Paris, France

Afterwork Innovation: Machine learning pour la visibilité de la Supply Chain

23 janvier 2020

AFTER WORK INNOVATION - PREVOIR L'IMPREVISIBLE

Enjeux et bénéfices du Machine Learning dans la visibilité de la supply chain

L’équipe Data Scientist & Business Analysis de Shippeo a le plaisir de vous accueillir pour une présentation de ses travaux sur le Machine Learning appliqué à la Supply Chain.

Comment prévoir l'imprévisible ? C’est précisément pour répondre à ce défi que les équipes Shippeo travaillent au développement d’outils de visibilité prédictive (ETA - Estimated Time of Arrival) et de suivi en temps réel des flux de transport basés sur le Machine Learning. Ces recherches s’inscrivent dans une démarche d’optimisation de la supply chain en perspective d’une automatisation totale de la chaîne logistique.

  • Date : Jeudi 23 janvier
  • Adresse : Locaux Shippeo, 60 rue d’Hauteville, Paris 10ème
  • A partir de 19h00
  • Au programme : Conférence, visite des locaux et cocktail

Au cours de cette soirée, Tarik Agayr, Lead Product Manager et Tristan Fransen, Data Scientist aborderont des thématiques clés :

  • L’importance de l’ETA dans la supply chain : problématiques et besoins
  • Comment le Machine Learning répond à la problématique de la prédiction d’un ETA fiable en temps réel. Quels résultats et perspectives?
  • Applications et exemples concrets sur la plateforme Shippeo

Pour tout complément d’information, n’hésitez pas à contacter Céline Bonniot, celine.bonniot@shippeo.com, tél : 06 86 92 95 16

23 janvier 2020
Paris, France
AJOUTER AU CALENDRIER 01/23/2020 19:00 01/23/2020 21:30 Europe/Paris Afterwork Innovation: Machine learning pour la visibilité de la Supply Chain Comment prévoir l'imprévisible ? L’équipe Data Scientist & Business Analysis de Shippeo a le plaisir de vous accueillir pour une présentation de ses travaux sur le Machine Learning appliqué à la Supply Chain. Paris, France
Inscription
Thank you! Your submission has been received!
Oops! Something went wrong while submitting the form.