Αυτή είναι μια φιλοξενούμενη ανάρτηση που συνυπογράφουν οι Nafi Ahmet Turgut, Mutlu Polatcan, Pınar Baki, Mehmet İkbal Özmen, Hasan Burak Yel και Hamza Akyıldız από το Getir.
έφερε είναι ο πρωτοπόρος της εξαιρετικά γρήγορης παράδοσης παντοπωλείου. Η εταιρεία τεχνολογίας έχει φέρει επανάσταση στην παράδοση του τελευταίου μιλίου με την πρόταση παράδοσης «παντοπωλεία σε λίγα λεπτά». Η Getir ιδρύθηκε το 2015 και δραστηριοποιείται στην Τουρκία, το Ηνωμένο Βασίλειο, την Ολλανδία, τη Γερμανία, τη Γαλλία, την Ισπανία, την Ιταλία, την Πορτογαλία και τις Ηνωμένες Πολιτείες. Σήμερα, η Getir είναι ένας όμιλος ετερογενών δραστηριοτήτων που ενσωματώνει εννέα εταιρείες με το ίδιο εμπορικό σήμα.
Η πρόβλεψη της μελλοντικής ζήτησης είναι μία από τις πιο σημαντικές πληροφορίες για την Getir και μία από τις μεγαλύτερες προκλήσεις που αντιμετωπίζουμε. Η Getir βασίζεται σε μεγάλο βαθμό σε ακριβείς προβλέψεις ζήτησης σε επίπεδο SKU όταν λαμβάνει επιχειρηματικές αποφάσεις σε ένα ευρύ φάσμα τομέων, συμπεριλαμβανομένου του μάρκετινγκ, της παραγωγής, της απογραφής και των οικονομικών. Απαιτούνται ακριβείς προβλέψεις για την υποστήριξη των αποφάσεων διατήρησης και αναπλήρωσης αποθεμάτων. Έχοντας μια σαφή και αξιόπιστη εικόνα της προβλεπόμενης ζήτησης για την επόμενη μέρα ή εβδομάδα, μας επιτρέπει να προσαρμόσουμε τη στρατηγική μας και να αυξήσουμε την ικανότητά μας να εκπληρώνουμε τους στόχους πωλήσεων και εσόδων.
Χρησιμοποιείται Getir Πρόβλεψη του Αμαζονίου, μια πλήρως διαχειριζόμενη υπηρεσία που χρησιμοποιεί αλγόριθμους μηχανικής μάθησης (ML) για να παρέχει εξαιρετικά ακριβείς προβλέψεις χρονοσειρών, να αυξήσει τα έσοδα κατά τέσσερα τοις εκατό και να μειώσει το κόστος αποβλήτων κατά 50 τοις εκατό. Σε αυτήν την ανάρτηση, περιγράφουμε πώς χρησιμοποιήσαμε το Forecast για να επιτύχουμε αυτά τα οφέλη. Περιγράφουμε πώς κατασκευάσαμε έναν αυτοματοποιημένο αγωγό πρόβλεψης ζήτησης χρησιμοποιώντας το Forecast και ενορχηστρώθηκε από Λειτουργίες βημάτων AWS για την πρόβλεψη της καθημερινής ζήτησης για SKU. Αυτή η λύση οδήγησε σε εξαιρετικά ακριβείς προβλέψεις για πάνω από 10,000 SKU σε όλες τις χώρες όπου δραστηριοποιούμαστε και συνέβαλε σημαντικά στην ικανότητά μας να αναπτύσσουμε διαδικασίες εσωτερικής αλυσίδας εφοδιασμού υψηλής κλιμάκωσης.
Η πρόβλεψη αυτοματοποιεί μεγάλο μέρος της διαδικασίας πρόβλεψης χρονοσειρών, επιτρέποντάς σας να εστιάσετε στην προετοιμασία των συνόλων δεδομένων σας και στην ερμηνεία των προβλέψεών σας.
