🚌 Как мы улучшили точность отображения автобусов в 2 раза
Наша команда Data Science значительно улучшила точность отображения транспорта на карте. Ранее мы улучшили прогноз времени в пути для автомобилей, снизив ошибку на 20%, а теперь применили новый подход к общественному транспорту.
Это важно не только для пользователей 2ГИС, но и для бизнеса: служб доставки, каршеринга и различных логистических сценариев. Тот же подход мы применяем для точного прогнозирования времени в пути (ETA/RTA) в наших бизнес-решениях.
📍 Подробнее о том, как мы это сделали читайте в статье на Хабре
Наша команда Data Science значительно улучшила точность отображения транспорта на карте. Ранее мы улучшили прогноз времени в пути для автомобилей, снизив ошибку на 20%, а теперь применили новый подход к общественному транспорту.
Это важно не только для пользователей 2ГИС, но и для бизнеса: служб доставки, каршеринга и различных логистических сценариев. Тот же подход мы применяем для точного прогнозирования времени в пути (ETA/RTA) в наших бизнес-решениях.
📍 Подробнее о том, как мы это сделали читайте в статье на Хабре
❤13🔥4🏆4
tgoop.com/dev2gis/171
Create:
Last Update:
Last Update:
🚌 Как мы улучшили точность отображения автобусов в 2 раза
Наша команда Data Science значительно улучшила точность отображения транспорта на карте. Ранее мы улучшили прогноз времени в пути для автомобилей, снизив ошибку на 20%, а теперь применили новый подход к общественному транспорту.
Это важно не только для пользователей 2ГИС, но и для бизнеса: служб доставки, каршеринга и различных логистических сценариев. Тот же подход мы применяем для точного прогнозирования времени в пути (ETA/RTA) в наших бизнес-решениях.
📍 Подробнее о том, как мы это сделали читайте в статье на Хабре
Наша команда Data Science значительно улучшила точность отображения транспорта на карте. Ранее мы улучшили прогноз времени в пути для автомобилей, снизив ошибку на 20%, а теперь применили новый подход к общественному транспорту.
Это важно не только для пользователей 2ГИС, но и для бизнеса: служб доставки, каршеринга и различных логистических сценариев. Тот же подход мы применяем для точного прогнозирования времени в пути (ETA/RTA) в наших бизнес-решениях.
📍 Подробнее о том, как мы это сделали читайте в статье на Хабре
BY 2ГИС Платформа
Share with your friend now:
tgoop.com/dev2gis/171