undefined cover
undefined cover
#42 Samuel Fillon (Fondateur @ Sommelier du parfum) : La data et l'IA au service de la parfumerie cover
#42 Samuel Fillon (Fondateur @ Sommelier du parfum) : La data et l'IA au service de la parfumerie cover
Intelligence Artificielle - Data Driven 101 - Le podcast IA & Data 100% en français

#42 Samuel Fillon (Fondateur @ Sommelier du parfum) : La data et l'IA au service de la parfumerie

#42 Samuel Fillon (Fondateur @ Sommelier du parfum) : La data et l'IA au service de la parfumerie

42min |10/12/2023|

1060

Play
undefined cover
undefined cover
#42 Samuel Fillon (Fondateur @ Sommelier du parfum) : La data et l'IA au service de la parfumerie cover
#42 Samuel Fillon (Fondateur @ Sommelier du parfum) : La data et l'IA au service de la parfumerie cover
Intelligence Artificielle - Data Driven 101 - Le podcast IA & Data 100% en français

#42 Samuel Fillon (Fondateur @ Sommelier du parfum) : La data et l'IA au service de la parfumerie

#42 Samuel Fillon (Fondateur @ Sommelier du parfum) : La data et l'IA au service de la parfumerie

42min |10/12/2023|

1060

Play

Description

Samuel Fillon, fondateur de Sommelier du Parfum, une start-up de machine learning dans la parfumerie, est l’invité de l'épisode 42 de Data Driven 101.


Il nous explique :


 👉 Comment ils fournissent des outils data driven aux consommateurs et professionnels pour prendre des décisions rationnelles dans l'achat et la création de parfums.


 👉 Comment ils développent des intelligences artificielles à partir de données olfactives et d’avis clients pour améliorer la recommandation de parfums.

 👉 Quelles différences il y a entre des algorithmes de recommandation B2B et B2C.


🔑 MOTS CLÉS
Norme L2 : Mesure mathématique utilisée en statistiques et en apprentissage automatique pour quantifier la différence entre deux éléments.

Espace Sparse : Concept en science des données et en machine learning où la plupart des éléments d'un ensemble de données sont des zéros ou des valeurs non significatives.

Factorisation de Matrice : Technique mathématique utilisée en machine learning pour décomposer une matrice complexe en produits de matrices plus simples. 


🎙 SOUTENEZ LE PODCAST GRATUITEMENT

> Abonnez-vous 🔔

> Laissez 5 étoiles et un avis  🥰 

Sur Spotify : ici

Sur Apple Podcast : ici

Sur Deezer : ici

Sur Google Podcast : ici 


🧐 DANS LA MÊME THÉMATIQUE

Épisode 5 : Laure Lapost olle (DG adjointe @ Quitoque) - Data et paniers repas

Épisode 16 : Chloé Dupuy  (Manager Analytics Retail @ Catalina) : Comprendre le client
Épisode 27 : Valentin  Geffrier (Senior Data Scientist @ Spotify) - Data, musique et streaming audio


👋 PLUS DE CONTENU DATA ?

> Suivez-moi sur LinkedIn (tips/réflexions) ici 🤳

> Suivez-nous sur Tiktok 📳

> Abonnez-vous à notre chaîne Youtube

 🚀 BESOIN D’EXPERTISE IA & DATA ?

Réserver un créneau de 30 min avec Marc Sanselme  et profiter des connaissances et du savoir-faire d’un expert IA qui saura vous aiguiller sur vos projets d’IA.

Réservez votre séance de 30 minutes maintenant


Hébergé par Ausha. Visitez ausha.co/politique-de-confidentialite pour plus d'informations.

Chapters

  • Introduction

    00:00

  • Les types de données

    01:50

  • La data idéale

    09:22

  • Vers la personnalisation

    15:20

  • La recommandation

    16:45

  • Le cheminement du produit

    20:26

  • Les difficultés de l’industrie

    24:45

  • Les erreurs à ne pas commettre

    31:19

  • Anecdote et opinion

    35:09

Description

Samuel Fillon, fondateur de Sommelier du Parfum, une start-up de machine learning dans la parfumerie, est l’invité de l'épisode 42 de Data Driven 101.


