Таргетная медицина скорее компанией-организатором двигается, а мы им помогали решить довольно важный челлендж: как заранее найти наиболее перспективные эксперименты и их в первую очередь проводить
Очень меткие замечания. Я бы тут еще добавил некоторую долю монополизма invisalign первые лет 10, когда у них был потент и неоптимальный бизес-процесс из-за этого: капы везли прямиком из штатов, даже ретенционные.
Сейчас патент кончился и появилась куча дженериков, которые сверхприбыли обрезали (StarSmile там и тд), но суть все еще проста: моя стоматология чарджит 5к за один комплект кап или 10 за 3 комплекта.
А Джордан Белфорд еще поверил своему декану, что стоматология больше не золотая профессия...
Тут произошел переход от оптимизации среднего чека к оптимизации LTV (хоть и оценочного).
И таких уровней может быть сколько угодно, лишь бы колебания оценки были затухающими.
Например Я.Еда дает оценку на то, сколько будут доставлять курьеры партнера, а не их собственные, что можно расценивать как следующий шаг, хоть и в другой проблеме
Смотрю в итоговую графу "результат" и вижу, что у тебя еще и наибольшее количество самбитов. Расскажи какие методы пробинга лидерборда стоит использовать?
Для деревьев решений есть такой родственный алгоритм детекции аномалий- Isolation Forest. Если коротко- мы для детекции аномалий нарезаем пространство на куски, но только не оптимизируя лосс, а случайно и потом строим статистику, которая будет показывать аномальность объекта. Логика проста: мы ищем объекты, которые либо слишком рано отсекаются в среднем, либо слишком поздно по глубине залегания и они и являются аномалиями.
И вот для него подобный подход с случайными (а не обучаемыми) подпространствами как раз был испробован вот в этой статье: https://arxiv.org/pdf/1811.02141.pdf
О плюсах и минусах собственно можно там же почитать.
Склад- это то, от чего сейчас делается e-commerce. Мы в Сбермаркете тоже прорабатываем поставку данных о сроках годности от наших партнеров, чтобы лучше контролировать даже внешние склады.
Условно если у магазина А подключенного к Сбермаркету кончается товар, мы об этом должны знать и выключать его с нашей витрины немного заранее, потому что зачастую остатки не очень хороший опыт несут для клиентов. Условно, если остался один банан, то товар все еще в наличии, но его показывать на витрине не очень целесообразно.
Тут ценность в том, что менее опытным курьерам можно подсказать правильную последовательность доставок/пикапов. 20 секунд и 60 метров- это среднее детектированное отклонение, даже учитывая тех, кто в тестовой группе не пользовался роутами модели. Скорее всего итоговый отложенный отклик даже больше. Но если считать цифрами их головы: каждый заказ по 30 минут -> 20 секунд это чуть больше одного процента прироста. Думаю ускорение на 1% в их масштабах может стоить затраченных ресурсов, ведь модельку все же легче масштабировать, чем нанимать еще 500 курьеров по всей стране.
Насчет маршрутов других курьеров: тут встает задача о том, как выбирать роуты других курьеров и как их мерджить на разных сегментах. Meituan эту проблему частично решают.
Как данная нейросеть работала бы на примере опечатки 'дырококл'?
Таргетная медицина скорее компанией-организатором двигается, а мы им помогали решить довольно важный челлендж: как заранее найти наиболее перспективные эксперименты и их в первую очередь проводить
Апвоут опредленно нужен, но к сожалению ИИ пока не умеет играть в майнкрафт. По крайней мере его проходить(
Очень меткие замечания. Я бы тут еще добавил некоторую долю монополизма invisalign первые лет 10, когда у них был потент и неоптимальный бизес-процесс из-за этого: капы везли прямиком из штатов, даже ретенционные.
Сейчас патент кончился и появилась куча дженериков, которые сверхприбыли обрезали (StarSmile там и тд), но суть все еще проста: моя стоматология чарджит 5к за один комплект кап или 10 за 3 комплекта.
А Джордан Белфорд еще поверил своему декану, что стоматология больше не золотая профессия...
Тут произошел переход от оптимизации среднего чека к оптимизации LTV (хоть и оценочного).
И таких уровней может быть сколько угодно, лишь бы колебания оценки были затухающими.
Например Я.Еда дает оценку на то, сколько будут доставлять курьеры партнера, а не их собственные, что можно расценивать как следующий шаг, хоть и в другой проблеме
Смотрю в итоговую графу "результат" и вижу, что у тебя еще и наибольшее количество самбитов. Расскажи какие методы пробинга лидерборда стоит использовать?
Для деревьев решений есть такой родственный алгоритм детекции аномалий- Isolation Forest. Если коротко- мы для детекции аномалий нарезаем пространство на куски, но только не оптимизируя лосс, а случайно и потом строим статистику, которая будет показывать аномальность объекта. Логика проста: мы ищем объекты, которые либо слишком рано отсекаются в среднем, либо слишком поздно по глубине залегания и они и являются аномалиями.
И вот для него подобный подход с случайными (а не обучаемыми) подпространствами как раз был испробован вот в этой статье: https://arxiv.org/pdf/1811.02141.pdf
О плюсах и минусах собственно можно там же почитать.
Склад- это то, от чего сейчас делается e-commerce. Мы в Сбермаркете тоже прорабатываем поставку данных о сроках годности от наших партнеров, чтобы лучше контролировать даже внешние склады.
Условно если у магазина А подключенного к Сбермаркету кончается товар, мы об этом должны знать и выключать его с нашей витрины немного заранее, потому что зачастую остатки не очень хороший опыт несут для клиентов. Условно, если остался один банан, то товар все еще в наличии, но его показывать на витрине не очень целесообразно.
Тут ценность в том, что менее опытным курьерам можно подсказать правильную последовательность доставок/пикапов. 20 секунд и 60 метров- это среднее детектированное отклонение, даже учитывая тех, кто в тестовой группе не пользовался роутами модели. Скорее всего итоговый отложенный отклик даже больше. Но если считать цифрами их головы: каждый заказ по 30 минут -> 20 секунд это чуть больше одного процента прироста. Думаю ускорение на 1% в их масштабах может стоить затраченных ресурсов, ведь модельку все же легче масштабировать, чем нанимать еще 500 курьеров по всей стране.
Насчет маршрутов других курьеров: тут встает задача о том, как выбирать роуты других курьеров и как их мерджить на разных сегментах. Meituan эту проблему частично решают.