在她加入李维斯AI训练营之前,谢尔比格里历,分析经理在公司的批发电子商务业务,不知道如何代码。这是一个基本技能在计算机科学中,相当于知道如何读和写。

“我花了很多的额外的时间赶上周末,以确保我真的处理这个,”格里利市10月份在接受采访时说,大约两周计划。“这肯定是比我预期的更陡峭的学习曲线。”

格里利利未的第二组的员工经过八周,全日制课程,第一组5月开幕,旨在训练人们在AI角色整个公司。101年到目前为止,已经完成了。最喜欢格里利市,事先没有编程经验。

近六周,尽管格里利市开始编写代码,而不必引用任何文件。真正的转折点,”她说,当他们开始使用真正的李维斯数据。最近,她和一群的训练营的提出了一个有效的预测模型来确定大小分布最适合一个特定的风格和色彩组合。李维斯正在把模型转化为生产,她说毕业后培训。

训练营,5月开设了第一次会议,代表一个利未的最雄心勃勃的承诺以来AI将它作为2019年公司业务战略的一部分。人工智能的计算机视觉的,这个版本是重点执行狭窄的任务通过智能提供竞争性的业务优势,基于数据的预测。收益与投资者的电话,李维斯高管被人工智能作为其利润和提供有意义的改进有助于更好地管理工作,确定价格和促销、预测需求和实现电子商务商店的订单。

继续扩大其使用AI,李维斯科学家需要更多数据。

“世界上有一个非常有限,”凯蒂沃尔什博士说,李维斯高级副总裁兼首席战略和人工智能。“每个人都为他们而战。”

那些有兴趣为时装公司,而不是工作,财务或技术公司说,通常不熟悉复杂的行业。所以李维斯决定创建自己的。

李维斯员工所学在AI训练营

训练营是沃尔什的主意。数据科学家拥有超过20年的经验,她在2019年加入李维斯又一次在金融和科技。

“我这样做已经超过性感的,”沃尔什说。

在之前的公司,沃尔什运行AI训练背景的员工编码、工程和统计数据,但她希望李维斯程序打开一个更广泛的群体。进入,要求候选人必须完成一个应用程序的过程,测试他们的逻辑,解决问题的能力和毅力。

会话中启动这一轮,一个老师解释了包括数据收集、模型建立和预测。第一步是学习Python,开源编程语言。后面的覆盖元素如Python对象上的会话,字符串、数组,列表和循环。不了解它,它是一门外语:一点一学生问他们如何知道内核死了,指的是一种机制,执行一段代码。

学生然后进入机器学习、人工智能的分支集中在近似人类决策计算机,允许他们执行任务没有明确的指示。是有用的从大型数据集进行预测,预测有多少夹克等公司应该在一定的颜色和自动化生产劳动密集型的过程。最终,他们的工作与实际李维斯数据在一个真实的用例。

课程总结与他们合作组织建立一个预测模型,他们现在公司的行政管理。后来,毕业生与导师,这样他们就可以继续学习和发展他们的技能。

学习人工智能在短时间内不容易,。

“编码和做机器学习新思维方式,“Daniela俄文说的麻省理工学院的计算机科学与人工智能实验室技术。也就是说,可以在短时间内,她强调。

“如何把它吗?Ricardo Lemos强烈,“李维斯高级零售业务专家,说的训练营后最近完成了它。“我们还有太多东西要学,但它已经惊人的能做我们所做的。”

从人工智能湿透的真正价值

人工智能的起源可以追溯到大约70年前,但使用人工智能企业只有抓住最近。尤其是过去18个月其采用飙升。在时尚界,它经常权力电子商务聊天机器人,帮助公司对顾客的个性化推荐。Mytheresa使用人工智能预测并培养客户忠诚度。

为李维斯捞取真正价值的训练会让毕业生多激起新的想法,然而。

“更常见的挑战,我们发现是扩大试点变成实际行动影响针,”迈克尔说崔,咨询公司麦肯锡全球研究院的合伙人的业务和经济研究机构。

“我们在一个市场,然后我们开始规模非常快,但我们所做的一切,我们测量,”沃尔什说利现有的人工智能项目。

训练营的目标是生产规模的结果。一个调查是第一训练营的毕业生的工作,Danisha杰斐逊,计算机技术人员在公司的拉斯维加斯配送中心。通过使用数据从工作指令,她和导师设计了一个模型来预测设备将失败时,一个问题沃尔什表示,随着时间的推移,造成停机时间,花费数百万。

目前,模型是60%准确,杰弗逊是不断提高。最终目标是将其部署到其他配送中心和用于预防性维护。

还有其他障碍,AI。预测概率,而不是保证,只有一样好他们基于的数据。AI的大部分工作是收集和清洗数据,沃尔什承认是一个挑战对于任何公司使用的技术。如果公司不小心,他们的人工智能繁殖有害的偏见。李维斯员工的员工来自不同的种族和民族背景的训练营,以防止这个问题。

变化可能需要在一个公司的文化中,。

“文化、组织流程变化——所有这些都是必要的,”崔说。

例如,预测设备故障会影响员工处理维修,和孤立的AI部门不允许公司获得收益,崔说。以他的经验,训练,拓宽了解人工智能的公司更成功的方法来创造改变。

这是沃尔什的另一个目标。尽管有些毕业生加入数据科学团队,大部分回到他们以前的工作。它允许李维斯嵌入在组织新人工智能知识,逐步重塑企业文化越来越多的员工完成训练营。它已经有2022年第二轮计划。

下一个步骤

Lemos那些员工课程后回到他的常规任务。他的日常工作需要生产大量的对存储性能的详细报告。在训练营的早期,他的期望是,它将帮助改善这个报告,使其更有效和高效。他还想用人工智能识别模式的数据他没有看到自己。

大约六周,经过了机器学习的基本知识,AI感到“不可怕,”Lemos’字。一旦它结束的时候,他似乎有信心将使他更好地作用。

格里利同样是积极的。

“我绝对认为对我们有一些很棒的机会,都在真正的人工智能方面,所以考虑预测的东西,但也只是过程,”她说。她已经和她的经理谈论他们如何可以实现人工智能。

推荐文章:

这项技术将新顾客变成忠诚的顾客

时尚是准备把其供应链在区块链吗?

救不了时尚的数据