使用实时分析自动化商家实时监控：Charon
在优步，OPS的实时监控和自动化对于保持市场健康，维持可靠性以及在市场上获得效率至关重要。通过美德......
优步对第一原则的更好数据文化的旅程
Data Powers优步优步彻底改变了世界如何通过提供数十亿个乘客，企业，餐馆，司机和...的游乐设施和交付方式移动。
Operation Apache Pinot @ Uber Scale
简介优步拥有一个复杂的市场，包括骑手，司机，食客，餐馆等。在全球范围内经营市场需要实时智能......
在Uber ATG的数据挖掘操作中：识别机器规模的真实道路场景......
优步ATG的自动驾驶车辆测量众多可能的场景变化，以回答古老的问题：“行人如何过马路？”
用统计建模监控数据质量
优步采用统计建模来查找数据中的异常，并不断监控数据质量。
建立一个重新测试的服务来测量Uber级的模型性能
我们建立了一个反向服务，以更好地评估财务预测模型错误率，促进预测性能和决策。
Uber的数据科学中的妇女：在2020年和超越的数据中使用数据移动世界
2019年10月，优步举办了我们的第二届年度举行数据举行，展示了2019年的一些最有趣的数据科学挑战。
设计准备就绪的Kappa架构，以及时数据流处理
我们在优步实施了一架Kappa架构，以在规模中有效地回收流数据，确保我们平台中的准确数据。
在优步的Apache Pinot上的工程SQL支持
我们在Apache Pinot上设计了完整的SQL支持，以便快速分析和报告聚合数据，从而提高我们平台的经验。
优步可视化亮点：显示City街头速度群与Speedsup
作为Uber可视化的全团队Hackathon的一部分，我们构建了Speedsup，一个项目使用机器学习处理城市的平均速度，群集结果，并在街道地图上叠加它们。
Uber在2019年的数据平台：将信息转换为智能
2019年，优步数据平台团队利用数据科学来提高基础架构的效率，使我们能够计算最佳的数据存储和硬件使用。
生产分布式XGBoost以培训具有大型数据集的深树模型
我们分享技术挑战和经验教训，同时在生产和缩放XGBoost以培训优步的分布式梯度提升算法。
Uber可视化亮点：城市交响乐如何为可视化添加音频维度
作为Uber可视化的全团队Hackathon的一部分，我们建立了Und Unity Symphony，一个Uber运动可视化，将音频组件添加到流量模式。
将城市可视化与点云，3D瓷砖和Deck.GL一起进入第三维度
随着DECK.GL 7.3版的发布，UBER的开源可视化工具现在支持根据OGC 3D瓷砖社区标准的格式化大规模地理空间数据集。
建立一个更好的大数据架构：符合优步的普拉斯特团队
优步拥有Presto，高性能，分布式SQL查询引擎，并加入了Presto基础。遇到每天为Presto提供贡献和使用Presto的优步工程师。
优步科学：对数据科学进行真实影响
Suzette Puente，Uber Data Science Manager，她如何将她的毕业生工作在统计数据中应用于预测流量模式并产生更好的路线。
更少的是：工程数据仓库效率简约设计
数据科学帮助优步确定数据库中的哪些表应关闭到另一个源以最大限度地提高数据仓库的效率。
Uber的科学：通过映射来推动优步的骑士技术
Dawn Noodard数据科学总监，考虑旅行时间预测优步最有趣的映射问题。
Uber科学：将研究带给了道路雷竞技是骗人的
优步主工程师Waleed Kadous讨论了如何评估技术我们的团队可以利用，以提高我们平台的可靠性和性能。
