Ga naar de inhoud

Uniforme en robuuste MLOps lifecycle om inzicht te krijgen in reisgedrag

Lees meer

De klant,

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
Branche Mobiliteit & logistiek
Services AI Solutions
Partner The Cirqle
Tools & technieken Databricks, Azure DevOps

Onze 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

Wat wil jij dat data doet?

Vul een geldig e-mailadres in.

Laat ons weten waar we je mee kunnen helpen.