Kuidas jõudis andeteadlane (kes õppis astrofüüsikat) moe juurde

Meie pikaajalises sarjas "Kuidas ma seda teen," räägime moetööstuses elatist teenivate inimestega sellest, kuidas nad sisse murdsid ja edu saavutasid.

Kui külastate Lyst ja kirjutades kogemata valesti disaineri nime või sõna "muulad", tõmbab veebisait üles lehe, mis parandab vea automaatselt, või kui hakkate otsinguribale tippima "kõrge vöökohaga teksad", Lyst.com täidab prognoositavalt ülejäänud päringu enne teid, nagu moeteadlik Google. Kõik need minutilised mugavad üksikasjad on osaliselt tänu andmeteadlasele Sandra Greissile, kes on olnud ettevõtte inseneriosakonnas alates 2014. aastast.

Greissi haridusega - Pariisi füüsika bakalaureusekraad ja magistrikraad ja Ph. D. Ühendkuningriigi astronoomias ja astrofüüsikas-tee akadeemilise ringkonna poole või rahandusalane töö tundus karjääris kõige turvalisem. "Ma poleks kunagi arvanud, et satun moetööstusele," ütleb Greiss. "Enamik füüsikuid seda ei tee ja ausalt öeldes on see väga masendav. Tore, et püüame rõhutada, et saate oma oskustega nii palju ära teha. "

Rääkisime Greissiga tema rollist Lystis, miks on andmeteadus moe jaoks oluline ja kuidas ka teie saate tööstuses tööd teha, tehes mitte nii traditsioonilise moekontserdi.

Millega täpsemalt tegelete Lystis andmeteadlasena?

Põhimõtteliselt kasutame andmeid - palju neid - algoritmide ja mudelite loomiseks, et õpetada arvutit tegema palju põhilisi asju, mida saate inimesena saada. Sel juhul, kui Lystis on miljoneid tooteid, vajate seda. Sõltuvalt teie probleemist saame midagi klassifitseerida või ennustada. Ütleme, et meie puhul on meil toodete pildid ja me ehitame põhimõtteliselt mudeli ja koolitame arvuti välja, et see suudaks toodetega seotud asju tuvastada. Hiljuti õnnestus meil välja mõelda stiilid, olgu selleks kott või kingad. Viimane asi, mille kallal olen püüdnud töötada, on saada mudel, mis tuvastab pildilt materjali, olgu selleks nahktagi või teksapüksid.

Mida õpib Lyst andmeteadusest?

Lyst on e-kaubanduse platvorm, seega koondab see miljoneid tooteid tipptasemel kaubamärkidest tänavateni. Kasutame enamasti andmeteadust veendumaks, et soovitame oma kasutajatele kõige asjakohasemaid tooteid sõltuvalt sellest, mida nad klikivad ja kust nad veebist pärinevad. Kuna meie andmebaasis on tohutul hulgal tooteid, tahame kohandada oma kasutajakogemust vastavalt igaühe vajadustele, milleks võib olla veebisaidi isikupärastamine igaühe jaoks kasutaja.

Milline oli intervjuuprotsess, et saada tööd, mis teil praegu on?

Teete kodeerimistesti, et näidata oma kodeerimisoskust ja kui saate põhiasjadest aru. Kuid testi tüüp sõltub teie taotletavast tasemest, nii et mida vanem olete, seda keerulisemad on küsimused. Kodeerimistestis peate kirjutama kooditüki ja selgitama, mida te pärast seda tegema hakkate, mis võimaldab värbajatel näha, kuidas te andmeteadlasena probleemidele ja tüüpilistele probleemidele lähenete. Minu enda intervjuu oli natuke mitteametlik, nii et test tehti valgele tahvlile - nüüd on see arvutis. Tegelikult ei õnnestunud mul sellest aru saada, kuid neile meeldis see, kuidas ma probleemile lähenesin. Nad ikka nägid, milline inimene ma olen.

Milliste projektide üle olete kõige uhkem?

Minu jaoks olid põnevamad projektid, mille kallal töötasin, automaatne täitmine ja automaatne soovitus. Kutsume veebisaidil midagi otsima ja see üritab ära arvata, mida meie kasutajad taga ajavad. See on projekt, mille sain eelmisel suvel algusest lõpuni iseseisvalt teha, mis on põnev. Ma arvasin, et see on teatud mõttes hea väljakutse, et ma saan palju asju õppida ja siis näen seda otseülekandena.

