TGViewer
Под капотом Яндекс.Такси Под капотом Яндекс.Такси @underthehood · 800 subscribers
Post #25 2.34K
Сложность ML проектов обычно заключается не столько в придумывании факторов и непосредственно процессе обучения, сколько в реализации обученных моделей в продакшене: чтобы все факторы были доступны в рантайме и всё работало быстро.

В этом докладе Рома Халкечев рассказывает про инфраструктуру, которая позволяет быстро реализовывать ML-проекты в Яндекс.Такси.

https://www.youtube.com/watch?v=IDHKt1N2IvU
YouTube 003. Как запустить ML прототип за один день – Роман Халкечев В докладе речь пойдёт о написанном на Python сервисе, который позволил нам быстро создавать прототипы, использующие machine learning, а также быстро экспериментировать с разными ML-моделями.
More from @underthehood
  1. Oct 29, 2025Как Yandex Go с помощью аналитической платформы Atlas превращает карты в источник инсайтов…
  2. Dec 21, 2021https://medium.com/yandex-self-driving-car/the-story-behind-the-creation-of-yandexs-delive…
  3. Jun 23, 2021Яндекс Go разрабатывает платформу управления данными (DMP) как сервис для офлайн- и near r…
  4. May 31, 2021Общепринятый и проверенный временем подход к построению Data Warehouse (DWH) — это схема «…
  5. Mar 7, 2021Yandex Taxi Data Driven пройдёт 3-го апреля, регистрация уже открыта На нашей ежегодной вс…
  6. Feb 24, 2021Yandex.Go Data Driven Backstage Не секрет, что в Yandex.GO (Такси, Драйв, Лавка, Еда) умею…
Threads Profile ViewerView any public Threads profile without an account.Open ThreadLook →Writing with AI? Make it sound human.Metric37 rewrites AI drafts so they read naturally. Free AI detector, 1,500 words free.Try Metric37 →