Her Uber Yolculuğunun İçinde Çalışan AI Motoru

Sidney'nin iş bölgesinde bir Cuma akşamı saat 17:00.

Ofisler dakikalar içinde boşalıyor. Restoranlar doluyor. 40.000 kişi neredeyse aynı anda Uber uygulamasını açıyor. Yağmur daha yeni yağmaya başladı.

Uber'in şu anda yanıtlaması gereken soru son derece basit. Önümüzdeki 15 dakika içinde kaç yolculuk talebi gelecek?

Yanılırsanız sonuçlar anında gelir. Uzun bekleyişler. İptaller. Rakiplere geçen müşteriler. Uber'in ölçeğinde, tahmindeki küçük bir hata bir yuvarlama sorunu değildir. Milyonlarla ölçülen bir gelir sorunudur.

Çoğu insan Uber'in tepkisel çalıştığını düşünür. Bir yolcu uygulamayı açar ve sistem yakındaki bir sürücüyü bulmak için koşuşturur. Böyle çalışmıyor.

Uber'in AI sistemleri talep tahminlerini sürekli çalıştırır, günde 24 saat. Cuma akşamı uygulamayı açtığınızda, Uber geleceğinizi zaten biliyordu. Sizi alacak sürücü, tam o konumda tam o saatte talebi öngören bir tahmine dayanarak 20 dakika önce yeniden konumlandırılmış olabilir.

Bu yetenek sezgi üzerine kurulu değil. Matematik üzerine kurulu.

Uber'in hacminde tahmin doğruluğunda yüzde 1'lik bir iyileşme, yıllık yüz milyonlarca dolar ek gelire dönüşür. Tek bir dramatik değişiklikten değil, aynı anda ortadan kaldırılan binlerce küçük verimsizlikten; her saat her şehirde birikerek.

Bu, Uber'in geleceği gerçekleşmeden önce nasıl tahmin ettiğine dair 5 bölümlük bir serinin 1. Bölümü.

2. Bölüm üç modelli topluluk mimarisini ele alıyor. 3. Bölüm her formülü Sidney'de bir Cuma akşamından gerçek sayılarla adım adım işliyor. 4. Bölüm tam uygulamayı Python'da sıfırdan inşa ediyor. 5. Bölüm ölçekte çalışan üretim PyTorch planını gösteriyor.

Her hesaplama doğrulandı. Her kod satırı çalışıyor.

Takip edin. Matematik, çoğu insanın beklediğinden çok daha erişilebilir.

#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.