PiterPy 2019 / Лена Волжина: "Как подружить физические модели, машинное обучение и производительность продакшена" / Санкт-Петербург, Россия / 1 ноября 2019

Лена Волжина: "Как подружить физические модели, машинное обучение и производительность продакшена"

Описание

Как подружить физические модели, машинное обучение и производительность продакшена

Все мы пользуемся прогнозами погоды, чтобы выбрать подходящую одежду, вовремя помыть машину или спланировать отпуск. Но многие ли знают, как устроено вычисление прогнозов под капотом?
Прогнозировать погоду трудно: в ход идут данные с метеорологических станций по всему миру, с метеорадаров и даже спутников. Чтобы обработать эти данные, требуются кластера на сотни тысяч ядер для рассчёта физических моделей атмосферы. И всё же их прогнозы не идеальны.
Но есть и хорошие новости: часть ошибок моделей можно исправить, если проанализировать, при каких предпосылках они возникли. Чтобы автоматизировать этот процесс, мы в Яндекс.Погоде используем машинное обучение.
В докладе я расскажу, как устроена архитектура нашего сервиса, как мы организовали обработку терабайтов числовых данных в сутки, и какие хаки позволяют нам поддерживать прогнозы максимально актуальными.

​Лена Волжина
Россия. Санкт-Петербург
Разработчик
Yandex.Weather

Разработчик в Яндекс.Погоде. Проводит эксперименты для улучшения прогнозов погоды с помощью машинного обучения. Также занимается поддежкой вычисления моделей для продакшена.

Расскажите друзьям
Добавьте в свой календарь
Организатор
Со-организатор
Событие в социальных сетях
Контакты организаторов
Ирина Сарибекова
+7 (921) 903-45-17
irina@it-events.com

Поздравляем!

Вы успешно подписались на нашу рассылку.