Unraveling the Complexities of Model Deployment in Dynamic Marketplaces - ML 151

Adventures in Machine Learning

Το περιεχόμενο παρέχεται από το Charles M Wood. Όλο το περιεχόμενο podcast, συμπεριλαμβανομένων των επεισοδίων, των γραφικών και των περιγραφών podcast, μεταφορτώνεται και παρέχεται απευθείας από τον Charles M Wood ή τον συνεργάτη της πλατφόρμας podcast. Εάν πιστεύετε ότι κάποιος χρησιμοποιεί το έργο σας που προστατεύεται από πνευματικά δικαιώματα χωρίς την άδειά σας, μπορείτε να ακολουθήσετε τη διαδικασία που περιγράφεται εδώ https://el.player.fm/legal.

1M ago 1:07:05

MP3•Αρχική οθόνη επεισοδίου

Deeksha Goyal is the Senior Machine Learning Engineer at Lyft and Michael Sun is the Staff Software Engineer at Lyft. They delve into the intricacies of machine learning and data-driven technology. In this episode, they explore the challenges and innovations in deploying models into production, particularly focusing on the real-world implications of ETA (Estimated Time of Arrival) modeling at Lyft. They share valuable insights, from the complexities of A/B testing and long-term impact assessment, to the dynamic nature of handling real-time data and addressing unpredictability in route predictions. Join them as they journey through the world of model deployment, bug identification, and career development within the fast-paced environment of Lyft's data-driven infrastructure.
Sponsors

Socials

Become a supporter of this podcast: https://www.spreaker.com/podcast/adventures-in-machine-learning--6102041/support.

176 επεισόδια

#Tech #Careers #Business #Machine Learning #Artificial Intelligence #Data Analysis #Data Science #Podcasting Education #Ben Wilson, Michael Berk #Ben Wilsons #Michael Berk