प्रत्येक Uber प्रवासाच्या आत चालणारे AI इंजिन

सिडनीच्या CBD मध्ये शुक्रवारी संध्याकाळची 5:00 वाजलेली आहे.

कार्यालये काही मिनिटांत रिकामी होतात. उपाहारगृहे भरतात. 40,000 लोक जवळपास एकाच क्षणी त्यांचे Uber अ‍ॅप उघडतात. पाऊस अजून सुरू झाला आहे.

Uber ला आत्ताच उत्तर द्यावे लागणारे प्रश्न अत्यंत सोपे आहे. पुढील 15 मिनिटांत किती प्रवासाच्या विनंत्या येतील?

चूक झाली तर परिणाम लगेच दिसतील. लांब वाट पाहणे. रद्द करणे. ग्राहक प्रतिस्पर्ध्यांकडे वळतात. Uber च्या प्रमाणात, अंदाजातील छोटी चूक ही पुढील अंकाची समस्या नाही. ही लाखो रुपयांमध्ये मोजली जाणारी महसूलाची समस्या आहे.

बहुतेक लोकांना वाटते की Uber प्रतिक्रियात्मकरीत्या काम करते. प्रवासी अ‍ॅप उघडतो आणि सिस्टम जवळचा ड्रायव्हर शोधण्यासाठी धावपळ करते. असे काम होत नाही.

Uber च्या AI प्रणाल्या मागणीचे अंदाज सातत्याने चालवतात, दिवसातून 24 तास. तुम्ही शुक्रवारी संध्याकाळी अ‍ॅप उघडता तोपर्यंत Uber ला तुम्ही येणार आहात हे आधीच माहीत असते. तुम्हाला घेणारा ड्रायव्हर कदाचित 20 मिनिटे आधीच, नेमक्या त्या ठिकाणी नेमक्या त्या वेळी मागणी येणार असल्याच्या अंदाजावरून, दुसऱ्या ठिकाणी हलवला गेला असेल.

ही क्षमता अंदाजावर बांधलेली नाही. ती गणितावर बांधलेली आहे.

Uber च्या प्रमाणात अंदाजाच्या अचूकतेत 1 टक्के सुधारणा म्हणजे वर्षाला शेकडो दशलक्ष डॉलर्सची अतिरिक्त उत्पन्न. एका नाट्यमय बदलातून नाही, तर एकाच वेळी दूर केलेल्या हजारो छोट्या अकार्यक्षमतांमधून, ज्या दर तासाला प्रत्येक शहरात साचत जातात.

Uber भविष्य घडण्यापूर्वी कसे ओळखतो यावर हा 5-भागाच्या मालिकेचा पहिला भाग आहे.

भाग 2 मध्ये तीन-मॉडेल एन्सेम्बल आर्किटेक्चरचा समावेश आहे. भाग 3 मध्ये सिडनीतील एका शुक्रवार संध्याकाळीच्या खऱ्या आकड्यांसह प्रत्येक सूत्र पाहिले आहे. भाग 4 मध्ये Python मध्ये संपूर्ण अंमलबजावणी शून्यापासून तयार केली आहे. भाग 5 मध्ये मोठ्या प्रमाणावर चालणारे प्रोडक्शन PyTorch ब्लूप्रिंट दाखवले आहे.

प्रत्येक गणना तपासली आहे. कोडची प्रत्येक ओळ चालते.

पुढे चला. गणित बहुतेक लोकांना वाटते त्याहून जास्त सोपे आहे.

#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.