Статьи на тему "ИИ и машинное обучение"
На реальных данных торговых компаний нейросети выигрывают у статистических и вероятностных методов далеко не везде: в экспериментах преимущество получалось лишь по 4-6% товаров. ИИ и машинное обучение требуют длинных однородных рядов и стабильных условий, а в закупках спрос рваный, история короткая, промо и дефициты постоянно ломают картину.
Раздел собран из практических разборов, а не из обещаний: почему компания отказалась от нейросетей в прогнозировании и где они всё-таки полезны, чем «предсказание» у прогнозистов отличается от предсказания у Data Science, сколько данных нужно моделям и почему их сложно интерпретировать. Есть материалы о трёх типах ИИ, которые путают, о границе между человеком и программой в ритейле и о попытке написать систему управления запасами с помощью ИИ.
Искусственный интеллект в закупках и управлении запасами: где ИИ помогает закупщику, а где мешает
Шесть живых кейсов применения ИИ в закупках и управлении запасами — с инструментами и цифрами (категоризация...
Можно ли написать систему управления запасами с помощью ИИ?
Искусственный интеллект развивается стремительно: пишет код, собирает аналитику, запускает агентов выполнять задачи,...
Что умеет ИИ в прогнозировании — и чего нет
ИИ в прогнозировании спроса: мифы и реальность. Разбираемся, какие виды нейронных сетей существуют и для чего их...
Почему вероятностные алгоритмы эффективнее нейросетей в...
Почему мы отказались от нейросетей и стали использовать вероятностные алгоритмы для прогнозирования товарных запасов
Подписывайтесь на нашу экспертную рассылку по логистике
и показать Forecast NOW! в деле
