Uber是一家建立在数据科学基础上的公司。我们利用地图数据，让用户从A点到B点;语音和文本数据，用于在riders和驱动程序之间进行通信;餐厅和菜肴数据，在优步应用程序中推荐食物;这样的例子不胜枚举。

2019年10月24日，智慧（统计，数据，优化和机器学习）员工资源集团举办了智慧第二届用数据移动世界会议，欢迎湾区科技社区数百名成员，了解我们最艰难，最有趣的数据科学问题。下面，我们突出了这一活动的谈判，向您介绍工作优步的数据科学家，每天都会解决我们对我们平台的用户体验：

峰时定价信号

市场团队的数据科学家爱丽丝·卢(Alice Lu)以深入研究我们的历史开始了这次技术会谈价格飙升模型，用于帮助确保健康的功能优步的市场。爱丽丝提出了一个问题:它真的有效吗?她的研究雷竞技是骗人的结果令人瞩目是的。使用一组基于计量经济学的技术，Alice显示，当没有激增时，司机倾向于呆在一个地区，但当有激增时，他们沿着激增梯度移动，供应高需求的地区，随后增加他们的收入。

从观察中学习价值观和政策

在优步，我们研究的许多困难问题都可以从机器学习中受益，比如改进eta和找到车手和车手之间的最佳匹配。优步人工智能实验室(Uber AI 雷竞技是骗人的Labs)的研究科学家阿什利·爱德华兹(Ashley Edwards)分享了强化学习这一机器学习学科的原始成果。她使用了《Coin Run》和其他简单任务中的例子，演示了如何通过观察让agent学习潜在策略。她还提出了一个问题:未来，我们能指望机器人通过观察我们的动作学会像人类一样行动吗?

学习Word2Vec嵌入式十六进制

位置数据对于为司机和送货人员创建高效路线非常重要。我们组六角形的地区这些服务将地图分成“六边形”，并利用这些区域来确定送货或行程范围、定价以及优步体验的其他功能。在她的演讲中，数据科学家Mo Zhou解释了她如何从自然语言处理(NLP)中借鉴概念，利用Word2Vec找到量化六边形之间相似性的嵌入物。然后，她将类似的六边形聚集成与优步活动密集的小组，而且更大的群体忙碌。最终，优步吃顾客得到一个美味的汉堡和送货人和餐厅赚钱，而整个过程比没有莫的工作更有效。

优步的对话AI

Zhaleh Feizollahi是一个具有优步AI的计算语言学家，通过深入潜入Uber建立一个智能语音助理所需的技术谈话。免提调度之一,优步的主要安全功能，这是如何用于改善我们平台上的用户体验的重要示例。Zhaleh通过完整的产品生命周期走了我们：从思想生成到采购和塑造数据，一直通过释放产品，不断监控键度量，如准确性和常见的错误。一路上，我们也介绍了对NLP概念的颤抖，就像字格,bag-of-words,Term-frequency inverse document frequency (tf-idf)。

我们也很兴奋地欢迎优步首席经济学家乔纳森·霍尔上台。乔纳森和房间里的人分享了原因在优步，多样性很重要以及如何这样的组织智慧对我们的公司文化有积极的影响。

想与WiSDOM和其他优步数据科学社区的成员一起在优步规模上研究数据科学问题吗?如果你对上面列出的任何一个话题感兴趣，考虑一下申请加入我们团队或者加入我们的讨论组参加未来的优步工程活动。