Pull to refresh

Comments 5

UFO just landed and posted this here

Я бы еще добавил один фактор. Если есть и сатанисты и инженеры, и ROI хороший, то все равно не стоит бросаться делать. Есть задачи, которые сильно завязаны на специфику именно этого бизнеса, и решения на которые не купишь в принципе. Некоторые из них еще и имеют огромный потенциал масштабирования. Именно их и надо решать inhouse. А решение унылой задачи на оптимизацию костов, которую уже решили 1000 раз до этого, лучше купить, и не париться)

Я понимаю, что статья про методологию (понравилось), а не про пример.
Но по идее, в такой статье пример должен быть идеальный, а не «от балды».

А в целом (у далекого от ML человека) складывается впечатление, что ML на данной задаче нужно как козе боян и будет часто ошибаться (итого пессимистический прогноз на самом деле вообще не принесёт прибыли, а наоборот). Как производственный календарь РФ оно будет учитывать например? Как учитывать совершенно бессистемные «ой, у нас сеть упала»?
Показалось, что ML лишний тут. Вроде, на первый взгляд, достаточно просто проанализировать исторические данные и дальше сделать примерные расчеты нагрузки (а значит и необходимое количество операторов) без ML. Но у меня недостаточно компетентности, чтобы утверждать это однозначно. Чисто размышления вслух.
Sign up to leave a comment.