跳到页脚

标签:Uber Data

24只猫都是紫色的,只有一只是红色的

用统计建模在规模上监测数据质量

Uber使用统计建模来发现数据中的异常,并持续监控数据质量。

优步数据科学领域的女性:2020年用数据改变世界——以及以后

2019年10月,Uber举办了我们的第二届年度数据移动世界meetup,展示了2019年我们最有趣的一些数据科学挑战。

Uber的科学:用数据科学对现实世界产生影响

Uber数据科学经理Suzette Puente分享了她如何运用自己在统计学方面的研究生研究成果来预测交通模式,并生成更好的路线。

通过开源促进协作:2019索菲亚Uber开放峰会亮点

在2019年Sofia Uber开放峰会上,我们展示了开源技术如何推动人工智能、站点可靠性和其他领域的未来。

用Uber的开源地理空间索引系统H3可视化城市核心

在2019年6月Uber meetup上发布的一篇精选演讲中,我们讨论了如何使用我们的开源六边形索引系统H3来促进大型地理空间数据集的颗粒挖掘。

使用因果推理改善Uber用户体验

Uber Labs利用因果推断(因果推断是一种统计方法,可以更好地理解实验结果的原因)来改进我们的产品和运营分析。

启动:用数据加速优步的自动驾驶汽车开发

自动驾驶汽车面临的一个关键挑战是与行人的互动。在我们开发自动驾驶汽车的过程中,Uber ATG(先进技术集团)的数据工程和数据科学团队致力于数据处理和分析,以确保这些交互的安全性。

第二届优步科学研讨会:探索行为科学的进展

2019年5月3日,Uber的应用行为科学团队主持了第二届Uber科学研讨会的行为科学轨道,该领域的领先研究人员进行了一整天的演讲。雷竞技是骗人的

Uber加入城市计算基金会,贡献开普勒。gl作为组织的第一个托管项目

除了加入城市计算基金会,优步也在为开普勒项目做贡献。Gl,一个开源的地理空间分析工具,作为该组织的第一个托管项目。

第一届Uber科学研讨会:讨论下一代RL、NLP、ConvAI和DL

优步科学研讨会的特色是来自更广泛的科学界的成员关于RL、NLP和其他领域的最新创新的演讲。

优步如何大规模利用应用行为科学

Uber实验室利用行为科学的见解和方法,在我们的平台上为用户构建直观和愉快的程序和产品。

流形:优步机器学习的一个模型不可知的可视化调试工具

Uber为ML性能诊断和模型调试建立了一个模型不可知的可视化工具Manifold,以促进一个更有信息和可操作的模型迭代过程。
鸟儿飞翔的画面

实时会话优步旅行

Uber的众多数据流需要将与特定任务(如骑行)相关的数据建模到状态机中。状态机让工程师只关注成功完成旅行所需的事件。

看到双胎:认识优步的同卵双胞胎数据科学家

同卵双胞胎Afshine和Shervine Amidi讨论了他们的数据科学之旅,以及他们在Uber的工作如何帮助团队改善我们平台上的用户体验。

Databook:用Uber的元数据将大数据转化为知识

Databook是Uber的内部平台,用于显示和探索上下文元数据,使整个公司的团队更容易发现和探索数据集。

H3: Uber的六边形层次空间指数

Uber开发了我们的开源网格系统H3,用于优化乘车定价和调度,使地理空间数据可视化和探索更容易、更高效。

M4预测竞赛:引入一种新的混合ES-RNN模型

Uber高级数据科学家Slawek Smyl凭借其混合指数平滑-循环神经网络(ES-RNN)预测方法赢得了M4竞赛,并获得了丰厚的利润。

从美丽的地图到可操作的见解:介绍开普勒。gl, Uber的开源地理空间工具箱

由Uber的可视化团队开普勒创建。Gl是一个开源的数据不可知的、高性能的基于web的大规模地理空间可视化应用程序。

用deck发展数据可视化社区。gl v5

甲板上。gl v5incorporates simplified APIs, scripting support, and framework agnosticism, making the popular open source data visualization software more accessible than ever before.

Uber的中介建模:理解为什么产品变更有效(和无效)

Uber Labs利用中介建模来更好地理解产品更新及其结果之间的关系,从而改善我们平台上的客户体验。

受欢迎的文章