時尚依靠AI改造其業務模型，以更加綠色
2020年3月4日
由柏拉圖重新發布
AI趨勢員工
一家洛杉磯時裝屋正在使用AI改變時尚行業的商業模式，該行業在歷史上與未售出的存貨相關的風險很高。
靈巧 為了響應客戶在其網站上的投票，該公司正在使用AI來定制限量發行的商品，稱為“ drops”。
Finesse創始人兼首席執行官Ramin Ahmari
“如今的時尚每個月都會創造成千上萬的作品。 我們之所以創建這個品牌，是因為我們希望時尚更具可持續性。” 靈巧，在最近的帳戶中 運氣.
可持續發展是時尚界許多年輕企業家的主題，他們致力於應用技術以更好地利用 進行預測，定價和運營研究以減少浪費。
Finesse在一月份完成了4.5萬美元的種子輪融資。 該公司現在正在其網站上列出從街頭服裝到禮服的八個限量編輯的商品，這些商品是通過分析包括社交媒體趨勢和客戶投票在內的數據精心選擇的。 這個想法是生產最有可能小批量銷售的產品。 “我們只會有出售的東西，”艾哈邁利說。
他的職業生涯始於華爾街，在摩根士丹利，貝萊德和對沖基金TwoSigma的暑期實習中，他探索了數據分析。 他說：“我們將查看財務數據並做出數百萬美元的決策。” “但我們不會以相同的方式看待社交數據，儘管它具有很強的表現力，並且可以告訴我們哪些類型的項目值得投資。”
他以這個想法為基礎發起了Finesse，該活動密切跟踪社交媒體，在線博客和Google趨勢上的定量研究和文本數據。 他說：“這是模式匹配，試圖弄清非結構化的社交數據。” “我們汲取了靈感，並以此為基礎進行了生產。”
該公司使用3D虛擬原型製作產品設計，而無需物理樣品。 它使用收集到的數據來預測製造多少，隨著收集的數據的增加，這種預測會隨著時間的推移而逐漸完善。
數據科學家為時裝業製定了可持續發展基準
一位可持續發展顧問認為，時裝行業處於很好的位置，可以像Finesse一樣利用AI技術趨勢以從中受益。
阿姆斯特丹數據收集中心的經理Joanneke Meijer
“我們相信，通過確定可持續發展的品牌，行業可以朝著可持續發展的方向發展。” 開放數據科學。。 她是一位經驗豐富的數據科學顧問，專注於預測，定價，運營研究和文本挖掘。 “我們使用抓取，人工智能，自然語言處理和 可解釋性 比目前的方法更快地提供更多可持續的服裝信息。”她說。
為了建立基準，她設計了一種自動方法，從網站，博客和書籍中收集有關服裝品牌信息的信息，以期在可持續性方面有所作為。 她說：“在數據科學中，您通常從需要大量清理的數據集開始。” 對於時裝項目，她的團隊首先使用Google搜索API創建了一個包含2,000多個服裝品牌的數據庫。 為了建立監督模型，團隊收集了可持續和不可持續服裝品牌的培訓實例。
從這個小的數據集中，團隊訓練了一個AI模型。 使用自然語言處理來準備從網站獲得的文本以進行分類。 文本中的某些單詞用數字表示，帶有線性核的支持向量機經過訓練可以分配可持續性標籤。 “我們必須精明地抓取正確數量的數據，” Meijer說。
首次檢查數據產生的詞云表明，可持續品牌與其他品牌之間存在明顯差異。 該團隊強調了可解釋的結果，以進一步信任模型的預測。
“可解釋性 對於人們而言，至關重要的是要相信結果。”邁耶說。 “就我們而言，這還提高了預處理的質量。 結果，我們現在有了幾款精度超過80％的模型。”
為了宣傳時尚可持續性基準，Meijer和她的團隊建立了一個網站， goodbase.ai。訪客可以按服裝品牌進行搜索，查看該品牌的綠色指示符是否為可持續性，紅色指示符為不可持續。
成為基準的因素包括：衣服是否由有機材料製成； 品牌工廠的勞動條件； 品牌供應鏈造成的污染量； 和回收政策。
接管行業的綠色時尚實踐
Fashion負責 92萬噸固體廢物 來自的數據顯示，該行業每年都被傾倒在垃圾填埋場中，據信該行業是世界供水的第二大消費者，佔人類碳排放量的10％。 塔塔諮詢服務公司 該公司AI技術戰略情報負責人Shilpa Rao撰寫。
結果，綠色時尚開始佔據主導地位。 “ R零售商可以通過投資於可持續時尚技術並在時尚價值鏈中應用AI等較新的技術來確保其客戶在保持運營盈利的同時保持良好的外觀，”她說。
時裝行業的新綠色實踐包括：用於製造，使用3D建模；以及用於採購，合併所需的材料成分； 在設計上，幫助個性化量身定制的服裝並創建新的組合； 為了訂購，使用AI根據社交和其他數據預測趨勢，以幫助購買正確的數量。
附圖：時裝行業正在轉向使用AI，以幫助AI變得更具可持續性，減少浪費並為客戶實現更高的個性化。 （來源：蓋蒂圖片社）
資料來源：https://zephyrnet.com/zh-TW/%E4%BE%9D%E9%9D%A0AI%E6%94%B9%E8%AE%8A%E5%85%B6%E5%95%86%E6%A5%AD%E6%A8%A1%E5%BC%8F%E4%BB%A5%E6%9B%B4%E5%8A%A0%E7%B6%A0%E8%89%B2%E7%9A%84%E6%99%82%E5%B0%9A/
主題模型文本分析 在 10 2 文本主题模型挖掘 - YouTube 的必吃
书籍《R语言统计 分析 与机器学习》的配套视频. ... <看更多>