Платформа
Cloud․ru ML Space

Задача: Создавать нейронные сети для тестирования навыков юных футболистов

Результат: Компания обучает новые AI-модели и дообучает существующие с помощью инструментов Cloud.ru ML Space

Задача: Найти удобный и недорогой инструмент краткосрочного прогнозирования спроса для оптимального распределения партий одежды по торговым точкам

Результат: У ритейлера появился облачный сервис на платформе Cloud.ru ML Space, позволяющий спрогнозировать в ближайшей перспективе спрос на товары в магазинах: точность прогнозов — от 80 до 92%

Задача: Эффективно обучать AI-модели и оперативно размещать их в облаке для использования в производстве, гибко управлять ресурсами и экономить их

Результат: Команда упростила обучение и инференс AI-моделей, запуск и проверку продуктовых гипотез в области разговорного AI и генеративных чат-ботов с помощью Cloud.ru ML Space

Задача: Разработать сервис для автоматизации ресайзов рекламных креативов на основе обученных в Cloud.ru ML Space нейросетей и моделей семейства ruGPT-3

Результат: Сервис позволил избавиться от ручного труда в адаптации креативов под требования различных площадок и увеличить вариативность площадок и форматов размещения

Задача: Повысить качество предоставляемых услуг за счет обучения языковой модели HRBert на основе open source модели RoBERTa

Результат: Языковая модель HRBert помогла улучшить поиск и выстроить рекомендательную систему в сервисе, при этом время обучения модели сократилось до 15 дней — технический time-to-market уменьшился почти в 10 раз

Задача: Разработать предиктивную модель, прогнозирующую валовый сбор пшеницы в разрезе всех регионов РФ

Результат: Компания начала использовать облачный сервис на платформе Cloud.ru ML Space, предоставляющий возможность в интерактивном режиме моделировать урожайность яровых и озимых в горизонте 12 месяцев: точность прогноза по регионам более 90%