हर Uber सवारी के अंदर चलने वाला AI इंजन

सिडनी के CBD में शुक्रवार की शाम के 5:00 बजे हैं।

दफ्तर कुछ ही मिनटों में खाली हो जाते हैं। रेस्तरां भर जाते हैं। 40,000 लोग लगभग एक ही पल में अपना Uber ऐप खोलते हैं। बारिश अभी-अभी शुरू हुई है।

जिस सवाल का जवाब Uber को अभी देना है, वह बेरहमी से सरल है। अगले 15 मिनटों में कितनी राइड रिक्वेस्ट आएंगी?

गलती हुई तो परिणाम तुरंत सामने हैं। लंबा इंतजार। रद्दीकरण। ग्राहक प्रतिस्पर्धियों की ओर रुख करते हुए। Uber के पैमाने पर, भविष्यवाणी में एक छोटी सी गलती राउंडिंग की समस्या नहीं है। यह लाखों में मापी जाने वाली राजस्व की समस्या है।

ज्यादातर लोग सोचते हैं कि Uber प्रतिक्रियाशील तरीके से काम करता है। कोई राइडर ऐप खोलता है और सिस्टम पास का ड्राइवर ढूंढने में जुट जाता है। ऐसा काम नहीं होता।

Uber के AI सिस्टम मांग के पूर्वानुमान लगातार चलाते हैं, दिन में 24 घंटे। जब तक आप शुक्रवार की शाम ऐप खोलते हैं, Uber पहले से जान चुका होता है कि आप आने वाले हैं। जो ड्राइवर आपको लेने आता है, उसे शायद 20 मिनट पहले ही ऐसे पूर्वानुमान के आधार पर दोबारा तैनात किया जा चुका होता है जिसने उसी जगह, उसी समय मांग की भविष्यवाणी की थी।

यह क्षमता अंतर्ज्ञान पर नहीं बनी है। यह गणित पर बनी है।

Uber के पैमाने पर पूर्वानुमान की सटीकता में 1 प्रतिशत का सुधार सालाना सैकड़ों मिलियन डॉलर के अतिरिक्त राजस्व में बदल जाता है। किसी एक नाटकीय बदलाव से नहीं, बल्कि एक साथ दूर की गई हजारों छोटी-छोटी अक्षमताओं से, जो हर घंटे हर शहर में बढ़ती जाती हैं।

Uber भविष्य को घटित होने से पहले कैसे भविष्यवाणी करता है, इस पर यह 5-भाग की श्रृंखला का भाग 1 है।

भाग 2 में तीन-मॉडल एन्सेम्बल आर्किटेक्चर शामिल है। भाग 3 में सिडनी की एक शुक्रवार की शाम के असली आंकड़ों के साथ हर फॉर्मूला दिखाया गया है। भाग 4 में Python में पूरा कार्यान्वयन शुरू से बनाया गया है। भाग 5 में बड़े पैमाने पर चलता हुआ प्रोडक्शन PyTorch ब्लूप्रिंट दिखाया गया है।

हर गणना सत्यापित। कोड की हर पंक्ति चलती है।

साथ चलिए। गणित ज्यादातर लोगों की उम्मीद से कहीं ज्यादा सुलभ है।

#MachineLearning #ArtificialIntelligence #AI #DataScience #Mathematics #Uber #TimeSeriesForecasting #DemandForecasting #AIEngineering #TechLeadership #TheMagicOfHiddenMathematicsInAI #PredictiveAnalytics #DeepLearning #MLOps #Python

Originally published on LinkedIn by Keshavan Thiagaraja. Read the original on LinkedIn.