواع عرضه (ثابت، متغیر، فصلی)
  • 72. عوامل موثر بر عرضه (ظرفیت تولید، هزینه مواد اولیه، نیروی کار، شرایط آب و هوایی، سیاست ها)
  • 73. روش های سنتی پیش بینی عرضه
  • 74. تحلیل ظرفیت تولید
  • 75. تحلیل هزینه ها
  • 76. مدل های اقتصادی
  • 77. محدودیت های روش های سنتی
  • 78. کاربرد یادگیری ماشین در پیش بینی عرضه
  • 79. مدل های یادگیری ماشین برای پیش بینی عرضه
  • 80. پیش بینی عرضه محصولات کشاورزی
  • 81. پیش بینی عرضه مواد اولیه
  • 82. پیش بینی عرضه نیروی کار
  • 83. پیش بینی عرضه انرژی
  • 84. پیش بینی عرضه خدمات
  • 85. پیش بینی عرضه حمل و نقل
  • 86. مطالعه موردی: پیش بینی عرضه محصولات کشاورزی با استفاده از Random Forest
  • 87. مطالعه موردی: پیش بینی عرضه انرژی با استفاده از شبکه های عصبی
  • 88. ادغام پیش بینی تقاضا و عرضه
  • 89. اهمیت ادغام
  • 90. مدل های یادگیری ماشین برای ادغام
  • 91. پیش بینی تقاضا و عرضه به صورت همزمان
  • 92. مدل های حلقه بسته (Closed-loop models)
  • 93. مدل های بهینه سازی مبتنی بر پیش بینی
  • 94. کاربرد در مدیریت زنجیره تامین
  • 95. بهینه سازی موجودی
  • 96. برنامه ریزی تولید
  • 97. برنامه ریزی توزیع
  • 98. مدیریت ریسک
  • 99. مطالعه موردی: بهینه سازی موجودی با استفاده از پیش بینی تقاضا و عرضه
  • 100. پیاده سازی عملی سیستم های پیش بینی

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.