BEGIN:VCALENDAR
VERSION:2.0
PRODID:-//pretalx//pretalx.com//pycones-2024//speaker//ZX83XS
BEGIN:VTIMEZONE
TZID:CET
BEGIN:STANDARD
DTSTART:20001029T040000
RRULE:FREQ=YEARLY;BYDAY=-1SU;BYMONTH=10
TZNAME:CET
TZOFFSETFROM:+0200
TZOFFSETTO:+0100
END:STANDARD
BEGIN:DAYLIGHT
DTSTART:20000326T030000
RRULE:FREQ=YEARLY;BYDAY=-1SU;BYMONTH=3
TZNAME:CEST
TZOFFSETFROM:+0100
TZOFFSETTO:+0200
END:DAYLIGHT
END:VTIMEZONE
BEGIN:VEVENT
UID:pretalx-pycones-2024-NV3J9U@pretalx.com
DTSTART;TZID=CET:20241006T120500
DTEND;TZID=CET:20241006T124000
DESCRIPTION:En Inditex buscamos ofrecer la mejor propuesta de moda y las me
 jores experiencias a nuestros clientes\, y lo hacemos de la mano de la Tec
 nología. ¿Cómo lo hacemos? Nos apoyamos en data y IA para analizar y op
 timizar procesos\, mejorar la eficiencia\, y proporcionar recomendaciones 
 precisas\, entre otras cosas. \n\nEn el ámbito del e-commerce\, es fundam
 ental crear una experiencia única. Esto implica ofrecer recomendaciones p
 ersonalizadas\, reducir el tiempo de búsqueda y priorizar los gustos y de
 seos de nuestros clientes. Por tanto\, construir outfits de calidad y aseg
 urarnos de que cada conjunto sea adecuado para cada cliente es esencial en
  nuestros sistemas de recomendación de moda. \n\nConceptualmente\, un out
 fit es una colección armónica de prendas de distintas categorías. La co
 mpatibilidad de un outfit evalúa si los múltiples ítems combinan adecua
 damente en términos de aspecto visual\, estilo\, color\, etc. No obstante
 \, no es un cálculo sencillo debido a su implicación subjetiva\, las num
 erosas variables y categorías\, y la interrelación entre ellas. \n\nHast
 a ahora el proceso de generación de un outfit era manual\, costoso y depe
 ndía en gran medida del conocimiento de expertos en moda\, lo que dificul
 taba su escalabilidad. La solución propuesta consiste en un sistema de re
 comendación de moda que emplea modelos de deep learning. Estos modelos mo
 delan y predicen la compatibilidad de los looks\, con la capacidad de gene
 rar conjuntos completos a partir de prendas iniciales.  \n\nNuestro enfoqu
 e aplica tanto redes CNN como arquitecturas Transformer modernas. Con ella
 s conseguimos tratar el problema no solo como una tarea de clasificación 
 binaria\, sino como un problema de regresión\, proporcionando puntuacione
 s de compatibilidad más detalladas\, siendo capaces de detectar las prend
 as incorrectas que devalúan el outfit.  \n\nEn esta presentación hablare
 mos 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.
DTSTAMP:20260721T075630Z
LOCATION:Saraiba
SUMMARY:Outfit Generator: Intersección entre la Moda y la IA en Zara.com -
  CLARA MARTÍ\, Adrian Portabales Goberna
URL:https://pretalx.com/pycones-2024/talk/NV3J9U/
END:VEVENT
END:VCALENDAR