每周都有新内容，我们的博客展示了这些技术雷竞技到底好不好用- - - - - -以及他们背后的人- - - - - -为优步平台提供动力。
2018年，我们发表了关于我们技术堆栈的广度和深度的主题的文章，从一系列详细介绍我们的驱动程序应用程序重写(代号碳)到米开朗基罗机器学习平台．我们介绍了我们技术人员的经验和背景，包括我们与现场可靠性工程经理和UberHUE成员的问答，Sumbry，以及我们从织布工转型为机器学习工程师的简介撒母耳Zemedkun，转到记录我们科技办公室生活和工作的文章阿姆斯特丹而且索菲亚．我们还利用我们的平台来关注我们组织的顶级活动，包括我们的第二届年度活动优步科技日我们的第一个Uber开放峰会．
下面，我们列出了今年最受欢迎的一些文章，以及我们个人最喜欢的一些文章:
Uber的大数据平台:100+ pb，延迟分钟
Uber的增长伴随着数据的相应增长，我们的工程师不断致力于系统的安全存储，并为需要改善我们服务的内部团队成员提供可操作的数据。我们基础设施的快速增长使2018年成为反思我们三代大数据平台的最佳时机。从我们2014年的第一个数据仓库服务，到我们转移到Hadoop2015年，到我们这一代，我们开发了开源工具，比如Hudi而且马尔马雷，我们概述了大数据平台的架构，以实现规模化和弹性。
反思GPS:优步的下一代定位工程
优步的运输和送货服务在现实世界中是实时的，因此依靠精确的GPS定位来连接我们的各种客户，从乘客到发货人。然而，城市地区的建筑物可能会使GPS的精度相差50米。为了提高定位精度，优步的工程师们为安卓手机提出了一种新颖的解决方案，使用高清地图来补偿信号受阻。这篇文章从2018年开始，这是我们寻求改善服务的众多创新方式之一。
从美丽的地图到可操作的洞察:介绍开普勒。gl, Uber的开源地理空间工具箱
2018年，优步的开源努力一直在加强，这是我们的第一个年度开放的峰会以及许多开源项目的发布。开普勒。Gl创建的一个这样的项目山,他以及我们数据可视化团队的其他成员，让开发人员以基于地图的、web友好的格式展示大型地理空间数据集。而我们使用开普勒。Gl来可视化城市交通等数据，其他人则用它来显示城市地形和人口。开普勒。Gl是一个强大的工具，可以帮助人们理解原始数据以及它与物理空间的关系。(Post-publishing注意:开普勒。Gl获得金牌在第7年信息是美丽的年，她带着一个奖项回家可视化和信息设计类)。
Uber Eats的美食探索(系列)
在某些方面，Uber Eats从我们的拼车业务中自然成长起来让食客和送餐伙伴配对，而不是骑手和司机伙伴。然而，Uber Eats为我们的工程师开辟了新的创新领域。其中比较复杂的是如何帮助食客找到他们想要的食物。随着Uber Eats在2018年的发展，这是我们的工程师解释他们如何开发出这种能力的好时机查询菜系的种类在任何给定的区域提供，并积极走得更远推荐食物选择．
从挤牛奶到写代码:一个梦想家的旅程
优步的工程师来自不同的背景和地理区域。在我们强调的工程师中，贝尼托·桑切斯的故事最为突出。他的父母在他10岁的时候把他从墨西哥边境带到了美国，他多年来一直生活在被驱逐出境的恐惧中。但“童年入境暂缓遣返”项目给了他一个接受大学教育的机会，让他意识到自己在编程方面的天赋。贝尼托讲述的人生故事鼓舞了所有相信美国梦的人。
在Uber，用数据科学和机器学习转变财务预测
在今年的优步科技日由我们的LadyEng女性技术团队赞助，来自优步各部门的女性工程师就一系列不同的项目进行了演讲。其中一位工程师，宋春燕，提出了随后他又写了一篇文章，讲述Uber如何创建了一个前沿的财务规划平台，让我们根据实时动态做出明智的支出决策，并预测城市层面的经济状况。利用机器学习和数据科学，这个金融平台是优步2018年技术敏锐度的一大亮点。
加速深度神经进化:在一台个人电脑上训练雅达利
Uber利用人工智能、机器学习和深度学习来训练模型在很多领域从优化交通高峰期间的行程预测，到构建为自动驾驶汽车提供动力的传感和感知技术。2018年4月，Uber AI实验室费利佩·彼得罗夫斯基·萨奇、肯尼斯·o·斯坦利和杰夫·克伦发布代码这使得深度学习研究比现有模型更快、更便宜，让优步和整个人工智能研究社区都受益。雷竞技是骗人的从这个角度来看，训练深度神经网络来玩雅达利所花费的时间，在720个cpu上需要大约1个小时，在一个处理器上需要大约4个小时单一现代桌面当利用AI实验室的代码时。最近，Uber AI实验室开发了去探索这是一种深度学习算法，通过在雅达利游戏中成功得分超过200万分，使他们的工作更进一步蒙特祖玛的复仇．
COTA:用NLP和机器学习改善Uber客户服务
Uber客户关注团队利用内部平台，将客户支持票务上下文与来自五个不同客户沟通渠道的信息集成在一起，从而轻松解决票务问题。在本文中，数据科学家郑怀秀、软件工程师郑国琴、Naveen Somasundaram和Basab Maulik、数据科学经理休·威廉姆斯和工程经理杰里米·赫尔曼讨论了他们是如何构建我们的顾客至上票务助理(COTA)该工具使用机器学习和自然语言处理技术来帮助代理提供更好的客户支持。2018年8月，他们发表了一篇后续文章，涉及到他们是如何利用深度学习扩展COTA的以扩大其影响，并进一步增强我们的支持解决方案，以解放客户关注代理，以完成更高要求的任务。
工程自信:克服冒名顶替者综合症的初学者指南
工程师走上软件工程的道路，就像他们使用的编程语言的类型一样多样，然而从一开始就成为专家的压力似乎是压倒性的。Raybet2Uber for Business的艾米丽·厄本内克(Emilee Urbanek)在享用优步时亲身体会到了这一点这篇文章讲述了她在Uber转型为全职软件工程师时克服冒名顶替综合症的经历。她的建议吗?建立信心，相信你的第一直觉，永远在教学，永远在学习——有价值的学习将带入2019年。想要从LadyEng社区获得更多智慧，请查看我们的问答技术项目管理总监Sophia Vicent，而且Shobhana Ahluwalia，信息技术主管．
我们期待在2019年为您带来更多的文章- - - - - -在那之前，请遵循Uber Eng推特账号，每天分享更新，以及订阅进入优步工程通讯，从我们的博客获取更多信息。雷竞技到底好不好用
