Мнение Программного комитета о докладе
Метро работает днем и чинится ночью. А когда чинятся самолеты и при чем здесь ML? В докладе Любы самое интересное на стыке реального сектора, авиации, статистики и разработки!
Аналитика по самолетам S7: pets vs cattle
Доклад принят в программу конференции
Целевая аудитория
Разработчики, которым интересно, какие вызовы стоят перед их коллегами, работающими с внедрением в реальном секторе.
Тезисы
Для вас полеты — это поиск билетов, электронный check In, "пристегните ремни" и паспортный контроль. Для нас, программистов в авиакомпании, это полное техобслуживание самолетов раз в два года, проверки раз в два дня, штрафы в сотни тысяч долларов за задержку в десять минут. Мы не может делать А/В-тесты и "быстро двигаться, ломая штуки". А бизнес хочет, чтобы мы как можно точнее предсказывали время обслуживания самолета по совсем скромному количеству исторических данных.
Мой доклад о том, как специфика авиации и небольшое, по меркам HighLoad, количество данных заставляет нас искать необычные подходы. Пока все обучают AI на океанах размеченных данных, мы используем "немодные" решающие деревья, которые можно обучить на выборке в сотни строк. Создаем системы, которые объясняют инженерам оценки и позволяют им самим делать "очистку" данных. Многие из наших подходов можно использовать не только в авиации, и я с интересом обсужу это с вами после доклада.
10 лет внедряет графы в производство, последние 5 лет делает это с помощью Data Science.
Middle Data Scientist в S7 TechLab.
Tech Lead продукта "Predictive Maintenance", который делает прогнозы для оптимизации затрат на ремонты фюзеляжей самолетов S7 Airlines.
S7 TechLab
Цель — обеспечить потребности в инновациях за счет информационных технологий, которые сегодня являются критическими для высокого уровня конкурентоспособности бизнеса.
Агрегируют компетенции в областях анализа данных, машинного обучения, блокчейн-технологий, разработки и вопросах инженерии данных.