Το Step Functions είναι μια πλήρως διαχειριζόμενη υπηρεσία που διευκολύνει τον συντονισμό των στοιχείων κατανεμημένων εφαρμογών και μικροϋπηρεσιών χρησιμοποιώντας οπτικές ροές εργασίας. Η δημιουργία εφαρμογών από μεμονωμένα στοιχεία που το καθένα εκτελεί μια ξεχωριστή λειτουργία σάς βοηθά να κλιμακώνεστε πιο εύκολα και να αλλάζετε εφαρμογές πιο γρήγορα. Το Step Functions ενεργοποιεί και παρακολουθεί αυτόματα κάθε βήμα και επαναλαμβάνει όταν υπάρχουν σφάλματα, ώστε η εφαρμογή σας να εκτελείται με τη σειρά και όπως αναμένεται.
Επισκόπηση λύσεων
Έξι άτομα από την ομάδα επιστήμης δεδομένων και την ομάδα υποδομής του Getir συνεργάστηκαν σε αυτό το έργο. Το έργο ολοκληρώθηκε σε 3 μήνες και μεταφέρθηκε στην παραγωγή μετά από 2 μήνες δοκιμών.
Το παρακάτω διάγραμμα δείχνει την αρχιτεκτονική της λύσης.
Ο αγωγός μοντέλου εκτελείται ξεχωριστά για κάθε χώρα. Η αρχιτεκτονική περιλαμβάνει τέσσερις εργασίες cron Airflow που εκτελούνται σε ένα καθορισμένο χρονοδιάγραμμα. Η διοχέτευση ξεκινά με τη δημιουργία χαρακτηριστικών που πρώτα δημιουργεί τα χαρακτηριστικά και τα φορτώνει Amazon RedShift. Στη συνέχεια, μια εργασία επεξεργασίας χαρακτηριστικών προετοιμάζει καθημερινές λειτουργίες που είναι αποθηκευμένες στο Amazon Redshift και εκφορτώνει τα δεδομένα χρονοσειράς σε αυτά Απλή υπηρεσία αποθήκευσης Amazon (Amazon S3). Μια δεύτερη εργασία ροής αέρα είναι υπεύθυνη για την ενεργοποίηση του αγωγού Forecast μέσω Amazon EventBridge. Ο αγωγός αποτελείται από λειτουργίες Amazon Lambda, οι οποίες δημιουργούν προγνωστικούς παράγοντες και προβλέψεις με βάση τις παραμέτρους που είναι αποθηκευμένες στο Amazon S3. Το Forecast διαβάζει δεδομένα από το Amazon S3, εκπαιδεύει το μοντέλο με βελτιστοποίηση υπερπαραμέτρων (HPO) για τη βελτιστοποίηση της απόδοσης του μοντέλου και παράγει μελλοντικές προβλέψεις για τις πωλήσεις προϊόντων. Στη συνέχεια, ενεργοποιείται ο αγωγός "WaitInProgress" του Step Functions για κάθε χώρα, ο οποίος επιτρέπει την παράλληλη εκτέλεση ενός αγωγού για κάθε χώρα.
Επιλογή αλγορίθμου
Το Amazon Forecast έχει έξι ενσωματωμένους αλγόριθμους (ΑΡΙΜΑ, ETS, NPTS, Προφήτης, DeepAR +, CNN-QR), οι οποίες ομαδοποιούνται σε δύο ομάδες: στατιστικό και βαθύ/νευρωνικό δίκτυο. Μεταξύ αυτών των αλγορίθμων, τα βαθιά/νευρωνικά δίκτυα είναι πιο κατάλληλα για προβλήματα πρόβλεψης ηλεκτρονικού εμπορίου, καθώς δέχονται χαρακτηριστικά μεταδεδομένων στοιχείων, προοπτικές λειτουργίες για δραστηριότητες καμπάνιας και μάρκετινγκ και – το πιο σημαντικό – σχετικές λειτουργίες χρονοσειρών. Οι αλγόριθμοι βαθιάς/νευρωνικών δικτύων αποδίδουν επίσης πολύ καλά σε αραιό σύνολο δεδομένων και σε σενάρια ψυχρής εκκίνησης (εισαγωγή νέου στοιχείου).
