Machine Learning / AI

Kā tehniski īstenot datu glabāšanas un brīdinājumu sistēmu modeļa uzraudzībai?

Kā ir līdzīgs un atšķiras nejaušais mežs un gradienta pastiprināšana? Kā katrā būvē kokus?

Vai jums ir idejas, kā turpmāk uzlabot pieprasījuma prognozēšanas sistēmu?

Pastāstiet, kā darbojās jūsu izmantotais klasterizācijas algoritms — kā tas apvienoja punktus telpā?

Kā jūs noteicāt klasterizācijas kvalitāti? Kādas metodes izmantojāt?

Runājot par Spark — kādi konkrēti uzdevumi tika paralelizēti?

Kas ir stacionāra laika sērija, kā to pārbaudīt un kāpēc tas ir svarīgi?

Gadījums: S7 biznesa klases cenu sistēmas izstrāde. 300 lidojumu dienā, aptuveni 100 ar biznesa klasi, 4-6 vietas. Divi mērķi: maksimāla aizpildītība un maksimālais ieņēmums. Cenas tiek atjauninātas katru dienu un pēc katras pirkuma. Pašlaik cenas ir manuāli noteiktas, balstoties uz aizpildītību. Kā pieietu šim uzdevumam?

Kāda ir atšķirība starp ticamības intervālu un prognozes intervālu? Ko tie rāda?

Kā izveidot sistēmu kvalitātes uzraudzībai un lēmumu pieņemšanai par modeļa nomaiņu?

Kādus modeļus jūs izmantojāt pieprasījuma prognozēšanai?

Pastāstiet par savu pieredzi Data Science jomā

Pastāstiet par interesantiem optimizācijas gadījumiem Spark, kas saistīti ar funkcijām un sarežģītiem savienojumiem

Kā rīkoties ar zemu atsauksmju apjomu klusās maršrutēs (mazs lidojumu skaits, trokšņaini dati)?

Kā risināt novirzīto vēsturisko datu problēmu (cenas bija nenovērtētas, modelis slikti redz pieprasījumu jaunās līmenēs)?