Resúmenes 3 videos

Reinventing Retail with AI

El video trata de las tecnologías de inteligencia artificial AI ofrecidas como servicio para las empresas minoristas.

El primer caso que se expone es sobre el reconocimiento de lenguaje natural y de imágenes para detectar productos que un cliente está buscando, sin el servicio de Google el desarrollo de la empresa sobre un aplicativo solo llegaría a un 80% pero implementando el servicio de Google se alcanzaría un 95% de asertividad en la búsqueda de los productos por parte del cliente incrementando los niveles de satisfacción, así como las ventas. Otro punto importante es que al tercerizar el servicio de búsqueda los colaboradores de desarrollo de aplicativos solo se preocuparon en desarrollar contenido o servicios que busquen atender mejor al cliente u otorgarles una experiencia con valor en su compra. A la vez se simplifica la estructura de búsqueda de productos.

El segundo caso trata sobre como Disney Store mejora si sistema de recomendación de productos online con un servicio de Google de inteligencia artificial, el producto realiza recomendaciones en función a los colores, temática y ocasión que se desprende de la búsqueda de un determinado producto, ello permitió a Disney Store incrementar sus ventas, entender mejor a sus clientes y poder tener el stock ideal en cada tienda. Al realizar una comparación con su sistema de recomendaciones antiguo se pude verificar que el servicio de recomendaciones de productos de Google era más eficiente.

El tercer caso trata sobre el despliegue de servicio de ventas internacionales y a su vez la mejora del sistema de seguridad de los pagos para evitar las compras fraudulentas con tarjetas de créditos. La tercera empresa también concentrada en el comercio minorista contrató los servicios de Google llamado AutoML para crear todo el sistema de compra de producto, pago, seguimiento y envío internacional, identificando y reportando las compras fraudulentas, ello permitió atender compras reales, mejorando la atención a sus clientes. Se menciono que su sistema de detección de fraude está compuesto por un modelo de Machine Learning el XGBoost que mediante de un modelo binario detecta según los datos históricos si la operación es verdadera o falsa lo que permitió bajar las pérdidas por fraude de un 42% a un 14%. Se menciona que la empresa posee ingenieros de datos que dan seguimiento al ciclo de vida del modelo, que evalúan los modelos en ambientes de prueba, finaliza resaltando la importancia de aplicar la Inteligencia Artificial en mejorar los servicios a los clientes.

Resumen Migrating a Big Data Environment to the cloud

El proceso de migración requiere un equipo multidisciplinario como los profesionales de finanza, cumplimiento y tecnología, es también importante conocer y cambiar la cultura organizacional, la implementación del scum también puede ayudar para la migración. La gobernanza también fue importante en la toma de decisión de migración a un ambiente de Big Data.

Las tecnologías que pueden ayudar en la migración son Hadoop, CHEF, TECTONIC, los cuales toman los datos de los clientes, de identificación y se entregan al ecosistema de tecnología publicitaria. Las aplicaciones son ejecutadas por máquinas virtuales, para realizar la migración se deseaba utilizar herramientas nativas, por lo que escogieron contratar Google Cloud Platform con tecnologías GKE, Networking, GCS, tenían un buen precio y soporte siendo esto muy importante para la empresa pues los acompaño en todo el proceso de implementación a toda hora. La seguridad de los datos se hizo más importante por lo que se otorgaron permisos. La arquitectura es importante para establecer cómo viajarán los datos por el streaming, en este caso se realizó una conexión cloud entre el HDFS.

Resumen Data Science at scale with R on GCP

Google ha diseñado APIs e interfaces para que su herramienta TensorFlow interactúe con os códigos generados en R y así hacerlo escalable, así como también se puede contar con herramientas de soporte CloudML, los paquetes que ahora cuenta R son keras, tfestimators, tensorflow. Un nuevosa servicio para que R sea escalable es RStudio Connect que permite a R conectarse a la nube o se puede alojar en las instalaciones de un servidor, y alojar los modelos generando Apis que puede ser utilizado por varias aplicaciones utilizando R Shiny u otras aplicaciones móviles o web. TensorFlow cuenta con basta información de cómo utilizar esta herramienta con RStudio, ejemplos, modelos de lenguaje natural o data estructurada tradicional.

Otra herramienta de Big Data que ha está permitiendo escalar R es Sparkm, Sparklyr y SparkR ejecutándose en Dataproc. También se cuenta en DataProc con un ML Notebooks para R que es un servicio administrado por Jupyter. Respecto a herramientas de almacenamiento se cuenta con BigQuery como de GCS.

Ing Economista; Fredy Sánchez Cárdenas