Συνολικά, στους πειραματισμούς μας, παρατηρήσαμε ότι τα μοντέλα βαθέων/νευρωνικών δικτύων απέδωσαν σημαντικά καλύτερα από τα στατιστικά μοντέλα. Ως εκ τούτου, εστιάσαμε τις δοκιμές βαθιάς κατάδυσης στο DeepAR+ και το CNN-QR
Ένα από τα πιο σημαντικά οφέλη του Amazon Forecast είναι η επεκτασιμότητα και τα ακριβή αποτελέσματα για πολλούς συνδυασμούς προϊόντων και χωρών. Στις δοκιμές μας, τόσο οι αλγόριθμοι DeepAR+ όσο και CNN-QR έφεραν επιτυχία στην καταγραφή των τάσεων και της εποχικότητας, επιτρέποντάς μας να έχουμε αποτελεσματικά αποτελέσματα σε προϊόντα των οποίων η ζήτηση αλλάζει πολύ συχνά.
Το Deep AutoRegressive Plus (DeepAR+) είναι ένας εποπτευόμενος αλγόριθμος πρόβλεψης μονομεταβλητών που βασίζεται σε επαναλαμβανόμενα νευρωνικά δίκτυα (RNN) που δημιουργήθηκε από Έρευνα Amazon. Τα κύρια πλεονεκτήματά του είναι ότι είναι εύκολα επεκτάσιμο, ικανό να ενσωματώνει σχετικές συν-μεταβλητές στα δεδομένα (όπως σχετικά δεδομένα και μεταδεδομένα) και μπορεί να προβλέπει στοιχεία ψυχρής εκκίνησης. Αντί να τοποθετεί ξεχωριστά μοντέλα για κάθε χρονοσειρά, δημιουργεί ένα παγκόσμιο μοντέλο από σχετικές χρονοσειρές για να χειρίζεται ευρέως μεταβαλλόμενες κλίμακες μέσω επανακλιμάκωσης και δειγματοληψίας με βάση την ταχύτητα. Η αρχιτεκτονική RNN ενσωματώνει τη διωνυμική πιθανότητα να παράγει πιθανοτικές προβλέψεις και προτείνεται να ξεπερνά τις παραδοσιακές μεθόδους πρόβλεψης ενός στοιχείου (όπως ο Prophet) από τους συγγραφείς του DeepAR: Πιθανοτική πρόβλεψη με αυτοπαλινδρομικά επαναλαμβανόμενα δίκτυα.
Επιλέξαμε τελικά το Amazon CNN-QR Αλγόριθμος (Convolutional Neural Network – Quantile Regression) για την πρόβλεψή μας λόγω της υψηλής απόδοσης του στη διαδικασία backtest. Το CNN-QR είναι ένας ιδιόκτητος αλγόριθμος ML που αναπτύχθηκε από την Amazon για την πρόβλεψη κλιμακωτών (μονοδιάστατων) χρονοσειρών χρησιμοποιώντας αιτιακά συνελικτικά νευρωνικά δίκτυα (CNN).
Όπως αναφέρθηκε προηγουμένως, το CNN-QR μπορεί να χρησιμοποιήσει σχετικές χρονοσειρές και μεταδεδομένα για τα στοιχεία που προβλέπονται. Τα μεταδεδομένα πρέπει να περιλαμβάνουν μια καταχώριση για όλα τα μοναδικά στοιχεία της χρονοσειράς-στόχου, τα οποία στην περίπτωσή μας είναι τα προϊόντα των οποίων η ζήτηση προβλέπουμε. Για να βελτιώσουμε την ακρίβεια, χρησιμοποιήσαμε μεταδεδομένα κατηγορίας και υποκατηγορίας, τα οποία βοήθησαν το μοντέλο να κατανοήσει τη σχέση μεταξύ ορισμένων προϊόντων, συμπεριλαμβανομένων των συμπληρωματικών και των υποκατάστατων. Για παράδειγμα, για τα ποτά, παρέχουμε μια πρόσθετη σημαία για σνακ, καθώς οι δύο κατηγορίες είναι συμπληρωματικές μεταξύ τους.
