افزایش دقت پیش بینی در تجزیه و تحلیل تجاری با استفاده از الگوریتم های گرادیانافزایشی و یادگیری عمیق

اقتصاد دیجیتال در عصر جهانی شکل گرفته که با سرعت بسیار بالای خود، نیازمندی های جدیدی را برجای گذاشته است. در این زمینه، استفاده از تصمیم گیری مبتنی بر داده و بهره گیری از هوش مصنوعیو یادگیری ماشین امری ضروری به شمار میآید. یادگیری عمیق از مزایای بسیاری برخوردار است، اما درعین حال با محدودیت هایی روبه رو است که تا کنون باعث انتقال گسترده ای در حوزه تجزیه و تحلیلتجاری نشده است. در این مقاله، دلایلی که باعث مواجهه یادگیری عمیق با مشکلات در پذیرش صنعتیآن می شود، تشریح شده است. این بررسی نشان می دهد که علاوه بر پیچیدگی محاسباتی، فقدانمعماری کلان داده و عدم شفافیت مدل های یادگیری عمیق، کمبود مهارت و تعهد رهبران نیز در اینمسیر تاثیرگذار هستند. همچنین این بحث نشان میدهد که یادگیری عمیق نمیتواند به عنوانجایگزینی بهتر برای یادگیری ماشین سنتی عمل کند، زیرا مدلهای عمیق در مواجهه با مجموعهدادههای ساختیافته با بردارهای ویژگی ثابت قابلیت عملکرد بهینه را ندارند. بنابراین، بهتر استیادگیری عمیق به عنوان یک افزودنی قدرتمند به مدل های یادگیری ماشین موجود مورد توجه قرارگیرد و به عنوان یک راه حل "یک اندازه متناسب با همه" مورد استفاده قرار گیرد. نتایج مطالعات نشانمیدهند که افزایش گرادیان به عنوان یک حالت پیش بینی در تجزیه و تحلیل تجاری مجموعه داده هایساختیافته مورد استفاده قرار می گیرد. در این مقاله، علاوه بر مطالعات تجربی در سه حوزه صنعتی،نتایج به دست آمده، مفاهیم کاربردی و یک نقشه راه برای تحقیقات آینده به طور جامع بررسی شدهاست

کلیدواژه ها:

هوش مصنوعی ، یادگیری ماشین ، استراتژی دیجیتال ، تصمیم گیری مبتنی بر داده