PRO+ Contenu Premium/Applications & Données
Accédez au contenu Pro+ ci-dessous.
Logistique : Upply prépare la reprise post-confinement grâce à ses algorithmes
Cet article fait partie de l’ezine Applications & Données : N°10 - Automne 2020
Installée à Paris, la société Upply propose une place de marché pour le transport de fret. Cette solution lancée en 2018 est entrée en production il y a près d’un an et demi. L’objectif de la société, mettre en relation des transporteurs et des entreprises qui souhaitent expédier leurs marchandises (des chargeurs). Upply offre également une solution pour évaluer les prix pratiqués par les transporteurs routiers (en Europe et aux États-Unis), aériens et maritimes à l’échelle mondiale. Cela réclame de croiser 200 millions de prix et de nombreux critères (destinations, type de marchandises, poids, etc.). Grâce à ses partenaires et ses utilisateurs, Upply aurait collecté plusieurs centaines de millions de données concernant plusieurs milliers de corridors de transports dans le monde. De grands groupes s’intéressent à cette solution. ID Logistics, Rentokil Initial, Transports Dupas Lebeda ou encore Accenture sont quelques-uns des clients de la plateforme. De son côté, Geodis est à la fois client et actionnaire majoritaire de cette ...
A lire Dans ce numéro
-
Applications & Données n° 10 : le Machine Learning est en action
Le numéro d’automne de notre revue dédiée aux applications métiers et à la gestion des données est entièrement consacré au Machine Learning et à la Data Science. Au menu : des conseils d’experts pour mener à bien vos projets de bout en bout, et deux retours d’expérience qui les ont appliqués à la SNCF et dans le secteur de la logistique.
-
Quand choisir un moteur de règles ou le machine learning
Le choix entre un moteur de règles et un algorithme de machine learning dépend de la complexité de la tâche décisionnelle à accomplir et du niveau d'expertise des équipes en interne.
-
SNCF Réseau optimise les entraînements de ses algorithmes avec le cloud
SNCF Réseau, filiale de la SNCF a choisi le cloud AWS pour déployer son environnement de traitement de données décisionnel et analytique. Son architecture très spécifique facilite l’entraînement d’algorithmes, dont ceux de computer vision pour détecter les anomalies sur les rails.
-
IA Frugale : comment entraîner des modèles avec peu de données ?
Entraîner des modèles de machine learning avec peu de données, est-ce possible ? Oui, mais les spécialistes considèrent que les techniques d’enrichissement sont suffisamment performantes pour généraliser les apprentissages de leurs modèles.
-
Feature engineering : cinq conseils essentiels pour améliorer vos modèles IA
De la compréhension de l'objectif escompté d'un modèle algorithmique à la prise en compte des spécificités du domaine d'application, des experts partagent les méthodes pour faciliter la phase de feature engineering.
-
Deep learning : réseaux neuronaux RNN et CNN quelles différences ?
Les réseaux de neurones convolutifs et récurrents sont à la base de nombreuses applications d’intelligence artificielle. Découvrez les différences entre ces deux types de réseau de neurones artificiels.