Ένα σημαντικό πλεονέκτημα του CNN-QR είναι η ικανότητά του να κάνει πρόβλεψη χωρίς μελλοντικές σχετικές χρονοσειρές, κάτι που είναι σημαντικό όταν δεν μπορείτε να παρέχετε σχετικές δυνατότητες για το παράθυρο πρόβλεψης. Αυτή η δυνατότητα, μαζί με την ακρίβειά της πρόβλεψης, σήμαινε ότι το CNN-QR παρήγαγε τα καλύτερα αποτελέσματα με τα δεδομένα και την περίπτωση χρήσης μας.
Έξοδος πρόβλεψης
Οι προβλέψεις που δημιουργούνται μέσω του συστήματος γράφονται σε ξεχωριστούς κάδους S3 αφού ληφθούν σε βάση χώρας. Στη συνέχεια, οι προβλέψεις γράφονται στο Amazon Redshift με βάση το SKU και τη χώρα με καθημερινές εργασίες. Στη συνέχεια πραγματοποιούμε καθημερινό προγραμματισμό αποθεμάτων προϊόντων με βάση τις προβλέψεις μας.
Σε συνεχή βάση, υπολογίζουμε τους μέσους λόγους απόλυτου ποσοστού σφάλματος (MAPE) με δεδομένα που βασίζονται σε προϊόντα και βελτιστοποιούμε τις διαδικασίες απορρόφησης μοντέλων και χαρακτηριστικών.
Συμπέρασμα
Σε αυτήν την ανάρτηση, περπατήσαμε μέσα από έναν αυτοματοποιημένο αγωγό πρόβλεψης ζήτησης που κατασκευάσαμε χρησιμοποιώντας τις λειτουργίες Amazon Forecast και AWS Step.
Με το Amazon Forecast βελτιώσαμε το MAPE για τη χώρα μας κατά 10 τοις εκατό. Αυτό οδήγησε σε αύξηση εσόδων 50 τοις εκατό και μείωσε το κόστος των απορριμμάτων μας κατά 80 τοις εκατό. Επιπλέον, πετύχαμε 10,000 τοις εκατό βελτίωση στους χρόνους προπόνησής μας στις ημερήσιες προβλέψεις όσον αφορά την επεκτασιμότητα. Είμαστε σε θέση να προβλέπουμε πάνω από XNUMX SKU καθημερινά σε όλες τις χώρες που εξυπηρετούμε.
Για περισσότερες πληροφορίες σχετικά με το πώς να ξεκινήσετε την κατασκευή των δικών σας αγωγών με το Forecast, δείτε Πόροι Amazon Forecast. Μπορείτε επίσης να επισκεφθείτε Λειτουργίες βημάτων AWS για να λάβετε περισσότερες πληροφορίες σχετικά με τον τρόπο δημιουργίας αυτοματοποιημένων διαδικασιών και ενορχήστρωσης και δημιουργίας αγωγών ML. Καλή πρόβλεψη και ξεκινήστε να βελτιώνετε την επιχείρησή σας σήμερα!
Σχετικά με τους Συγγραφείς
Nafi Ahmet Turgut ολοκλήρωσε το μεταπτυχιακό του στην Ηλεκτρολόγος & Ηλεκτρονική Μηχανική και εργάστηκε ως πτυχιούχος ερευνητής. Η εστίασή του ήταν η κατασκευή αλγορίθμων μηχανικής μάθησης για την προσομοίωση ανωμαλιών του νευρικού δικτύου. Εντάχθηκε στην Getir το 2019 και επί του παρόντος εργάζεται ως Senior Data Science & Analytics Manager. Η ομάδα του είναι υπεύθυνη για το σχεδιασμό, την υλοποίηση και τη διατήρηση αλγορίθμων μηχανικής εκμάθησης από άκρο σε άκρο και λύσεων που βασίζονται σε δεδομένα για το Getir.
