在印度,交通运输业约占该国温室气体排放总量的 14%,其中货运占该行业二氧化碳排放量的近 40%。如果不进行干预或采用更清洁的技术,预计 2016 年至 2050 年间交通运输排放量将增加 4 倍,到 2050 年可能达到 11.7 亿吨二氧化碳,交通运输在总排放量中的占比将增加到 19%。准确测量是减少这些排放的关键的第一步。组织需要强大的工具来测量其排放量,然后才能采取有意义的行动来减少排放量。交通排放测量工具 (TEMT) 拥有多种运输方式的认证排放因子,使组织能够准确量化和报告排放量,为有效的减排战略奠定基础。
预测分析模型基于历史数据,预测未来事件的发生,例如产品需求、收入预测、客户流失、员工流失、欺诈、贷款偿还违约等。在许多业务问题中,我们尝试处理多个变量的数据,有时甚至超过观察值的数量。回归模型帮助我们理解这些变量之间的关系,以及如何利用这些关系使用监督学习算法进行决策。本模块的主要目标是了解如何使用回归和因果预测模型来分析实际业务问题,例如预测、分类和离散选择问题。重点是基于案例的实际问题解决,使用预测分析技术来解释模型输出。参与者将接触 MS Excel、R、Python 和 SPSS 等软件工具,以及如何使用这些软件工具进行回归、逻辑回归和预测。
预测分析模型根据历史数据预测未来事件的发生,例如产品需求、收入预测、客户流失、员工流失、欺诈、贷款偿还违约等。在许多业务问题中,我们尝试处理多个变量的数据,有时甚至超过观测值的数量。回归模型帮助我们理解这些变量之间的关系,以及如何利用这些关系使用监督学习算法进行决策。本模块的主要目标是了解如何使用回归和因果预测模型来分析实际业务问题,例如预测、分类和离散选择问题。重点是基于案例的实际问题解决,使用预测分析技术来解释模型输出。参与者将接触 MS Excel、R、Python 和 SPSS 等软件工具,以及如何使用这些软件工具执行回归、逻辑回归和预测。