Buchumschlag

Forecasting Green Skill Demand in the Automotive Industry: Evidence from Online Job Postings

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Butt, Sabur, E., Joshua N. Arrazola, Ceballos, Hector G., Caratozzolo, Patricia
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Tec-Habilidad: Skill Classification for Bridging Education and Employment
von: Butt, Sabur, et al.
Veröffentlicht: (2025)

Job-SDF: A Multi-Granularity Dataset for Job Skill Demand Forecasting and Benchmarking
von: Chen, Xi, et al.
Veröffentlicht: (2024)

Forecasting Automotive Supply Chain Shortfalls with Heterogeneous Time Series
von: Do, Bach Viet, et al.
Veröffentlicht: (2024)

Any-Quantile Probabilistic Forecasting of Short-Term Electricity Demand
von: Smyl, Slawek, et al.
Veröffentlicht: (2024)

AutoML Algorithms for Online Generalized Additive Model Selection: Application to Electricity Demand Forecasting
von: Das, Keshav, et al.
Veröffentlicht: (2025)

Large Language Models on Small Resource-Constrained Systems: Performance Characterization, Analysis and Trade-offs
von: Seymour, Liam, et al.
Veröffentlicht: (2024)

Probabilistic Demand Forecasting with Graph Neural Networks
von: Kozodoi, Nikita, et al.
Veröffentlicht: (2024)

Demand Forecasting for Platelet Usage: from Univariate Time Series to Multivariate Models
von: Motamedi, Maryam, et al.
Veröffentlicht: (2021)

Enhanced N-BEATS for Mid-Term Electricity Demand Forecasting
von: Kasprzyk, Mateusz, et al.
Veröffentlicht: (2024)

TAT: Temporal-Aligned Transformer for Multi-Horizon Peak Demand Forecasting
von: Zhao, Zhiyuan, et al.
Veröffentlicht: (2025)

Hierarchical Industrial Demand Forecasting with Temporal and Uncertainty Explanations
von: Kamarthi, Harshavardhan, et al.
Veröffentlicht: (2026)

Measuring Time Series Forecast Stability for Demand Planning
von: Klee, Steven, et al.
Veröffentlicht: (2025)

Improving Forecasts for Heterogeneous Time Series by "Averaging", with Application to Food Demand Forecast
von: Neubauer, Lukas, et al.
Veröffentlicht: (2023)

On Electric Vehicle Energy Demand Forecasting and the Effect of Federated Learning
von: Tritsarolis, Andreas, et al.
Veröffentlicht: (2026)

MLPerf Automotive
von: Shojaei, Radoyeh, et al.
Veröffentlicht: (2025)

SPDNet: Seasonal-Periodic Decomposition Network for Advanced Residential Demand Forecasting
von: Nematirad, Reza, et al.
Veröffentlicht: (2025)

Alif: Advancing Urdu Large Language Models via Multilingual Synthetic Data Distillation
von: Shafique, Muhammad Ali, et al.
Veröffentlicht: (2025)

Hierarchical Classification of Transversal Skills in Job Ads Based on Sentence Embeddings
von: Leon, Florin, et al.
Veröffentlicht: (2024)

Online Smoothed Demand Management
von: Lechowicz, Adam, et al.
Veröffentlicht: (2025)

Bikelution: Federated Gradient-Boosting for Scalable Shared Micro-Mobility Demand Forecasting
von: Tziorvas, Antonios, et al.
Veröffentlicht: (2026)

Taxonomy-Conditioned Hierarchical Bayesian TSB Models for Heterogeneous Intermittent Demand Forecasting
von: Bai, Zong-Han, et al.
Veröffentlicht: (2025)

PREIG: Physics-informed and Reinforcement-driven Interpretable GRU for Commodity Demand Forecasting
von: Ma, Hongwei, et al.
Veröffentlicht: (2025)

VMDNet: Temporal Leakage-Free Variational Mode Decomposition for Electricity Demand Forecasting
von: Feng, Weibin, et al.
Veröffentlicht: (2025)

FreshRetailNet-50K: A Stockout-Annotated Censored Demand Dataset for Latent Demand Recovery and Forecasting in Fresh Retail
von: Wang, Yangyang, et al.
Veröffentlicht: (2025)

Sliding-Window Signatures for Time Series: Application to Electricity Demand Forecasting
von: Drobac, Nina, et al.
Veröffentlicht: (2025)

Exploring Quantum Neural Networks for Demand Forecasting
von: de Jesus, Gleydson Fernandes, et al.
Veröffentlicht: (2024)

Machine Learning Training Optimization using the Barycentric Correction Procedure
von: Ramos-Pulido, Sofia, et al.
Veröffentlicht: (2024)

Foundation Models for Demand Forecasting via Dual-Strategy Ensembling
von: Yang, Wei, et al.
Veröffentlicht: (2025)

Coherent Hierarchical Probabilistic Forecasting of Electric Vehicle Charging Demand
von: Zheng, Kedi, et al.
Veröffentlicht: (2024)

Hierarchical Neural Additive Models for Interpretable Demand Forecasts
von: Feddersen, Leif, et al.
Veröffentlicht: (2024)

Enhancing Job Matching: Occupation, Skill and Qualification Linking with the ESCO and EQF taxonomies
von: Saroglou, Stylianos, et al.
Veröffentlicht: (2025)

Online Data Augmentation for Forecasting with Deep Learning
von: Cerqueira, Vitor, et al.
Veröffentlicht: (2024)

Online Time Series Forecasting with Theoretical Guarantees
von: Li, Zijian, et al.
Veröffentlicht: (2025)

Horizon-Aware Forecasting of Passenger Assistance Demand for Rail Station Workforce Planning
von: Sheehan, Michael, et al.
Veröffentlicht: (2026)

DemandLens: Enhancing Forecast Accuracy Through Product-Specific Hyperparameter Optimization
von: Pillai, Srijesh, et al.
Veröffentlicht: (2025)

Large Scale Hierarchical Industrial Demand Time-Series Forecasting incorporating Sparsity
von: Kamarthi, Harshavardhan, et al.
Veröffentlicht: (2024)

Cross-household Transfer Learning Approach with LSTM-based Demand Forecasting
von: Rahal, Manal, et al.
Veröffentlicht: (2026)

ACA-Net: Future Graph Learning for Logistical Demand-Supply Forecasting
von: Shi, Jiacheng, et al.
Veröffentlicht: (2025)

A Scalable and Transferable Time Series Prediction Framework for Demand Forecasting
von: Park, Young-Jin, et al.
Veröffentlicht: (2024)

Improving Demand Forecasting in Open Systems with Cartogram-Enhanced Deep Learning
von: Park, Sangjoon, et al.
Veröffentlicht: (2024)