برترین روش‌های هوش‌مصنوعی جهت نمونه‌گیری از داده‌های کلان مالی

تحلیل و کاوش داده‌های کلان یکی از چالش‌های بزرگ داده‌های بانکی و مالی است. برای حل این مشکل کاهش اندازه داده‌ها به کمک فنون نمونه‌گیری یکی از راه‌حل‌های غلبه بر محدودیت‌های سخت‌افزاری و نرم‌افزاری و همچنین تحلیل سریع‌تر داده‌ها است. اما ارائه یک فن نمونه‌گیری به نحوی که الگوهای مهم موجود در داده‌ها را برای مسئله مورد نظر حفظ کند، یک چالش است.
مراحل رقابت:
1- انجام پیش‌ثبت نام و ارسال فایل Team Description Paper ( 15 22-5 آذرماه )
2- در صورت تایید تیم، داده‌های مورد نیاز در تاریخ 23 آذرماه در اختیار تیم‌ها قرار می‌گیرد.
3- در این رقابت شرکت‌کنندگان باید موارد زیر را انجام دهند. (23 آذر تا 8 بهمن 30 بهمن)

4- شرکت در جلسه توضیح راه‌حل در تاریخ 15-16 بهمن‌ماه با توجه به شرایط و شیوع کرونا در مرحله قبل ادعام شد
5- اختتامیه چالش به صورت غیرحضوری

برترین روش‌های هوش‌مصنوعی جهت پیش‌بینی تقاضای نفت در بازار انرژی

اگر گفته شود عصری که در آن زندگی می‌کنیم عصر داده‌ها است گزافه گفته نشده‌است. بدون شک در این عصر موفقیت از آن کسی است که بهترین و بیشترین استفاده را از اطلاعات بنماید. از مهم‌ترین روش‌های استفاده از داده‌ها، یافتن مدل مناسب برای رفتار داده‌های متغیر هدف و همچنین پیدا کردن متغیرهای مؤثر بر آن است. در حقیقت در این مدل سازی هدف غایی استفاده از مدل و پیش‌بینی آینده متغیر هدف است. به‌طور کلی مدل‌سازی داده‌ها سه هدف را دنبال می کند:

مراحل رقابت:
1- انجام پیش ثبت‌نام و ارسال فایل Team Description Paper ( 15 22-5 آذرماه )
2- در صورت تایید تیم، داده‌های مورد نیاز در تاریخ 23 آذرماه در اختیار تیم ها قرار می‌گیرد.
3- هدف از این چالش پیش‌بینی مصرف یکی از مشتقات نفت در چند سال آینده است. شما فعالیت‌های زیر را انجام خواهید داد: (23 آذر تا 21 بهمن 28 بهمن)

Statistical Review of Energy www.bp.com
Joint organization data Initiative www.jodidata.org

همچنین از وبگاه‌های EIA ، و OPEC نیز می‌توان استفاده کرد.

4- شرکت در جلسه توضیح راه‌حل در تاریخ 29-30 بهمن‌ماه با توجه به شرایط و شیوع کرونا در مرحله قبل ادعام شد
5- اختتامیه چالش به صورت غیرحضوری