Kui tegite otsingus õigekirjavea, ei saaks me tulemusi tagastada, kui meil pole õige otsingupäring õigesti kirjutatud. Nii lõime teenuse nimega "Kas sa mõtlesid seda?" õigekirjavigade parandamiseks. See on midagi muud, mille ma ka ehitasin.

Kui kaua need projektid tavaliselt kestavad?

Nende algusest lõpuni kulub umbes kaks kuni kolm kuud, sest andmete kogumine võtab aega, ja siis koristate selle ja loote mudeli ning leiate erinevaid viise probleemile lähenemiseks hästi. Kiirus muudab tohutult palju; leida midagi, mis toimib paremini ja kiiremini.

Mida soovitaksite inimesele, kes on huvitatud sarnasest karjäärist?

Asi on selles, et see pole võimatu. Meil on insenere, kes läksid põhimõtteliselt 12-nädalastelt kursustelt kohe tööle. Kui olete sellest huvitatud, on teil kohtumisi ja veebikursusi. Tore, et praegu on nii palju avatud kursusi, mis õpetavad teile koodi ja mõistavad selle taga olevaid mõisteid.

Miks on andmeteadus moetööstuse jaoks laiemalt oluline?

Paljudel suurtel moebrändidel on e-kaubanduse platvormid, mis genereerivad andmeteadlastele palju andmeid. Kasutame andmeteadust, et mõista kliendi vajadusi ja uurida tema käitumist. See on moetööstuse jaoks ülioluline, sest kaubamärgid suudavad suurendada müüki paremate teenustega, mis ennustavad vajadusi ja aitavad klientidel otsitavat leida. Andmeteadust kasutatakse ka veebisaidi toote eluea prognoosimiseks ja klientidele nõustamiseks, kui tõenäoliselt kaup kiiresti välja müüakse. See aitab jaemüüjal prognoosida - hinnata, kui palju kleite toota ja konkreetsele turule saata, mis on iga ettevõtte jaoks ülioluline.

Mis on veel näiteid andmeteaduse rakendamisest moetööstuses?

Suurtel moefirmadel on andmed oma müügi kohta mitte ainult veebis, vaid ka kauplustes ning neid andmeid saab kasutada toodete nõudluse ennustamiseks, varude vajaduste ja hinnakujunduse hindamiseks. Samuti saab see prognoosida kliendi rõivaste suurust paljude populaarsete kaubamärkide vahel: kogudes andmeid inimeste mõõtude ja nende suuruste kohta iga kaubamärgi jaoks saab koostada mudeli, et ennustada, kui suur peaksite teatud kaubamärgi jaoks olema, mis on väga kasulik, kuna enamik tooteid tagastatakse sobib.

Teine suurepärane näide andmeteaduse kasutamisest moe jaoks on programm nimega Deepomatic, mis kasutab moeblogijate pilte ja lingib esemed sinna, kust neid saab osta.

Mis on teie arvates levinud eksiarvamus teie töö osas?

Paljud inimesed peavad üllatavaks, et naised teevad seda tööd - mitte just Lystis, sest meil on hea tasakaal -, vaid üldiselt ja väljaspool moodi. See on miski, mille nimel ma palju pingutan; tehnika maailmas oleks rohkem naisi saada. See peaks algama tüdrukute julgustamisega koolis informaatikat või mis tahes teadust õppima. Seda on okei teha ja andmeteadlane olla. See on tegelikult enam kui okei, hetkel on see väga lahe. Lugesin sisse Harvardi äriülevaade et see on sajandi seksikaim töö ja parim töö 2016.

Andmeteadus on masinõppe või tehisintellekti valdkond, seega on see äärmiselt põnev aeg sellest osa saada, sest seda saab kasutada mitmel viisil, eriti moes tööstusele. See ei lõpe seal ja tõenäoliselt ei aeglusta see niipea. See muudab moemaailma.

Seda intervjuud on redigeeritud ja lühendatud.

Kas soovite rohkem Fashionista? Liituge meie igapäevase uudiskirjaga ja saate meid otse oma postkasti.