<?xml version="1.0" encoding="UTF-8"?><?xml-stylesheet type="text/xsl" href="static/style.xsl"?><OAI-PMH xmlns="http://www.openarchives.org/OAI/2.0/" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.openarchives.org/OAI/2.0/ http://www.openarchives.org/OAI/2.0/OAI-PMH.xsd"><responseDate>2026-04-17T14:45:50Z</responseDate><request verb="GetRecord" identifier="oai:www.recercat.cat:2117/113457" metadataPrefix="oai_dc">https://recercat.cat/oai/request</request><GetRecord><record><header><identifier>oai:recercat.cat:2117/113457</identifier><datestamp>2025-07-22T20:18:32Z</datestamp><setSpec>com_2072_1033</setSpec><setSpec>col_2072_452951</setSpec></header><metadata><oai_dc:dc xmlns:oai_dc="http://www.openarchives.org/OAI/2.0/oai_dc/" xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns:doc="http://www.lyncode.com/xoai" xsi:schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/ http://www.openarchives.org/OAI/2.0/oai_dc.xsd">
   <dc:title>Forecasting con Machine Learning y Deep Learning</dc:title>
   <dc:creator>Espeleta, Carlos</dc:creator>
   <dc:contributor>Universitat Politècnica de Catalunya. Departament d'Enginyeria de Sistemes, Automàtica i Informàtica Industrial</dc:contributor>
   <dc:contributor>Perera Lluna, Alexandre</dc:contributor>
   <dc:subject>Àrees temàtiques de la UPC::Informàtica::Intel·ligència artificial</dc:subject>
   <dc:subject>Artificial intelligence</dc:subject>
   <dc:subject>Forecasting</dc:subject>
   <dc:subject>Machine learning</dc:subject>
   <dc:subject>Deep learning</dc:subject>
   <dc:subject>LSTM</dc:subject>
   <dc:subject>RNN</dc:subject>
   <dc:subject>ARIMA</dc:subject>
   <dc:subject>ETS</dc:subject>
   <dc:subject>RMSE</dc:subject>
   <dc:subject>MAE</dc:subject>
   <dc:subject>Intel·ligència artificial</dc:subject>
   <dc:subject>Classificació AMS::68 Computer science::68T Artificial intelligence</dc:subject>
   <dc:description>Cada vez más empresas necesitan buenas determinaciones futuras de su demanda. Muchas empresas disponen de sistemas basados en técnicas clásicas, disponibles en software como SAS, IBM o Excel. Este proyecto pretende explicar cómo segmentar el porfolio de productos para entender de que forma se pueden reducir costes y de- terminar donde dedicar más recursos. Además se compararán diferentes técnicas para determinar predicciones, empezando por modelos de series temporales. Des- pués se analizarán modelos multivariantes de machine learning y redes neuronales profundas.</dc:description>
   <dc:date>2018-01</dc:date>
   <dc:type>Master thesis</dc:type>
   <dc:identifier>https://hdl.handle.net/2117/113457</dc:identifier>
   <dc:identifier>FME-1621</dc:identifier>
   <dc:language>spa</dc:language>
   <dc:rights>Restricted access - author's decision</dc:rights>
   <dc:format>application/pdf</dc:format>
   <dc:publisher>Universitat Politècnica de Catalunya</dc:publisher>
</oai_dc:dc></metadata></record></GetRecord></OAI-PMH>