- \n
- \nD\u00e9fi<\/div>\nAnalyse du genre et \u00e9laboration d'une bo\u00eete \u00e0 outils d'identification<\/div>\n<\/li>\n
- \n
Solution<\/div>\nApplication Dockeris\u00e9e pour l'analyse et l'identification du sexe des abonn\u00e9s<\/div>\n<\/li>\n- \n
Technologies et outils<\/div>\nDocker, Node.js, React, Python, Celery, Redis, Flask, PySpark, Pandas, Scikit-learn, LightGBM, XGBoost, HyperOpt, SHAP<\/div>\n<\/li>\n<\/ul>\n<\/div>\nClient<\/h2>\n
Le client est GSMA<\/a>La Commission europ\u00e9enne est une organisation mondiale qui unifie l'\u00e9cosyst\u00e8me mobile afin de d\u00e9couvrir, de d\u00e9velopper et d'offrir des innovations qui sont \u00e0 la base d'environnements commerciaux positifs et d'un changement soci\u00e9tal. Elle repr\u00e9sente des op\u00e9rateurs de t\u00e9l\u00e9phonie mobile et des organisations de l'ensemble de l'\u00e9cosyst\u00e8me de la t\u00e9l\u00e9phonie mobile et des secteurs adjacents.<\/p>\n
Le client a demand\u00e9 \u00e0 ESSID Solutions d'aider l'Inclusive Tech Lab \u00e0 faire \u00e9voluer son syst\u00e8me existant de d\u00e9tection du genre. IA des utilisateurs de t\u00e9l\u00e9phones mobiles<\/a>.<\/p>\n
D\u00e9fi : analyse de genre et d\u00e9veloppement d'une bo\u00eete \u00e0 outils d'identification<\/h2>\n
Les femmes sont une puissante source de croissance, elles sont cruciales pour le d\u00e9veloppement d'un pays. Les in\u00e9galit\u00e9s entre les hommes et les femmes peuvent r\u00e9duire les progr\u00e8s r\u00e9alis\u00e9s \u00e0 l'\u00e9chelle nationale en mati\u00e8re de sant\u00e9, d'\u00e9ducation et de niveau de vie. Aujourd'hui, les femmes se heurtent encore \u00e0 des obstacles syst\u00e9miques et, surtout, souvent non mesur\u00e9s, qui les emp\u00eachent de rattraper leur retard et de combler le foss\u00e9 entre les hommes et les femmes.<\/p>\n
En ce qui concerne la connectivit\u00e9 et l'industrie mobile, dans les pays \u00e0 revenu faible et interm\u00e9diaire, 390 millions de femmes ne sont pas connect\u00e9es et 184 millions de femmes de moins que d'hommes poss\u00e8dent un t\u00e9l\u00e9phone portable. Pourtant, les femmes ne constituent pas un simple \"segment\", mais la moiti\u00e9 de la client\u00e8le potentielle. Il s'agit l\u00e0 d'un d\u00e9fi et d'une excellente opportunit\u00e9 pour les op\u00e9rateurs de t\u00e9l\u00e9communications du monde entier. Combler l'\u00e9cart entre les hommes et les femmes<\/a> peut b\u00e9n\u00e9ficier aux femmes, \u00e0 la soci\u00e9t\u00e9 et \u00e0 l'industrie mobile en g\u00e9n\u00e9ral.<\/p>\n
Combler le foss\u00e9 entre les hommes et les femmes, GSMA<\/a> n\u00e9cessaires \u00e0 la fermeture de la \u00e9cart de donn\u00e9es entre les hommes et les femmes<\/i>. Aujourd'hui, les op\u00e9rateurs de t\u00e9l\u00e9phonie mobile des pays \u00e0 revenu faible et interm\u00e9diaire ont besoin de plus de donn\u00e9es KYC pour mieux comprendre les goulets d'\u00e9tranglement dans la p\u00e9n\u00e9tration du t\u00e9l\u00e9phone mobile chez les femmes et concevoir des produits destin\u00e9s aux femmes.<\/p>\n
Pour combler les lacunes en mati\u00e8re de donn\u00e9es sur le genre et g\u00e9rer l'analyse des donn\u00e9es de t\u00e9l\u00e9phonie mobile, Femmes connect\u00e9es GSMA<\/a>en partenariat avec ESSID Solutions, a \u00e9t\u00e9 charg\u00e9 d'\u00e9laborer une bo\u00eete \u00e0 outils pour l'analyse et l'identification du genre.<\/p>\n
Solution : application dockeris\u00e9e pour l'analyse et l'identification du sexe des abonn\u00e9s<\/h2>\n
L'objectif principal du d\u00e9veloppement de la bo\u00eete \u00e0 outils \u00e9tait de fournir aux op\u00e9rateurs de r\u00e9seaux mobiles (ORM) un outil qu'ils pourraient facilement installer et ex\u00e9cuter sur place pour pr\u00e9dire des \u00e9tiquettes de genre de haute qualit\u00e9 pour leur base d'abonn\u00e9s et pour obtenir des informations \u00e0 partir du tableau de bord analytique.<\/p>\n
L'\u00e9quipe d'ESSID Solutions, en collaboration avec le GSMA Inclusive Tech Lab, a remani\u00e9 et am\u00e9lior\u00e9 la bo\u00eete \u00e0 outils existante en proposant un environnement analytique plus complet pour r\u00e9pondre aux besoins de l'op\u00e9rateur de t\u00e9l\u00e9phonie mobile. En \u00e9troite collaboration avec notre client, nous avons d\u00e9velopp\u00e9 la version 3.0 du produit.<\/p>\n
