Опубликовано в KDD 2019 Лукас Бернарди, Фемис Мавридис и Пабло Эстевес
Booking.com - это крупнейший в мире онлайн-турагент, где миллионы гостей находят себе жилье, а миллионы поставщиков размещения перечисляют свои объекты недвижимости, включая отели, апартаменты, пансионы типа «постель и завтрак», гостевые дома и многое другое. В последние годы мы применяем машинное обучение, чтобы улучшить впечатления наших клиентов и нашего бизнеса. Хотя большая часть литературы по машинному обучению сосредоточена на алгоритмических или математических аспектах этой области, не так много было опубликовано о том, как машинное обучение может оказать значимое влияние в промышленной среде, где коммерческая выгода имеет первостепенное значение. Мы провели анализ около 150 успешных приложений машинного обучения для клиентов, разработанных десятками команд на Booking.com, доступных сотням миллионов пользователей по всему миру и прошедших тщательные рандомизированные контролируемые испытания. Следуя этапам проекта машинного обучения, мы описываем наш подход, многие проблемы, которые мы обнаружили, и уроки, которые мы извлекли при масштабировании такой сложной технологии в нашей организации. Наш главный вывод заключается в том, что итеративный процесс, основанный на гипотезах, интегрированный с другими дисциплинами, имел основополагающее значение для создания 150 успешных продуктов с использованием машинного обучения.
