Description
Nous avons collaboré avec une startup fournissant des solutions de CRM qui utilisent l’intelligence artificielle. Dans le cadre de ce projet, nous avons développé une stack d’inférence sur Kubernetes afin d’automatiser et de mettre à l’échelle le système. Les prédictions basés sur des modèles spécifiques à chaque client permettent d’optimiser les campagnes marketing (emails, sms et push notifs).
Business goals
- Développer une stack d'inférence scalable et multi-tenant
- Maintenir le temps d'exécution de l'inférence constant
- Optimiser les coûts de l'infrastructure
DATA
- Environnement Multi-Tenant: Données issues de multiples clients
- Données de vente, incluant, tickets de caisse, catalogues de produits et informations sur les clients
ENVIRONNEMENT TECHNIQUE
- TensorFlow et Python pour le modèle
- Spark pour le traitement des données
- Kubeflow pour la création de pipelines d’inférence
- BigQuery de GCP pour le stockage des données
Algorithm & models
- Algorithmes de recommandations
- Réseaux de Neurones & Régressions
