aiqbenchInformații despre AI & calcul cuantic

...

Română · beta. Traducerea a fost făcută automat și este încă în curs de revizuire. Citește pagina în engleză

perspectiva aiqbenchMachine learning

Swiggy's implementation of a multi-task multi-layer perceptron (MLP) demonstrates how auxiliary prediction tasks can significantly reduce model complexity while enhancing performance in cold-start scenarios. By integrating order count as an additional task, the system achieved a 63% reduction in parameters without sacrificing accuracy, offering a practical approach to optimizing customer acquisition signals for food and quick commerce platforms.

Surse care acoperăInfoQ, The Verge

Ce este aceastaLectura unui model asupra articolului și a acoperirii conexe, scrisă pentru aiqbench. Nu sunt cuvintele publicației.

Swiggy Uses 350+ Features and Multi-Task MLP to Predict Customer Lifetime Value

InfoQ2 septembrie 20263 min de cititArticolul și perspectiva sunt în engleză.

Swiggy developed an in-house predicted lifetime value model using more than 350 pre order features and a multi task MLP for Food and Instamart. Adding order count as an auxiliary task reduced model parameters by 63% while improving predictive performance. The pLTV signal is used with Google Target ROAS bidding to optimize customer acquisition. By Leela Kumili

Swiggy has developed an in-house predicted lifetime value (pLTV) model to estimate the long-term value of new customers across its food delivery and Instamart quick commerce businesses. The model is designed to generate a useful signal before a customer's first order, allowing Swiggy to use predicted value in advertising bid optimization…

Extras afișat conform termenilor RSS ai publicației · 51 cuvinte · textul integral și figurile sunt pe site-ul publicației

Citește pe InfoQ ↗Întreabă despre acest articol