"Kami memiliki sejumlah besar data untuk mengoptimalkan keputusan kami namun kami harus memperhitungkan berbagai tujuan dinamis untuk menyeimbangkan pengemudi dan pelanggan kami," kata Syafri seperti dikutip dari cnnindonesia.com. "Dengan memonitor efisiensi pasar dan keadilan pengemudi, kami menemukan bahwa model ini secara konsisten mendahulukan prioritas beberapa pengemudi," imbuhnya.
Lebih lanjut kata Syafri, ia dan tim tengah mengembangkan sejumlah proyek open source berdasarkan sistem Jaeger. Proyek pertama yang dinamakan Lasso, sebuah layanan yang bisa menentukan setiap permintaan peringkat pengemudi. Lasso akan membuat panggilan http ke beberapa layanan mikro. "Lasso juga menangani pencatatan setiap permintaan dan respons yang penting untuk mengevaluasi dan memulihkan bug dengan cara debugging [metode yang dilakukan oleh para pemrogram dan pengembang perangkat lunak untuk mencari dan mengurangi bug]," jelas Syafri.
Proyek kedua, Feast untuk membantuk Gojek menyelesaikan sejumlah masalah teknis saat menerapkan model machine learning. Ketiga, Mesiter yang juga disebut sebagai master Jeafer untuk mengkonfigurasi model machine leraning mana yang akan diterapkan di lokasi tertentu berdasarkan waktu hingga segmen yang berbeda. "Terakhir, ada Babel di mana kami telah mengabstraksikan berbagai teknik pengujian yang akan kami gunakan pada UI Web khusus untuk mengevaluasi dampak Jaeger pada berbagai metrik bisnis," tandasnya. (*)
