Por favor, use este identificador para citar o enlazar este ítem:
http://repositorio.usfq.edu.ec/handle/23000/12199| Tipo de material: | bachelorThesis |
| Título : | Machine learning vs traditional statistical method: A comparison in demand forecasting for an agricultural company |
| Autor : | Vallejo Freire, Stephano |
| Director de Tesis : | Baldeón, Gabriela, dir. |
| Descriptores : | Aprendizaje automático (Inteligencia artificial) - Investigaciones - Tesis y disertaciones académicas;Finanzas - Innovaciones tecnológicas |
| Fecha de publicación : | 20-dic-2022 |
| Editorial : | Quito |
| Citación : | Tesis (Ingeniero Industrial), Universidad San Francisco de Quito, Colegio de Ciencias e Ingenierías ; Quito, Ecuador, 2022 |
| Páginas : | 30 h. |
| Acceso: | openAccess Atribución-NoComercial-SinDerivadas 3.0 Ecuador |
| Resumen : | El siguiente estudio tiene como finalidad poner a prueba el desempeño de dos métodos para pronosticar la demanda como es Machine Learning y un Software Estadístico Tradicional en una planta de productos agrícolas de Quito-Ecuador... |
| Descripción : | Forecasting methods are essential for controlling production levels, inventory overstocks, and inaccurate replenishment. This work picks the best application reviewed for the Machine Learning (ML) method that is most used in the last decade to forecast demand such as Long-Short term memory (LSTM) and compares it with the best traditional forecasting method known as Holt-Winters that fits the features of the given data... |
| URI : | http://repositorio.usfq.edu.ec/handle/23000/12199 |
| Aparece en las colecciones: | Tesis - Ingeniería Industrial |
Ficheros en este ítem:
| Fichero | Descripción | Tamaño | Formato | |
|---|---|---|---|---|
| 203767.pdf | Texto completo | 785.46 kB | Adobe PDF |  Visualizar/Abrir |
Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons
