在她在Levi的Ai Bootcamp之前，Shelby Greeley是公司批发电子商务业务的分析经理，并不知道如何代码。这是计算机科学的基础技能，相当于了解如何阅读和写作。

“我在课外花了很多额外的时间追赶周末，以确保我真正处理这一点，”格里特在10月份在一次面试中表示，在该计划中约有两周。“这绝对是一个比我预期的更陡峭的学习曲线。”

格雷恩在救生人员第二组员工中经历了八周的全日制课程，该课程将于5月份开放到其第一个集团，并旨在培训人们在AI中的作品中的角色。到目前为止，101已完成。像格里菲一样，大多数人都没有预先编码经验。

然而，近六周的近六周开始编写代码，而无需提及任何文件。她说，真正的转折点是他们开始使用Real Levi的数据时来了。最近，她和一组同胞训练器呈现了一个功能预测模型，可以确定最适合特定样式和颜色组合的大小分布。Levi的正在寻求将模型放入生产中，她在完成培训后注意到。

开设5月份首次会议的训练营代表了Levi最雄心勃勃的AI雄心勃勃的承诺之一，因为它将其作为2019年公司的业务战略的一部分。远离AI的愿景，这一版本专注于执行缩小任务通过更智能，基于数据的预测提供竞争力的商业优势。关于与投资者的盈利呼吁，Levi的高管们已经宣传了AI，因为它在利润下提供了有意义的改进，并帮助更好地管理工作，因为确定价格和促销，预测需求和履行商店的电子商务订单。

尽管如此，凭借AI的使用，因此Levi的使用更多数据科学家。

“世界上有一个非常有限的人，”列维沃尔什议员博士博士说，Levi的高级副总裁兼首席战略和人工智能官员说。“每个人都为他们而战。”

那些有兴趣为时尚公司工作而不是说，财务或技术公司往往不熟悉该行业的复杂性。Levi决定创造自己的。

什么Levi的员工在AI Bootcamp中学习

训练者是沃尔什的想法。一个拥有超过20年的经验的数据科学家，在2019年在金融和科技的时间后加入了Levi's。

“我一直这样做的时间比性感更为性感，”沃尔什说。

在先前的公司，Walsh为员工运行了员工的Ai Bootcamps，其中包括编码，工程和统计数据，但她希望Levi的计划向更广泛的组开放。为了进入，候选人必须完成一个苛刻的应用程序，测试他们的逻辑，解决问题的技巧和毅力。

在这一回合开始的会议中，讲师解释了课程将涵盖数据收集，模型建筑和预测。第一步是学习Python，是一个开源编码语言。稍后的Python覆盖元素（如对象，字符串，阵列，列表和循环）。对于uninInipiation的，这是一种外语：一方面，学生询问他们如何知道他们的内核是否死了，指的是执行一段代码的机制。

学生随后进入机器学习，AI的分支专注于近似于计算机的人工决策，允许他们在没有明确指令的情况下执行任务。它对于从大型数据集进行预测是有用的，例如预测公司应该在某种颜色和自动化劳动密集型过程中产生多少件夹克。最终，他们与实际的Levi的数据有关真实的利用情况。

该课程与他们合作，以团体合作，以创建一个预测模型，他们向公司的执行管理提供。之后，毕业生与导师配对，以便继续学习和发展他们的技能。

尽管如此，在短时间内学习AI并不容易。

“编码和做机器学习都是新的思维方式，”Daniela Rus说，在马萨诸塞术学院运行计算机科学和人工智能实验室。也就是说，在短暂的时期，她很强调。

“怎么把它呢？在最近完成后，Levi的高级零售业务专家Levi的高级零售业务专家Ricardo Lemos。“我们仍然有很多学习，但能够做我们所做的事情已经是惊人的。”

从ai卷取实际价值

AI的起源日期返回大约70年，但企业的使用最近只能持有。特别是过去18个月seen its adoption surge。以时尚而言，它经常为电子商务聊天聊天，并帮助公司个性化向购物者的建议。mytheresa正在使用ai预测和促进客户忠诚度。

然而，对于Levi来说，从训练营开始的造成真正价值将超过毕业生来鞭打新的想法。

“The more common challenge that we find is scaling up that pilot impact into something that actually moves the needle in the business,” said Michael Chui, a partner at McKinsey Global Institute, the consultancy’s business and economics research arm.

“我们从一个市场开始，然后我们迅速扩展，但我们所做的一切，我们衡量，”沃尔什借鉴了Levi的现有AI项目。

Bootcamp的目标是产生将规模的结果。它探讨了公司Las Vegas分销中心的计算机技术员毕业于第一座Bootcamp的工作。通过使用从工作订单中的数据，她和一个导师设计了一个模型来预测设备将失败时，Walsh表示会导致停机时间随着时间的推移会花费数百万美元。

目前，该模型准确为60％，杰斐逊不断改进它。目的是最终将其部署到其他配送中心并使用它来预防性维护。

AI还有其他障碍。预测是概率，而不是保证，并且只与他们的数据一样好。AI的大多数工作正在收集和清洁数据，沃尔什承认是对使用该技术的任何公司的挑战。如果公司不小心，他们的AI可以reproduce harmful biases。Levi的招募来自不同种族和种族背景的员工，为训练营尝试防止问题。

在公司的文化中也可能需要转变。

“文化，组织，流程变革 - 所有这些事情都是必要的，”Chui说。

例如，预测设备故障可能会影响处理维修的员工，而默塞尔AI部门则不允许公司收益，Chui注意到。在他的经验中，培训广泛的对公司对AI的理解是更成功的创造变革的方式之一。

这是沃尔什的另一个目标。虽然一些毕业生加入了数据科学团队，但大多数返回以前的工作。它允许Levi旨在嵌入组织周围的新发现AI知识，随着更多员工完成训练营，逐渐重塑公司文化。它已经计划了2022年的下一轮。

下一步

LEMOS是在课程后返回定期任务的员工之间。他的日常工作需要在商店绩效中产生众多详细报告。在训练营时，他的期望是它将有助于改善这一报告，使其更有效和有效。他还想在他自己没有看到的数据中使用AI来点击模式。

大约六周内，在课程进入机器学习的基础之后，艾丽地感到“不那么可怕，”在莱姆斯的话语中。一旦结束，他似乎有信心它会让他更好地扮演他的角色。

格里特相似地是积极的。

“我肯定认为我们有一些很好的机会，都在真正的AI方面，所以考虑到了预测的东西，也是在过程中，”她说。她已经与她的经理发表了关于他们如何实现AI的。

推荐文章：

这项技术将新顾客变成忠诚客户tomers

时尚准备将其供应链放在区块链上吗？

单独的数据不会挽救时尚