Chez DoorDash, les utilisateurs effectuent couramment des recherches à l'aide de requêtes précises qui combinent plusieurs exigences.
Category Archives: AI & ML
La puissance des grands modèles linguistiques au service de DoorDash pour une aventure d'achat sans faille
Photo : Avec l'aimable autorisation de The AI Conference
Imagine a bustling marketplace where consumers seamlessly connect with local merchants to get everything from groceries to gifts delivered to their doorsteps.
Partie 1 : Projets de stage d'été DoorDash 2024
DoorDash propose un programme de stage engageant où les stagiaires en ingénierie logicielle sont profondément intégrés dans nos équipes d'ingénierie, ce qui leur permet d'acquérir une expérience pratique et réelle qui complète leur apprentissage académique.
La précision en mouvement : L'apprentissage en profondeur pour des prévisions d'heure d'arrivée plus intelligentes
In the fast-paced world of food delivery, accurate estimated time of arrival, or ETA, predictions are not just a convenience; they’re a critical component of operational efficiency and customer satisfaction.
Vers une automatisation de haute qualité du support Dasher basée sur le LLM
The independent contractors who do deliveries through DoorDash – “Dashers” – pick up orders from merchants and deliver them to customers.
Comment DoorDash repousse les limites de l'expérimentation avec des dessins entrelacés
We’ve traditionally relied on A/B testing at DoorDash to guide our decisions.
Au-delà du clic : Améliorer l'expérience de notification personnalisée de DoorDash grâce à la recommandation GNN
DoorDash a redéfini la façon dont les utilisateurs découvrent la cuisine locale.
Construire le graphe de connaissance des produits de DoorDash à l'aide de grands modèles de langage
DoorDash’s retail catalog is a centralized dataset of essential product information for all products sold by new verticals merchants – merchants operating a business other than a restaurant, such as a grocery, a convenience store, or a liquor store.
Améliorer les ETA grâce à des modèles multitâches, à l'apprentissage profond et à des prévisions probabilistes
The DoorDash ETA team is committed to providing an accurate and reliable estimated time of arrival (ETA) as a cornerstone DoorDash consumer experience.
Expérimenter plus vite et avec moins d'efforts
Expériences de politique commerciale à l'aide de plans factoriels fractionnaires
Chez DoorDash, nous nous efforçons constamment d'améliorer nos processus d'expérimentation en tenant compte de quatre dimensions clés, à savoir la vélocité pour augmenter le nombre d'expériences que nous pouvons mener, le labeur pour minimiser nos efforts de lancement et d'analyse, la rigueur pour garantir une conception expérimentale solide et des analyses robustes et efficaces, et l'efficacité pour réduire les coûts associés à nos efforts d'expérimentation.