МОДЕЛИ МАШИННОГО ОБУЧЕНИЯ В FMCG-РИТЕЙЛЕ: АРХИТЕКТУРА И ЭКСПЛУАТАЦИЯ В УСЛОВИЯХ ВЫСОКОЙ ИЗМЕНЧИВОСТИ ДАННЫХ
Uložené v:
| Názov: | МОДЕЛИ МАШИННОГО ОБУЧЕНИЯ В FMCG-РИТЕЙЛЕ: АРХИТЕКТУРА И ЭКСПЛУАТАЦИЯ В УСЛОВИЯХ ВЫСОКОЙ ИЗМЕНЧИВОСТИ ДАННЫХ |
|---|---|
| Informácie o vydavateľovi: | Вестник науки, 2025. |
| Rok vydania: | 2025 |
| Predmety: | концептуальный дрейф, model sustainability, персонализация, устойчивость моделей, retail, машинное обучение, розничная торговля, demand forecasting, machine learning, model architecture, прогнозирование спроса, conceptual drift, архитектура моделей, personalization |
| Popis: | The article discusses architectural approaches to the construction and operation of machine learning models in FMCG retail, focusing on the resilience of solutions to data drift and concepts. The analysis of typical classes of models used for demand forecasting, inventory optimization, marketing personalization and customer behavior management is carried out. The problems of integrating ML systems into the business processes of FMCG companies are highlighted, recommendations are given on the implementation of MLOps approaches, monitoring models and ensuring data quality. Special attention is paid to the prospects of using generative and self-learning algorithms, as well as to the directions of further research in the field of increasing the adaptability of ML models in conditions of high data instability. В статье рассматриваются архитектурные подходы к построению и эксплуатации моделей машинного обучения в FMCG-ритейле, акцентируется внимание на устойчивости решений к дрейфу данных и концепций. Проведен анализ типовых классов моделей, применяемых для прогнозирования спроса, оптимизации товарных запасов, персонализации маркетинга и управления клиентским поведением. Освещены проблемы интеграции ML-систем в бизнес-процессы FMCG-компаний, даны рекомендации по внедрению MLOps-подходов, мониторингу моделей и обеспечению качества данных. Отдельное внимание уделено перспективам использования генеративных и самообучающихся алгоритмов, а также направлениям дальнейших исследований в области повышения адаптивности ML-моделей в условиях высокой нестабильности данных. |
| Druh dokumentu: | Research |
| DOI: | 10.24412/2712-8849-2025-485-663-675 |
| Rights: | CC BY |
| Prístupové číslo: | edsair.doi...........a18a4bb191f49b8b41fcd0ef3b97cbdc |
| Databáza: | OpenAIRE |
Nájsť tento článok vo Web of Science | FullText | Text: Availability: 0 CustomLinks: – Url: https://www.webofscience.com/api/gateway?GWVersion=2&SrcApp=EBSCO&SrcAuth=EBSCO&DestApp=WOS&ServiceName=TransferToWoS&DestLinkType=GeneralSearchSummary&Func=Links&author= Name: ISI Category: fullText Text: Nájsť tento článok vo Web of Science Icon: https://imagesrvr.epnet.com/ls/20docs.gif MouseOverText: Nájsť tento článok vo Web of Science |
|---|---|
| Header | DbId: edsair DbLabel: OpenAIRE An: edsair.doi...........a18a4bb191f49b8b41fcd0ef3b97cbdc RelevancyScore: 887 AccessLevel: 3 PubType: Report PubTypeId: report PreciseRelevancyScore: 886.736389160156 |
| IllustrationInfo | |
| Items | – Name: Title Label: Title Group: Ti Data: МОДЕЛИ МАШИННОГО ОБУЧЕНИЯ В FMCG-РИТЕЙЛЕ: АРХИТЕКТУРА И ЭКСПЛУАТАЦИЯ В УСЛОВИЯХ ВЫСОКОЙ ИЗМЕНЧИВОСТИ ДАННЫХ – Name: Publisher Label: Publisher Information Group: PubInfo Data: Вестник науки, 2025. – Name: DatePubCY Label: Publication Year Group: Date Data: 2025 – Name: Subject Label: Subject Terms Group: Su Data: <searchLink fieldCode="DE" term="%22концептуальный+дрейф%22">концептуальный дрейф</searchLink><br /><searchLink fieldCode="DE" term="%22model+sustainability%22">model sustainability</searchLink><br /><searchLink fieldCode="DE" term="%22персонализация%22">персонализация</searchLink><br /><searchLink fieldCode="DE" term="%22устойчивость+моделей%22">устойчивость моделей</searchLink><br /><searchLink fieldCode="DE" term="%22retail%22">retail</searchLink><br /><searchLink fieldCode="DE" term="%22машинное+обучение%22">машинное обучение</searchLink><br /><searchLink fieldCode="DE" term="%22розничная+торговля%22">розничная торговля</searchLink><br /><searchLink fieldCode="DE" term="%22demand+forecasting%22">demand forecasting</searchLink><br /><searchLink fieldCode="DE" term="%22machine+learning%22">machine learning</searchLink><br /><searchLink fieldCode="DE" term="%22model+architecture%22">model architecture</searchLink><br /><searchLink fieldCode="DE" term="%22прогнозирование+спроса%22">прогнозирование спроса</searchLink><br /><searchLink fieldCode="DE" term="%22conceptual+drift%22">conceptual drift</searchLink><br /><searchLink fieldCode="DE" term="%22архитектура+моделей%22">архитектура моделей</searchLink><br /><searchLink fieldCode="DE" term="%22personalization%22">personalization</searchLink> – Name: Abstract Label: Description Group: Ab Data: The article discusses architectural approaches to the construction and operation of machine learning models in FMCG retail, focusing on the resilience of solutions to data drift and concepts. The analysis of typical classes of models used for demand forecasting, inventory optimization, marketing personalization and customer behavior management is carried out. The problems of integrating ML systems into the business processes of FMCG companies are highlighted, recommendations are given on the implementation of MLOps approaches, monitoring models and ensuring data quality. Special attention is paid to the prospects of using generative and self-learning algorithms, as well as to the directions of further research in the field of increasing the adaptability of ML models in conditions of high data instability.<br />В статье рассматриваются архитектурные подходы к построению и эксплуатации моделей машинного обучения в FMCG-ритейле, акцентируется внимание на устойчивости решений к дрейфу данных и концепций. Проведен анализ типовых классов моделей, применяемых для прогнозирования спроса, оптимизации товарных запасов, персонализации маркетинга и управления клиентским поведением. Освещены проблемы интеграции ML-систем в бизнес-процессы FMCG-компаний, даны рекомендации по внедрению MLOps-подходов, мониторингу моделей и обеспечению качества данных. Отдельное внимание уделено перспективам использования генеративных и самообучающихся алгоритмов, а также направлениям дальнейших исследований в области повышения адаптивности ML-моделей в условиях высокой нестабильности данных. – Name: TypeDocument Label: Document Type Group: TypDoc Data: Research – Name: DOI Label: DOI Group: ID Data: 10.24412/2712-8849-2025-485-663-675 – Name: Copyright Label: Rights Group: Cpyrght Data: CC BY – Name: AN Label: Accession Number Group: ID Data: edsair.doi...........a18a4bb191f49b8b41fcd0ef3b97cbdc |
| PLink | https://erproxy.cvtisr.sk/sfx/access?url=https://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsair&AN=edsair.doi...........a18a4bb191f49b8b41fcd0ef3b97cbdc |
| RecordInfo | BibRecord: BibEntity: Identifiers: – Type: doi Value: 10.24412/2712-8849-2025-485-663-675 Languages: – Text: Undetermined Subjects: – SubjectFull: концептуальный дрейф Type: general – SubjectFull: model sustainability Type: general – SubjectFull: персонализация Type: general – SubjectFull: устойчивость моделей Type: general – SubjectFull: retail Type: general – SubjectFull: машинное обучение Type: general – SubjectFull: розничная торговля Type: general – SubjectFull: demand forecasting Type: general – SubjectFull: machine learning Type: general – SubjectFull: model architecture Type: general – SubjectFull: прогнозирование спроса Type: general – SubjectFull: conceptual drift Type: general – SubjectFull: архитектура моделей Type: general – SubjectFull: personalization Type: general Titles: – TitleFull: МОДЕЛИ МАШИННОГО ОБУЧЕНИЯ В FMCG-РИТЕЙЛЕ: АРХИТЕКТУРА И ЭКСПЛУАТАЦИЯ В УСЛОВИЯХ ВЫСОКОЙ ИЗМЕНЧИВОСТИ ДАННЫХ Type: main BibRelationships: IsPartOfRelationships: – BibEntity: Dates: – D: 01 M: 01 Type: published Y: 2025 Identifiers: – Type: issn-locals Value: edsair |
| ResultId | 1 |