5. Februar 2021 In diesem Artikel fasst Data-Wissenschaftler Maxime Lutel seine Erkenntnisse aus dem M5-Wettbewerb für Umsatzprognosen zusammen, bei dem es darum ging, die zukünftigen Umsätze in mehreren Walmart-Filialen vorherzusagen. Er führt Sie durch unsere Lösung und erläutert, welches maschinelle Lernmodell für diese Aufgabe am besten geeignet war.
25. Januar 2021 Per Definition ist die Suche einer der wichtigsten Hebel des digitalen Marketings. In diesem Artikel erklärt Vincent Laquerriere, Account Executive bei Artefact, wie Sie Ihre Google-Positionierungsstrategie optimieren können, um Ihren Mitbewerbern einen Schritt voraus zu sein, und wie Sie die für Ihr Unternehmen wichtigen Google-Kampagnenmanagement-Tools optimal nutzen können, indem Sie data integrieren.
7. Januar 2021 Damit sich Investitionen in KI und maschinelles Lernen wirklich auszahlen, müssen Führungskräfte zunächst die Ursache-Wirkungs-Beziehungen verstehen, die die Leistung beeinflussen. Siddharth Mohan, Senior Data Scientist bei Artefact Niederlande & Frankreich, erklärt, wie Causal Intelligence die Leistung steigern kann.
25. November 2020 In diesem Artikel erläutern die Artefact Senior Data Scientists Kasra Mansouri und Camille Le Gonidec, wie sie ein data wissenschaftliches Produkt mit begrenztem data und hohen geschäftlichen Einschränkungen entwickeln konnten. Finden Sie heraus, wie sie mit Hilfe von Zeitreihenmodellen die Produktausfälle in Hypermärkten reduzieren konnten.
25. November 2020 In diesem Artikel erklärt Amale El Hamri, Senior Data Scientist bei Artefact France, wie man ein Sprachmodell trainiert, ohne die Sprache selbst zu verstehen. Der Artikel enthält Tipps dazu, woher Sie Trainings-data erhalten, wie viel data Sie benötigen, wie Sie Ihr data vorverarbeiten und wie Sie eine Architektur und eine Reihe von Hyperparametern finden, die am besten zu Ihrem Modell passen.
25. November 2020 Wir von Artefact sind so französisch, dass wir beschlossen haben, Machine Learning auf Croissants anzuwenden. Dieser erste von zwei Artikeln erklärt, wie wir beschlossen haben, Catboost zur Vorhersage der Verkaufszahlen von “viennoiseries” einzusetzen. Die wichtigsten Merkmale, die den Umsatz beeinflussen, sind die letzten wöchentlichen Verkäufe, die Tatsache, ob das Produkt im Sonderangebot ist oder nicht und der Preis. Wir stellen Ihnen einige nette technische Funktionen vor, darunter die Kannibalisierung und warum Sie Ihre Zielvariable manchmal aktualisieren müssen.
25. November 2020 Die Berater in Call Centern sehen allmählich, wie NLU in ihren Alltag Einzug hält und ihnen hilft, Kundenanfragen leichter zu beantworten. Damit ein Tool dies leisten kann, muss es in der Lage sein, gleichzeitig die Kundenanfrage und ihre Merkmale zu erkennen, mit anderen Worten, eine Absicht und benannte Entitäten.
16. Oktober 2020 Lockdowns haben den Einfluss von Online-Prosumenten gestärkt - Menschen, die konsumieren, aber auch ihre eigenen Produkte herstellen. Um diesen ‘Mikromarken’ einen Schritt voraus zu sein, können Vermarkter KI nutzen, um den nächsten Trend vorherzusagen, sagt Cyril Fekete, Consulting Partner bei Artefact.
Ein Algorithmus zur Erzeugung synthetischer seltener Ereignisse aller Art
