prikaz prve stranice dokumenta Planiranje potražnje uz pomoć strojnog učenja
  Preuzmi
PDF 1.66 MB
diplomski rad
Planiranje potražnje uz pomoć strojnog učenja
Zagreb: Sveučilište u Zagrebu, Fakultet prometnih znanosti, 2020. urn:nbn:hr:119:335677
Matijević, Marija
Sveučilište u Zagrebu
Fakultet prometnih znanosti
Inteligentni transportni sustavi i logistika
Zavod za transportnu logistiku

Institucijski repozitorij: Repozitorij Fakulteta prometnih znanosti

Citirajte ovaj rad

Matijević, M. (2020). Planiranje potražnje uz pomoć strojnog učenja (Diplomski rad). Zagreb: Sveučilište u Zagrebu, Fakultet prometnih znanosti. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:119:335677

Matijević, Marija. "Planiranje potražnje uz pomoć strojnog učenja." Diplomski rad, Sveučilište u Zagrebu, Fakultet prometnih znanosti, 2020. https://urn.nsk.hr/urn:nbn:hr:119:335677

Matijević, Marija. "Planiranje potražnje uz pomoć strojnog učenja." Diplomski rad, Sveučilište u Zagrebu, Fakultet prometnih znanosti, 2020. https://urn.nsk.hr/urn:nbn:hr:119:335677

Matijević, M. (2020). 'Planiranje potražnje uz pomoć strojnog učenja', Diplomski rad, Sveučilište u Zagrebu, Fakultet prometnih znanosti, citirano: 26.11.2024., https://urn.nsk.hr/urn:nbn:hr:119:335677

Matijević M. Planiranje potražnje uz pomoć strojnog učenja [Diplomski rad]. Zagreb: Sveučilište u Zagrebu, Fakultet prometnih znanosti; 2020 [pristupljeno 26.11.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:119:335677

M. Matijević, "Planiranje potražnje uz pomoć strojnog učenja", Diplomski rad, Sveučilište u Zagrebu, Fakultet prometnih znanosti, Zagreb, 2020. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:119:335677

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:119:335677
Podaci o radu
NaslovPlaniranje potražnje uz pomoć strojnog učenja
Naslov (engleski)Demand Forecasting using Machine Learning
AutorMarija Matijević
MentorKristijan Rogić (mentor)
Član povjerenstvaRatko Stanković (predsjednik povjerenstva)
Član povjerenstvaDarko Babić (član povjerenstva)
Član povjerenstvaIvona Bajor (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Zagrebu
Fakultet prometnih znanosti
(Inteligentni transportni sustavi i logistika)
(Zavod za transportnu logistiku)
Zagreb
Datum i država obrane2020-09-24, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Tehnologija prometa i transport
Inteligentni transportni sustavi i logistika
Sažetak
Visoka učinkovitost opskrbnog lanca može se postići primjenom odgovarajućih metoda za dugoročno predviđanje prognoze. Klasične metode prognoze jednostavne su u svome izračunu, ali njihova točnost zna biti na nezavidnoj razini. Stoga su metode strojnog učenja dobra prilika za poboljšanje ovoga polja. Ovaj rad donosi usporedbu prognoze potražnje klasičnom metodom sezonalnog autoregresivnog integriranog pomičnog prosjeka s vanjskim varijablama te metodama strojnog učenja, metoda slučajne šume i metoda umjetne neuronske mreže.
Sažetak (engleski)
High efficiency of the supply chain can be attained by applying the bestperforming methods for long term forecasting. Traditional forecasting methods are easy to implement and compute but their accuracy can be lackluster. Therefore, methods that implement machine learning are a great way to improve this field. This paper compares forecast results using three methods, one of them is a classic method of the autoregressive integrated moving average with external variables, the other two methods are machine learning methods, random forest regression, and artificial neural networks.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:119:335677
Studijski programNaziv: Inteligentni transportni sustavi i logistika
Vrsta studija: sveučilišni
Stupanj studija: diplomski
Akademski / stručni naziv: magistar/magistra inženjer/inženjerka prometa (mag. ing. traff.)
Vrsta resursaTekst
Način izrade datotekeIzvorno digitalna
Prava pristupaOtvoreni pristup
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Datum i vrijeme pohrane2020-11-27 13:02:32