1. 前言
本文转载自优达学城《机器学习工程师》
全球领先的出行方案提供商滴滴出行在2016年5月到7月成功举办了第一届算法大赛并取得了圆满的成功。优达学城作为协办方,也深刻地感受到了学生对解决基于企业真实数据题目的热情。为了让更多的学生能够有机会得到这样的锻炼,我们特地与滴滴出行协作,把算法比赛的题目作为纳米学位中的一个可选项目。
项目在设计时综合考量了纳米学位的内容与滴滴出行的招聘要求。让你能够把学到的内容应用在真实企业数据中。完成项目的优秀者可以得到滴滴出行的证书。为你的简历添砖加瓦。
项目制定原则:
- 滴滴出行按照自身招聘的需求设计项目。
- 优达学城结合机器学习纳米学位的课程内容进行微调。
- 留下足够多的自定空间给学生自由发挥,也可依此更好得区分学生水平。
2. 项目介绍
在出行问题上,中国市场人数多、人口密度大,总体的出行频率远高于其他国家,这种情况在大城市尤为明显。然而,截至目前中国拥有汽车的人口只有不到10%,这意味着在中国人们的出行更加依赖于出租车、公共交通等市场提供的服务。另一方面,滴滴出行占领了国内绝大部分的网络呼叫出行市场,面对着巨大的数据量以及与日俱增的数据处理需求。截至目前,滴滴出行平台日均需处理1100万订单,需要分析的数据量达到50TB,路径规划服务请求超过90亿。面对如此庞杂的数据,我们需要通过不断升级、完善与创新背后的云计算与大数据技术,从而保证数据分析及相关应用的稳定,实现高频出行下的运力均衡。供需预测就是其中的一个关键问题。
供需预测的目标是准确预测出给定地理区域在未来某个时间段的出行需求量及需求满足量。调研发现,同一地区不同时间段的订单密度是不一样的,例如大型居住区在早高峰时段的出行需求比较旺盛,而商务区则在晚高峰时段的出行需求比较旺盛。如果能预测到在未来的一段时间内某些地区的出行需求量比较大,就可以提前对营运车辆提供一些引导,指向性地提高部分地区的运力,从而提升乘客的整体出行体验。
3. 项目提交
3.1. 提交和评估
你的项目将由优达学城项目导师根据此要求进行评估。 提交前请务必仔细查看此要求。所有标准必须“符合规格”才能通过。
- 需提交一份PDF格式的项目报告,要求见这里。
- 解题代码需使用 python 2.7 的 ipynb 或 py 为后缀的文件。(后续会开放更多编程语言)
- 代码运行说明文件。纯文本或markdown格式,写明运行你的代码所需要的库,他们的安装方法和运行方法
- 预测结果: 纯文本或CSV文件。
对项目要求有疑问请致信 support@youdaxue.com
准备好提交项目后,请点击下一项,在“项目提交”小节中提交。