"Je veux faire une ** prévision de la demande ** pour chaque produit de dépanneur x." → Histoire de type machine learning / modélisation statistique Prédiction et élucidation des phénomènes
«Je veux ** maximiser les profits ** en fonction des prévisions de demande pour chaque dépanneur x produit.» → Histoire de type optimisation mathématique Maximiser les profits (maximiser / minimiser les KPI une fois le phénomène élucidé)
Entre apprentissage automatique et optimisation mathématique: il y a aussi un problème Bambit (apprentissage amélioré)
Il existe différents niveaux de science des données / IA / analytique
Étapes de décision ① Agrégation (ce qui va se passer) ② Explication (pourquoi c'est arrivé) ③ Prédiction (ce qui va se passer) ④ Décision (que faire) ⑤ Action (action réelle)
Étape de réalisation de l'analyse ① Analyse descriptive ② Analyse diagnostique ③ Analyse prédictive ④ Analyse de la prescription (aide à la décision par IA) ⑤ Analyse des ordonnances (décision de l'IA)
Typiquement ① Outil DWH / BI d'agrégation (que se passe-t-il) ① Analyse descriptive
L'apprentissage des opportunités / l'analyse statistique permet jusqu'à (2) explications (pourquoi cela s'est produit) et (3) prédictions (ce qui se passe) ① Analyse descriptive ② Analyse diagnostique ③ Analyse prédictive
④ Prendre des décisions (quoi faire) et ⑤ Actions (actions réelles) par optimisation mathématique ① Analyse descriptive ② Analyse diagnostique ③ Analyse prédictive ④ Analyse de la prescription (aide à la décision par IA) ⑤ Analyse des ordonnances (décision de l'IA)
| tâche | Entrée dans le système | Mécanisme du système | Sortie système | Technologie typique |
|---|---|---|---|---|
| Prédiction / estimation | ⭕️ | Inconnu → estimé | ⭕️ | Apprentissage automatique / statistiques |
| optimisation | Le meilleur est inconnu → Rechercher | ⭕️ | Je veux minimiser / maximiser | 数理optimisation |
| La description | Prévoir | Aide à la décision | La prise de décision | |
|---|---|---|---|---|
| Négociation d'actions (DayTrading) | ○ | ○ | ○ | ○（HFT） |
| Super plan d'achat | ○ | ○ (prévision de la demande) | ○ (achat optimal) | ○ |
| Location de matériel de construction | ○ | ○ (prévision de la demande) | ○ (Optimisation du déploiement des équipements entre succursales) | ○/?(Conflit d'incitations entre branches) |
| Commerce des matières premières | ○ | ○ (prévision de prix) | ○ (Suggestion de timing de trading) | ?? (Évaluation du risque politique) |
| Agriculture | ○ | ○ (récolte prévue) | ○(Optimisation des engrais)/?(plan de vente) | ？ |
| M&A | ○ | ?? (Haute individualité) | ? | ? |
Sujette aux problèmes / dépendance au fonctionnement
・ Problème d'allocation de publicité → Maximiser l'efficacité de la publicité (CVR / CTR) ・ Planification de la livraison du véhicule → (poids d'un colis, itinéraire optimal, etc.) ・ Plan de production en usine → Ajustement des matières premières et du volume de production ・ Coopération avec d'autres usines, etc. ・ Problème de placement des installations administratives → (école, etc.) ・ Guerre → (Attaque efficace) ・ Portefeuille → (Balance risque / rendement ・ Le risque peut être réduit même avec le même rendement) ・ Création de décalage → (Ajustement des rôles et des charges)
Outils DWH et BI https://it-trend.jp/bi/article/bi_dwh
python3 numpy pulp
Comment étudier Environ 50 problèmes d'optimisation pour l'application (livre)
Recommended Posts