Машинное обучение под высокими нагрузками в Ситимобил
Доклад отозван
Целевая аудитория
Тезисы
Эффективное использование геоданных помогает различным командам в Ситимобил правильно настраивать свои алгоритмы - базовая тарификация и динамическое ценообразование, назначение водителей на заказы и другие. В нашем продукте – гео-сервисы, мы стремимся создавать такие алгоритмы, модели и их продакшн реализацию, которые не только повышают качество маршрутизации и гео-поиска, но и напрямую воздействуют на бизнес, а также клиентский опыт.
В частности, одна из центральных бизнес задач – прогноз времени в пути из точки “А” в точку “Б”.
Необходимо разработать решение, которое будет быстро и качественно решать поставленную задачу с помощью моделей машинного обучения.
Помимо вышеописанного необходимо реализовать “обслуживание” моделей в сервисе таким образом, чтобы участие аналитика в этом пайплайне было минимальным.
Для ее реализации нам силами Machine Learning Engineer’ов удалось разработать микросервис, внутри которого живут модели машинного обучения.
Микросервис написан на python с использованием фреймворка sanic.
Занимаюсь машинными обучением в Ситимобил. ФКН ВШЭ, Kaggle Competitions
Expert.
Ситимобил
Видео
Другие доклады секции
Базы данных и системы хранения