跳到页脚

标签：数据科学

除了一个红色外，所有紫色的图像

用统计建模监控数据质量

叶亨利李-
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。
阅读更多

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

艾米莉贝利-
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。
阅读更多
Zoubin Ghahramani.

优步科学：改善人工智能运输

Wayne Cunningham.-
优步首席科学家Zoubin Ghahramani解释了人工智能如何从学术界到现实世界的应用，以及优先权如何利用它更好地交通。
阅读更多

优步科学：对数据科学进行真实影响

Molly Vorwerck.-
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。
阅读更多
词云

更少的是：工程数据仓库效率简约设计

Ritesh Agrawal.-
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。
阅读更多

Uber的科学：通过映射来推动优步的骑士技术

Molly Vorwerck.-
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。
阅读更多

Uber科学：将研究带给了道路雷竞技是骗人的

Molly Vorwerck.-
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。
阅读更多
弗朗钟

Uber的科学：Uber建立一个数据科学平台

Wayne Cunningham.-
Uber Data Science主任Franziska Bell讨论了我们如何在优步创建数据科学平台，让所有技术技能的员工进行预测和分析数据。
阅读更多

使用因果推理来改善超级用户体验

托特哈琳-
优步实验室利用因果推理，一种统计方法，以便更好地了解实验结果的原因，改善我们的产品和运营分析。
阅读更多

开机：加快Uber的自动驾驶车辆开发与数据

Steffon Davis.-
自动驾驶车辆面临的关键挑战在与行人的互动过程中。在我们的自行车车辆的发展中，Uber ATG（高级技术组）的数据工程和数据科学团队有助于帮助使这些交互安全的数据处理和分析。
阅读更多

通过Catchme提高优步的映射精度

岳海徐-
Catchmaperror（CatchMe）是一个系统，它在Uber的地图数据中自动捕获错误，并使用驱动程序应用程序匿名GPS追踪。
阅读更多
服务器机架

使用超级数据科学解决大数据挑战

阿特尔古普特-
Uber的工程师和数据科学家如何聚集在一起来提出部分复制Vertica集群以更好地缩放我们的数据量。
阅读更多

缩放数据科学：与优步弗兰钟的谈话

Molly Vorwerck.-
我们与数据科学总监Fran Bell关于机器学习，以及她发现最具挑战性和奖励 - 关于她的工作。
阅读更多

第一个Uber Science Symposium：讨论下一代RL，NLP，Concai和DL

Mahdi Namazifar.-
优步学专题讨论会从更广泛的科学界会员谈判有关RL，NLP等最新创新和其他领域的谈判。
阅读更多
模型流程显示骑手和司机注册

为什么财务规划令人兴奋......至少对于数据科学家来说

Marianne Borzic Ducournau.-
在本文中，Uber的Marianne Borzic Ducournau讨论了Uber的财务规划为什么对数据科学家提供独特和挑战的机会。
阅读更多
Jan Pedersen公告功能图像

AI的经验：优步雇用Jan Pedersen

Wayne Cunningham.-
优步欢迎Jan Pedersen成为我们优步AI集团的杰出科学家，他将为我们提高人工智能和机器学习的努力带来丰富的经验。
阅读更多

分析实验结果：超越平均治疗效果

Matthias Lux.-
定量位治疗效果（QTES）使我们的数据科学家能够在乘客和司机在优步市场内互动时捕捉治疗效果的固有异质性。
阅读更多
欺诈预防工作流程图

用于检测和防止优步欺诈的先进技术

婷婷-
为了检测和防止欺诈，优步带来了携带数据科学和机器学习，分析了GPS痕迹和使用模式来识别可疑行为。
阅读更多

Omphalos，优步的并行和语言可扩展时间序列反向工具

罗伊杨-
Uber Engineering创建了omphalos，我们的新的反垄断框架，以实现跨语言预测模型的高效可靠的比较。
阅读更多

来自优步合作伙伴活动矩阵的收集洞察力与基因组双板和机器学习

清峰-
Uber Engineering的合作伙伴活动矩阵利用Biclustering和机器学习，以更好地了解我们的驱动程序应用程序的用户体验的多样性。
阅读更多
1 2 第1页，共2页

流行文章