Il nous explique :


 👉 Comment ils fournissent des outils data driven aux consommateurs et professionnels pour prendre des décisions rationnelles dans l'achat et la création de parfums.


 👉 Comment ils développent des intelligences artificielles à partir de données olfactives et d’avis clients pour améliorer la recommandation de parfums.

 👉 Quelles différences il y a entre des algorithmes de recommandation B2B et B2C.


🔑 MOTS CLÉS
Norme L2 : Mesure mathématique utilisée en statistiques et en apprentissage automatique pour quantifier la différence entre deux éléments.

Espace Sparse : Concept en science des données et en machine learning où la plupart des éléments d'un ensemble de données sont des zéros ou des valeurs non significatives.

Factorisation de Matrice : Technique mathématique utilisée en machine learning pour décomposer une matrice complexe en produits de matrices plus simples. 


🎙 SOUTENEZ LE PODCAST GRATUITEMENT

> Abonnez-vous 🔔

> Laissez 5 étoiles et un avis  🥰 

Sur Spotify : ici

Sur Apple Podcast : ici

Sur Deezer : ici

Sur Google Podcast : ici 


🧐 DANS LA MÊME THÉMATIQUE

Épisode 5 : Laure Lapost olle (DG adjointe @ Quitoque) - Data et paniers repas

Épisode 16 : Chloé Dupuy  (Manager Analytics Retail @ Catalina) : Comprendre le client
Épisode 27 : Valentin  Geffrier (Senior Data Scientist @ Spotify) - Data, musique et streaming audio


👋 PLUS DE CONTENU DATA ?

> Suivez-moi sur LinkedIn (tips/réflexions) ici 🤳

> Suivez-nous sur Tiktok 📳

> Abonnez-vous à notre chaîne Youtube

 🚀 BESOIN D’EXPERTISE IA & DATA ?

Réserver un créneau de 30 min avec Marc Sanselme  et profiter des connaissances et du savoir-faire d’un expert IA qui saura vous aiguiller sur vos projets d’IA.

Réservez votre séance de 30 minutes maintenant


Hébergé par Ausha. Visitez ausha.co/politique-de-confidentialite pour plus d'informations.

Chapters

  • Introduction

    00:00

  • Les types de données

    01:50

  • La data idéale

    09:22

  • Vers la personnalisation

    15:20

  • La recommandation

    16:45

  • Le cheminement du produit

    20:26

  • Les difficultés de l’industrie

    24:45

  • Les erreurs à ne pas commettre

    31:19

  • Anecdote et opinion

    35:09

Share

Embed

You may also like

Description

Samuel Fillon, fondateur de Sommelier du Parfum, une start-up de machine learning dans la parfumerie, est l’invité de l'épisode 42 de Data Driven 101.


Il nous explique :


 👉 Comment ils fournissent des outils data driven aux consommateurs et professionnels pour prendre des décisions rationnelles dans l'achat et la création de parfums.


 👉 Comment ils développent des intelligences artificielles à partir de données olfactives et d’avis clients pour améliorer la recommandation de parfums.

 👉 Quelles différences il y a entre des algorithmes de recommandation B2B et B2C.


🔑 MOTS CLÉS
Norme L2 : Mesure mathématique utilisée en statistiques et en apprentissage automatique pour quantifier la différence entre deux éléments.

Espace Sparse : Concept en science des données et en machine learning où la plupart des éléments d'un ensemble de données sont des zéros ou des valeurs non significatives.

Factorisation de Matrice : Technique mathématique utilisée en machine learning pour décomposer une matrice complexe en produits de matrices plus simples. 


🎙 SOUTENEZ LE PODCAST GRATUITEMENT

> Abonnez-vous 🔔

> Laissez 5 étoiles et un avis  🥰 

Sur Spotify : ici

Sur Apple Podcast : ici

Sur Deezer : ici

Sur Google Podcast : ici 


🧐 DANS LA MÊME THÉMATIQUE

Épisode 5 : Laure Lapost olle (DG adjointe @ Quitoque) - Data et paniers repas

Épisode 16 : Chloé Dupuy  (Manager Analytics Retail @ Catalina) : Comprendre le client
Épisode 27 : Valentin  Geffrier (Senior Data Scientist @ Spotify) - Data, musique et streaming audio


👋 PLUS DE CONTENU DATA ?

