دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش: 1st ed.
نویسندگان: Seyed Mehrshad Parvin Hosseini. Aydin Azizi
سری: SpringerBriefs in Applied Sciences and Technology
ISBN (شابک) : 9789811562990, 9789811563003
ناشر: Springer Singapore;Springer
سال نشر: 2020
تعداد صفحات: 78
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 1 مگابایت
کلمات کلیدی مربوط به کتاب رویکرد کلان داده به نوآوری در سطح شرکت در تولید: اقتصاد صنعتی: اقتصاد، مطالعات کشوری در سطح اقتصاد، مهندسی صنایع و تولید، بازرگانی و مدیریت، عمومی، طراحی مهندسی
در صورت تبدیل فایل کتاب Big Data Approach to Firm Level Innovation in Manufacturing: Industrial Economics به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب رویکرد کلان داده به نوآوری در سطح شرکت در تولید: اقتصاد صنعتی نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
این کتاب استفاده از داده های بزرگ و رویکردهای یادگیری ماشین
را در بررسی پنج جنبه از نوآوری در سطح شرکت در تولید مورد بحث
قرار می دهد. (1) عواملی که تصمیم به نوآوری را تعیین می کنند
(2) میزان نوآوری (3) ویژگی های یک شرکت نوآور (4) انواع نوآوری
انجام شده و (5) عواملی که انواع مختلف نوآوری را هدایت می کنند
و امکان پذیر می کنند. یک مدل مفهومی و یک چارچوب هزینه-فایده
برای توضیح تصمیم یک شرکت برای نوآوری توسعه داده شد. برای نشان
دادن تجربی این جنبهها، دادههای بزرگ و رویکردهای یادگیری
ماشین در قالب یک مطالعه موردی معرفی شدند. همچنین نتایج تحلیل
کلان داده به عنوان روشی پایین تر برای تحلیل داده های نوآوری
با نتایج روش های آماری مرسوم مقایسه شد. پیامدهای یافته های
مطالعه برای افزایش سرعت نوآوری نیز مورد بحث قرار گرفته
است.
This book discusses utilizing Big Data and Machine Learning
approaches in investigating five aspects of firm level
innovation in manufacturing; (1) factors that determine the
decision to innovate (2) the extent of innovation (3)
characteristics of an innovating firm (4) types of innovation
undertaken and (5) the factors that drive and enable
different types of innovation. A conceptual model and a
cost-benefit framework were developed to explain a firm’s
decision to innovate. To empirically demonstrate these
aspects, Big data and machine learning approaches were
introduced in the form of a case study. The result of Big
data analysis as an inferior method to analyse innovation
data was also compared with the results of conventional
statistical methods. The implications of the findings of the
study for increasing the pace of innovation are also
discussed.
Front Matter ....Pages i-vii
An Introduction on Models of Innovation and Analytical Frame Work (Seyed Mehrshad Parvin Hosseini, Aydin Azizi)....Pages 1-11
The Correlates of Firm-Level Innovation (Seyed Mehrshad Parvin Hosseini, Aydin Azizi)....Pages 13-26
Firm-Level Innovation: A Conceptual Model to Firm Level Innovation (Seyed Mehrshad Parvin Hosseini, Aydin Azizi)....Pages 27-39
Machine Learning Approach to Identify Predictors in an Econometric Model of Innovation (Seyed Mehrshad Parvin Hosseini, Aydin Azizi)....Pages 41-52
Big Data and Innovation; A Case Study on Firm Level Innovation in Manufacturing (Seyed Mehrshad Parvin Hosseini, Aydin Azizi)....Pages 53-72