Machine Learning / AI

როგორ შევასრულოთ ტექნიკურად მონაცემთა შენახვის და შეტყობინებების სისტემა მოდელის მონიტორინგისთვის?

როგორ არის შემთხვევითი ტყე და გრადიენტული ბუსტინგი მსგავს და განსხვავებულ? როგორ აშენებენ ხეებს თითოეულში?

გაქვთ თუ არა იდეები მოთხოვნის პროგნოზირების სისტემის კიდევ უფრო გაუმჯობესებისთვის?

გვითხარით, როგორ მუშაობდა თქვენი გამოყენებული კლასტერული ალგორითმი — როგორ შეაგროვებდა ის წერტილებს სივრცეში?

საქმე: S7 ბიზნეს კლასისთვის ფასების სისტემის შექმნა. დღეში 300 რეისი, დაახლოებით 100 ბიზნეს კლასით, 4-6 ადგილი. ორი მიზანი: მაქსიმალური სავსეობა და მაქსიმალური შემოსავალი. ფასები განახლდება ყოველდღიურად და ყოველი შეძენის შემდეგ. ამჟამად, ფასები ხელით არის მითითებული, სავსეობის მიხედვით. როგორ მიუდგებით ამ ამოცანას?

Spark-ის შესახებ — რა კონკრეტული დავალებები იყო პარალელური შესრულებული?

როგორ განსაზღვრეთ კლასტერული ხარისხი? რა მეთოდებს იყენებდით?

რა არის სტაციონარული დროის სერია, როგორ გიკვირდებათ და რატომ არის ეს მნიშვნელოვანი?

როგორ ავაშენოთ სისტემას ხარისხის მონიტორინგისა და მოდელის შეცვლის გადაწყვეტილებების მისაღებად?

რა არის ნდობის ინტერვალი და პროგნოზის ინტერვალი? რა აჩვენებს ისინი?

რა მოდელები გამოიყენეთ მოთხოვნის პროგნოზირებისთვის?

როგორ მოვიქცეთ მშვიდი მარშრუტებზე დაბალი უკუკავშირის მოცულობით (მცირე ფრენები, ხმამაღალი მონაცემები)?

გვითხარით თქვენი გამოცდილების შესახებ Data Science-ში

Spark-ში საინტერესო ოპტიმიზაციის შემთხვევები, რომლებიც დაკავშირებულია თვისებებთან და რთულ ჯოინებთან

როგორ გადავჭრათ გადახრილი ისტორიული მონაცემების პრობლემა (ფასები იყო დაბალი შეფასებული, მოდელი ცუდად ხედავს მოთხოვნას ახალი დონეებზე)?