Aplicación de herramientas de ML a la predicción de tendencias en función del análisis de históricos de ventas B2B

ABSTRACT: Machine learning has untapped potential in many branches of knowledge. Moreover, this potential can be used in applications of interest to companies in different sectors. This paper discusses the applications of Artificial Intelligence in demand forecasting in the B2B textile sector. This...

Descripción completa

Detalles Bibliográficos
Autor: Sáez Martínez, Javier
Tipo de recurso: tesis de maestría
Fecha de publicación:2021
País:España
Institución:Universidad de Cantabria (UC)
Repositorio:UCrea Repositorio Abierto de la Universidad de Cantabria
Idioma:inglés
OAI Identifier:oai:repositorio.unican.es:10902/24928
Acceso en línea:http://hdl.handle.net/10902/24928
Access Level:acceso abierto
Palabra clave:Time Series
Supervised Learning
Machine Learning
Series Temporales
Aprendizaje Supervisado
id ES_d3b79e5bacb50a911d88a5d1c6ca8bcd
oai_identifier_str oai:repositorio.unican.es:10902/24928
network_acronym_str ES
network_name_str España
repository_id_str
spelling Aplicación de herramientas de ML a la predicción de tendencias en función del análisis de históricos de ventas B2BFinding Trends in the B2B Textile Sector using Machine LearningSáez Martínez, JavierTime SeriesSupervised LearningMachine LearningSeries TemporalesAprendizaje SupervisadoMachine LearningABSTRACT: Machine learning has untapped potential in many branches of knowledge. Moreover, this potential can be used in applications of interest to companies in different sectors. This paper discusses the applications of Artificial Intelligence in demand forecasting in the B2B textile sector. This project is coordinated and developed by Textil Santanderina, one of the leaders in the sector at national level in Spain. Therefore, this Master’s thesis in collaboration with the mentioned firm is focus on the prediction of time series with different Machine Learning techniques, and analyses the potential of the results with the aim of integrating these techniques in the company’s decision-making process.RESUMEN: El Machine Learning tiene un gran potencial por explotar en muchas ramas del conocimiento. Además, ese potencial puede ser utilizado en aplicaciones de interés para empresas de diferentes sectores. En este paper se realiza una discusión sobre las aplicaciones de la Inteligencia Artificial en la predicción de demanda del sector B2B textil. Este proyecto es coordinado y desarrollado por Textil Santanderina, una de las corporaciones líderes del sector a nivel nacional en España. Por lo tanto, este trabajo de Fin de Máster en colaboración dicha empresa se centrará en la predicción de series temporales con diferentes técnicas de Machine Learning, y analizará el potencial de los resultados con el objetivo de integrar estas técnicas en el proceso de toma de decisiones de la compañíaMáster en Ciencia de DatosVaerenbergh, Steven vanSanz Casado, Juan MarcosUniversidad de Cantabria20212021-07-16master thesishttp://purl.org/coar/resource_type/c_bdccNAhttp://purl.org/coar/version/c_be7fb7dd8ff6fe43info:eu-repo/semantics/masterThesishttp://hdl.handle.net/10902/24928reponame:UCrea Repositorio Abierto de la Universidad de Cantabriainstname:Universidad de Cantabria (UC)Inglésengopen accesshttp://purl.org/coar/access_right/c_abf2Atribución-NoComercial-SinDerivadas 3.0 Españahttp://creativecommons.org/licenses/by-nc-nd/3.0/es/info:eu-repo/semantics/openAccessoai:repositorio.unican.es:10902/249282026-06-02T12:39:31Z
dc.title.none.fl_str_mv Aplicación de herramientas de ML a la predicción de tendencias en función del análisis de históricos de ventas B2B
Finding Trends in the B2B Textile Sector using Machine Learning
title Aplicación de herramientas de ML a la predicción de tendencias en función del análisis de históricos de ventas B2B
spellingShingle Aplicación de herramientas de ML a la predicción de tendencias en función del análisis de históricos de ventas B2B
Sáez Martínez, Javier
Time Series
Supervised Learning
Machine Learning
Series Temporales
Aprendizaje Supervisado
Machine Learning
title_short Aplicación de herramientas de ML a la predicción de tendencias en función del análisis de históricos de ventas B2B
title_full Aplicación de herramientas de ML a la predicción de tendencias en función del análisis de históricos de ventas B2B
title_fullStr Aplicación de herramientas de ML a la predicción de tendencias en función del análisis de históricos de ventas B2B
title_full_unstemmed Aplicación de herramientas de ML a la predicción de tendencias en función del análisis de históricos de ventas B2B
title_sort Aplicación de herramientas de ML a la predicción de tendencias en función del análisis de históricos de ventas B2B
dc.creator.none.fl_str_mv Sáez Martínez, Javier
author Sáez Martínez, Javier
author_facet Sáez Martínez, Javier
author_role author
dc.contributor.none.fl_str_mv Vaerenbergh, Steven van
Sanz Casado, Juan Marcos
Universidad de Cantabria
dc.subject.none.fl_str_mv Time Series
Supervised Learning
Machine Learning
Series Temporales
Aprendizaje Supervisado
Machine Learning
topic Time Series
Supervised Learning
Machine Learning
Series Temporales
Aprendizaje Supervisado
Machine Learning
description ABSTRACT: Machine learning has untapped potential in many branches of knowledge. Moreover, this potential can be used in applications of interest to companies in different sectors. This paper discusses the applications of Artificial Intelligence in demand forecasting in the B2B textile sector. This project is coordinated and developed by Textil Santanderina, one of the leaders in the sector at national level in Spain. Therefore, this Master’s thesis in collaboration with the mentioned firm is focus on the prediction of time series with different Machine Learning techniques, and analyses the potential of the results with the aim of integrating these techniques in the company’s decision-making process.
publishDate 2021
dc.date.none.fl_str_mv 2021
2021-07-16
dc.type.none.fl_str_mv master thesis
http://purl.org/coar/resource_type/c_bdcc
NA
http://purl.org/coar/version/c_be7fb7dd8ff6fe43
dc.type.openaire.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
dc.identifier.none.fl_str_mv http://hdl.handle.net/10902/24928
url http://hdl.handle.net/10902/24928
dc.language.none.fl_str_mv Inglés
eng
language_invalid_str_mv Inglés
language eng
dc.rights.none.fl_str_mv open access
http://purl.org/coar/access_right/c_abf2
Atribución-NoComercial-SinDerivadas 3.0 España
http://creativecommons.org/licenses/by-nc-nd/3.0/es/
dc.rights.openaire.fl_str_mv info:eu-repo/semantics/openAccess
rights_invalid_str_mv open access
http://purl.org/coar/access_right/c_abf2
Atribución-NoComercial-SinDerivadas 3.0 España
http://creativecommons.org/licenses/by-nc-nd/3.0/es/
eu_rights_str_mv openAccess
dc.source.none.fl_str_mv reponame:UCrea Repositorio Abierto de la Universidad de Cantabria
instname:Universidad de Cantabria (UC)
instname_str Universidad de Cantabria (UC)
reponame_str UCrea Repositorio Abierto de la Universidad de Cantabria
collection UCrea Repositorio Abierto de la Universidad de Cantabria
repository.name.fl_str_mv
repository.mail.fl_str_mv
_version_ 1869420483938615296
score 15.301603

Similares en LA Referencia