La nueva plataforma de experimentación de DoorDash, basada en una combinación de SQL, Kubernetes y Python, permite una rápida iteración de mejoras de funciones basadas en datos.
Archivo de etiquetas: ciencia de datos
DoorDash’s ML Platform – The Beginning
DoorDash uses Machine Learning (ML) at various places like inputs to Dasher Assignment Optimization, balancing Supply & Demand, Fraud prediction, Search Ranking, Menu classification, Recommendations etc.
Supercharging DoorDash’s Marketplace Decision-Making with Real-Time Knowledge
DoorDash is a dynamic logistics marketplace that serves three groups of customers:
Merchant partners who prepare food or other deliverables,
Dashers who carry the deliverables to their destinations,
Consumers who savor a freshly prepared meal from a local restaurant or a bag of groceries from their local grocery store.
For such a real-time platform as DoorDash, just-in-time insights from data generated on-the-fly by the participants of the marketplace is inherently useful to making better decisions for all of our customers.
Organizar el aprendizaje automático: Todos los sabores son bienvenidos
Principios y procesos de DoorDash para democratizar el aprendizaje automático
Hace seis meses me uní a DoorDash como su primer Jefe de Ciencia de Datos y Aprendizaje Automático.
Personalized Cuisine Filter
The consumer shopping experience is a key focus area at DoorDash.
Análisis de experimentos de conmutación por error estándar robusto para evitar falsos positivos
Dentro del equipo de despacho de DoorDash, estamos tomando decisiones e iteraciones todos los días que van desde estrategias de negocio, productos, algoritmos de aprendizaje automático, hasta optimizaciones.