Automatización del entrenamiento de modelos ML con Google Cloud AI Platform
25 de marzo de 2021 Cómo gestionamos la formación y el despliegue de nuestros modelos FastAI utilizando AI Platform - Parte I
Data Analistas: Alimentar a los creativos con información contextual Data
23 de febrero de 2021 Si antes data sólo se utilizaba para medir el rendimiento, los objetivos de ingresos y las tasas de conversión, hoy las empresas con un sólido historial data también pueden utilizarlo como base para la creación de contenidos. Daniel de Vos, director de Data & Analytics en Artefact Países Bajos, explica cómo.
Previsión de ventas en el comercio minorista: lo que aprendimos del concurso M5
5 de febrero de 2021 En este artículo, el científico de Data Maxime Lutel resume lo aprendido en el concurso de previsión de ventas M5, que consistía en predecir las ventas futuras en varias tiendas Walmart. Le guiará a través de nuestra solución y le explicará qué modelo de aprendizaje automático funcionó mejor para esta tarea.
¿Cómo puede data mejorar las estrategias de búsqueda e impulsar el retorno de la inversión?
25 de enero de 2021 Por definición, la búsqueda es una de las principales palancas del marketing digital. En este artículo, Vincent Laquerriere, ejecutivo de cuentas de Artefact, explica cómo optimizar tu estrategia de posicionamiento en Google para mantenerte por delante de tus competidores, y cómo maximizar el uso de las herramientas de gestión de campañas de Google integrando data que sea importante para tu Compañia.
Inteligencia causal: La clave para potenciar el rendimiento de las empresas AI
7 de enero de 2021 Para obtener un rendimiento real de las inversiones en AI y aprendizaje automático, los directivos de las empresas deben comprender primero las relaciones causa-efecto que influyen en el rendimiento. Siddharth Mohan, científico sénior de Data en Artefact Países Bajos y Francia, explica cómo la inteligencia causal puede impulsar el rendimiento.
Reducción de los desabastecimientos de productos en los hipermercados con modelos de series temporales
25 de noviembre de 2020 En este artículo, Kasra Mansouri y Camille Le Gonidec, científicos sénior de Artefact Data , explican cómo crear un producto científico data con data limitado y grandes restricciones comerciales. Descubra cómo consiguieron reducir las roturas de stock de productos en los hipermercados gracias a la modelización de series temporales.
Cómo entrenar un modelo lingüístico desde cero sin conocimientos lingüísticos
25 de noviembre de 2020 En este artículo, Amale El Hamri, científico sénior de Data en Artefact Francia, explica cómo entrenar un modelo lingüístico sin tener que entender la lengua. El artículo incluye consejos sobre dónde obtener data para el entrenamiento, cuánto data necesita, cómo preprocesar su data y cómo encontrar una arquitectura y un conjunto de hiperparámetros que se adapten mejor a su modelo.
¿Cómo pusimos en marcha nuestra solución de previsión de ventas de croissants?
25 de noviembre de 2020 En Artefact, somos tan franceses que hemos decidido aplicar el Machine Learning a los croissants. Este primer artículo de dos explica cómo hemos decidido utilizar Catboost para predecir las ventas de "viennoiseries". Las características más importantes que impulsaron las ventas fueron las últimas ventas semanales, si el producto está en promoción o no y su precio. Le presentaremos algunas bonitas características de ingeniería, como la canibalización y por qué a veces es necesario actualizar la variable objetivo.
Puntos de referencia NLU para la detección de intenciones y el reconocimiento de entidades con nombre en conversaciones de teleoperadores
25 de noviembre de 2020 Los asesores de los centros de llamadas están empezando a ver cómo la NLU aparece en su día a día, ayudándoles a responder más fácilmente a las peticiones de los clientes. Para ello, una herramienta debe ser capaz de reconocer al mismo tiempo la solicitud del cliente y sus características, es decir, una intención y entidades con nombre.
