BEGIN:VCALENDAR
VERSION:2.0
PRODID:-//pretalx//pretalx.com//pycones-2024//speaker//ZRR8DM
BEGIN:VTIMEZONE
TZID:Europe/Madrid
BEGIN:DAYLIGHT
DTSTART:20231007T000000
TZNAME:CEST
TZOFFSETFROM:+0200
TZOFFSETTO:+0200
END:DAYLIGHT
BEGIN:STANDARD
DTSTART:20231029T030000
RDATE:20241027T030000
TZNAME:CET
TZOFFSETFROM:+0200
TZOFFSETTO:+0100
END:STANDARD
BEGIN:DAYLIGHT
DTSTART:20240331T030000
RDATE:20250330T030000
TZNAME:CEST
TZOFFSETFROM:+0100
TZOFFSETTO:+0200
END:DAYLIGHT
END:VTIMEZONE
BEGIN:VEVENT
SUMMARY:Outfit Generator: Intersección entre la Moda y la IA en Zara.com 
 - CLARA MARTÍ\, Adrian Portabales Goberna
DTSTART;TZID=Europe/Madrid:20241006T120500
DTEND;TZID=Europe/Madrid:20241006T124000
DTSTAMP:20260815T014038Z
UID:pretalx-pycones-2024-NV3J9U@pretalx.com
DESCRIPTION:En Inditex buscamos ofrecer la mejor propuesta de moda y las m
 ejores experiencias a nuestros clientes\, y lo hacemos de la mano de la Te
 cnología. ¿Cómo lo hacemos? Nos apoyamos en data y IA para analizar y o
 ptimizar procesos\, mejorar la eficiencia\, y proporcionar recomendaciones
  precisas\, entre otras cosas. \n\nEn el ámbito del e-commerce\, es funda
 mental crear una experiencia única. Esto implica ofrecer recomendaciones 
 personalizadas\, reducir el tiempo de búsqueda y priorizar los gustos y d
 eseos de nuestros clientes. Por tanto\, construir outfits de calidad y ase
 gurarnos de que cada conjunto sea adecuado para cada cliente es esencial e
 n nuestros sistemas de recomendación de moda. \n\nConceptualmente\, un ou
 tfit es una colección armónica de prendas de distintas categorías. La c
 ompatibilidad de un outfit evalúa si los múltiples ítems combinan adecu
 adamente en términos de aspecto visual\, estilo\, color\, etc. No obstant
 e\, no es un cálculo sencillo debido a su implicación subjetiva\, las nu
 merosas variables y categorías\, y la interrelación entre ellas. \n\nHas
 ta ahora el proceso de generación de un outfit era manual\, costoso y dep
 endía en gran medida del conocimiento de expertos en moda\, lo que dificu
 ltaba su escalabilidad. La solución propuesta consiste en un sistema de r
 ecomendación de moda que emplea modelos de deep learning. Estos modelos m
 odelan y predicen la compatibilidad de los looks\, con la capacidad de gen
 erar conjuntos completos a partir de prendas iniciales.  \n\nNuestro enfoq
 ue aplica tanto redes CNN como arquitecturas Transformer modernas. Con ell
 as conseguimos tratar el problema no solo como una tarea de clasificación
  binaria\, sino como un problema de regresión\, proporcionando puntuacion
 es de compatibilidad más detalladas\, siendo capaces de detectar las pren
 das incorrectas que devalúan el outfit.  \n\nEn esta presentación hablar
 emos sobre : \nLa solución y cómo hemos conseguido la puesta en producci
 ón en nuestros e-commerce\, con millones de peticiones por minuto. Siendo
  Python el lenguaje de desarrollo. \n\nTambién debatiremos sobre aspectos
  críticos como la escalabilidad\, latencia\, e integración continua de m
 odelo con dichas capacidades. Permitiendo así una experiencia de usuario 
 única\, logrando la compatibilidad y consistencia de las recomendaciones.
   \n\nLa presentación será accesible para una amplia audiencia\, ya que 
 no requerirá de un profundo conocimiento técnico previo. No obstante\, s
 e recomienda tener cierta familiaridad con los conceptos básicos de intel
 igencia artificial para aprovechar al máximo la sesión.
LOCATION:Saraiba
URL:https://pretalx.com/pycones-2024/talk/NV3J9U/
END:VEVENT
END:VCALENDAR