کتاب پیش‌بینی تقاضا و مدیریت زنجیره تامین با یادگیری عمیق با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره پیش‌بینی تقاضا و مدیریت زنجیره تامین با یادگیری عمیق

موضوع کلی: هوش مصنوعی و مدل‌سازی اقتصادی

موضوع میانی: آموزش و توسعه مهارت

📋 سرفصل‌های دوره

• 1. مبانی پیش‌بینی تقاضا
• 2. مدل‌های سری زمانی در پیش‌بینی
• 3. روش‌های هموارسازی نمایی
• 4. تحلیل رگرسیون در پیش‌بینی تقاضا
• 5. ارزیابی دقت پیش‌بینی
• 6. مفاهیم زنجیره تامین
• 7. مدیریت موجودی: اصول اولیه
• 8. مدل‌های کمی مدیریت موجودی
• 9. مدل‌های اقتصادی سفارش‌دهی (EOQ)
• 10. سیستم‌های بازرسی موجودی
• 11. برنامه‌ریزی نیازمندی‌های مواد (MRP)
• 12. برنامه‌ریزی منابع بنگاه (ERP)
• 13. مدیریت حمل و نقل و توزیع
• 14. انتخاب روش حمل و نقل مناسب
• 15. بهینه‌سازی مسیرهای حمل و نقل
• 16. انبارداری و مدیریت انبار
• 17. مفاهیم یادگیری عمیق
• 18. شبکه‌های عصبی مصنوعی (ANN)
• 19. یادگیری نظارت شده
• 20. یادگیری بدون نظارت
• 21. یادگیری تقویتی
• 22. پیش‌پردازش داده‌ها برای یادگیری عمیق
• 23. معماری‌های شبکه عصبی برای پیش‌بینی سری زمانی
• 24. شبکه‌های عصبی بازگشتی (RNN)
• 25. شبکه‌های حافظه طولانی کوتاه‌مدت (LSTM)
• 26. شبکه‌های گیت‌دار بازگشتی (GRU)
• 27. پیش‌بینی تقاضا با LSTM
• 28. پیش‌بینی تقاضا با GRU
• 29. استفاده از شبکه‌های کانولوشنال (CNN) در پیش‌بینی تقاضا
• 30. مدل‌های پیش‌بینی تقاضا ترکیبی (Hybrid)
• 31. بهینه‌سازی پارامترهای شبکه‌های عصبی
• 32. اعتبارسنجی و ارزیابی مدل‌های یادگیری عمیق
• 33. مدیریت زنجیره تامین با استفاده از LSTM
• 34. پیش‌بینی تقاضا برای محصولات فصلی
• 35. مدیریت موجودی با استفاده از پیش‌بینی دقیق
• 36. بهینه‌سازی شبکه‌های توزیع با یادگیری عمیق
• 37. مدیریت ریسک در زنجیره تامین
• 38. تاثیر بلایای طبیعی بر زنجیره تامین
• 39. استفاده از یادگیری عمیق برای پیش‌بینی اختلالات زنجیره تامین
• 40. بهینه‌سازی قیمت‌گذاری با پیش‌بینی تقاضا
• 41. تحلیل حساسیت در پیش‌بینی تقاضا
• 42. استفاده از داده‌های بزرگ (Big Data) در پیش‌بینی تقاضا
• 43. اخلاق در استفاده از داده‌ها و یادگیری عمیق در زنجیره تامین
• 44. آینده یادگیری عمیق در زنجیره تامین
• 45. ابزارهای نرم‌افزاری پیش‌بینی تقاضا