ప్రతి Uber ప్రయాణంలోనూ పనిచేస్తున్న AI ఇంజిన్

సిడ్నీ CBDలో శుక్రవారం సాయంత్రం 5:00 గంటలు.

కార్యాలయాలు కొద్ది నిమిషాల్లో ఖాళీ అవుతాయి. రెస్టారెంట్లు నిండిపోతాయి. 40,000 మంది దాదాపు ఒకే సమయంలో తమ Uber యాప్ ఓపెన్ చేస్తారు. వర్షం ఇప్పుడే కురవడం మొదలైంది.

Uber ఇప్పుడు సమాధానం చెప్పాల్సిన ప్రశ్న చాలా సరళమైనది. తదుపరి 15 నిమిషాల్లో ఎన్ని రైడ్ రిక్వెస్ట్‌లు వస్తాయి?

తప్పవుతే పర్యవసానాలు వెంటనే వస్తాయి. సుదీర్ఘ వేచి ఉండడం. రద్దులు. కస్టమర్లు పోటీదారుల వైపు మళ్లడం. Uber స్థాయిలో, అంచనాలో చిన్న పొరపాటు అనేది రౌండింగ్ సమస్య కాదు. అది మిలియన్లలో కొలిచే ఆదాయ సమస్య.

చాలామంది Uber రియాక్టివ్‌గా పనిచేస్తుందని అనుకుంటారు. రైడర్ యాప్ ఓపెన్ చేస్తే సిస్టమ్ దగ్గరలో ఉన్న డ్రైవర్ కోసం వెదుక్కుంటుంది. అలా పనిచేయదు.

Uber యొక్క AI సిస్టమ్‌లు డిమాండ్ అంచనాలను నిరంతరంగా నడుపుతాయి, రోజుకు 24 గంటలు. మీరు శుక్రవారం సాయంత్రం యాప్ ఓపెన్ చేసే సమయానికి, మీరు వస్తున్నారని Uberకి ఇప్పటికే తెలుసు. మిమ్మల్ని తీసుకెళ్లే డ్రైవర్ బహుశా 20 నిమిషాల క్రితమే, సరిగ్గా ఆ ప్రదేశంలో సరిగ్గా ఆ సమయంలో డిమాండ్ వస్తుందని అంచనా వేసిన ఫోర్‌కాస్ట్ ఆధారంగా మళ్లీ నియోగించబడి ఉంటాడు.

ఆ సామర్థ్యం అంతర్దృష్టిపై నిర్మించబడలేదు. అది గణితంపై నిర్మించబడింది.

Uber వాల్యూమ్‌లో ఫోర్‌కాస్టింగ్ ఖచ్చితత్వంలో 1 శాతం మెరుగుదల అంటే సంవత్సరానికి వందల మిలియన్ల డాలర్ల అదనపు ఆదాయం. ఒకే నాటకీయ మార్పు నుంచి కాదు, కానీ ఏకకాలంలో తొలగించబడిన వేలాది చిన్న అసమర్థతల నుంచి, ప్రతి గంటకు ప్రతి నగరంలో పేరుకుపోతూ.

Uber భవిష్యత్తు జరగడానికి ముందే ఎలా అంచనా వేస్తుందనే దానిపై 5-భాగాల సిరీస్‌లో ఇది 1వ భాగం.

2వ భాగం మూడు-మోడల్ ఎన్‌సెంబుల్ ఆర్కిటెక్చర్‌ను కవర్ చేస్తుంది. 3వ భాగం సిడ్నీలోని ఒక శుక్రవారం సాయంత్రం నుంచి నిజమైన నంబర్లతో ప్రతి ఫార్ములాను వివరిస్తుంది. 4వ భాగం Pythonలో పూర్తి అమలును మొదటి నుంచి నిర్మిస్తుంది. 5వ భాగం పెద్ద స్థాయిలో నడుస్తున్న ప్రొడక్షన్ PyTorch బ్లూప్రింట్‌ను చూపిస్తుంది.

ప్రతి లెక్క ధృవీకరించబడింది. కోడ్ యొక్క ప్రతి లైన్ పనిచేస్తుంది.

తొడర్చుతూ ఉండండి. గణితం చాలామంది అనుకున్నదానికంటే చాలా సులభంగా అందుబాటులో ఉంటుంది.

#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.