Au sein du secteur bancaire, les moteurs de recommandation sont des outils analytiques avancés qui aident à personnaliser les propositions d’offres, produits, services, conseils, ou contenus aux clients.
Les attentes des métiers du Marketing et de la Distribution sont fortes afin d’améliorer la pertinence des propositions et par suite l’expérience client en particulier sur les sites et applications digitales.
Le DataLab Groupe a réalisé de premiers travaux sur les moteurs de recommandation qui ont donné lieu à des tests en conditions réelles afin d’évaluer leur efficacité et les axes d’amélioration.
De nombreux défis restent à relever, le stage proposé s'inscrit dans l'amélioration continue de ces travaux.
Deux axes de travail se dégagent :
1. Améliorer la représentation des clients en exploitant mieux les différentes sources de données disponibles. Ces sources sont généralement des données structurées mais se présentant de manière différente, par exemple des séries temporelles à pas fixe mais aussi variable (série d’évènements) ou encore des données tabulaires.
2. Tester des approches de recommandation reconnues comme les méthodes de factorisation matricielle, ainsi que des approches innovantes (Sequential Recommender Systems, Deep Learning), et comparer leurs performances par rapport aux approches de scoring « classiques ».
Dans l’objectif de livrer des fonctionnalités intégrables au sein des solutions industrielles en production, les stages se déroulent sous l’encadrement d’experts IA au sein d’une Squad pluridisciplinaire ayant comme référent fonctionnel un chef de projet IA, et selon la méthode Projet du DataLab Groupe qui fait l’objet d’une certification IA de confiance et d’une labélisation RSE.
Les étapes clés du stage sont les suivantes :
- Veille bibliographique sur la problématique ;
- Sélection et implémentation des approches les plus adaptées à la problématique ;
- Réalisation d’une étude comparative sur des données internes et externes ;
- Intégration des développements dans les produits du DataLab Groupe ;
- Publication scientifique si les travaux aboutissent à de nouvelles approches plus performantes que l’état de l’art.
Vous aurez accès à des environnements d’engineering industriel puissants et à l’état de l’art, en local et dans le cloud.
Les modèles seront évalués sur des données internes (annotées si besoin) ainsi que des données externes (open-data), et seront intégrés dans les produits et services IA en production.
Des interactions avec l’ensemble des équipes data science et engineering et des experts métier du Groupe auront lieu.