Les composants de la solution sont d\u00e9ploy\u00e9s et exploit\u00e9s dans des conteneurs Docker. L'architecture est structur\u00e9e de mani\u00e8re \u00e0 ce que l'ORM puisse ex\u00e9cuter le syst\u00e8me dans ses locaux ou dans le nuage. L'utilisation de l'outil comporte trois \u00e9tapes principales :<\/p>\n
- \n
- Pr\u00e9paration des donn\u00e9es brutes :<\/i><\/b> L'utilisateur commence par sp\u00e9cifier l'emplacement de divers fichiers de donn\u00e9es brutes, tels que les donn\u00e9es d'enqu\u00eate contenant les \u00e9tiquettes de genre de v\u00e9rit\u00e9 terrain, les enregistrements d\u00e9taill\u00e9s des appels, l'historique des transactions d'argent mobile, etc. Cette \u00e9tape consiste \u00e0 pr\u00e9parer et \u00e0 organiser les donn\u00e9es n\u00e9cessaires \u00e0 une analyse plus approfondie.<\/li>\n
- Mod\u00e9lisation :<\/i><\/b> Au cours de cette \u00e9tape, l'utilisateur effectue des exp\u00e9riences afin d'identifier la solution optimale. mod\u00e8le de classification pour pr\u00e9dire<\/a> le sexe des abonn\u00e9s. En exploitant les ensembles de donn\u00e9es sp\u00e9cifi\u00e9s, l'utilisateur peut former et \u00e9valuer diff\u00e9rents mod\u00e8les afin de d\u00e9terminer celui qui offre les meilleures performances.<\/li>\n
- G\u00e9n\u00e9ration de pr\u00e9visions et rapports d'analyse :<\/i><\/b> Une fois que le mod\u00e8le de classification pr\u00e9f\u00e9r\u00e9 est identifi\u00e9, l'utilisateur g\u00e9n\u00e8re des pr\u00e9dictions de genre bas\u00e9es sur le mod\u00e8le form\u00e9. Ces pr\u00e9dictions sont ensuite utilis\u00e9es pour g\u00e9n\u00e9rer un rapport analytique complet. Ce rapport vise \u00e0 fournir des informations pr\u00e9cieuses pour la prise de d\u00e9cision et la planification strat\u00e9gique au sein de l'ORM.<\/li>\n<\/ul>\n
L'ensemble du flux est pr\u00e9sent\u00e9 ci-dessous :<\/p>\n
![\"d\u00e9tection](\"https:\/\/essidsolutions.com\/wp-content\/uploads\/2023\/06\/ai-gender-detection-picture.webp\")
<\/p>\nL'objectif principal de l'\u00e9quipe ESSID Solutions \u00e9tait de cr\u00e9er une solution conviviale, adaptable et flexible. Elle permet aux utilisateurs d'explorer sans effort divers algorithmes d'apprentissage automatique et d'exp\u00e9rimenter diff\u00e9rents mod\u00e8les afin d'identifier le plus efficace.<\/p>\n
La solution offre un pipeline rationalis\u00e9 qui peut \u00eatre configur\u00e9 et ex\u00e9cut\u00e9 sans n\u00e9cessiter de connaissances techniques approfondies.<\/p>\n
Relever le d\u00e9fi de la gestion d'\u00e9normes volumes de donn\u00e9es tout en maintenant un flux de travail r\u00e9silient \u00e9tait une priorit\u00e9 essentielle.<\/p>\n
R\u00e9sultat : r\u00e9duction de l'\u00e9cart entre les hommes et les femmes et cr\u00e9ation d'un \u00e9cosyst\u00e8me plus inclusif<\/h2>\n
Le r\u00e9sultat de notre travail est une bo\u00eete \u00e0 outils avanc\u00e9e d'analyse et d'identification du genre. L'int\u00e9r\u00eat de cette solution est qu'elle permet aux op\u00e9rateurs de r\u00e9seaux mobiles d'identifier le sexe de leurs abonn\u00e9s sur la base de l'historique d'utilisation des t\u00e9l\u00e9phones et qu'elle fournit des informations sur l'\u00e9cart entre les hommes et les femmes. Gr\u00e2ce \u00e0 cette solution, ils peuvent explorer les donn\u00e9es les plus r\u00e9centes sur l'\u00e9cart entre les sexes dans le secteur de la t\u00e9l\u00e9phonie mobile et comprendre ce qu'il faut faire pour le combler.<\/p>\n
Nous sommes reconnaissants \u00e0 l'\u00e9quipe de la GSMA d'avoir invit\u00e9 notre soci\u00e9t\u00e9 \u00e0 collaborer \u00e0 un projet aussi complexe et stimulant. Nous avons achev\u00e9 les livrables dans les d\u00e9lais et a r\u00e9pondu aux attentes du client<\/a>.<\/p>","protected":false},"excerpt":{"rendered":"
- Mod\u00e9lisation :<\/i><\/b> Au cours de cette \u00e9tape, l'utilisateur effectue des exp\u00e9riences afin d'identifier la solution optimale. mod\u00e8le de classification pour pr\u00e9dire<\/a> le sexe des abonn\u00e9s. En exploitant les ensembles de donn\u00e9es sp\u00e9cifi\u00e9s, l'utilisateur peut former et \u00e9valuer diff\u00e9rents mod\u00e8les afin de d\u00e9terminer celui qui offre les meilleures performances.<\/li>\n
- \n