دانلود کتاب رویکرد کلان داده به نوآوری در سطح شرکت در تولید: اقتصاد صنعتی بعد از پرداخت مقدور خواهد بود
توضیحات کتاب در بخش جزئیات آمده است و می توانید موارد را مشاهده فرمایید
در صورت ایرانی بودن نویسنده امکان دانلود وجود ندارد و مبلغ عودت داده خواهد شد
نام کتاب : Big Data Approach to Firm Level Innovation in Manufacturing: Industrial Economics
ویرایش : 1st ed.
عنوان ترجمه شده به فارسی : رویکرد کلان داده به نوآوری در سطح شرکت در تولید: اقتصاد صنعتی
سری : SpringerBriefs in Applied Sciences and Technology
نویسندگان : Seyed Mehrshad Parvin Hosseini, Aydin Azizi
ناشر : Springer Singapore;Springer
سال نشر : 2020
تعداد صفحات : 78
ISBN (شابک) : 9789811562990 , 9789811563003
زبان کتاب : English
فرمت کتاب : pdf
حجم کتاب : 1 مگابایت
بعد از تکمیل فرایند پرداخت لینک دانلود کتاب ارائه خواهد شد. درصورت ثبت نام و ورود به حساب کاربری خود قادر خواهید بود لیست کتاب های خریداری شده را مشاهده فرمایید.
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.