Mutlu Polatcan είναι Μηχανικός Προσωπικών Δεδομένων στο Getir, που ειδικεύεται στο σχεδιασμό και την κατασκευή πλατφορμών δεδομένων εγγενών στο cloud. Του αρέσει να συνδυάζει έργα ανοιχτού κώδικα με υπηρεσίες cloud.
Πινάρ Μπακί έλαβε το μεταπτυχιακό της από το Τμήμα Μηχανικών Υπολογιστών στο Πανεπιστήμιο Boğaziçi. Εργάστηκε ως επιστήμονας δεδομένων στο Arcelik, εστιάζοντας σε μοντέλα συστάσεων ανταλλακτικών και ανάλυση ηλικίας, φύλου, συναισθημάτων από δεδομένα ομιλίας. Στη συνέχεια εντάχθηκε στην Getir το 2022 ως Ανώτερη Επιστήμονας Δεδομένων που εργάζεται σε έργα προβλέψεων και μηχανών αναζήτησης.
Mehmet İkbal Özmen έλαβε το Μεταπτυχιακό του Δίπλωμα στα Οικονομικά και εργάστηκε ως Μεταπτυχιακός Βοηθός Έρευνας. Η ερευνητική του περιοχή ήταν κυρίως μοντέλα οικονομικών χρονοσειρών, προσομοιώσεις Markov και πρόβλεψη ύφεσης. Στη συνέχεια εντάχθηκε στην Getir το 2019 και επί του παρόντος εργάζεται ως Data Science & Analytics Manager. Η ομάδα του είναι υπεύθυνη για τους αλγόριθμους βελτιστοποίησης και πρόβλεψης για την επίλυση των πολύπλοκων προβλημάτων που αντιμετωπίζουν οι επιχειρήσεις λειτουργίας και εφοδιαστικής αλυσίδας.
Χασάν Μπουράκ Γελ έλαβε το πτυχίο του στον Ηλεκτρολόγο & Ηλεκτρονικό Μηχανικό στο Πανεπιστήμιο Boğaziçi. Εργάστηκε στην Turkcell, εστιάζοντας κυρίως στην πρόβλεψη χρονοσειρών, την οπτικοποίηση δεδομένων και την αυτοματοποίηση δικτύου. Εντάχθηκε στην Getir το 2021 και επί του παρόντος εργάζεται ως Επικεφαλής Επιστήμονας Δεδομένων με ευθύνη της Μηχανής Αναζήτησης & Συστάσεων και των Μοντέλων Συμπεριφοράς Πελατών.
Hamza Akyıldız έλαβε το πτυχίο Μαθηματικών και Μηχανικού Υπολογιστών στο Πανεπιστήμιο Boğaziçi. Εστιάζει στη βελτιστοποίηση των αλγορίθμων μηχανικής μάθησης με το μαθηματικό τους υπόβαθρο. Έγινε μέλος της Getir το 2021 και εργάζεται ως Επιστήμονας Δεδομένων. Έχει εργαστεί σε έργα που σχετίζονται με την Εξατομίκευση και την Εφοδιαστική Αλυσίδα.
Esra Kayabalı είναι Senior Solutions Architect στην AWS, που ειδικεύεται στον τομέα ανάλυσης, συμπεριλαμβανομένης της αποθήκευσης δεδομένων, των λιμνών δεδομένων, της ανάλυσης μεγάλων δεδομένων, της ροής δεδομένων ομαδικής και σε πραγματικό χρόνο και της ενοποίησης δεδομένων. Έχει 12 χρόνια εμπειρία στην ανάπτυξη λογισμικού και στην αρχιτεκτονική. Είναι παθιασμένη με τη μάθηση και τη διδασκαλία τεχνολογιών cloud.
