| Summary: | Στην επόμενη δεκαετία θα δουμε μια τεράστια αύξηση της παραγωγικότητας των επιχειρήσεων καθώς οι εταιρείες αυτοματοποιούν εργασίες που είναι σημαντικές, αλλά χρονοβόρες για τον άνθρωπο. Παραδείγματα τέτοιων εργασιών περιλαμβάνουν την έγκριση παραγγελιών αγοράς, την αξιολόγηση των μη σταθερών πελατών, τον εντοπισμό αιτημάτων υποστήριξης που πρέπει να εξεταστούν άμεσα, τον έλεγχο τιμολογίων από προμηθευτές και την πρόβλεψη λειτουργικών απαιτήσεων, όπως η κατανάλωση ενέργειας. Η παρούσα διπλωματική εργασία εξετάζει γιατί υπάρχει αυτή η τάση και τον ρόλο της μηχανικής μάθησης στη δημιουργία του μεγάλου αυτού κύματος. Κατά κύριο λόγο, παρουσιάζεται η εφαρμογή αλγορίθμων μηχανικής μάθησης σε διαφορετικά επιχειρηματικά σενάρια χρησιμοποιώντας τη γλώσσα προγραμματισμού Python, η ερμηνεία των αποτελεσμάτων κάθε αλγορίθμου και η σύγκριση μεταξύ τους για την επιλογή του βέλτιστου. Επίσης, τα αποτελέσματα θα οπτικοποιηθούν μέσω γραφημάτων στην Python, όπως γραφήματα διασποράς και παλινδρόμησης, τα οποία θα είναι χρήσιμα στην ανάλυση. Το ζήτημα αυτό καθίσταται επίκαιρο καθώς οι εταιρείες που δεν είναι σε θέση να προσαρμοστούν και να ανταπεξέλθουν στις νέες απαιτήσεις της αγοράς θα βρεθούν γρήγορα ξεπερασμένες από τους ανταγωνιστές τους.
|
|---|
