转型 2022：企业如何探索、行走，然后与他们的 AI/ML 部署发生冲突
我们很高兴能够在 7 月 19 日和 7 月 20 日至 28 日期间亲自带回 Transform 2022。加入人工智能和数据领域的领导者，进行深入讨论和令人兴奋的交流机会。立即注册！
7/20/22 编者注：修正了 DoorDash 中对 Shroff 报价的错误归属。
旧金山——企业不会在一夜之间抵制 AI/ML 部署，当做出这样做的决定时，它涉及公司的大多数高管，并且许多分析师聘请了合格的科学数据。它还涉及一种进化，可以与一个人学习爬行、走路然后跑步相比。
这一切都不容易或简单，但在 21 世纪的第三个十年中变得必要。企业正在学习爬行、行走和奔跑，以使用他们的数据让他们更深入地了解受保护的业务数据、存储库中但未被考虑的所有多余数据以及所有历史数据。不要忘记漂浮在互联网这个巨大宇宙中的所有社交网络和外部数据（客户评论、产品评论等），这些数据无论远近都会影响公司。
VentureBeat 在 Palace Hotel 举行的 Transform 2022 会议上，由 Wayfair 首席技术官 Fiona Tan 组成的小组； DoorDash 产品副总裁 Rajat Shroff； Kevin Zielnicki，Stitch Fix 高级数据科学家； VentureBeat 的编辑兼作家、主持人 Sharon Goldman 讨论了他们的自动化 AI/ML 流程如何帮助扩展和加速进入市场。他们的旅程以可持续的方式将他们从概念验证带到生产。
事件转型 2022
加入我们，参加 7 月 19 日和 7 月 20 日至 28 日为企业业务和技术决策者举办的领先的应用 AI 活动。
在这里注册 DoorDash 的方法“在 DoorDash，我们的价值观之一是我们梦想远大，但从小处着手，”Shroff 说。 “我们也将此应用于我们的人工智能工作。我们将从使用手动方式做不可扩展的事情开始，以学习和了解如何找到适合市场的产品。一旦我们看到信号，我们就开始发明算法并对其进行扩展。
“例如，当我们进行分析时，我们发现 DoorDash 上大约 8% 的商品是披萨。但几个月前，如果您搜索 [披萨]，您会认为有一半的商品是比萨饼，”Shroff 说。 “你在找披萨，却得到了印度咖喱、汉堡……原因是披萨与番茄酱有关。
“我们意识到我们需要在评估中更加准确。所以我们召集团队并说，'我们需要达到 99% 的准确度。' 在手动注释数据收集几个月后，团队发现一个小样本（确定一个市场，一个类别）。一旦他们收到信号，他们就会扩展整个项目。一旦达到他们喜欢的精度水平，他们就会将其传递给 ML 团队。然后他们开始构建 ( AI 模型）。”
最终，DoorDash “披萨的准确率从 60% 提高到 99%……我们发现开发时间和上市时间几乎缩短了一半，”Shroff 说。
Wayfair 如何使用 AI/ML“我们通过查看可用于解决我们试图解决的问题的数据的可访问性和质量来启动我们的 (IA) 项目……
我们很高兴能够在 7 月 19 日和 7 月 20 日至 28 日期间亲自带回 Transform 2022。加入人工智能和数据领域的领导者，进行深入讨论和令人兴奋的交流机会。立即注册！
7/20/22 编者注：修正了 DoorDash 中对 Shroff 报价的错误归属。
旧金山——企业不会在一夜之间抵制 AI/ML 部署，当做出这样做的决定时，它涉及公司的大多数高管，并且许多分析师聘请了合格的科学数据。它还涉及一种进化，可以与一个人学习爬行、走路然后跑步相比。
这一切都不容易或简单，但在 21 世纪的第三个十年中变得必要。企业正在学习爬行、行走和奔跑，以使用他们的数据让他们更深入地了解受保护的业务数据、存储库中但未被考虑的所有多余数据以及所有历史数据。不要忘记漂浮在互联网这个巨大宇宙中的所有社交网络和外部数据（客户评论、产品评论等），这些数据无论远近都会影响公司。
VentureBeat 在 Palace Hotel 举行的 Transform 2022 会议上，由 Wayfair 首席技术官 Fiona Tan 组成的小组； DoorDash 产品副总裁 Rajat Shroff； Kevin Zielnicki，Stitch Fix 高级数据科学家； VentureBeat 的编辑兼作家、主持人 Sharon Goldman 讨论了他们的自动化 AI/ML 流程如何帮助扩展和加速进入市场。他们的旅程以可持续的方式将他们从概念验证带到生产。
事件转型 2022
加入我们，参加 7 月 19 日和 7 月 20 日至 28 日为企业业务和技术决策者举办的领先的应用 AI 活动。
在这里注册 DoorDash 的方法“在 DoorDash，我们的价值观之一是我们梦想远大，但从小处着手，”Shroff 说。 “我们也将此应用于我们的人工智能工作。我们将从使用手动方式做不可扩展的事情开始，以学习和了解如何找到适合市场的产品。一旦我们看到信号，我们就开始发明算法并对其进行扩展。
“例如，当我们进行分析时，我们发现 DoorDash 上大约 8% 的商品是披萨。但几个月前，如果您搜索 [披萨]，您会认为有一半的商品是比萨饼，”Shroff 说。 “你在找披萨，却得到了印度咖喱、汉堡……原因是披萨与番茄酱有关。
“我们意识到我们需要在评估中更加准确。所以我们召集团队并说，'我们需要达到 99% 的准确度。' 在手动注释数据收集几个月后，团队发现一个小样本（确定一个市场，一个类别）。一旦他们收到信号，他们就会扩展整个项目。一旦达到他们喜欢的精度水平，他们就会将其传递给 ML 团队。然后他们开始构建 ( AI 模型）。”
最终，DoorDash “披萨的准确率从 60% 提高到 99%……我们发现开发时间和上市时间几乎缩短了一半，”Shroff 说。
Wayfair 如何使用 AI/ML“我们通过查看可用于解决我们试图解决的问题的数据的可访问性和质量来启动我们的 (IA) 项目……
What's Your Reaction?
