Gépi tanulás a Wizz Air járatai mögött
Hogyan optimalizálható a leghatékonyabban egy légitársaság járatainak telítettsége?
BALHÉ
02026. június 1. 14:29
Komoly feszültség alakult ki a Wikipédia önkéntes szerkesztői közössége és a platformot működtető Wikimedia Foundation közt.konvergenciahatás
32026. június 1. 13:15
A Counterpoint Research megint lefelé korrigálta az éves előrejelzést, a memóriapiaci hatásoknak köszönhetően.EU
52026. május 29. 13:00
A Mistral rendkívül eltökéltnek tűnik azzal kapcsolatban, hogy tényleg az OpenAI európai kihívójaként tekintsenek rá.
Diszkont légitársaságként fontos, hogy minden járat a lehető legnagyobb kihasználtsággal repüljön a működési költségek alacsonyan tartása érdekében. A tényleges utasszámot a dinamikus árazáson túl az is befolyásolja, hogy kik azok az érvényes foglalással rendelkező utasok, akik végül valamilyen okból mégsem utaznak. Prikler Attila a Wizz Air IT vezetője a 2019. november 27-28-án rendezett HWSW mobile! termékfejlesztői konferencián tartott előadásában egy esettanulmány segítségével mutatja be, milyen döntések mentén jutottak el gépi tanulási modellek sikeres alkalmazásához a tényleges utasszám előrejelzésében.
Járatok telítettségének optimalizálása gépi tanulás segítségével - Prikler Attila (Wizz Air)
Még több videó