- SEO Powered Content & PR Distribution. Ενισχύστε σήμερα.
- PlatoAiStream. Web3 Data Intelligence. Ενισχύθηκε η γνώση. Πρόσβαση εδώ.
- Minting the Future με την Adryenn Ashley. Πρόσβαση εδώ.
- Αγορά και πώληση μετοχών σε εταιρείες PRE-IPO με το PREIPO®. Πρόσβαση εδώ.
- πηγή: https://aws.amazon.com/blogs/machine-learning/demand-forecasting-at-getir-built-with-amazon-forecast/
- :έχει
- :είναι
- :που
- 000
- 10
- 100
- 12
- 2015
- 2019
- 2021
- 2022
- 50
- 7
- a
- ικανότητα
- Ικανός
- Σχετικα
- Απόλυτος
- Αποδέχομαι
- ακρίβεια
- ακριβής
- Κατορθώνω
- επιτευχθεί
- απέναντι
- δραστηριοτήτων
- Επιπλέον
- Πρόσθετος
- Πλεονέκτημα
- πλεονεκτήματα
- Μετά το
- την ηλικία του
- αλγόριθμος
- αλγόριθμοι
- Όλα
- Επιτρέποντας
- επιτρέπει
- κατά μήκος
- Επίσης
- Amazon
- Πρόβλεψη του Αμαζονίου
- Amazon RedShift
- Amazon υπηρεσίες Web
- μεταξύ των
- an
- ανάλυση
- analytics
- και
- και την υποδομή
- Εφαρμογή
- εφαρμογές
- αρχιτεκτονική
- ΕΙΝΑΙ
- ΠΕΡΙΟΧΗ
- περιοχές
- AS
- Βοηθός
- At
- συγγραφείς
- Αυτοματοποιημένη
- αυτοκίνητα
- αυτομάτως
- Αυτοματοποίηση
- AWS
- Λειτουργίες βημάτων AWS
- φόντο
- Backtest
- βασίζονται
- βάση
- ήταν
- είναι
- οφέλη
- ΚΑΛΎΤΕΡΟΣ
- Καλύτερα
- μεταξύ
- Μεγάλος
- Big Data
- Μεγαλύτερη
- και οι δύο
- μάρκα
- Έφερε
- χτίζω
- Κτίριο
- χτισμένο
- ενσωματωμένο
- επιχείρηση
- επιχειρήσεις
- by
- υπολογίσει
- Εκστρατεία
- CAN
- Καταγραφή
- κουβαλάω
- περίπτωση
- κατηγορίες
- κατηγορία
- ορισμένες
- αλυσίδα
- προκλήσεις
- αλλαγή
- Αλλαγές
- καθαρός
- Backup
- υπηρεσίες cloud
- συνδυασμοί
- συνδυάζοντας
- εταίρα
- συμπληρωματικός
- Ολοκληρώθηκε το
- συγκρότημα
- εξαρτήματα
- υπολογιστή
- Μηχανικός ηλεκτρονικών υπολογιστών
- συσφαιρώνω
- συνέβαλε
- συντεταγμένη
- Κόστος
- Δικαστικά έξοδα
- χώρες
- χώρα
- ανά χώρα
- δημιουργία
- δημιουργήθηκε
- δημιουργεί
- δημιουργία
- Τη στιγμή
- πελάτης
- συμπεριφορά πελατών
- καθημερινά
- ημερομηνία
- Δεδομένα Analytics
- επιστημονικά δεδομένα
- επιστήμονας δεδομένων
- σύνολο δεδομένων
- οπτικοποίηση δεδομένων
- βασίζονται σε δεδομένα
- σύνολα δεδομένων
- ημέρα
- αποφάσεις
- ορίζεται
- Πτυχίο
- παραδώσει
- διανομή
- Ζήτηση
- Πρόβλεψη ζήτησης
