1. Repositorio Digital USFQ
  2. TESIS COLEGIO DE PREGRADO
  3. COLEGIO DE CIENCIAS E INGENIERÍAS (POLI)
  4. Tesis - Ingeniería Industrial
Por favor, use este identificador para citar o enlazar este ítem: http://repositorio.usfq.edu.ec/handle/23000/12199
Registro completo de metadatos
Campo DC Valor Lengua/Idioma
dc.contributor.advisorBaldeón, Gabriela, dir.-
dc.contributor.authorVallejo Freire, Stephano-
dc.date.accessioned2023-10-24T15:19:12Z-
dc.date.available2023-10-24T15:19:12Z-
dc.date.issued2022-12-20-
dc.identifier.citationTesis (Ingeniero Industrial), Universidad San Francisco de Quito, Colegio de Ciencias e Ingenierías ; Quito, Ecuador, 2022es_ES
dc.identifier.urihttp://repositorio.usfq.edu.ec/handle/23000/12199-
dc.descriptionForecasting 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...es_ES
dc.description.abstractEl 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...es_ES
dc.format.extent30 h.es_ES
dc.language.isoenes_ES
dc.publisherQuitoes_ES
dc.rightsopenAccesses_ES
dc.rightsAtribución-NoComercial-SinDerivadas 3.0 Ecuador*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/ec/*
dc.subjectAprendizaje automático (Inteligencia artificial) - Investigaciones - Tesis y disertaciones académicases_ES
dc.subjectFinanzas - Innovaciones tecnológicases_ES
dc.subject.otherCienciases_ES
dc.subject.otherCienciases_ES
dc.titleMachine learning vs traditional statistical method: A comparison in demand forecasting for an agricultural companyes_ES
dc.typebachelorThesises_ES
Aparece en las colecciones: Tesis - Ingeniería Industrial

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
203767.pdfTexto completo785.46 kBAdobe PDFVista previa
Visualizar/Abrir
Mostrar el registro sencillo del ítem


Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons