Tìm kiếm
14 kết quả cho “XGBoost”. Tìm không phân biệt dấu.
- Architecting Restaurant Wait Time Predictions Bài tóm tắt · Yelp · 2019
…g thái nhà hàng) rồi gọi model server Java nội bộ (thư viện XGBoost Java đã tối ưu cho latency). Online không dùng Spark, nên cách xử lý dữ liệu khác offline. - Feature-set bluepri…
- Predicting the real-time availability of 200 million grocery items Bài tóm tắt · Instacart · 2018
…đã đặt là một mẫu, nhãn là shopper có tìm thấy không. Model XGBoost với feature theo món (tỉ lệ tìm thấy lịch sử, thời gian từ lần không tìm thấy gần nhất), theo thời gian, và mean…
- Community-focused Feed optimization Bài tóm tắt · LinkedIn · 2019
…ogistic regression với feature thủ công chuyển sang một cây XGBoost . Bản chỉ dùng cây giữ được phần lớn mức tăng tương tác mà giảm tail latency so với baseline. - Đánh giá bằng re…
- Rethinking site capacity projections with Capacity Analyzer Bài tóm tắt · LinkedIn · 2021
…ều; kèm slope filter, top 10 cải thiện gần 80%. - MetaRank: XGBoost (100 cây, sâu 3) xếp hạng lại từ các bảng xếp hạng trên, học từ nhãn nguyên nhân gốc của 34 lần load test; top 5…
- From shallow to deep learning in fraud Bài tóm tắt · Lyft · 2018
…t kế feature cho logistic regression; đội chuyển sang GBDT (XGBoost) . Không thể chép tay hàng nghìn cây, nên cần cách serialize model từ notebook và nạp vào production một cách ti…
- Nền tảng ML (feature, training, serving, giám sát model) Chủ đề Thành viên
Model ML đầu tiên của một công ty thường được nhúng thẳng vào một service có sẵn, với feature tính trong vài script và train bằng một job riêng. Khi số model và số người làm model tăng, bốn chỗ cùng hỏng:
- Observability và monitoring Chủ đề Thành viên
Lúc đầu, monitoring là vài dashboard và một công cụ cài sẵn; log đọc thẳng từ máy. Khi hệ lớn lên, chính hệ quan sát thành một hệ phân tán có bài toán riêng:
- Tự động hoá vận hành và auto-remediation Chủ đề Thành viên
Khi số máy, shard, pod tăng lên hàng nghìn, lỗi "hiếm" (một node chết, một đĩa hỏng, một replica trễ) thành chuyện hằng ngày, và thao tác tay không còn theo kịp: Stripe có hàng trăm lần shard suy giảm mỗi năm, mỗi lần…
- Dream11 Công ty Thành viên
Fantasy sports với hơn 100 triệu user, traffic dồn theo từng trận đấu nhanh hơn autoscaling phản ứng. Dream11 dự báo concurrency theo giờ, kiểm năng lực bằng game day, rồi scale chủ động theo bậc trước, trong và sau…
- To Scale In Or Scale Out? Here's How We Scale at Dream11 Bài tóm tắt · Dream11 · 2021
…n tốc độ. Thay đổi chính - Dự báo concurrency theo giờ bằng XGBoost (hơn 200 biến, xếp hạng mức độ "hot" của trận, hàm loss không chấp nhận dự báo thiếu). - Game Day hiệu năng (Tor…
- Instacart Công ty Thành viên
Năm 2020, để bật mã hoá at-rest cho RDS Postgres vài TB mà không downtime nhiều giờ, Instacart dựng replica logic từ snapshot (đẩy vị trí replication khớp LSN của snapshot) thay vì copy toàn bộ; cách này về sau dùng cho…
- How Instacart Modernized the Prediction of Real Time Availability for Hundreds of Millions of Items While Saving Costs Bài tóm tắt · Instacart · 2023
…lý và thời gian tới khi đủ mẫu), Trending (lệch so với nền, XGBoost), Real-time (suy từ quan sát gần nhất, ví dụ phân phối thời gian bổ sung hàng). - Lịch chấm điểm phân tầng theo…
- LinkedIn Công ty Thành viên
Bài khung là bài nhìn lại năm 2015 . LinkedIn bắt đầu năm 2003 là một monolith tên Leo. Service đầu tiên tách ra là member graph, vì đồ thị kết nối có profile tải khác hẳn; DB profile được đỡ bằng scale dọc rồi replica…
- LyftLearn: ML Model Training Infrastructure built on Kubernetes Bài tóm tắt · Lyft · 2021
…g; không giới hạn thư viện và phiên bản (sklearn, LightGBM, XGBoost, PyTorch, TensorFlow, mỗi team một phiên bản), trừ ngoại lệ vì bảo mật; nhiều lớp truy cập (API ở dưới, CLI và G…