Прежде чем перейти к статье, хочу вам представить, экономическую онлайн игру Brave Knights, в которой вы можете играть и зарабатывать. Регистируйтесь, играйте и зарабатывайте!
Ситимобил каждый месяц проводит митапы о применении Data science в городских и геосервисах, логистике и технологиях умных городов.
На митапе мы рассмотрим разные особенности применения современных технологий в геосервисах. Поговорим и о классическом data science в задачах прогнозирования времени прибытия, о проектирование data warehouse (DWH), чтобы можно было эффективно применять методы машинного обучения и строить дэшборды. А также продолжим говорить о Switchback-экспериментах (у нас уже был доклад об этом не первом митапе), которые часто просто незаменимы в геосервисах.
В этот раз в гости к Ситимобил придут коллеги из Самоката.
Ждём вас 28 октября в 18:00. Регистрация
Мероприятие пройдет в онлайне. Сначала будут доклады, а затем каждый из нас сможет поучаствовать в дискуссии со спикерами. Так что советуем запастись интересными вопросами)
18:00 – 18:10 Вступительное слово
Алексей Чернобровов
Консультант по Data Science
18:10 – 18:40 «Эпизод 2: Атака тестов на свичбэк»
Ксения Мензорова
Data Science в Surge Pricing
Ситимобил
В Ситимобил проходят десятки разных экспериментов. Компания активно применяет switchback для сложных экспериментов в динамическом ценообразовании. На одном из предыдущих митапов мы уже подробно рассказывали, что это такое и с чем это едят.
Новый доклад поможет понять, какими статистическими методами можно проверить switchback-тест. А ещё он подскажет, как, с одной стороны, правильно выбрать подход, позволяющий бизнесу быстро принимать решения, а с другой – соблюдать некоторую математическую строгость.
18:40 – 19:10 «Сказ про то как мы в Ситимобил DWH строим»
Екатерина Колпакова
Руководитель DWH
Ситимобил
Когда создаешь классные сервисы с применением машинного обучения, нельзя обойтись без продуманного построения хранилища данных. Сегодня в Ситимобил применяются 100500 баз данных для решения самых разнообразных задач.
Мы подробно расскажем о подходе к построению подобных сложных систем, совмещении Data Vault и Data Lake, а также рассмотрим, как же в компании устроены потоки данных.
19:10 – 19:40 «Прогнозирование времени доставки заказа»
Николай Рядчиков
Senior ML Specialist
Самокат
На митапе я расскажу:
Два разных прогноза: до оформления заказа и после;
Необходимость детальной структуры местности для точного прогноза;
Временные факторы прогноза;
Очередность заказа в порядке выполнения курьером как важнейший фактор прогноза;
Неизбежность продуктовых решений;
Методология проведения экспериментов для проверки качества прогноза.
19:40 – 20:10 Дискуссия со спикерами
РЕГИСТРАЦИЯ
