每趟优步车程里向运转个 AI 引擎

悉尼市中心，礼拜五下半天五点钟。

写字楼几分钟里向就空脱。饭店爆满。四万人差勿多勒同一辰光打开优步应用。雨刚刚落下来。

优步搿歇必须要回答个问题简单得结棍。接下来 15 分钟里向会来几化叫车请求？

估错脱，后果马上就显出来。等个辰光长。订单取消。客户跑到竞争对手搿搭去。勒优步搿种体量浪，预测浪一眼眼误差勿是四舍五入个小问题。是用几百万来计算个营收问题。

大多数人觉着优步是被动应付个。乘客一打开应用，系统就急吼吼去寻附近个司机。其实勿是搿能来个。

优步个 AI 系统每日 24 个钟头勿停勒跑需求预测。到侬礼拜五夜里打开应用个辰光，优步老早就晓得侬要来了。来接侬个司机，很可能勒 20 分钟之前就根据一份预测重新调脱位置——搿份预测讲准脱勒搿个地点、搿个辰光会有需求。

搿种本事勿是靠直觉造出来个。是靠数学造出来个。

勒优步搿种体量浪，预测准确度提高 1 个百分点，就等于每年多出来几亿美元个营收。勿是靠一记大动作，而是靠同时拔掉几千个小个浪费，勒每个城市每个钟头一点一点积起来。

搿是关于优步哪能勒事体发生之前就预测未来个五集系列个第一集。

第二集讲三模型集成个架构。第三集拿悉尼一个礼拜五夜里个真数字，拿每条公式侪走一遍。第四集用 Python 从零开始拿完整实现搭出来。第五集展示大规模浪向跑个生产级 PyTorch 蓝图。

每一笔计算侪验证过。每一行代码侪跑得动。

跟牢看下去。数学比大多数人想象个要容易接近得多。

#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.