Meg lehet-e tanulni az adatokból, kik a jó kamionsofőrök?
Ha túllépünk az üzemanyag visszaélések visszaszorításának kérdésén, a kamionok nyomkövetési adatai igazi aranybányát jelentetnek.
A szétszteroidozott diversity alkonya
Évtizedekben mérhető folyamatokat nem lehet profitorientált cégek asszisztálásával pár év alatt lezavarni, DEI csomagolásban.
|
A szétszteroidozott diversity alkonya
Évtizedekben mérhető folyamatokat nem lehet profitorientált cégek asszisztálásával pár év alatt lezavarni, DEI csomagolásban.
A sofőrök rangsorolása, a fuvarok árazása, az ideális útvonalak kiválasztása mind-mind olyan terület, ahol a gépi tanulási algoritmusok segítségével jelentős megtakarítások érhetők el. Gáspár Csaba, a Dmlab vezető data scientistje HWSW free! meetup-sorozat machine learning állomásán elhangzott és alább megtekinthető előadásában néhány technológiai, algoritmikai kérdésen túl rávilágít arra is, hogyan lehet kisebb pilot projekteken, adat-alapú döntéstámogató megbízásokon keresztül oda eljutni, hogy egy üzemeltethető, real-time működő sofőrtámogató rendszerünk legyen. Az előadás kitér arra is, hogy milyen kihívásokat hoz, ha az adatok irányába éppen most nyitni készülő szervezet szakértőivel kell együtt dolgoznunk. 5 év, 8 projekt és két termék története dióhéjban.
Meg lehet-e tanulni az adatokból, kik a jó kamionsofőrök?
Még több videó
A szétszteroidozott diversity alkonya
Évtizedekben mérhető folyamatokat nem lehet profitorientált cégek asszisztálásával pár év alatt lezavarni, DEI csomagolásban.A szétszteroidozott diversity alkonya Évtizedekben mérhető folyamatokat nem lehet profitorientált cégek asszisztálásával pár év alatt lezavarni, DEI csomagolásban.
A sofőrök rangsorolása, a fuvarok árazása, az ideális útvonalak kiválasztása mind-mind olyan terület, ahol a gépi tanulási algoritmusok segítségével jelentős megtakarítások érhetők el. Gáspár Csaba, a Dmlab vezető data scientistje HWSW free! meetup-sorozat machine learning állomásán elhangzott és alább megtekinthető előadásában néhány technológiai, algoritmikai kérdésen túl rávilágít arra is, hogyan lehet kisebb pilot projekteken, adat-alapú döntéstámogató megbízásokon keresztül oda eljutni, hogy egy üzemeltethető, real-time működő sofőrtámogató rendszerünk legyen. Az előadás kitér arra is, hogy milyen kihívásokat hoz, ha az adatok irányába éppen most nyitni készülő szervezet szakértőivel kell együtt dolgoznunk. 5 év, 8 projekt és két termék története dióhéjban.
Meg lehet-e tanulni az adatokból, kik a jó kamionsofőrök?
Még több videó