Technologie
Zurück zum Blog ›
Integers und Unsicherheit im differenzierbaren Programmieren
Technische Einblicke, wie zwei Herausforderungen aus der Perspektive des differenzierbaren Programmierens angegangen werden.
Differentiable Programming wie in ‘KI’, das funktioniert
Der Weg, um eine Reihe von Lieferketten-Szenarien zu entsperren, die zuvor als weitgehend unlösbar angesehen wurden.
Eine Algebra für die Wirtschaftlichkeit der Lieferkette
Wie die Zedfuncs-Algebra für die probabilistische Prognose genutzt werden kann.
Columnar Random Forests
Während Random Forests nicht mehr der neueste Stand der Technik im maschinellen Lernen sind, bieten sie immer noch Vorteile.
Jenseits von In-Memory-Datenbanken
In-Memory-Datenbanken waren ein IT-Buzzword, aber es ist nicht gut gealtert
Von CRPS zu Kreuzentropie
Dank CRPS hat Lokad seine Herausforderungen in der Luft- und Modebranche gemeistert, aber es hat auch seine Schwächen
Probabilistische Prognose von Werbeaktionen
Die Prognose von Werbeaktionen kann ein Albtraum sein. Erfahren Sie, wie unser Prognosemodell mit unsicheren Zukunftsszenarien umgeht.
Arbeiten mit unsicheren Zukunftsszenarien
Die Zukunft ist unsicher, erfahren Sie, wie Lokad dies durch eine Algebra der Verteilungen umgesetzt hat.
Prognose 4.0 mit probabilistischen Vorhersagen
Erfahren Sie, was maschinelles Lernen und hochdimensionale Statistik für Ihre Supply Chain bringen können.
Einblicke in die technologische Entwicklung von Lokad
Lokad hat sich stark weiterentwickelt, von der Integration von Daten und Geschäftstreibern bis hin zu probabilistischen Prognosen.
Die Quantitative Supply Chain
Ausrichtung der Bewertungsfunktion an den Geschäftstreibern und dem iterativen Aspekt der Lagerauffüllung.
Quantitative Supply Chain
Genaue Prognosen sind ein Märchen, sehen Sie, wie Lokad dem entgegenwirkt.