"Uniforme en robuuste MLOps lifecycle om inzicht te krijgen in reisgedrag"

Introductie

GVB staat voor Gastvrij, Verbindend en Betrouwbaar. Dat zijn de kernwaarden waarmee de medewerkers van GVB het openbaar vervoer in Amsterdam en omgeving verzorgen. GVB zorgt ervoor dat de stad Amsterdam voor iedereen bereikbaar is. Ze behoren met ongeveer 5.000 medewerkers, uitzendkrachten en externen tot de grootste werkgevers van Amsterdam – en bij de vijf beste werkgevers van Amsterdam.

Klant

GVB

Tools/Technieken

Databricks, Azure DevOps

Services

Data Science & AI

Branche

Public Transport

De doelgedreven data-oplossing

Met het segmentatie model op basis van reisgedrag krijgt GVB meer inzicht in hoe reizigers bewegen. Hierdoor kan GVB bijvoorbeeld geschikte reisproducten aanbieden. Het segmentatie model moet up to date blijven met ontwikkelingen door de jaren heen. Het is van belang dat het model robuust geïmplementeerd is zodat het voldoet aan de data architectuur standaarden van GVB. 

Wij hebben een uniforme en robuuste MLOps lifecycle opgezet. Dit is belangrijk om het segmentatie model effectief in productie te kunnen zetten en te onderhouden. Wij hebben een MLOps workflow opgezet in Databricks, met verschillende herbruikbare templates.

“Het was erg interessant om de Databricks workflow voor Machine Learning projecten te mogen verbeteren door een robuuste MLOps lifecycle in te richten. Waarmee een goed fundament is gelegd voor toekomstige projecten om op een vergelijkbare manier te worden ingericht” 

Koen Koopen
Senior Data Scientist - Data Science Lab
Cases

Bekijk ook andere cases,

Lorem ipsum dolor sit amet, consectetur adipiscing elit.
NLP LLM circle

Wat wil jij dat data doet?

Dit veld is bedoeld voor validatiedoeleinden en moet niet worden gewijzigd.