نمونه کار پیشبینی تقاضای محصولات با مدل های دیپلرنینگ

پروژه، پایان‌نامه کارشناسی ارشدم هستش. یک سیستم هوشمند برای پیش‌بینی تقاضای محصولات با دقت 97.69% طراحی کردم. این سیستم به کسب و کارها کمک میکنه تا به اندازه، اجناسشون رو تهییه کنند. جوری که نه هزینه‌های انبارداری بالا بره نه محصول کم بیاد. کاری که کردم: پنج مدل یادگیری عمیق (LSTM, GRU, CNN و مدل‌های هیبریدیشان) را به صورت جداگانه آموزش داده و سپس با یک روش پیشرفته ریاضی به نام تئوری دمپستر-شافر خروجی آن‌ها را ادغام کردم. این روش نوآورانه، خطای پیش‌بینی را به حداقل رسانده و سطح اطمینان (AUC: 0.9961) را به حداکثر می‌رساند. مهارت‌های به‌کاررفته: Python، TensorFlow/Keras، Pandas، Scikit-learn، پیاده‌سازی تئوری دمپستر-شافر، مهندسی داده، پیش‌پردازش حرفه‌ای و طراحی معماری‌های هیبریدی یادگیری عمیق.