Citymobil Data Meetup

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. 

Мероприятие пройдет в онлайне. Сначала будут доклады, а затем каждый из нас сможет поучаствовать в диалоге 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.