28755

داشبورد براي برنامه هاي نظارت بر عملكرد در هوش تجاري

كارشناسي ارشد

مهندسي كامپيوتر- نرم‌افزار

1399

1402/4/24

سعيد پارسا

دانشكده مهندسي كامپيوتر

رگرسيون يك تكنيك يادگيري ماشيني براي پيش‌بيني مقادير عددي بر اساس داده‌هاي ورودي است. رگرسيون غير خطي يك نوع رگرسيوني است كه در آن رابطه بين ورودي و خروجي يك خط مستقيم نيست بلكه يك منحني يا تابع پيچيده ديگري است. رگرسيون غير خطي زماني ابزاري است كه رابطه ورودي و خروجي به خوبي تعريف نشده باشد يا گرفتن آن با يك مدل خطي چالش برانگيز باشد. به عنوان مثال مي توان به پيش بيني فروش در يك شركت بر اساس داده هاي تاريخي، درآمد، تعداد كاركنان و عوامل ديگر اشاره كرد. داشبوردهاي مهندسي را مي توان براي نمايش نتايج رگرسيون غير خطي به روشي بصري و قابل درك استفاده كرد. با استفاده از سنج ها، نمودارها و ساير تجسم ها، مهندسان مي توانند به سرعت دقت و قابليت اطمينان مدل رگرسيون را ارزيابي كنند، روندها و ناهنجاري ها را شناسايي كنند و تصميمات مبتني بر داده را اتخاذ كنند. به طور كلي، رگرسيون غير خطي و داشبوردهاي مهندسي مي توانند ابزارهاي قدرتمندي براي مهندساني باشند كه تصميمات مبتني بر داده و بهينه سازي فرآيندهاي خود را انجام مي دهند. مهندسان مي توانند با استفاده از آخرين پيشرفت ها در فناوري يادگيري ماشين و تجسم داده، بينش هاي ارزشمندي به دست آورند و عملكرد خود را در صنايع و برنامه هاي مختلف بهبود بخشند. در اين تحقيق، ما يك مدل رگرسيون يادگيري ماشين را براي پيش‌بيني برخي از پارامترهاي مدل كسب‌وكار خود بر اساس پارامترهاي ديگر ايجاد كرديم. سپس، نتايج از طريق داشبورد مهندسي تجسم مي‌شوند. ما داشبورد خود را با استفاده از Python/Django، چارچوب Django-Rest، كتابخانه هاي جاوا اسكريپت و رابط هاي برنامه نويسي برنامه توسعه مي دهيم. به عبارت ديگر، ما از يك رويكرد A-Z براي توليد مجموعه داده، آموزش يك مدل، توسعه يك مجموعه API و برنامه وب و پياده‌سازي يك رويكرد پيش‌بيني دو طرفه براي مدل هوش تجاري (BI) خود پيروي مي‌كنيم.

1402/07/08

Dashboards for performance monitoring applications in business intelligence

7/14/2024 12:00:00 AM

Regression is a machine learning technique to predict numerical values based on input data. Non-linear regression is a regression variant in which the relationship between the input and output is not a straight line but a curve or some other complex function. Non-linear regression is instrumental when the input and output relationship is not well-defined or challenging to capture with a linear model. Examples include predicting sales in a company based on historical data, revenue, number of employees, and other factors. Engineering dashboards can be used to display the results of non-linear regression in an intuitive and easy-to-understand way. Using gauges, charts, and other visualizations, engineers can quickly assess the accuracy and reliability of the regression model, identify trends and anomalies, and make data-driven decisions. Overall, non-linear regression and engineering dashboards can be powerful tools for engineers making data-driven decisions and optimizing their processes. Engineers can gain valuable insights and improve their performance in various industries and applications by leveraging the latest advances in machine learning and data visualization technology. In this research, we developed a machine learning regression model to predict some parameters of our business model based on other parameters; then, the results are visualized via an engineering dashboard. We develop our dashboard using Python/Django, Django-Rest-framework, JavaScript libraries, and Application Programming Interfaces. In other words, we will follow an A-Z approach to generate a dataset, train a model, develop an API set and web application, and implement a two-way predicting approach for our Business Intelligence (BI) model.

فراگيري ماشين , رگرسيون غير خطي

Machine Learning , Non-linear Regression

Noor Almamoori

Dr. Saeed Parsa