Личный кабинет с искусственным интеллектом: опыт «Первой грузовой компании»
В железнодорожной отрасли, несмотря на её консервативность, есть много возможностей использовать большие данные и машинное обучение. «Первая грузовая компания» развивает сервисы с использованием этих технологий. Например, в личном кабинете можно прогнозировать сроки доставки грузов и не только. Что ещё — рассказываем в обзоре.
и где тут Искусственный интеллект? :)
Илья, добрый вечер!
Как и указано в статье, Machine Learning применяется для решения задачи прогнозирования даты прибытия вагонов клиентам. У наших клиентов была «боль» - слабое представление о том, когда вагон прибудет к ним. Когда информации недостаточно, они не могут полноценно планировать свою работу.
Пытаясь решить проблему, мы разработали модель, которая прогнозирует дату прибытия конкретного вагона. Она попадает в категорию регрессии, т.е. прогнозирование значения вещественной величины на основании вектора признаков. В ходе аналитической предпроектной проработки, которая является частью каждого DS-проекта нашей компании, мы выявили перечень ключевых фичей, которые лучше всего определяют время вагона в пути. В ходе проведения экспериментов мы остановились на алгоритмах градиентного бустинга из-за высокой точности прогноза, возможностей интерпретации ответов алгоритма по каждому наблюдению, а также удобства деплоя и поддержки. Интеграция ML-моделей в инфраструктуру ЛКК реализована на базе микросервисной архитектуры, что следует ИТ-стандартам нашей компании.
Скажите, мы ответили на ваш вопрос? Возможно, вы хотите еще что-то уточнить?
Приглашаем также в наш паблик на Хабр, где мы более подробно разбираем наши разработки с точки зрения ИТ. https://habr.com/ru/company/pgk/blog/