Hvordan en dataforsker (der studerede astrofysik) endte på mode

I vores mangeårige serie, "Sådan klarer jeg det" vi taler med folk, der lever af modebranchen, om hvordan de brød ind og fandt succes.

Når du besøger Lyst og ved et uheld stavefejlede et designernavn eller ordet "muldyr", vil webstedet hente en side op, der automatisk korrigerer fejlen, eller hvis du begynder at skrive "jeans med høj talje" i søgelinjen, Lyst.com vil forudsigeligt udfylde resten af ​​din forespørgsel, før du gør det, som en modebevidst Google. Alle disse minutts bekvemme detaljer er delvis takket være datavidenskabsmanden Sandra Greiss, der har været i virksomhedens ingeniørafdeling siden 2014.

Med Greiss uddannelse - en bachelor i fysik fra Paris, og en kandidat og Ph. D. inden for astronomi og astrofysik fra Storbritannien-en vej mod den akademiske verden eller et job inden for finansiering virkede som den sikreste indsats karrieremæssigt. "Jeg havde aldrig troet, at jeg ville ende i modebranchen," siger Greiss. "De fleste fysikere gør det ikke, og for at være ærlig, er det meget frustrerende. Det er dejligt, at vi forsøger at gøre opmærksom på, at der er så meget, du kan gøre med dine færdigheder. "

Vi talte med Greiss om hendes rolle i Lyst, hvorfor datavidenskab er vigtigt for mode, og hvordan du også kan få et job i branchen med en ikke-så-traditionel modeopgave.

Hvad gør du helt præcist som dataforsker hos Lyst?

Grundlæggende bruger vi data - masser af det - til at bygge algoritmer og modeller til at træne en computer til at gøre mange grundlæggende ting, som du kan få som menneske. I dette tilfælde, med millioner af produkter på Lyst, har du brug for det. Vi kan klassificere eller forudsige noget afhængigt af dit problem. Sig, i vores tilfælde har vi billeder af produkter, og vi bygger grundlæggende en model og træner en computer til at kunne registrere ting om produkter. For nylig lykkedes det os at finde ud af stilarter, uanset om det er en taske eller sko. Det seneste, jeg har forsøgt at arbejde på, er at få en model til at registrere materiale fra et billede, uanset om det er en læderjakke eller et par denimjeans.

Hvad lærer Lyst af datavidenskab?

Lyst er en e-handelsplatform, så den samler millioner af produkter fra high-end til high-street mærker. Vi bruger for det meste datavidenskab til at sikre, at vi anbefaler de mest relevante produkter til vores brugere, afhængigt af hvad de klikker på, og hvor de kommer fra på nettet. Da der er en enorm mængde produkter i vores database, ønsker vi at skræddersy vores brugeroplevelse i henhold til hver enkelt af deres behov, hvilket kunne være ved at personliggøre webstedet for hver bruger.

Hvordan var interviewprocessen for at få det job, du har nu?

Du laver en kodningstest for at vise dine kodningsevner, og hvis du forstår de grundlæggende ting. Men typen af ​​test afhænger af det niveau, du ansøger om, så jo mere senior du er, jo mere komplicerede bliver spørgsmålene. Kodningstesten får dig til at skrive et stykke kode og forklare, hvad du plejer at gøre efter det, hvilket gør det muligt for rekrutterere at se, hvordan du griber problemer og typiske spørgsmål an som dataforsker. Mit eget interview var lidt uformelt, så testen blev udført på et hvidt bord - nu er det på en computer. Jeg formåede faktisk ikke at finde ud af det, men de kunne godt lide måden, jeg nærmede mig problemet. De kunne stadig se, hvilken slags person jeg var.

Hvilke projekter er du mest stolt af?

