Угадываем вкус покупателей: персонализация ранжирования каталога в Lamoda на базе Elasticsearch и CatBoost
Доклад отклонён
Целевая аудитория
Data Scientist, Machine Learning Engineer
Тезисы
Хочу поделиться успешным опытом Lamoda по внедрению персонализации в ранжирование каталога: рассказать про двухуровневую архитектуру, к которой мы пришли, используя Elasticsearch, Golang и CatBoost; про полученный бизнес-эффект и дальнейшие планы. Выбранная архитектура позволяет эффективно и гибко персонализировать десятки тысяч товаров под каждого клиента, а также дает возможность продуктивно работать над дальнейшим улучшением качества ранжирования.
С 2017 года работаю в Lamoda: прошел путь от роли Data Scientist до руководителя отдела анализа данных и машинного обучения (Head of Data Science).
Мастер спорта по настольному теннису.
Lamoda Tech
Lamoda - ведущая онлайн-платформа по продаже товаров связанных с модой и образом жизни.
Видео
Другие доклады секции
BigData и машинное обучение
