Kristóf Tamás, Nováky Erzsébet

Jövőkutatás az innovációért


Statisztikai és gépi tanulási modellezés

A statisztikai és az ML modellezés (Statistical and Machine Learning-based Modeling, SMLM) a prediktív modellezési technikák széles körét vonultatja fel, beleértve az idősorelemzést és -előrejelzést, a klasszifikációs és regressziós módszereket, valamint a szimulációs modellezés változatos technikáit. Az SMLM módszerekben közös, hogy valamely függő vagy célváltozó viselkedését igyekeznek előre jelezni, különböző független, magyarázó változók felhasználásával (Armstrong ed., 2001). A klasszifikációs és a regressziós technikák abban különböznek, hogy a klasszifikáció kategória célváltozós, míg a regresszió folytonos célváltozós problémákra fejleszt prediktív modelleket (Hoffmann et al., 2019).

Jövőkutatás az innovációért

Tartalomjegyzék


Kiadó: Akadémiai Kiadó

Online megjelenés éve: 2025

ISBN: 978 963 664 136 8

A jövőkutatás és az innováció szorosan összefonódó területek, amelyek célja a jövőbeli tendenciák, lehetőségek és kihívások feltérképezése, valamint új megoldások kidolgozása a társadalom, a gazdaság és a technológia fejlődése érdekében. A jövőkutatás és az innováció együttműködése lehetővé teszi, hogy a társadalom ne csak passzívan várja a jövőt, hanem aktívan formálja is azt, az emberiség számára előnyös módon. A tudományos jövőkutatás elméleti és módszertani tárházának megfelelő ismeretével és alkalmazásával lehetővé válik az előretekintés hasznosítható módon, és az, hogy a kívánatos irányokba alakítsuk a jövőt. A könyv célja az olvasók jövőorientáltságának erősítése, a jövőtudás teremtést és hasznosítást célzó futures-literate képesség fejlesztése, valamint a jövőkutatás gyakorlati alkalmazása, a foresight számára tudományosan megalapozott szempontrendszer biztosítása.

Hivatkozás: https://mersz.hu/kristof-novaky-jovokutatas-az-innovacioert//

BibTeXEndNoteMendeleyZotero

Kivonat
fullscreenclose
printsave