For mig personligt var de mere spændende projekter, jeg arbejdede på, autofuldførelse og autosuggest. Vi kalder en søgning efter noget på webstedet, og det forsøger at gætte, hvad vores brugere er ude efter. Det er et projekt, jeg fik i sommer til at lave alene fra start til slut, hvilket er spændende. Jeg syntes, det var en god udfordring på en måde, at jeg får lært mange ting og derefter se det gå live.

Hvis du lavede en stavefejl i din søgning, kunne vi ikke returnere resultater, medmindre vi havde den rigtige søgeforespørgsel korrekt stavet. Så vi oprettede en service kaldet 'Mente du dette?' at rette stavefejl. Det er noget andet, som jeg også har bygget.

Hvor lang tid tager disse projekter normalt?

De tager cirka to til tre måneder fra begyndelsen til slutningen, for at indsamle data tager tid, og så rydder du op og bygger modellen og finder forskellige måder at gribe problemet an på godt. Hastighed gør en kæmpe forskel; finde noget, der vil fungere bedre og hurtigere.

Hvilket råd vil du give til nogen, der er interesseret i en lignende karrierevej?

Sagen er, at det ikke er umuligt. Vi har ingeniører, der stort set gik fra 12-ugers kurser til job med det samme. Hvis du er interesseret i det, har du møder og online kurser. Det er fantastisk, at der er så mange åbne kurser nu for at lære dig kode og forstå begreberne bag.

Hvorfor er datavidenskab vigtigt for modeindustrien generelt?

Mange store modebrands har e-handelsplatforme, som genererer en masse data, som dataforskere kan udnytte. Vi bruger datavidenskab til at forstå kundens behov og studere deres adfærd. Dette er afgørende for modeindustrien, fordi mærker er i stand til at øge salget med bedre tjenester, der forudsiger behov og hjælper deres kunder med at finde det, de leder efter. Datavidenskab bruges også til at forudsige et produkts levetid på webstedet og rådgive kunderne om, hvor sandsynligt varerne snart vil sælge ud. Dette hjælper detailhandleren med at forudsige - estimering af, hvor mange kjoler der skal produceres og sendes til et givet marked, hvilket er afgørende for enhver virksomhed.

Hvad er andre eksempler på datavidenskab, der anvendes i modeindustrien?

Store modevirksomheder vil have data om deres salg ikke kun online, men også i butikker, og disse data kan bruges til at forudsige efterspørgsel efter produkter, estimere lagerbehov og priser. Det kan også forudsige en kundes tøjstørrelser mellem mange populære mærker: Ved at indsamle data om folks målinger, og hvilke størrelser de bærer i hvert mærke kan der bygges en model til at forudsige, hvilken størrelse du skal have for et bestemt, hvilket er meget nyttigt, da de fleste produkter returneres pga. passe.

Et andet godt eksempel på at bruge datavidenskab til mode er gennem et program kaldet Deepomatic, der bruger billeder af modebloggere og linker elementerne til, hvor de kan købes.

Hvad synes du er en almindelig misforståelse, når det kommer til dit job?

Mange mennesker finder det overraskende, at kvinder udfører dette job - ikke ligefrem hos Lyst, fordi vi har en god balance - men generelt og uden for mode. Det er noget, jeg presser meget på; at få flere kvinder i selve tech -verdenen ville være fantastisk. Det skulle starte med at opmuntre piger i skolen til at studere datalogi eller enhver videnskab. Det er okay at gøre det og okay at være dataforsker. Det er faktisk mere end okay, det er virkelig sejt i øjeblikket. Jeg læste ind Harvard Business Review at det er århundredets mest sexede job og det bedste job at have i 2016.

Datavidenskab er området for maskinlæring eller kunstig intelligens, så det er ekstremt spændende tid at være en del af det, fordi det kan udnyttes på mange måder, især på mode industri. Det stopper ikke der, og det vil sandsynligvis ikke bremse når som helst snart. Det ændrer modeverdenen.

Dette interview er blevet redigeret og kondenseret.

Vil du have mere Fashionista? Tilmeld dig vores daglige nyhedsbrev og få os direkte i din indbakke.