[ Stack tecnológico ]
CatBoost
El gradient boosting de Yandex que gestiona las variables categóricas sin preprocesamiento.
CatBoost entrena árboles simétricos (oblivious trees) mediante gradient boosting ordenado: los residuos de cada ejemplo proceden de un modelo que no lo ha visto, lo que corrige el sesgo de predicción de los boosters clásicos. Codifica por sí mismo las variables categóricas mediante estadísticas de objetivo ordenadas y sus combinaciones, gestiona texto y embeddings, y funciona bien con sus hiperparámetros por defecto. Disponible en Python, R, Java y C++ con aceleración por GPU, es nuestra elección ante categorías numerosas o de alta cardinalidad, cuando queremos un modelo robusto sin una larga fase de ajuste.
[ Por qué CatBoost en Dexon ]
Lo que esta tecnología hace bien y por qué la utilizamos
Uso típico: Scoring de clientes, tarificación de seguros, recomendación y clasificación sobre datos ricos en categorías.
- 01
Boosting ordenado: menos sobreajuste en conjuntos de datos pequeños y medianos.
- 02
Codificación nativa de las categorías mediante target statistics ordenadas y combinaciones automáticas.
- 03
Árboles simétricos: predicción muy rápida, modelo compacto y robusto por defecto.
- 04
Features de texto y embeddings, multi-GPU, exportación a ONNX, CoreML y C++.
[ Tecnologías complementarias ]
Las piezas que solemos utilizar en paralelo
Un stack rara vez existe por sí solo. Estas son las tecnologías que Dexon asocia con más frecuencia a esta, por hábitos de pipeline, similitud de uso o dominio interno. Haga clic en una pieza para ver su alcance.
[ Confianza ]
- 0+
- proyectos a medida entregados
- 30
- ingenieros, diseñadores, jefes de proyecto
- 80 %
- formados en las mejores escuelas francesas
- 24 h
- tiempo medio de respuesta
[ Confían en nosotros ]
Más de 100 empresas francesas y europeas confían en nosotros
[ Prensa ]
Hablan de nosotros
Descubra lo que la prensa económica y tecnológica dice de nosotros. Una mirada externa a nuestro trabajo y a nuestras innovaciones.
