5 février 2021 Dans cet article, Maxime Lutel, scientifique de Data, résume les enseignements qu'il a tirés du concours de prévision des ventes M5, qui consistait à prédire les ventes futures dans plusieurs magasins Walmart. Il vous guidera à travers notre solution et discutera du modèle d'apprentissage automatique qui a le mieux fonctionné pour cette tâche.
25 janvier 2021 Par définition, le search est l'un des leviers majeurs du marketing digital. Dans cet article, Vincent Laquerriere, Account Executive chez Artefact, vous explique comment optimiser votre stratégie de positionnement sur Google pour devancer vos concurrents, et comment maximiser votre utilisation des outils de gestion de campagnes Google en y intégrant data ce qui est important pour votre entreprise.
7 janvier 2021 Pour obtenir de réels retours sur les investissements dans l'IA et le Machine Learning, les chefs d'entreprise doivent d'abord comprendre les relations de cause à effet ayant un impact sur la performance. Siddharth Mohan, scientifique principal de Data à Artefact Pays-Bas et France, explique comment l'intelligence causale peut stimuler les performances.
25 novembre 2020 Dans cet article, Kasra Mansouri et Camille Le Gonidec, scientifiques principaux de Artefact, expliquent comment créer un produit scientifique data avec des contraintes commerciales élevées et un nombre limité de data. Découvrez comment ils ont réussi à réduire les ruptures de stock dans les hypermarchés grâce à la modélisation des séries temporelles.
25 novembre 2020 Dans cet article, Amale El Hamri, scientifique senior Data à Artefact France, explique comment former un modèle linguistique sans comprendre la langue elle-même. L'article comprend des conseils sur l'origine des data d'entraînement, la quantité de data dont vous avez besoin, le prétraitement de votre data et la manière de trouver une architecture et un ensemble d'hyperparamètres qui conviennent le mieux à votre modèle.
25 novembre 2020 Chez Artefact, nous sommes tellement français que nous avons décidé d'appliquer le Machine Learning aux croissants. Ce premier article sur deux explique comment nous avons décidé d'utiliser Catboost pour prédire les ventes de “viennoiseries”. Les caractéristiques les plus importantes qui influencent les ventes sont les dernières ventes hebdomadaires, le fait que le produit soit en promotion ou non et son prix. Nous vous présenterons quelques caractéristiques techniques intéressantes, notamment la cannibalisation et les raisons pour lesquelles vous devez parfois mettre à jour votre variable cible.
25 novembre 2020 Les conseillers des centres d'appel commencent à voir émerger l'utilisation des NLU dans leur vie quotidienne, ce qui leur permet de répondre plus facilement aux demandes des clients. Pour ce faire, un outil doit être capable de reconnaître en même temps la demande du client et ses caractéristiques, en d'autres termes, une intention et des entités nommées.
16 octobre 2020 Les fermetures ont renforcé l'influence des prosommateurs en ligne, c'est-à-dire des personnes qui consomment mais fabriquent également leurs propres produits. Pour garder une longueur d'avance sur ces ‘micro-marques’, les spécialistes du marketing peuvent utiliser l'IA pour prédire le prochain engouement, explique Cyril Fekete, Consulting Partner chez Artefact.
Un algorithme pour générer des événements rares synthétiques de tous types
