Machine Learning / AI

Πώς να υλοποιήσετε τεχνικά ένα σύστημα αποθήκευσης δεδομένων και ειδοποιήσεων για την παρακολούθηση του μοντέλου;

Πώς είναι παρόμοια και διαφορετική η τυχαία δασική και η ενίσχυση γραμμής; Πώς κατασκευάζονται τα δέντρα σε κάθε μία;

Έχετε ιδέες για περαιτέρω βελτίωση του συστήματος πρόβλεψης ζήτησης;

Πείτε πώς λειτουργούσε ο αλγόριθμος ομαδοποίησης που χρησιμοποιήσατε — πώς συγκέντρωνε τα σημεία στον χώρο;

Πώς καθορίσατε την ποιότητα της ομαδοποίησης; Ποιες μεθόδους χρησιμοποιήσατε;

Όσον αφορά το Spark — ποιες συγκεκριμένες εργασίες παράλληλα εκτελέστηκαν;

Τι είναι μια σταθερή χρονική σειρά, πώς την ελέγχετε και γιατί είναι σημαντική;

Ποια είναι η διαφορά μεταξύ διαστήματος εμπιστοσύνης και διαστήματος πρόβλεψης; Τι δείχνουν;

Πώς να δημιουργήσετε ένα σύστημα παρακολούθησης της ποιότητας και λήψης αποφάσεων σχετικά με την αντικατάσταση του μοντέλου;

Ποια μοντέλα χρησιμοποιήσατε για την πρόβλεψη της ζήτησης;

Περίπτωση: ανάπτυξη συστήματος τιμολόγησης για την επιχειρηματική κατηγορία S7. 300 πτήσεις την ημέρα, περίπου 100 με επιχειρηματική κατηγορία, 4-6 θέσεις. Δύο στόχοι: μέγιστη πληρότητα και μέγιστο έσοδο. Οι τιμές ενημερώνονται καθημερινά και μετά από κάθε αγορά. Προς το παρόν, οι τιμές ορίζονται χειροκίνητα, βάσει πληρότητας. Πώς θα προσεγγίζατε αυτό το έργο;

Πείτε μας για την εμπειρία σας στην Data Science

Πείτε για ενδιαφέροντα περιστατικά βελτιστοποίησης στο Spark που σχετίζονται με χαρακτηριστικά και πολύπλοκες ενώσεις

Πώς να λύσετε το πρόβλημα των μετατοπισμένων ιστορικών δεδομένων (οι τιμές ήταν υποτιμημένες, το μοντέλο βλέπει κακή ζήτηση σε νέα επίπεδα);

Πώς να αντιμετωπίσετε χαμηλό όγκο ανατροφοδότησης σε ήσυχες διαδρομές (λίγες πτήσεις, θορυβώδη δεδομένα);