Mod eles d'optimisation d'assortiment en magasin entrainé, évalué et adapté aux préférences clients

Store assortment optimization models trained, evaluated and adapted to customer preferences

• Auteur / Autrice : Vincent Auriau
• Direction : Vincent Mousseau
• Type : Projet de thèse
• Discipline(s) : Informatique
• Date : Inscription en doctorat le 01/12/2023
• Etablissement(s) : université Paris-Saclay
• Ecole(s) doctorale(s) : École doctorale INTERFACES : approches interdisciplinaires, fondements, applications et innovation
• Partenaire(s) de recherche : Laboratoire : Mathématiques et Informatique pour la Complexité et les Systèmes - EA 4037
• Partenaire(s) de recherche : Référent : CentraleSupélec

Mots clés

Mots clés libres

Assortiment

Optimisation

Préférence

Assortment

Optimization

Preference

Résumé

L'objectif de cette thèse est double : à la fois permettre la découverte et l'amélioration de méthodes statistiques ou de machine learning pour être utilisées et déployées, tout en s'assurant que ces dernières puissent efficacement répondre aux contraintes des clients, que ce soit en terme de déploiement, de grands volumes de données, ou en terme de problématiques fonctionnelles 1 Apprentissage des préférence clients. 2. Algorithmes d'optimisation pour l'assortiment. Extensions : Cold start, Optimisation de la taille des catégories, Saturation de l'assortiment, Saisonnalité

The objective of this thesis is twofold: both to enable the discovery and improvement of statistical or machine learning methods to be used and deployed, while ensuring that the latter can effectively respond to customer constraints, whether either in terms of deployment, large volumes of data, or in terms of the functional issues mentioned above. 1 Learning of customer preferences. 2. Assortment optimization algorithms. Extensions: Cold start, Category size optimization, Assortment saturation, Seasonality