Rejoindre LVMH, c’est intégrer une académie de talents pour contribuer, ensemble, au Futur de la Tradition.
La gamme de produits Louis Vuitton étant très large, il est nécessaire d'utiliser des méthodes réactives et pertinentes pour aiguiller au mieux les clients. Il faut pouvoir sélectionner parmi tous les produits et les informations disponibles, ceux qui sont le plus en adéquation avec le contexte de demande (la personne, la période, l'intention).
Les systèmes de recommandation et les techniques de personnalisation sont variés, les plus connus étant le content-based (se basant sur les similarités entre éléments à recommander) et le collaborative filtering (utilisant le comportement des utilisateurs) visant toutes deux à scorer les produits par rapport à une information donnée. Une autre manière de faire consiste à ordonner les produits relativement les uns aux autres. Une partie de ces méthodes s'intéressent à la manière d'exploiter au mieux toutes les informations disponibles pour avoir une vision complète des raisons ayant potentiellement poussé l'individu vers son choix.
Voici les grandes problématiques : Qu'est-ce qu'une interaction satisfaisante et comment la traduire ? Quel contexte est adapté pour synthétiser les informations d'attraction vers un produit ? Comment inclure ces données dans un système de recommandation (par exemple : type bandit Manchot) ?
Les travaux réalisés feront partie d'un projet de thèse actuellement en cours au sein du LV_Lab, sur les systèmes de recommandation pour mettre en place une nouvelle méthode mixant données au long terme et court terme afin de tirer parti de l'historique de navigation, d'achats, et des intentions immédiates, présentes au cours d'une session.
La mission du stage consistera à identifier d'abord les éléments prédictifs d'une réponse satisfaisante et construire un format adéquat à l'exploitation de celles-ci regroupant les différentes sources exploitées (image, textes, historiques de navigation, réseaux sociaux) puis construire un contexte de style.
Le projet pourra aboutir au prototypage d'un système de recommandation basé sur du bandit manchot.
Les principales missions :
En terme d'environnement Data Science, Louis Vuitton réconcilie au sein du datalake de sa plateforme One Data, les données clients (CRM et transactions), les données de navigation des visiteurs sur LV.com, des données issues des réseaux sociaux (posts LV sur les différentes plateformes et publications des fans de la marque) et les données sur nos produits (images , textes, caractéristiques).
One Data a été conçu avec des start up spécialisées sur le big data et le deep learning et est basé sur les dernières technologies open source.
Le(La) stagiaire sera intégré(e) au sein de la direction innovation, le LV_lab, dans une équipe composée de data scientists, de data engineers, de développeurs et de « engagement managers », dans un environnement de travail qui favorise l'innovation et la collaboration.
Master 2 ou école d'ingénieur en machine learning
Langages maitrisés : Python, SQL
Technologies utilisées : Spark, Scala, Hadoop, Google Cloud Platform
Esprit analytique, collaboratif et orienté(e) résultat.
Curieux(se), passionné(e) par l'IA et volonté d'innover.
Anglais courant.
Type de contrat : Stage
Date de début : Avril 2020
Durée : 6 mois, à temps plein
Lieu : Paris 1er
26-03-2024
Sélectionnez le secteur qui vous intéresse ci-dessous et n'oubliez pas votre adresse email!