Machine Learning / AI

¿Cómo implementar técnicamente un sistema de almacenamiento de datos y alertas para la monitorización del modelo?

¿En qué se parecen y en qué se diferencian el bosque aleatorio y el impulso de gradiente? ¿Cómo se construyen los árboles en cada uno?

¿Tienes ideas para mejorar aún más el sistema de predicción de la demanda?

Cuéntanos cómo funcionaba el algoritmo de clustering que utilizaste — ¿cómo agrupaba los puntos en el espacio?

¿Cómo determinaste la calidad del clustering? ¿Qué métodos utilizaste?

¿Qué es una serie temporal estacionaria, cómo la verificas y por qué es importante?

En cuanto a Spark — ¿ qué tareas específicas se paralelizaron en él?

¿Cuál es la diferencia entre un intervalo de confianza y un intervalo de predicción? ¿Qué muestran?

¿Cómo construir un sistema para rastrear la calidad y la toma de decisiones sobre la sustitución del modelo?

¿Qué modelos utilizaste para la predicción de la demanda?

Caso: desarrollo de un sistema de precios para la clase ejecutiva de S7. 300 vuelos al día, ~100 con clase ejecutiva, 4-6 asientos. Dos objetivos: máxima ocupación y máxima recaudación. Precios actualizados diariamente y después de cada compra. Actualmente, los precios se establecen manualmente, en función de la ocupación. ¿Cómo abordarías esta tarea?

Cuéntanos casos interesantes de optimización en Spark relacionados con características y uniones complejas

Cuéntanos sobre tu experiencia en Data Science

¿Cómo resolver el problema de los datos históricos desplazados (los precios estaban subvalorados, el modelo ve poca demanda en nuevos niveles)?

¿Cómo lidiar con un bajo volumen de retroalimentación en rutas tranquilas (pocos vuelos, datos ruidosos)?