Netflix社のMLOpsの事例を紹介します | 行灯Labo（アンドンラボ）｜JapanTaxi採用ブログ
その中で特に面白かったNetflix社の事例を紹介します！ Netflix社事例「A Human-Friendly Approach to MLOps」 Netflix社では、「Metaflow」と呼ばれる独自フレームワークを開発して、データサイエンティストに提供することにより、機械学習アプリケーションの開発・運用を社内で拡大することを実現している。 Netfliexのデータ分析の目標 コンテンツの発売前に、日毎の視聴者数の予測がしたい。これにより、優先度付やリソースの配置を考えている ゴールは２つ 190カ国すべてのオフィスにて、データから一貫した洞察を得られるようにする意思決定者のために正確で即時の情報を提供する データ分析プロジェクトの進め方型と課題 データ探索（〜２週間）notebookなどを用いて、データの振る舞いを理解して、どの特徴量を使うべきか等を探索するプロトタイピング（６
タクシードライバー向け需要予測について - 行灯Labo（アンドンラボ）｜JapanTaxi採用ブログ
はじめまして。開発部 データ分析チームの植田です。この記事ではタクシードライバー向けの需要予測についてご紹介します。 JapanTaxiではタクシードライバーの売上向上を目指し、AIを利用した業務支援システムを構築しています。主要機能として、タクシードライバーの目的地設定や通過ルートを支援するための、エリア単位の需要予測があります。本稿では、需要予測機能についてご紹介します。 需要予測機能について 需要予測機能はタクシーの運行実績と外部データを特徴量とした回帰モデルになっており、500mメッシュ毎のタクシー乗車数を30分単位で予測しています。 需要予測モデルの特徴量について タクシーの運行実績と外部データを特徴量としています。それぞれの役割としては、予測のベースとなる需要傾向を過去のタクシー運行実績から捉え、突発的な需要変化を外部データから捉える、という形になっています。 タクシー運行実績
ビジネスの要はデータ活用！タクシーITビジネスを支えるJapanTaxiの分析基盤とは？ - 行灯Labo（アンドンラボ）｜JapanTaxi採用ブログ
私自身は、一番最後のデータ分析基盤関係をメインで担当しており、必要に応じて2つ目のデータ抽出や分析を行っております。 現在、分析チームは3人おり、ある程度役割を分けながら活動しています。 今回は、すべてのデータ分析活動を支える、一番最後のデータ処理基盤について、以下の内容をご説明して紹介したいと思います。何か皆様の業務のご参考になることなどあれば、嬉しく思います。 1. 扱うデータについて まずは、主にどういったデータを扱うかをご紹介したいと思います。 最も主要なデータは、弊社が提供している「全国タクシー」アプリのデータです。 特に、タクシーの配車依頼の注文レコードを主に扱います。注文には、ユーザ情報や時間、乗車/降車指定位置、指定されたタクシー会社、配車できたか否か、など様々な情報が入っています。あとは、「JapanTaxi Wallet」という決済サービスを提供しており、このサービスの
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
