Last chance: 50% off unlimited learning
Sale ends in
Kurs Açıklaması
Ürün talebini doğru tahmin etmek, bir şirketin pazarda bir adım önde olmasını sağlar. Talebi şekillendiren unsurları bilerek, ürünlerin etrafındaki davranışları daha iyi yönlendirebilirsin. Bu kurs, R kullanarak ürün talebini tahmin etme sürecinin kapılarını açıyor. Talebin önemli belirleyicilerini nasıl tespit edeceğini, mevsimselliği nasıl inceleyeceğini ve gerçek bir örnekten hareketle ürün hiyerarşisi için talep tahmini yapmayı öğreneceksin. Kursun sonunda, ABD’de bir eyaletin belirli bir bölgesindeki birden çok ürün için talep tahmini yapabileceksin. Ardından, aynı eyaletin farklı bölgelerindeki bu tahminleri birleştirerek eksiksiz bir hiyerarşik tahmin sistemi oluşturacaksın.
Ön Koşullar
Müfredat
Kurs planı
1
Zaman Serileri ile Talep Tahmini
Tahminleme söz konusu olduğunda, zaman serisi modellemesi harika bir başlangıç noktasıdır! Gelecekteki satış talebi değerlerini tahmin etmen gerekiyor ve iyi bir temel yaklaşım ARIMA modelleridir. Bu bölümde, ARIMA modellerini hızla nasıl uygulayacağını ve gelecekteki ürün talebi için sağlam ilk tahminler nasıl elde edeceğini öğreneceksin.
- Veriyi xts nesnesine yükleme50 XP
- Veri içe aktarma100 XP
- Veriyi çizmek / görselleştirmek100 XP
- ARIMA Zaman Serilerine Giriş50 XP
- auto.arima() fonksiyonu100 XP
- auto.arima’yı yorumla50 XP
- Tahmin ve Değerlendirme50 XP
- Forecast fonksiyonu100 XP
- MAPE ve MAE Hesaplama100 XP
- Tahmini Görselleştirme100 XP
- Tahmin için Güven Aralıkları100 XP
2
Talebin Bileşenleri
Ekonomi teorisi, talep değerlerini tahmin etme konusunda söyleyecek çok şeye sahiptir. Fiyat, mevsimsellik ve promosyon zamanlaması gibi dış etkenlerin ürün talebinin bazı yönlerini etkilediği açıktır. Bu bölümde, fiyat esnekliği modellerinin temellerini ve mevsimsellik ile promosyon zamanlaması etkenlerini ürün talebi tahminlerimize nasıl katacağımızı öğreneceksin.
3
Regresyonu Zaman Serileriyle Harmanlamak
Zaman serisi modelleri ve fiyatlandırma regresyonları, ürün talebi tahmini için ayrı yaklaşımlar olarak düşünülmek zorunda değil. Birleştirilebilirler! Bu bölümde, her iki modelleme yaklaşımından elde edilen bilgiyi “birleştirmenin” iki yolunu — transfer fonksiyonları ve tahmin toplulukları (ensembling) — öğreneceksin.
4
Hiyerarşik Tahminleme
Buraya kadar her şey, ürün talebini tahmin etmek için tekil modeller kurmakla ilgiliydi. Ancak, tüm bu ürünlerin bir satış ürün hiyerarşisi oluşturduğu gerçeğinden henüz yararlanmadık. Ürünler bölgeleri, bölgeler de eyaletleri oluşturur. Tahminlerimizin hiyerarşinin yukarı ve aşağı seviyeleriyle tutarlı olmasını nasıl sağlayabiliriz? Bu bölümde, hiyerarşik tahminlemeyi ve bunu ürün talebi tahmininde lehine nasıl kullanacağını öğreneceksin.
R
R ile Ürün Talebi Tahmini
Kurs
Tamamlandı