> Suivez-moi sur LinkedIn (tips/réflexions) ici 🤳

> Suivez-nous sur Tiktok 📳

> Abonnez-vous à notre chaîne Youtube

 🚀 BESOIN D’EXPERTISE IA & DATA ?

Réserver un créneau de 30 min avec Marc Sanselme  et profiter des connaissances et du savoir-faire d’un expert IA qui saura vous aiguiller sur vos projets d’IA.

Réservez votre séance de 30 minutes maintenant


Hébergé par Ausha. Visitez ausha.co/politique-de-confidentialite pour plus d'informations.

Chapters

  • Introduction

    00:00

  • Les types de données

    01:50

  • La data idéale

    09:22

  • Vers la personnalisation

    15:20

  • La recommandation

    16:45

  • Le cheminement du produit

    20:26

  • Les difficultés de l’industrie

    24:45

  • Les erreurs à ne pas commettre

    31:19

  • Anecdote et opinion

    35:09

Description

Samuel Fillon, fondateur de Sommelier du Parfum, une start-up de machine learning dans la parfumerie, est l’invité de l'épisode 42 de Data Driven 101.


Il nous explique :


 👉 Comment ils fournissent des outils data driven aux consommateurs et professionnels pour prendre des décisions rationnelles dans l'achat et la création de parfums.


 👉 Comment ils développent des intelligences artificielles à partir de données olfactives et d’avis clients pour améliorer la recommandation de parfums.

 👉 Quelles différences il y a entre des algorithmes de recommandation B2B et B2C.


🔑 MOTS CLÉS
Norme L2 : Mesure mathématique utilisée en statistiques et en apprentissage automatique pour quantifier la différence entre deux éléments.

Espace Sparse : Concept en science des données et en machine learning où la plupart des éléments d'un ensemble de données sont des zéros ou des valeurs non significatives.

Factorisation de Matrice : Technique mathématique utilisée en machine learning pour décomposer une matrice complexe en produits de matrices plus simples. 


🎙 SOUTENEZ LE PODCAST GRATUITEMENT

> Abonnez-vous 🔔

> Laissez 5 étoiles et un avis  🥰 

Sur Spotify : ici

Sur Apple Podcast : ici

Sur Deezer : ici

Sur Google Podcast : ici 


🧐 DANS LA MÊME THÉMATIQUE

Épisode 5 : Laure Lapost olle (DG adjointe @ Quitoque) - Data et paniers repas

Épisode 16 : Chloé Dupuy  (Manager Analytics Retail @ Catalina) : Comprendre le client
Épisode 27 : Valentin  Geffrier (Senior Data Scientist @ Spotify) - Data, musique et streaming audio


👋 PLUS DE CONTENU DATA ?

> Suivez-moi sur LinkedIn (tips/réflexions) ici 🤳

> Suivez-nous sur Tiktok 📳

> Abonnez-vous à notre chaîne Youtube

 🚀 BESOIN D’EXPERTISE IA & DATA ?

Réserver un créneau de 30 min avec Marc Sanselme  et profiter des connaissances et du savoir-faire d’un expert IA qui saura vous aiguiller sur vos projets d’IA.

Réservez votre séance de 30 minutes maintenant


Hébergé par Ausha. Visitez ausha.co/politique-de-confidentialite pour plus d'informations.

Chapters

  • Introduction

    00:00

  • Les types de données

    01:50

  • La data idéale

    09:22

  • Vers la personnalisation

    15:20

  • La recommandation

    16:45

  • Le cheminement du produit

    20:26

  • Les difficultés de l’industrie

    24:45

  • Les erreurs à ne pas commettre

    31:19

  • Anecdote et opinion

    35:09

Share

Embed

You may also like