Программная система формирования товарной матрицы торговой сети

Продам диссертацию магистра, 139 стр., 50 рисунков, 4 таблицы, 22 источника, 4 приложения.

Графические материалы: 10 листов формата А1 в формате Visio.

Программная система реализована на Python, код программы(1 файл) и модельные данные (набор данных для обучения модели более 1 млн. строк ) в приложении к работе.

В 2021 году работа защищена на отлично в МГТУ им Баумана, уникальность по АНТИПЛАГИАТУ - 95%.

Цель работы -  программная система формирования товарной матрицы торговой сети.

В рамках ВКР были выполнены следующие задачи:

• анализ методов формирования товарной матрицы;
• проектирование программной системы;
• разработка технологии тестирования и развертывания.

Результатом работы является спроектированный и реализованный прототип программной системы формирования товарной матрицы торговой сети.

ОПРЕДЕЛЕНИЯ, ОБОЗНАЧЕНИЯ И СОКРАЩЕНИЯ

ВВЕДЕНИЕ

1    Анализ методов формирования товарной матрицы

1.1     Базовая теория и основные принципы формирования товарной (ассортиментной) матрицы

1.2     Анализ существующих методов машинного обучения, применимых в предметной области

1.3     Постановка задачи на проектирование и разработку программной системы

1.4     Выводы по разделу

2    Проектирование программной системы

2.1     Методика формирования товарной матрицы

2.2     Частные алгоритмы формирования товарной матрицы

2.3     Разработка общей структуры программной системы формирования товарной матрицы

2.4     Разработка основных функций и процедур

2.5     Выводы по разделу

3    Технология тестирования и развертывания программной системы

3.1     Разработка технологии развертывания программной системы

3.2     Разработка технологии тестирования программной системы

3.3     Результаты работы прототипа программной системы

3.4     Выводы по разделу

ЗАКЛЮЧЕНИЕ

СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ

ПРИЛОЖЕНИЕ А Техническое задание

ПРИЛОЖЕНИЕ Б Графические материалы

ПРИЛОЖЕНИЕ В Листинг программной системы

ПРИЛОЖЕНИЕ Г Руководство пользователя

1.            Бейдер Д. Чистый Python. Тонкости программирования для профи. СПб.: Питер, 2018. 288 с.

2.            Берри П. Изучаем программирование на Python. М.: Эксмо, 2017. 611 с.

3.            Бершадский А.М., Лычагин К.А., Финогеев А.Г., Шмид А.В. Оптимизация потенциала и привлекательности торговых точек на основе интеллектуального анализа больших данных // Труды международного симпозиума «Надежность и качество». – 2018. – Т. 1. – С. 317-320.

4.            Ватутин Э.И., Титов В.С., Емельянов С.Г. Основы дискретной комбинаторной оптимизации. – М.: АРГАМАК-МЕДИА, 2016. – 270 с.

5.            Винжегин О. М. Особенности планирования ассортимента торгового предприятия (на примере ООО «Наполеон») //Вестник Омского университета. Серия «Экономика». – 2007. – №. 4.

6.            Ершов И. А., Стукач О.В. Повышение устойчивости решения задач классификации методами кластерного анализа с корректным нормированием данных // Управление развитием. – 2016. – Т.185. №3. – С.120-129.

7.            Карпенко А. П. Современные алгоритмы поисковой оптимизации. Алгоритмы, вдохновленные природой. – М.: МГТУ, 2017. – 447 с.

8.            Лычагин К. А. Количественная оценка потенциала торговых точек // Статистика и экономика. – 2019. – №. 3 (16). – С. 60-69.

9.            Любанович Б. Простой Python. Современный стиль программирования. СПб.: Питер ,2016. 480 с.

10.         Милов С.Н., Милов А.С Применение кластерного анализа при управлении запасами и ассортиментом // Логистика и управление цепями поставок. – 2018. – № 6 (89). – С. 47-72.

11.         Пивкин, К.С. Моделирование покупательского спроса на предприятиях розничной торговли на основе методов машинного обучения. [Текст]: дис. ... канд. экон. наук: 08.00.13: защищена 25.12.19: утв. 25.04.20 / Пивкин Кирилл Сергеевич. - Ижевск, 2018. - 220 с. - Библиогр.: с.202-213. - 04200201565.

12.         Симакина М. А., Колобов С. В., Кожина О. М. Влияние поставщика на маркетинговый аспект разработки ассортиментной матрицы розничной компании // Экономические системы. – 2020. – Т. 13. – №. 1. – С. 48-56.

13.         Снегурова В., Кочуренко Н. Основы математической обработки информации. Учебник и практикум. – М.: Юрайт, 2017. – 220 с.

14.         Чижина К.С., Сергеев С.М. Моделирование влияния качества товаров на ассортиментную матрицу // В сборнике: Неделя науки СПбПУ. Материалы научной конференции с международным участием. Институт промышленного менеджмента, экономики и торговли. – 2018. – С. 290-292.

15.         Шолле Ф. Глубокое обучение на Python. СПб.: Питер, 2018. 486 с.

16.         Bulti A.G., Ray A. Commodity Market Price Analysis and Prediction using Machine Learning Framework // International Journal of Innovative Technology and Exploring Engineering (IJITEE). – 2019. – V. 8. – №. 38. – pp. 2822-2828.

17.         Tianyuan Ni Data Analysis and Machine Learning: on Long Memory Commodity Time Series [Текст]: Thesis submitted for the degree of Master of Philosophy University of Liverpool. - Liverpool, 2019. - 117 p. – Bibliography.: - pp. 108-117.

18.         Won H.-R., Lee Y., Shim J.-S., Ahn H. A Hybrid Collaborative Filtering Model Using Customer Search Keyword Data for Product Recommendation //2019 18th IEEE International Conference On Machine Learning And Applications (ICMLA). – IEEE, 2019. – pp. 1523-1526.

19.         Yi S., Liu X. Machine learning based customer sentiment analysis for recommending shoppers, shops based on customers’ review //Complex & Intelligent Systems. – 2020. – Т. 6. – №. 3. – pp. 621-634.

20.         Scikit-learn 0.24.1. URL: https://scikit-learn.org/stable/supervised_learning.html

21.          Введение в Scikit-learn. URL: https://neurohive.io/ru/osnovy-data-science/vvedenie-v-scikit-learn/