零售业销售预测：我们从 M5 竞赛中学到的东西
2021 年 2 月 5 日 在本文中，Data 科学家 Maxime Lutel 总结了他在 M5 销售预测竞赛中的心得，该竞赛的内容包括预测沃尔玛几家商店的未来销售额。他将向您介绍我们的解决方案，并讨论哪种机器学习模型最适合这项任务。.
data 如何加强搜索策略并提高投资回报率？
2021 年 1 月 25 日 顾名思义，搜索是数字营销的主要杠杆之一。在本文中，Artefact 的客户经理 Vincent Laquerriere 将介绍如何优化您的谷歌定位策略以保持领先于竞争对手，以及如何通过整合对公司非常重要的 data 来最大限度地利用谷歌营销活动管理工具。.
因果智能：提升人工智能业务绩效的关键
2021 年 1 月 7 日 要看到人工智能和机器学习投资的真正回报，企业领导者首先需要了解影响绩效的因果关系。荷兰和法国 Artefact 高级 Data 科学家 Siddharth Mohan 解释了因果智能如何提升绩效。.
利用时间序列建模减少大型超市的产品缺货现象
2020年11月25日 在本文中，Artefact 的高级 Data 科学家 Kasra Mansouri 和 Camille Le Gonidec 介绍了如何在有限的 data 和较高的业务限制条件下创建 data 科学产品。了解他们如何利用时间序列建模减少大卖场的产品缺货。.
如何在没有任何语言知识的情况下从头开始训练语言模型
2020 年 11 月 25 日 在本文中，法国 Artefact 高级 Data 科学家 Amale El Hamri 介绍了如何在不理解语言的情况下训练语言模型。文章介绍了从哪里获取训练 data、需要多少 data、如何预处理 data，以及如何找到最适合模型的架构和超参数集。.
我们是如何将牛角面包销售预测解决方案投入生产的？
2020 年 11 月 25 日 在 Artefact，我们是如此法国，以至于我们决定将机器学习应用于羊角面包。本文是两篇文章中的第一篇，介绍了我们如何决定使用 Catboost 来预测 “羊角面包 ”的销售情况。影响销售额的最重要特征是最近一周的销售额、产品是否在促销以及价格。我们将向您介绍一些不错的功能工程，包括蚕食效应以及为什么有时需要更新目标变量。.
呼叫中心对话中意图检测和命名实体识别的 NLU 基准
2020 年 11 月 25 日 呼叫中心顾问在日常工作中已经开始使用 NLU，以帮助他们更轻松地回答客户的请求。要做到这一点，工具必须能够同时识别客户请求及其特征，换句话说，就是识别意图和命名实体。.
人工智能如何帮助品牌发现消费者微趋势
2020 年 10 月 16 日 禁售加强了网络消费者（prosumers）的影响力，他们在消费的同时也生产自己的产品。Artefact 咨询合作伙伴 Cyril Fekete 表示，要想领先于这些 ‘微品牌’，营销人员可以利用人工智能预测下一个热潮。.
Data - 新 BI - 自主商业智能
生成各类合成罕见事件的算法
