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.
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.
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.
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.
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.
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.
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.
16. Oktober 2020 Lockdowns haben den Einfluss von Online-Prosumenten gestärkt - Menschen, die nicht nur konsumieren, sondern auch ihre eigenen Produkte herstellen. Um diesen "Mikromarken" einen Schritt voraus zu sein, können Vermarkter AI nutzen, um den nächsten Trend vorherzusagen, sagt Cyril Fekete, Consulting Partner bei Artefact.
9. März 2020 Eine eigene "AI Factory" wird Ihr Geschäft beschleunigen, sagt Vincent Luciani, Mitbegründer und Global COO von Artefact
Entdecken Sie unsere neuesten reports, Konferenzen replay und Artikel.
