رکوردهای مرتبط با این شخص

مدلی برای پیشبینی موفقیت کسب‌وکارهای نوپا با یادگیری ماشین خودکار: مطالعه موردی روی کسبوکارهای نوپا سایت بلینک (1404) / مرتضوی پناه ، رضا، نویسنده

نوع مدرک: متون چاپی سرشناسه مرتضوی پناه ، رضا، نویسنده شماره بازیابی : ‭COM soft ‭87 1404 عنوان : مدلی برای پیشبینی موفقیت کسب‌وکارهای نوپا با یادگیری ماشین خودکار: مطالعه موردی روی کسبوکارهای نوپا سایت بلینک عنوان موازی : A Model for Predicting the Success of Startup Ventures Using Automated Machine Learning: A Case Study on Blink Website Startups ناشر: دانشگاه شهید اشرفی اصفهانی: اصفهان سال نشر : 1404 صفحه شمار: 100ص شابک/شاپا 26037 یادداشت پایان‌نامه کارشناسی ارشد :رشته مهندسی کامپیوتر گرایش نرم افزار شناسه افزوده : یراقی ، شکوفه، استاد راهنما نصر اصفهانی ، ابراهیم، استاد مشاور توصیفگرها کسب‌وکارهای نوپا، استارتاپ، پیش‌بینی موفقیت، یادگیری ماشین خودکار  Startups, Entrepreneurial Ventures, Success Prediction, Automated Machine Learning (AutoML) چکیده : در سال‌های اخیر، استارتاپ‌ها به یکی از مهم‌ترین محرک‌های رشد اقتصادی و نوآوری تبدیل شده‌اند؛ با این حال، نرخ شکست بالای آن‌ها در سال‌های ابتدایی فعالیت، نیاز به مدل‌های پیش‌بینی دقیق و داده‌محور را برجسته ساخته است. بخش عمده‌ای از پژوهش‌های پیشین در این حوزه بر داده‌های بین‌المللی و اطلاعات مرحله‌ی رشد و پسارشد استارتاپ‌ها تکیه داشته‌اند؛ داده‌هایی که در اکوسیستم بومی ایران به‌ویژه در مراحل ابتدایی فعالیت شرکت‌ها قابل دسترس نیست و این امر، امکان بهره‌گیری از این مدل‌ها را محدود می‌سازد. هدف این پژوهش، توسعه‌ی یک مدل بومی برای پیش‌بینی موفقیت یا عدم موفقیت استارتاپ‌های ایرانی با استفاده از یادگیری ماشین خودکار است؛ رویکردی که با خودکارسازی انتخاب مدل، تنظیم ابَراپارامترها و ارزیابی عملکرد، امکان ساخت مدل‌هایی پایدار، دقیق و عاری از مداخله‌های انسانی را فراهم می‌کند. داده‌های این تحقیق از منابع داخلی، به‌ویژه پلتفرم بلینک، استخراج شده و بر ویژگی‌های قابل دسترس در مراحل اولیه فعالیت استارتاپ‌ها تمرکز دارد؛ از جمله سال تأسیس، عضویت در شتاب‌دهنده، دسته‌ی کسب‌وکار، وضعیت فعالیت، تیم اولیه و شاخص‌های حضور آنلاین. مدلسازی با استفاده از ابزار H2O-AutoML انجام شد و مجموعه‌ای از مدل‌ها به‌صورت خودکار تولید و ارزیابی گردید. معیار اصلی سنجش، AUC بود که با توجه به ماهیت نامتوازن داده‌ها، توانایی آن در تفکیک صحیح کلاس‌ها، و پایداری نسبت به تغییر آستانه‌های تصمیم، انتخاب شد. مدل نهایی منتخب (GBM Model 17)، با مقدار AUC برابر با 91/0 و F1-Score برابر با 86/0 عملکرد مطلوبی در پیش‌بینی موفقیت استارتاپ‌ها نشان داد. همچنین تحلیل اهمیت ویژگی‌ها نشان داد که متغیرهایی مانند صنعت فعالیت استارتاپ و موقعیت جغرافیایی بیشترین تأثیر را در پیش‌بینی دارند. نتایج این پژوهش نشان می‌دهد که بهره‌گیری از یادگیری ماشین خودکار می‌تواند ابزار قابل اتکایی برای تصمیم‌سازی در اکوسیستم استارتاپی ایران باشد. مدل توسعه‌یافته می‌تواند به‌عنوان سیستم پشتیبان تصمیم برای سرمایه‌گذاران خطرپذیر، شتاب‌دهنده‌ها، نهادهای حمایتی و سیاست‌گذاران مورد استفاده قرار گیرد و به تخصیص بهینه منابع، کاهش ریسک سرمایه‌گذاری و شناسایی زودهنگام استارتاپ‌های با پتانسیل موفقیت کمک کند لینک ثابت رکورد: ../opac/index.php?lvl=record_display&id=14873 زبان مدرک : فارسی

 فهرست موجودی مدرک

شماره ثبت	شماره بازیابی	نام عام مواد	محل نگهداری	بخش	وضعیت ثبت	وضعیت امانت
26037	‭COM soft ‭87 1404	پایان‌نامه	دانشگاه شهید اشرفی اصفهانی	مرکزی	اسناد مرجع	غیر قابل امانت