Automatisiertes Training von ML-Modellen mit Google Cloud AI Platform
25. März 2021 Wie wir das Training und den Einsatz unserer FastAI-Modelle mit der AI Platform durchgeführt haben - Teil I
Data Analysten: Kreative mit kontextuellen Informationen füttern Data
23. Februar 2021 Während data früher nur zur Messung von Leistung, Umsatzzielen und Konversionsraten verwendet wurde, können Unternehmen mit einer soliden Historie data heute auch als Input für die Erstellung von Inhalten nutzen. Daniel de Vos, Manager Data & Analytics bei Artefact Niederlande, erklärt wie.
Absatzprognosen im Einzelhandel: Was wir aus dem M5-Wettbewerb gelernt haben
5. Februar 2021 In diesem Artikel fasst Data Scientist Maxime Lutel seine Erkenntnisse aus dem M5-Wettbewerb für Umsatzprognosen zusammen, bei dem es um die Vorhersage künftiger Umsätze in mehreren Walmart-Filialen ging. Er führt Sie durch unsere Lösung und erläutert, welches Modell des maschinellen Lernens für diese Aufgabe am besten geeignet war.
Wie kann data Suchstrategien verbessern und den ROI steigern?
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 Ihre Google-Kampagnenmanagement-Tools durch die Integration von data , die für Ihr Unternehmen wichtig sind, optimal nutzen können.
Kausale Intelligenz: Der Schlüssel zur Steigerung der KI-Leistung in Unternehmen
7. Januar 2021 Damit sich Investitionen in künstliche Intelligenz und maschinelles Lernen wirklich auszahlen, müssen Führungskräfte zunächst die Ursache-Wirkungs-Beziehungen verstehen, die sich auf die Leistung auswirken. Siddharth Mohan, Senior Data Scientist bei Artefact Niederlande & Frankreich, erklärt, wie Causal Intelligence die Leistung steigern kann.
Verringerung der Produktausfälle in Verbrauchermärkten durch Zeitreihenmodellierung
25. November 2020 In diesem Artikel erklären die Senior Data Scientists Kasra Mansouri und Camille Le Gonidec von Artefact, wie man ein Data-Science-Produkt mit begrenzten Daten und hohen geschäftlichen Anforderungen erstellt. Erfahren Sie, wie sie mit Hilfe von Zeitreihenmodellen die Produktausfälle in Hypermärkten reduzieren konnten.
Wie man ein Sprachmodell von Grund auf ohne linguistisches Wissen trainiert
25. November 2020 In diesem Artikel erklärt Amale El Hamri, Senior Data Scientist bei Artefact Frankreich, wie man ein Sprachmodell trainiert, ohne die Sprache selbst zu verstehen. Der Artikel enthält Tipps dazu, woher man Trainingsdaten bekommt, wie viele Daten man braucht, wie man seine Daten vorverarbeitet und wie man eine Architektur und einen Satz von Hyperparametern findet, die am besten zu seinem Modell passen.
Wie haben wir unsere Lösung zur Absatzprognose für Croissants in die Produktion gebracht?
25. November 2020 Auf Artefact sind wir 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 für die Vorhersage der Verkaufszahlen waren die letzten wöchentlichen Verkäufe, die Tatsache, ob das Produkt im Sonderangebot ist oder nicht und der Preis. Wir werden Ihnen einige nette technische Merkmale vorstellen, darunter Kannibalisierung und warum Sie manchmal Ihre Zielvariable aktualisieren müssen.
NLU-Benchmarks für die Erkennung von Absichten und benannten Personen in Callcenter-Gesprächen
25. November 2020 Call-Center-Berater 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, d. h. eine Absicht und benannte Entitäten.
