Ситимобил каждый месяц проводит митапы о применении Data science в городских и геосервисах, логистике и технологиях умных городов.

На митапе мы рассмотрим разные особенности применения современных технологий в геосервисах. Поговорим и о классическом data science в задачах прогнозирования времени прибытия, о проектирование data warehouse (DWH), чтобы можно было эффективно применять методы машинного обучения и строить дэшборды. А также продолжим говорить о Switchback-экспериментах (у нас уже был доклад об этом не первом митапе), которые часто просто незаменимы в геосервисах.
В этот раз в гости к Ситимобил придут коллеги из Самоката.

Ждём вас 28 октября в 18:00.  Регистрация

Мероприятие пройдет в онлайне. Сначала будут доклады, а затем каждый из нас сможет поучаствовать в дискуссии со спикерами. Так что советуем запастись интересными вопросами)

18:00 – 18:10    Вступительное слово

Алексей Чернобровов
Консультант по Data Science 

18:10 – 18:40  «Эпизод 2: Атака тестов на свичбэк»

Ксения Мензорова
Data Science в Surge Pricing
Ситимобил

В Ситимобил проходят десятки разных экспериментов. Компания активно применяет switchback для сложных экспериментов в динамическом ценообразовании. На одном из предыдущих митапов мы уже подробно рассказывали, что это такое и с чем это едят.
Новый доклад поможет понять, какими статистическими методами можно проверить switchback-тест. А ещё он подскажет, как, с одной стороны, правильно выбрать подход, позволяющий бизнесу быстро принимать решения, а с другой – соблюдать некоторую математическую строгость.

18:40 – 19:10    «Сказ про то как мы в Ситимобил DWH строим»

Екатерина Колпакова
Руководитель DWH
Ситимобил

Когда создаешь классные сервисы с применением машинного обучения, нельзя обойтись без продуманного построения хранилища данных. Сегодня в Ситимобил применяются 100500 баз данных для решения самых разнообразных задач.
Мы подробно расскажем о подходе к построению подобных сложных систем, совмещении Data Vault и Data Lake, а также рассмотрим, как же в компании устроены потоки данных.

19:10 – 19:40 «Прогнозирование времени доставки заказа»

Николай Рядчиков
Senior ML Specialist
Самокат

На митапе я расскажу:

• Два разных прогноза: до оформления заказа и после;

• Необходимость детальной структуры местности для точного прогноза;

• Временные факторы прогноза;

• Очередность заказа в порядке выполнения курьером как важнейший фактор прогноза;

• Неизбежность продуктовых решений;

• Методология проведения экспериментов для проверки качества прогноза.

19:40 – 20:10    Дискуссия со спикерами

РЕГИСТРАЦИЯ