| Studiju veids |
maģistra akadēmiskās studijas |
| Studiju programmas nosaukums |
Loģistikas sistēmu un piegādes ķēdes vadība |
| Nosaukums |
Datu zinātnes izpēte loģistikā |
| Nosaukums angļu valodā |
Study of Data Science in Logistics |
| Struktūrvienība |
33000 Datorzinātnes, informācijas tehnoloģijas un enerģētikas fakultāte |
| Darba vadītājs |
Andrejs Romānovs |
| Recenzents |
Henrihs Gorskis |
| Anotācija |
Viens no galvenajiem loģistikas nozares elementiem ir datu analīze un lēmumu pieņemšana atbilstoši biznesa mērķiem. Prognozēšana ir ļoti nepieciešama loģistikas nozarei, jo precīzāki un precīzāki dati ietekmēs nozares labos rādītājus.Datu zinātne ir jēdziens, kas optimizēti veido lielus datu kopumus, lai tos varētu vizualizēt un analizēt. Šajā pētījumā es pastāstīšu par datu zinātnes nozīmi un to, kā tā atrisināja loģistikas nozares jautājumus. No datu zinātnes ir izstrādātas dažādas tehnoloģijas, tāpēc katrai tehnoloģijai loģistikas nozarē ir dažādi pielietojumi. Būs pašreizējās un nākamās lietojumprogrammas, kuru pamatā ir datu zinātnes koncepcija. Datu zinātne galvenokārt ņem vērā tādas dimensijas kā precizitāte, konsekvence un pilnīgums. Izmantojot datu zinātnes koncepciju, var uzlabot lēmumu pieņemšanu, izmaksu kontroli un vispārējo sniegumu. Datu zinātne ir biznesa funkciju, matemātisko metožu un programmēšanas valodu kombinācija. Es parādīšu algoritmu, kā tas var parādīt prognozēšanas rezultātu un salīdzinājumu ar faktiskajiem datiem. Parādīs arī nākamās lietojumprogrammas loģistikā, izmantojot datu zinātnes koncepciju. |
| Atslēgas vārdi |
Padziļinātas mācīšanās un mašīnmācīšanās prognozēšanas metodes, krustojuma piestiprināšana, daudzveidīga izmantošana, Leagile stratēģija, Blakus krastam. |
| Atslēgas vārdi angļu valodā |
Deep learning and machine learning forecasting methods, Cross docking, multi modal, Leagile strategy, Near shoring |
| Valoda |
eng |
| Gads |
2021 |
| Darba augšupielādes datums un laiks |
29.05.2021 00:05:41 |
