Date / Heure
Date(s) - 04/06/2019
18h30 - 20h30
Emplacement
Dataiku 4-6 Boulevard Poissonière · Paris
Catégories
Retour des meetups chez Dataiku ! Rejoignez-nous pour parler systèmes de recommandation ! Au programme :
– Comment Artefact a créé une liste de course pour Monoprix
– Comment réaliser des recommandations en temps réel avec le Local Sensitivity Hashing
– Pizzas, bières, et plus de discussions data !
Présentation #1 : Monop Post It
Comment avons-nous utilisé la donnée Monoprix pour faire des courses un moment de plaisir partagé, à la fois intelligent, ludique et innovant ? Nous avons créé une liste de course intelligente sur Google Home, dont l’objectif est de suggérer les produits que l’utilisateur aurait pu oublier, en fonction des habitudes d’achat des consommateurs.
Cette présentation présente la conception du moteur de recommandation, les défis techniques relevés, l’infrastructure déployée, ainsi que la manière dont l’algorithme a été intégré à l’expérience utilisateur de l’application vocale.
Sarah Bugalho, Senior Data Scientist, Artefact ;
Diplômée en 2016 de l’ENSAI, Sarah a une formation d’ingénieur en statistique et analyse de la donnée. Elle a commencé sa carrière en tant que data scientist dans une société de conseil spécialisée en optimisation, avant de rejoindre l’équipe Data Science d’Artefact en 2018. Sarah a participé à de nombreux projets innovants au sein d’Artefact : liste de course intelligente pour une marque de grande distribution, maintenance prédictive dans les télécoms, indexation automatique de vidéos, association d’archives de journaux à des articles d’actualité en temps réel…
Flore De Lasteyrie, Data Scientist, Artefact :
Suite à une formation ingénieure Arts & Métiers, Flore s’est spécialisée en Data Science & Business Analytics avec un MSc CentraleSupélec & Essec Business School. Elle a rejoint Artefact après une première expérience chez Sopra Steria, consacrée à l’étude de faisabilité de projets digitaux. Chez Artefact, elle a notamment participé à la construction de la liste de courses prédictives en fonction des habitudes de consommation de clients, à la labellisation automatisée d’une base de donnée produits, à la réalisation d’un dashboard de monitoring omnicanal, ou encore au développement d’un algorithme de reconnaissance d’images pour attribution de points sur base de tickets de caisse.
Présentation #2 : Recommandations en temps réel : Local Sensitivity Hashing
Les systèmes de recommandations sont devenus un outil indispensable pour la personnalisation de l’expérience client. Ces outils sont notamment utilisés pour proposer du contenu similaire aux intérêts du client, en se basant sur les images des produits achetés ou visités par ce client. Mais comment des boîtes comme Pinterest parviennent-elle à produire des recommandations en temps réels, sur la base de millions d’images ?
Nous présenterons durant ce talk une nouvelle technique : Local Sensitivity Hashing, utilisée par plusieurs boîtes pour assurer des recommandations en temps réels. Ce talk mettra aussi le point sur la mise en production de ce modèle sur Dataiku Data Science Studio.
Du Phan, Data Scientist, Dataiku :
Du contribue à démocratiser la science de la donnée au sein de Dataiku. Il
travaillé sur une importante variété de problèmes de machine learning, de l’analyse géospatiale à la robotique. Précédemment, il a travaillé en tant que data scientist pour l’Université Nationale du Vietnam et à ants, un laboratoire d’innovation ouverte.
Reda Affane, Data Scientist, Dataiku :
Reda a rejoint l’équipe après être diplômé à IMT Atlantique. Son travail consiste à aider les clients de Dataiku à développer et valoriser leurs projets data sur de nombreuses applications, de la maintenance prédictive aux recommandations produits. Reda se spécialise désormais dans marketing digital, en particulier l’attribution marketing.
Agenda :
18h30 : Pizzas, bières, discussions
19h : Présentation #1
19h30 : Présentation #2
20h : Discussions (+ bières !)
https://www.meetup.com/fr-FR/Dataiku-User-Group-France/events/261616237/
