ガイド連動クイズ · 中 レベル
AI需要予測クイズ
グローバルな予測、確率論的な在庫決定、従来のベースライン、漏洩、外部シグナル、および基礎モデルの制限を確認します。
質問 1 の 8
Why can one global forecasting model help when an organization has many related series?
すべての質問をプレビューする8 質問
クイズに答えると、答えと解説が表示されます。
- Why can one global forecasting model help when an organization has many related series?
- It can learn shared patterns across series while retaining series-specific inputs
- It guarantees the same forecast error for every series
- It replaces chronological validation with a random split
- It means one model is trained separately for each series
- 確率的 (分位数) 予測が在庫計画に役立つのはなぜですか?
- 単一の保証番号が与えられます
- プランナーがリスクに対して安全在庫を設定できるように、範囲と信頼性を表現します。
- 履歴データは必要ありません。
- 予測をより迅速に実行できるようになります
- 最新の ML アプローチよりも以前から存在する古典的な統計予測手法はどれですか?
- 時間融合トランスフォーマー
- DeepAR
- 有馬
- タイムズFM
- 需要予測担当者をトレーニングする際に避けるべき重大な落とし穴は何ですか?
- カレンダー機能の使用
- キャンペーン情報も含めて
- 信頼区間の作成
- 過去の予測のトレーニングに将来のデータが漏洩する
- アイスクリームの売上予測を改善する可能性が最も高い外部シグナルはどれですか?
- 毎日の気温と天気
- サーバー稼働時間ログ
- 社長の誕生日
- ウェブサイト上のフォントの選択
- What did the cited decoder-only foundation-model paper report about its model’s zero-shot forecasts?
- It guarantees better forecasts for every business series
- On several public datasets, out-of-the-box accuracy came close to supervised models trained for each dataset
- It eliminates the need for statistical baselines
- It forecasts only with fine-tuning on each target series
- What architecture does the DeepAR paper use to produce forecasts across related time series?
- A single ARIMA model fitted separately to each series
- A static lookup table of future values
- An autoregressive recurrent network trained on many related series
- A diffusion image model that reads plotted charts
- Why evaluate a demand model against statistical baselines?
- To ensure a neural model always wins
- To make data leakage unavoidable
- To remove uncertainty from demand
- To test whether added model complexity improves the target forecast task