- Τμήμα
- αναπτυχθεί
- περιγράφουν
- σχέδιο
- ανάπτυξη
- αναπτύχθηκε
- Ανάπτυξη
- διανέμονται
- τομέα
- οδηγείται
- δυο
- e-commerce
- κάθε
- ευκολότερη
- εύκολα
- Οικονομικός
- Οικονομικά
- αποτελεσματικός
- Ηλεκτρονική
- δίνει τη δυνατότητα
- ενεργοποίηση
- από άκρη σε άκρη
- Κινητήρας
- μηχανικός
- Μηχανική
- καταχώριση
- σφάλμα
- λάθη
- παράδειγμα
- Εκτελεί
- εκτέλεση
- αναμένεται
- εμπειρία
- έμπειρος
- Πρόσωπο
- Χαρακτηριστικό
- Χαρακτηριστικά
- χρηματοδότηση
- Όνομα
- προσαρμογή
- Συγκέντρωση
- επικεντρώθηκε
- εστιάζει
- εστιάζοντας
- Εξής
- Για
- Πρόβλεψη
- προβλέψεις
- μελλοντικά
- Ίδρυση
- τέσσερα
- Γαλλία
- συχνά
- από
- πλήρως
- λειτουργία
- λειτουργίες
- μελλοντικός
- Φύλο
- Germany
- παίρνω
- Παγκόσμιο
- Στόχοι
- αποφοιτήσουν
- Ομάδα
- Επισκέπτης
- Κείμενο
- λαβή
- ευτυχισμένος
- που έχει
- he
- βαριά
- βοήθησε
- βοηθά
- αυτήν
- Ψηλά
- υψηλά
- του
- κράτημα
- Πως
- Πώς να
- HTML
- HTTPS
- Βελτιστοποίηση υπερπαραμέτρων
- εκτελεστικών
- σημαντικό
- βελτίωση
- βελτιωθεί
- βελτίωση
- βελτίωση
- in
- περιλαμβάνουν
- περιλαμβάνει
- Συμπεριλαμβανομένου
- ενσωματώνω
- ενσωματώνοντας
- Αυξάνουν
- ατομικές
- πληροφορίες
- Υποδομή
- ιδέες
- αντί
- ολοκλήρωση
- εσωτερικός
- σε
- Εισαγωγή
- απογραφή
- IT
- Ιταλία
- αντικειμένων
- ΤΟΥ
- Δουλειά
- Θέσεις εργασίας
- εντάχθηκαν
- jpg
- οδηγήσει
- μάθηση
- Led
- Επίπεδο
- Μου αρέσει
- φορτία
- αγαπά
- μηχανή
- μάθηση μηχανής
- Κυρίως
- κυρίως
- Η διατήρηση
- ΚΑΝΕΙ
- Κατασκευή
- διαχειρίζεται
- διευθυντής
- πολοί
- Μάρκετινγκ
- κύριοι
- μαθηματικός
- μαθηματικά
- εννοώ
- σήμαινε
- Γνωρίστε
- που αναφέρθηκαν
- Μεταδεδομένα
- μέθοδοι
- μικροεπιχειρήσεις
- ML
- μοντέλο
- μοντέλα
- μήνες
- περισσότερο
- πλέον
- πολύ
- πρέπει
- απαραίτητος
- Ολλανδία
- δίκτυο
- δίκτυα
- νευρικό σύστημα
- νευρωνικά δίκτυα
- Νέα
- επόμενη
- αποκτήσει
- of
- on
- ONE
- συνεχή
- ανοικτού κώδικα
- λειτουργούν
- λειτουργεί
- λειτουργία
- βελτιστοποίηση
- Βελτιστοποίηση
- βελτιστοποίηση
- or
- ενορχηστρωμένη
- τάξη
- ΑΛΛΑ
- δικός μας
- έξω
- περίγραμμα
- Ξεπερνώ
- επί
- δική
- Παράλληλο
- παράμετροι
- παθιασμένος
- People
- τοις εκατό
- ποσοστό
- Εκτελέστε
