Ontwerpen van een prognose- en herbestelsysteem met moderne AI-technieken

Het bouwen van een prognose- en herbestelsysteem dat planners daadwerkelijk vertrouwen, vereist meer dan het kiezen van het juiste model.Het vereist schone gegevens, zinvolle functies, robuuste evaluatie en duidelijke overdrachten aan de mensen die uitzonderingen beheren.Deze cursus doorloopt die keuzes in de volgorde waarin ze daadwerkelijk ontstaan in een echt project. Je werkt aan schriftelijke ontwerpoefeningen die weerspiegelen hoe een klein operationeel of datateam een prognose- en herbestelsysteem zou plannen.De nadruk ligt op de praktische compromissen die bepalen of het systeem een vertrouwde tool wordt of een ander dashboard dat niemand opent. Wat je leert: - Bereid verkoopgeschiedenis, promoties en evenementgegevens voor voor tijdreeksprognoses - Vergelijk modelleringsbenaderingen, waaronder klassieke methoden, gradiëntversterking en moderne deep learning-opties - Engineer functies voor seizoensgebondenheid, promoties, vakanties en leveranciersgedrag - Bouw evaluatieroutines die de nauwkeurigheid van prognoses meten op operationeel zinvolle manieren - Vertaal prognoses in aanbevelingen voor het opnieuw bestellen met behulp van veiligheidsvoorraad en serviceniveaudoelen - Ontwerp human-in-the-loop interfaces zodat planners beslissingen kunnen overschrijven en uitleggen wanneer dat nodig is De cursus gaat van gegevensvoorbereiding naar modelontwerp, vervolgens naar evaluatie, herbestellogica en menselijke integratie.Een capstone schriftelijke oefening vraagt u om een ontwerp van één pagina te maken voor een prognose- en herbestelsysteem voor een specifieke bedrijfs- en productcategorie. Deze cursus is bedoeld voor beginners met een software- of data-achtergrond, waaronder datawetenschappers die operaties invoeren, supply chain-analisten die AI-tools verkennen en studenten van bedrijfsanalyse.Ervaring met de supply chain is niet vereist.De cursus behandelt het systeem als een ontwerpprobleem waarover u op papier kunt redeneren.