Крупнейшая профессиональная конференция для разработчиков высоконагруженных систем

Как мы сделали рекомендации, отказались от подрядчика и заработали денег

Нейронные сети и искусственный интеллект (data science)

Python
Критерии выбора технологий для проекта
Machine Learning

Доклад принят в программу конференции

Мнение Программного комитета о докладе

Доклад посвящён решению классической проблемы выбора, заказывать разработку или делать самим. В процессе будет рассказано про то, как анализировать заказанное решение, планировать своё и технологическую основу получившегося ML-решения в продакшене.

Целевая аудитория

Data Scientist-ы, продакт менеджеры и все, кто начинает делать рекомендации in-house с нуля или отказывается от коробочных решений.

Тезисы

Наши рекомендации позволили компании отказаться от коробочного решения подрядчика и принесли дополнительных денег. Расскажу, как подходить к этой задаче, чтобы достигнуть положительного результата для всех типов клиентов и при этом без колоссальных затрат на инфраструктуру для ML.
Будет:
1. Почему мы решили отказаться от подрядчика?
2. С чего можно начинать? Смотрим, что у подрядчика под капотом.
3. Когда простые методы не работают?
4. Как отбирать модели, исходя из требований?
5. Как учесть изменчивость интересов пользователей?
6. Как извлечь пользу из плохой модели, совместив ее с хорошей?

Lead ML Engineer. Руковожу командой матчинга и рекомендаций в X5 Digital. Отвечаю за полный цикл разработки ML-решений для онлайн-канала торговых сетей компании.

Ранее работал в Билайн. Основные специальности: NLP, ранжирование и матчинг, анализ процессов.

X5 Digital

X5 Digital — часть крупнейшего ритейлера страны X5 Group. Компания развивает платформу цифровых продуктов для экспресс-доставки из, доставки из онлайн-гипермаркета Vprok.ru, а также занимается цифровизацией собственной сети дарксторов. Команда крутых инженеров разрабатывает онлайн-платформу, с помощью которой доставлены уже 50+ миллионов заказов.

Видео

Другие доклады секции

Нейронные сети и искусственный интеллект (data science)