- επίδοση
- εξατομίκευση
- εικόνα
- πρωτοπόρος
- αγωγού
- σχεδιασμό
- Πλατφόρμες
- Πλάτων
- Πληροφορία δεδομένων Plato
- Πλάτωνα δεδομένα
- συν
- Πορτογαλία
- Θέση
- προβλέψει
- προβλεπόμενη
- Προβλέψεις
- Ετοιμάζεται
- προετοιμασία
- προηγουμένως
- προβλήματα
- διαδικασια μας
- Διεργασίες
- μεταποίηση
- παράγει
- Παράγεται
- Προϊόν
- παραγωγή
- Προϊόντα
- σχέδιο
- έργα
- πρόταση
- ιδιόκτητο
- παρέχουν
- γρήγορα
- σειρά
- σε πραγματικό χρόνο
- δεδομένα σε πραγματικό χρόνο
- έλαβε
- ύφεση
- Σύσταση
- μείωση
- μειώνω τα απόβλητα
- σχετίζεται με
- σχέση
- αξιόπιστος
- έρευνα
- ευθύνη
- υπεύθυνος
- Αποτελέσματα
- έσοδα
- επανάσταση
- τρέξιμο
- εμπορικός
- ίδιο
- Απεριόριστες δυνατότητες
- επεκτάσιμη
- Κλίμακα
- Ζυγός
- σενάρια
- πρόγραμμα
- Επιστήμη
- Επιστήμονας
- Αναζήτηση
- μηχανή αναζήτησης
- Δεύτερος
- δείτε
- επιλέγονται
- αρχαιότερος
- ξεχωριστό
- Σειρές
- εξυπηρετούν
- υπηρεσία
- Υπηρεσίες
- σειρά
- αυτή
- Δείχνει
- σημαντικός
- σημαντικά
- Απλούς
- αφού
- ΕΞΙ
- σνακ
- So
- λογισμικό
- ανάπτυξη λογισμικού
- λύση
- Λύσεις
- SOLVE
- Ισπανία
- ειδικευμένη
- ομιλία
- Προσωπικό
- Εκκίνηση
- ξεκίνησε
- ξεκινά
- Μελών
- στατιστικός
- Βήμα
- στοκ
- χώρος στο δίσκο
- αποθηκεύονται
- Στρατηγική
- ροής
- επιτυχία
- τέτοιος
- κατάλληλος
- προμήθεια
- αλυσίδας εφοδιασμού
- Στήριξη
- σύστημα
- στόχος
- Διδασκαλία
- tech
- Τεχνολογία Εταιρεία
- Τεχνολογίες
- όροι
- Δοκιμές
- από
- ότι
- Η
- Κάτω Χώρες
- το Ηνωμένο Βασίλειο
- τους
- Τους
- τότε
- Εκεί.
- επομένως
- Αυτοί
- αυτοί
- αυτό
- εκείνοι
- Μέσω
- ώρα
- Χρονική σειρά
- φορές
- προς την
- σήμερα
- μαζι
- παραδοσιακός
- Εκπαίδευση
- τρένα
- Τάσεις
- ενεργοποιήθηκε
- ενεργοποίηση
- Turkey
- δύο
- Uk
- τελικά
- υπό
- καταλαβαίνω
- μοναδικός
- Ενωμένος
- United States
- πανεπιστήμιο
- us
- χρήση
- περίπτωση χρήσης
- μεταχειρισμένος
- χρησιμοποιώντας
- κατακόρυφα
- πολύ
- μέσω
- Επίσκεψη
- οραματισμός
- περπάτησε
- ήταν
- Απόβλητα
- we
- ιστός
- διαδικτυακές υπηρεσίες
- εβδομάδα
- ΛΟΙΠΌΝ
- πότε
- Ποιό
- του οποίου
- ευρύς
- Ευρύ φάσμα
- με
- χωρίς
- εργάστηκαν
- ροές εργασίας
- εργαζόμενος
- λειτουργεί
- γραπτή
- χρόνια
- Εσείς
- Σας
- zephyrnet