Multi-agent ML platform для RecSys: автоматизация гипотез от research до production validation

GenAI и большие языковые модели (LLM)

Программный комитет ещё не принял решения по этому докладу

Целевая аудитория

ML-инженеры и Data Scientists, работающие над созданием и внедрением рекомендательных систем AI/ML-лиды и технические директора, отвечающие за развитие ML-платформ в компаниях Архитекторы решений и инженеры по обработке больших данных Специалисты по машинному обучению, занимающиеся промышленной эксплуатацией ML-систем Руководители технических департаментов, ответственные за внедрение AI-решений DevOps-инженеры и специалисты по инфраструктуре, работающие с ML-системами Product-менеджеры в сфере AI и ML, особенно в области рекомендательных систем Специалисты по автоматизации процессов машинного обучения Команды разработки, работающие над созданием multi-agent систем Технические эксперты, интересующиеся практическим применением агентных систем в ML

Тезисы

Мы расскажем о том, как построить современную multi-agent платформу для рекомендательных систем в production-среде. На примере реального кейса Аэроклуба аудитория форума узнает: Как создать агентный слой поверх существующей ML-платформы. Какие роли берут на себя агенты в процессе автоматизации. Как организовать безопасное тестирование гипотез под реальной нагрузкой. Какие метрики помогают контролировать качество работы системы. В докладе раскроем: Архитектуру платформы и её компоненты. Механизм еженедельного конвейера гипотез. Подходы к автоматизации процессов. Систему guardrails и мониторинга. Практические результаты внедрения. Аудитория получит: Понимание, как ускорить цикл разработки ML-решений. Знания о построении надёжной агентной системы. Опыт реализации production-ready решений. Практические рекомендации по внедрению. Доклад будет полезен специалистам, работающим с ML-системами под нагрузкой, разработчикам рекомендательных сервисов и всем, кто интересуется современными подходами к автоматизации машинного обучения.

Лев Рагулин

Аэроклуб

Топ-менеджер с фокусом на внедрение решений в области искусственного интеллекта и машинного обучения для бизнеса. Специализируется на внедрении решений в области искусственного интеллекта и машинного обучения, которые создают измеримую ценность для бизнеса:

Разработка LLM-агентов для автоматизации процессов
Создание RAG-систем для доступа к корпоративным знаниям
Разработка систем рекомендаций
Внедрение моделей скоринга
Создание платформ для промышленного применения машинного обучения