在技术进步的时代,人们越来越多地渴望通过具有新的解决方案来实现供应链流程,并具有提高运营效率的目标。数字化转型继续渗透到不同领域的业务运营领域,在多种业务流程的数字应用程序中的进步不断提高。这已经增加了数字解决方案在包括供应链操作在内的流程中的集成。本研究的目的是确定数字化转型如何影响肯尼亚快速移动消费品(FMCGS)制造公司的供应链绩效。供应链过程,考虑到突破性和技术进步的增加,供应链过程引起了人们的兴趣和审查。几乎没有对数字转换对供应链绩效的影响进行的调查,这值得这项研究。该研究研究了数字工具,创新和自动化,因为数字转换变量及其对FMCGS制造公司供应链绩效的影响。该研究采用了描述性研究设计,目标人群都是肯尼亚的所有快速消费品公司。简单的随机抽样技术用于内罗毕内的95个FMCGS制造公司的样本量,自KAM自行许可和注册,因为KAM注册的公司中有80%位于内罗毕内部。这些公司中的供应链经理是分析单位,并将结构化问卷带有封闭问题,用作数据收集的工具。在数据分析中使用了描述性和多元回归技术。研究发现,包括社交媒体平台,分析工具,人工智能和网站在内的数字工具已被FMCGS制造商使用。创新和自动化还影响了FMCGS制造商的供应链操作和性能。该研究得出的结论是,数字化转型有助于提高FMCGS制造商的供应链性能。降低运营成本,提高运营效率水平,提高运营速度并提高了产品质量。该研究建议FMCGS制造公司增加资金,以高档目前的数字平台,以继续在供应链流程上增加绩效。该研究还建议在数字应用程序中增加培训和能力开发,以建立足够的劳动力,并具有最新的FMCGS制造运营数字流程技能。
摘要本研究评估了蓝色经济如何影响1981年至2022年尼日利亚环境中的可持续发展。由于数据可用性的限制,该研究检查了两个蓝色经济变量的影响;从两个角度的经济和健康(分别人均收入和预期寿命)中捕鱼以及水运输的收入,从水运输中获得的收入。该研究使用完全修改的普通最小二乘(FMOL)回归技术,使用从尼日利亚统计公告中收集的数据来估算这两个模型。在第一个模型中,研究发现,捕鱼的收入对GDPCI代理的人均收入产生了显着积极影响(Coeff。= 5.733343,p = 0.0000 <0.05),而水运输的收入也对人均收入产生了积极影响,但微不足道(Coeff。= 220.7889,p =(0.0941> 0.05)。在第二个模型中,调查结果表明,捕鱼的收入对预期寿命产生了积极而显着的影响(Coeff。= 0.001847,p = 0.0000 <0.05),而水运输的收入对预期寿命的影响是积极但微不足道的(Coeff。= 0.205509,p = 0.6969> 0.05)。最后,研究发现,人均收入和捕鱼收入没有显着的因果关系,而水运输的收入具有大量的单向因果关系,人均收入。此外,虽然捕鱼收入具有双向因果关系,但预期寿命,但水运输的收入与预期寿命有单向因果关系。因此,该研究建议通过特定的政策和倡议增加投资,政府对创新捕捞技术的研发必不可少的支持,以及增强尼日利亚的基础设施,以改善尼日利亚关键字的水运输:蓝色经济,可持续发展,FMOL,FMOLS1。引言非洲是地球的第二大陆,与地中海和红海接壤,北部是西部的大西洋,向东和印度洋毗邻,赋予了它,赋予了它的广泛海岸线,其中包括多元化的沿海和海洋生态系统。这些生态系统是整个非洲大陆沿海国家和社区的重要动脉,提供了寄托,生计和经济机会,同时也是针对气候变化的不利影响的障碍,这对非洲贫民窟的弱势群体和弱势群体产生了不成比例的影响(世界银行,世界银行,20222年)。蓝色经济与可持续发展之间存在一种感知的联系。被世界银行描述为“可持续利用海洋资源来实现经济进步,改善生计和创造就业机会,同时维护海洋生态系统的健康”
课程描述 理学硕士 - 数据科学 CISC7201 数据科学编程简介 本课程涵盖自然语言处理 (NLP) 中的基础和高级主题,涉及将计算模型应用于文本数据。在本课程中,将研究自然语言处理中的核心任务,包括最小编辑距离、语言建模、Nävie Bayes、最大熵、文本分类、序列标记、POS 标记、语法分析和计算词汇语义。将探索现代 NLP 应用,例如信息检索和统计机器翻译。学生将学习如何制定和调查相关主题的研究问题。先决条件:无 CISC7204 数据科学与数据可视化 本课程旨在使学生了解数据可视化在数据科学和大数据分析中的重要性,并培养使用数据可视化工具呈现定量数据的知识和技能。本课程强调数据科学的实践方面,重点是使用 R 或 Python 编程语言来处理数据、生成可视化效果并解释这些可视化效果。学生将学习数据清理、数据重塑、基本制表、聚合和可视化表示的实践,以增加对复杂数据和模型的理解。先决条件:无 CISC7203 数据库和数据挖掘技术本课程旨在让学生学习数据库和数据挖掘概念和技术,用于不同领域的大数据分析和开发。本课程专注于解决大数据问题的数据库和数据挖掘的实际问题。内容包括数据库和数据仓库中的数据建模、SQL、数据库的 Python 编程、数据挖掘应用的 Python 编程和 R 编程。学生将学习数据库建模、查询和编程的技能,以及数据挖掘的编程技术。先决条件:无 CISC7202 机器学习工具 本课程介绍机器学习 (ML) 基础知识、方法和算法,并使用现代软件工具(例如 Scikit-learn 和 PyTorch)进行大量实践。在第一次关于机器学习的入门讲座之后,该课程涵盖了 ML 的四个关键主题:1)回归技术,包括线性回归、岭和套索回归、最近邻和核回归;2)分类技术,包括逻辑回归决策树、提升和装袋、SVM 和朴素贝叶斯;3)聚类技术,包括 k 均值、层次聚类、DBScan 和混合模型;4)深度学习技术,包括神经网络基础、卷积神经网络和生成神经网络。 先决条件:数据科学编程专业化 A 简介:人工智能应用 CISC7013 人工智能原理 传统人工智能原理概述:问题解决和逻辑代理。 现代人工智能原理概述:机器学习、决策树、神经网络、支持向量机和深度学习简介。 先决条件:无
摘要:糖尿病是关键疾病之一,许多人患有这种疾病。年龄,肥胖,缺乏运动,遗传性糖尿病,生活方式,不良饮食,高血压等。会引起糖尿病。患有糖尿病的人患有诸如心脏病,肾脏疾病,中风,眼睛问题,神经损伤等疾病的风险很高。目前在医院的实践是通过各种测试收集所需的糖尿病诊断信息,并根据诊断提供适当的治疗方法。大数据分析在医疗保健行业中起着重要作用。医疗保健行业有大量数据库。使用大数据分析,可以研究庞大的数据集并找到隐藏的信息,隐藏的模式,从数据中发现知识并相应地预测结果。在现有方法中,分类和预测准确性不是那么高。在本文中,我们提出了一个糖尿病预测模型,以更好地分类糖尿病,其中包括糖尿病的少数外部因素以及葡萄糖,BMI,年龄,胰岛素等常规因素。与现有数据集相比,新数据集可提高分类精度。进一步提出了旨在提高分类准确性的糖尿病预测的管道模型。I.引言医疗部门具有大量数据库。这样的数据库可能包含结构化的,半结构化或非结构化数据。考虑到当前情况,印度等主体国家(DM)已成为一种非常严重的疾病。现有大数据分析是一个过程,该过程分析了巨大的数据集并揭示隐藏的信息,隐藏的模式以从给定数据中发现知识。糖尿病性梅利氏菌(DM)被归类为非传染性疾病(NCB),许多人患有疾病。根据2017年统计数据,约有4.25亿人患有糖尿病。由于糖尿病,每年约有2-5万患者的生命。据说到2045年,这将增加到6.29亿。[1]糖尿病(DM)被分类为称为胰岛素依赖性糖尿病(IDDM)的Astype-1。人体无法产生足够的胰岛素,这种DM背后的原因,因此需要向患者注入胰岛素。类型-2也称为非胰岛素依赖性糖尿病(NIDDM)。当身体细胞无法正确使用胰岛素时,可以看到这种糖尿病的类型。-3型妊娠糖尿病,孕妇的血糖水平升高,未发现糖尿病的糖尿病会导致这种类型的糖尿病。dm具有与之相关的长期并发症。此外,糖尿病患者存在各种健康问题的高风险。一种称为预测分析的技术,结合了各种机器学习算法,数据挖掘技术和统计方法,该方法使用当前和过去的数据来找到知识并预测未来的事件。通过对医疗保健数据进行预测分析,可以做出重大决策并可以做出预测。可以使用机器学习和回归技术进行预测分析。预测分析旨在以最佳的准确性诊断疾病,增强患者护理,优化资源并改善临床结果。[1]机器学习被认为是最重要的人工智能功能之一,支持计算机系统的开发,具有从过去的经验中获取知识而无需每种情况进行编程的能力。机器学习被认为是当今情况的迫切需要,以通过支持最小缺陷来消除人类的努力。
。cc-by-nc 4.0国际许可证未获得同行评审的认证)是作者/筹款人,他已授予Biorxiv的许可证,以永久显示预印本。它是制作